论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)的自动目标识别(Automatic TargetRecognition,ATR)技术在战场感知方面非常重要,是国内外研究的热门课题。复杂目标的SAR回波和图像仿真技术,不仅是实现基于模型的SAR ATR系统的基础,而且还能为目标识别算法的研究提供大量廉价的数据支持,在目标识别与解译领域有着广阔的应用前景。
本文以复杂目标SAR图像仿真技术及其在目标识别中的应用为主要研究内容,系统性的研究了基于电磁散射的复杂目标SAR图像仿真技术。在此基础之上,解决了具体实现中的技术难点,并工程实现了仿真软件。以实测数据和仿真数据作为实验基础,深入开展了单极化、全极化的目标特征提取与识别方法研究。
本文的具体研究工作和创新点为:
1.在深入研究SBR(Shooting and Bouncing Rays,SBR)算法和SAR成像原理的基础上,提出了一种基于SBR的复杂目标SAR回波与图像仿真算法。该算法不局限于特定的孔径形式,既可仿真传统2D SAR回波和图像,也可仿真3D SAR回波并成像。仿真所得的SAR回波,包含了目标散射特性随频率和视角的变化。改传统平面入射波为球面入射波,使得仿真方法既适合远场成像系统的仿真,也适用于近场成像系统的仿真。
2.研究了复杂目标SAR仿真算法实现的几项关键性技术,提出了结合Z-buffer算法和Oc-Tree算法的射线加速寻迹算法。提出了虚拟散射点的概念,并将其应用于多次反射的散射点定位上。工程实现了基于SBR法的复杂目标SAR回波与图像仿真软件,并进行了充分的实验验证。利用仿真数据作为训练样本,实现了对MSTAR实测数据的有效分类。
3.深入研究了传统PCA(Principal Component Analysis,PCA)特征提取算法,并指出了原算法存在的不足。提出了改进的PCA特征提取与识别算法,通过引入圆周采样和分段Fourier变换的方法,改进算法能够减小对目标方位变化的敏感性,MSTAR真实数据实验结果验证了改进算法的优越性。
4.将局部极大值特征匹配识别算法推广到全极化SAR ATR,提出了一种基于极化相似度的全极化SAR自动目标识别算法。该算法将极化相似度的概念引入到局部极大值匹配算法中,有机的结合了散射中心特征点的空间域和极化域的信息。针对目标绕雷达视线的旋转,以及系统极化测量误差引起的极化倾角变化,给出了极化倾角估计和补偿算法,研究了极化倾角对识别结果的影响。仿真实验结果验证了提出算法的正确性和有效性。
5.提出了一种基于圆周孔径SAR(Circular SAR)回波模型的SARATR算法,该算法仿真并存储目标的CSAR回波作为识别系统的后台支持,通过在线预测连续方位视角下的目标SAR图像来完成识别。研究了CSAR回波的采样准则,给出了由CSAR回波重构聚束SAR回波与图像的方法。仿真实验验证了提出算法所重构的目标图像精度较高,且识别结果也优于传统方法。