首页期刊导航|信号处理
期刊信息/Journal information
信号处理
信号处理

谢维信

月刊

1003-0530

010-64010656;64034443-3004

100009

北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD
正式出版
收录年代

    面向艇载气象雷达的稀疏相控阵优化设计

    王向荣黄嘉怡谢晋东曹先彬...
    1569-1586页
    查看更多>>摘要：台风是一种持续性的热带气旋,常带来狂风、暴雨等灾害天气.平均每年约有七次台风登陆我国,对我国人口密集的东南沿海和部分内陆地区带来严重影响.气象雷达具有对台风等灾害天气的探测和预警能力,但现有的气象雷达多为地基相控阵雷达,距离远且分辨率低,对台风内部结构观测不清,导致在台风强度和路径的预测上存在着较大的不确定性.为降低台风灾害带来的损失,北京航空航天大学承担的国家自然科学基金重大科研仪器研制项目(简称"大仪器"项目)提出由临近空间飞艇搭载气象雷达对台风进行追踪抵近探测,提供台风内部结构长时、精细的观测数据.不同于地基雷达,临近空间飞艇独特的平台限制约束了气象雷达的重量、功耗、尺寸等成本参数,而实现台风探测的高性能亟须大孔径阵列.因此,艇载台风探测雷达的技术难点在于:如何用最低的成本实现最高的性能.在"大仪器"项目的资助下,本文提出一种稀疏相控阵气象雷达,可以在降低系统成本的同时实现高分辨率探测.本文的主要贡献总结如下:首先,对单天线气象回波的时间序列进行模拟仿真,扩展至多天线相控阵气象雷达的回波数据模拟,并通过多普勒分析验证其准确性;然后,考虑稀疏化均匀间隔的相控阵列,通过减少阵元数降低硬件成本的同时,保持高分辨率的波束扫描与接收;最后,联合优化阵列构型和权重系数,权重系数满足恒模约束以最大化雷达发射功效,从而进一步压低副瓣电平来改善气象雷达的抗干扰性能.仿真和实验结果表明,相控阵雷达能够实现准确高效的气象探测,稀疏阵的引入使系统在维持高分辨率的同时降低了硬件成本.具体地,在相同阵元数的条件下,稀疏阵在对气象回波反射率、多普勒频率及谱宽的估计上,都展现明显优于均匀阵的效果.

    相控阵雷达气象回波仿真空间分辨率稀疏阵列波束合成

      原文链接:
    • 维普
    • 万方数据

    分布式无人机载SAR目标到达时差自定位方法

    杨佳鑫毛馨玉王朝栋李中余...
    1587-1596页
    查看更多>>摘要：分布式无人机载合成孔径雷达(Synthetic Aperture Radar,SAR)在实现对地海高价值目标成像感知时,具备抗干扰能力强、灵活性高、多角度观测等优势.然而,受分置各平台不同源引起的时频误差、气流扰动造成的平台站址误差等影响,分布式无人机载SAR对目标的定位精度下降.本文针对上述问题,提出了一种基于到达时间差(Time Difference of Arrival,TDOA)的分布式无人机SAR目标自定位方法.首先,通过对每个接收平台无人机接收的回波信号进行成像处理获得同一场景、不同观测方向的多帧图像,并粗略估计出目标的空间位置;其次,在考虑时频同步误差和无人机站址误差情况下,用粗略目标位置结合回波信号中的距离信息与无人机站址构建出TDOA定位方程组;随后,通过泰勒算法求解定位方程组,通过该超定定位方程组中的冗余方程对解算精度进行约束,经过解算可获得更精确的目标位置;最后,推导了在时频同步误差和无人机站址误差存在条件下的克拉美罗下界(Cramer-Rao lower bound,CRLB),对定位效果进行了评估.所提出的目标自定位方法仅利用了回波信号的距离信息,避免了回波信号的多普勒质心估计不准对定位精确的影响.仿真实验结果表明,该定位方法可在时频同步误差和无人机站址误差存在条件下实现对目标的精确定位.

