超宽带穿墙雷达利用电磁波在非金属媒质中的穿透性能,实现对障碍物后目标的非入侵式探测、定位、成像和跟踪,在军事和民用领域均具有广泛的应用前景。为满足实际应用的要求,超宽带穿墙雷达面临的两个关键问题是:墙体参数未知和实时性要求。本论文基于时域有限差分(Finite Difference Time Domain,FDTD)法仿真模拟穿墙场景,就这两个关键问题展开讨论,主要工作及贡献如下:1.鉴于目前大多数穿墙雷达成像算法不能有效地识别目标的形状,本文建立雷达近场模型(包括无墙体和有墙体模型),提出目标形状识别的方法。该方法有效地提高了目标形状的识别能力。因成像区域中目标和背景的电磁特性不同(各个像素点类别标签不同),根据时域成像算法和频域成像算法又能得到各个像素点的幅度值,建立类别标签和幅度值之间的非线性关系,通过支持向量机(Support Vector Machine,SVM)的训练得到这个关系的近似表达式,再对各个像素点进行预测增加目标的分类准确率,从而达到识别目标形状的效果。仿真结果表明,一旦训练完成,预测只需要不足一秒的时间,不会增加目标成像的总时间;且SVM方法对目标形状的识别起到了积极作用。2.为实现穿墙雷达问题中墙体参数未知时的实时成像,提出了一种两步成像的方法,即先利用SVM对墙体参数(相对介电常数、厚度)进行预测,再利用相移偏移(Phase Shift Migration,PSM)算法对墙后目标进行成像。该方法同时解决了墙体参数未知和实时性要求。墙体参数未知时,建立目标散射信号和墙体参数之间的映射关系,这非线性的映射关系通过SVM的训练得到。由于建立SVM模型时目标不变,讨论了目标变化、墙体长度、采样间隔、噪声对预测结果的影响,结果表明外在因素对预测结果会有影响,但预测值仍能为成像算法提供有效的数据;而且该预测方法精度高、耗时短。另外,根据预测的墙体参数,再利用PSM算法,能在几十秒的时间内完成目标成像,真正实现了墙体参数未知时的实时成像,对实际应用具有指导意义。3.鉴于墙体参数(相对介电常数、厚度、电导率)预测的重要性,提出了利用最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)预测的方法,并通过图像熵判断预测结果的优劣。该方法成功解决了实时预测墙体参数的问题。墙体参数预测问题可重建为寻找、建立目标散射信号和墙体参数之间的映射关系,此关系可通过LS-SVM训练得到。因建立LS-SVM模型时目标不变,讨论了目标变化和噪声对预测结果的影响,预测结果表明,一旦训练完成,只需不足一秒的预测时间;LS-SVM方法预测精度高,但受外界因素影响较大,且当墙体长度、采样间隔发生变化时,无法进行预测。另外仿真结果显示基于LS-SVM预测方法在预测精度、便捷性方面高于基于SVM的预测方法,但在泛化性上,后者优于前者。若考虑实际应用,基于SVM的方法更具实用性。4.提出了一种分别基于LS-SVM和SVM的实时定位方法,该方法避免了计算墙体的作用,成功解决了墙体参数未知时的实时定位问题。穿墙定位问题可重建为寻找、建立目标散射信号和目标位置之间的映射关系,该问题的非线性和由墙体存在造成的传播效应包含在此映射中,而此映射可通过LS-SVM和SVM的训练得到。通过定性及定量地分析,仿真结果显示了两种方法的有效性、可行性和鲁棒性。而且一旦训练完成,两种方法都只需不足一秒的预测时间。且LS-SVM方法较SVM方法定位精度更高、预测更便捷。