    分布式合成孔径雷达无人机目标定位到达时间差

      原文链接:
    • 维普
    • 万方数据

    基于神经网络的毫米波雷达血压测量和波形重建

    姜钰学杜昊泽徐刚
    1597-1607页
    查看更多>>摘要：血压是评估心血管系统健康状况的重要生理指标,定期进行血压监测有助于及早诊断和干预心血管疾病.相对于传统电子血压计测量方法,毫米波雷达具有非接触等优势,在未来具备一定应用前景.本文提出了一种基于神经网络的毫米波雷达血压测量方法,旨在通过无接触的方式实现精确的血压值测量和波形重建.首先,使用扩展的微分交叉相乘算法和平均值滤波对雷达信号进行预处理,以有效提取雷达回波中的相位信息并去除相位常数.接着,利用小波滤波去除信号中的高频噪声和基线漂移,以获得高质量的脉搏波信号.随后,本文通过构建一个具备编码器-解码器结构的两阶段递进式特征融合与映射网络,分别建立脉搏波到血压值和血压波形的映射关系,以实现准确的血压测量和波形重建.所提模型在第一阶段使用MultiResUNet作为主干网络,实现对脉搏波多尺度特征的提取和融合,同时在多分辨率模块之间引入自注意力机制以挖掘特征向量间的长距离依赖关系,从而准确地重建血压波形;在第二阶段,模型利用第一阶段训练的编码器自动提取脉搏波深层特征,然后借助卷积神经网络和长短期记忆网络实现进一步的特征融合与映射,从而估计收缩压和舒张压.最后,使用雷达生命体征数据集对所提方法进行验证,得到收缩压的测量误差为3.49±5.75 mmHg,舒张压为2.40±3.59 mmHg,两者的测量性能均达到英国高压协会标准的A级要求.同时,所提模型对血压波形的重建误差为3.33 mmHg,偏差率为3.74%,亦证明了该方法在血压波形重建上的有效性.

    血压测量毫米波雷达深度学习信号重建

      原文链接:
    • 维普
    • 万方数据

    面向大规模目标跟踪的相控阵雷达资源分配方法

    卓娅玲李响左磊胡娟...
    1608-1620页
    查看更多>>摘要：相比于传统雷达,相控阵雷达能够同时生成多个波束并灵活改变波束指向,被广泛应用于多目标跟踪领域.在大规模集群目标协同探测场景中,为支持后续节点对敌方目标进行火力拦截与打击的任务需求,相控阵雷达需要在规定时间内将空域内优先级更高的目标更快地跟踪至火控精度,然而若空域内目标数量过多,雷达探测资源有限,难以完成指定跟踪任务.为了解决这一问题,本文提出了一种面向大规模目标跟踪的相控阵雷达目标分配与功率联合优化算法.首先,推导出包含目标分配和功率优化的预测条件克拉美罗下界,并将其作为目标跟踪性能的衡量指标;随后,本文同时考虑跟踪容量和跟踪精度,以最大化满足跟踪精度的目标数量和最小化多目标优先级加权平均跟踪误差为优化目标,结合相控阵雷达系统资源,建立了大规模目标跟踪下的目标分配和功率联合优化模型,对目标分配变量和发射功率变量进行自适应联合优化配置.针对上述优化问题,本文采用两步分解法,将其分解为目标分配子问题和功率优化子问题,并结合激活函数对非平滑非凸的目标函数进行平滑近似.然后,利用谱投影梯度法进行求解.仿真实验验证了所提算法相较于传统算法在多个场景下均能在指定时间内更快速地将更多目标跟踪至指定精度.

    相控阵雷达大规模目标跟踪目标分配功率优化

      原文链接:
    • 维普
    • 万方数据

    基于5G信号的分布式被动雷达目标定位方法

    何漆龙黄川邱星晔李中余...
    1621-1632页
    查看更多>>摘要：随着第五代(5th Generation,5G)无线通信技术的快速发展,基于5G信号的被动雷达技术在目标监测方面具有很大的应用潜力.特别是在分布式体制下,被动雷达系统能够有效整合多个站点信息,完成复杂的目标探测任务,为目标定位技术带来新的思路和方法.然而,在5G基站分布式场景下,基站大多部署在复杂环境中,导致目标定位过程中测量误差增大,从而限制了目标定位的精度.本文针对这一问题,结合5G独特的定位参考信号(Positioning Reference Signal,PRS),提出了一种迭代三步加权最小二乘(Iterative Three-step Weighted Least Squares,I3WLS)算法,用于实现分布式被动雷达目标精准定位.首先建立了基于5G信号的目标回波模型,通过回波时延信息构建了到达距离差(Range Difference of Arrival,RDOA)方程,然后利用加权最小二乘算法对目标位置初始估计值进行参数更新和迭代优化,最后通过线性变换距离约束方程保留目标位置的一次项,从而得到了目标的精确估计值.仿真结果表明,与现有方法相比,所提算法具有更好的定位精度和更强的鲁棒性,在被动雷达目标定位领域具有广阔的应用前景.

    被动雷达5G信号目标定位分布式到达距离差

      原文链接:
    • 维普
    • 万方数据

    基于PAST的毫米波雷达MIMO阵列幅相误差校正算法

    王纪平刘衍琦邓钱钰郭淑婷...
    1633-1647页
    查看更多>>摘要：随着毫米波雷达探测场景的复杂多元化,仅仅利用合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术获得探测场景二维信息很难满足实际工程需要.因此,基于车载毫米波雷达二维SAR成像结果,利用高度向多输入多输出(Multiple Input Multiple Output,MIMO)阵列来进行到达角(Direction Of Arrival,DOA)估计,获得目标高度信息,实现高分辨率三维点云成像就显得十分重要.然而在实际MIMO阵列中存在的幅度和相位误差会导致DOA估计性能下降,影响目标聚焦效果,难以满足目标分类识别的要求.由于SAR成像后的阵列幅相误差具有时变性,现有的阵列幅相误差校正算法难以兼顾补偿精度和计算效率.针对上述问题,本文首先构建了车载毫米波雷达三维回波模型,提出了一种基于后向投影算法的高分辨三维重构成像方法.相较于传统的毫米波点云成像,该方法可以获得更高的方位向和高度向分辨率.然后,建立了高度向一维阵列信号模型,利用最大似然估计方法,推导了阵列幅相误差最大似然估计值与阵列协方差矩阵的最大特征值对应的特征向量之间的等效关系.最后,提出了一种基于投影近似子空间跟踪(Projection Approximation Subspace Tracking,PAST)的MIMO阵列幅相误差校正算法,该算法利用PAST技术迭代求解所需的特征向量,有效避免了复杂的估计协方差矩阵和特征分解过程.相较于已有算法,该算法拥有较高的估计精度的同时可以满足工程实时处理的需要.理论分析、数值仿真以及实测实验验证了该算法可以有效排除阵列幅相误差干扰,获得高分辨DOA估计结果.

    毫米波雷达MIMO阵列合成孔径雷达幅相误差投影近似子空间跟踪

      原文链接:
    • 维普
    • 万方数据

    基于二分匹配Transformer的SAR图像检测

    龙伟军郭宇轩徐艺卓杜川...
    1648-1658页
    查看更多>>摘要：合成孔径雷达(Synthetic Aperture Radar,SAR)拥有全天候、全天时的成像能力,对SAR图像的目标检测具有重大军事和民用意义.在SAR图像目标检测中,由于成像时的复杂背景和非检测目标的干扰,存在重复检测的问题.传统的用于SAR图像检测的深度学习网络通过增加特征提取网络、非极大值抑制等处理降低重复检测的概率,当阈值设置不当和待检测目标存在重叠时仍会导致虚警和漏检的发生.为此,本文引入一种基于二分匹配损失的Transformer目标检测模型,与传统的SAR图像检测网络相比,二分匹配通过匈牙利算法将预测框与候选框进行一对一的匹配,从而找出最佳的匹配对,避免同一目标的重复检测.匹配时会自动忽略多余候选框,自动将其归类为背景,该方法不仅消除了重复检测导致的虚警问题,还省略了非极大值抑制的操作.同时,匹配结果可以直接作用于模型的输出,实现端到端的检测优化,将目标检测任务转化为集合预测问题,通过一组固定的可学习位置编码,有效地建立目标与图像特征之间的关联,无需依赖先验知识或预处理步骤,相较传统方法极大的简化了训练和部署流程.为了评估模型的有效性和可靠性,本文与当前热门目标检测模型在SAR-AIRcraft-1.0数据集上进行了对比,在保证较高召回率的情况下实现了不错的检测准确性,展示了模型的优越性能.

    SAR飞机检测二分匹配深度学习检测识别一体化

      原文链接:
    • 维普
    • 万方数据

    基于时空注意力-Seq2Seq网络的ISAR包络对齐方法

    李文哲李开明岳屹峰王金昊...
    1659-1673页
    查看更多>>摘要：包络对齐是逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像中平动补偿处理的第一步,包络对齐的精度对于方位聚焦和成像质量具有重要影响.针对稀疏孔径和低信噪比条件下传统的包络对齐算法性能显著降低的问题,本文提出一种基于时空注意力-Seq2Seq网络的包络对齐方法.该网络模型以门控循环单元为编码解码单元,针对点目标距离像包络的能量分布特征对空间注意力机制进行改进后,添加时间和空间两维注意力机制形成对ISAR距离像回波包络进行对齐的能力.数据生成方面,基于电磁波仿真参数和目标运动仿真参数进行成像模拟仿真构造了ISAR回波数据集,经过8倍插值后输入网络进行训练,使网络学习到从未对齐回波到对齐回波的映射关系.所提方法以离线训练代替在线相关计算,融合了Seq2Seq模型在处理序列到序列问题上的结构优势、时间注意力机制在捕捉长期依赖关系和空间注意力机制在提取区域特征上的突出能力,实现了稀疏孔径和低信噪比条件下对距离-慢时间域ISAR回波的自动对齐.通过向训练好的时空注意力-Seq2Seq网络输入未对齐的回波序列,网络可以在不改变回波相位结构的前提下自动实现包络对齐.仿真和实测数据对齐结果表明,和传统的包络对齐方法相比,所提方法在稀疏孔径和低信噪比条件下优势明显,在欠采样率为50%、信噪比为0 dB条件下对雅克-42飞机实测回波数据的包络对齐实验中,该方法将循环移位误差由39、26减小至6,将成像结果的图像熵由4.58、4.22减小至1.71,验证了其良好性能.

    逆合成孔径雷达成像包络对齐时空注意力机制Seq2Seq模型

      原文链接:
    • 维普
    • 万方数据

    基于无损压缩和量化感知的SAR舰船检测网络边缘部署

    胡卫杰刘颖冰马飞张帆...
    1674-1684页
    查看更多>>摘要：基于深度神经网络的方法在合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测任务上展现出巨大优势,但是庞大的参数量和算力需求导致其难以在资源受限的边缘环境下部署.针对该问题,本文从网络轻量化和模型部署优化两个层面对单阶段目标检测网络YOLO(You Only Look Once)v5s进行改进,提出了面向边缘环境的SAR图像舰船目标检测网络部署方法.在网络轻量化层面,本文联合基于批归一化层缩放因子的通道级网络剪枝和基于特征响应的细粒度知识蒸馏实现了舰船检测网络的无损压缩.轻量化模型的参数量和计算量相较于基线分别下降了80.3%和51.3%,并且没有引起检测精度的损失,在SAR图像舰船检测数据集(SAR Ship Detection Dataset,SSDD)上的平均准确率为0.979(基线为0.980).在模型部署优化层面,本文基于嵌入式GPU(Graphic Process Unit)提出了量化感知训练指导的混合精度TensorRT(Tensor Real-Time)推理引擎,大幅提升模型推理速度的同时降低了设备的运行功耗.轻量化推理引擎在尺寸为640×640 pixels的SAR图像上的推理速度为208帧每秒,达到了基线的3.41倍,同时设备的推理功耗仅6.2 W,相比基线下降了61.0%.另外,得益于量化感知训练,混合精度TensorRT推理引擎在取得与8位整型精度TensorRT推理引擎相似的推理速度和功耗的同时,平均准确率提升了44.1%,仅比基线下降了0.9%.试验数据证明,本文所提方法能够很好地兼顾边缘环境下SAR图像舰船目标检测的实时性、精准性和低功耗特性等要求.

    合成孔径雷达图像舰船目标检测模型压缩嵌入式GPU

      原文链接:
    • 维普
    • 万方数据

    分布式无人机载InSAR混合多基线相位解缠与高程反演技术

    明星辰王朝栋毛馨玉李中余...
    1685-1695页
    查看更多>>摘要：干涉合成孔径雷达技术(Interferometric Synthetic Aperture Radar,InSAR)作为地形测高的主要途径之一,可以获取地面场景的数字高程模型(Digital Elevation Model,DEM),实现复杂地貌的立体感知.分布式InSAR系统可以灵活改变构型,具备柔性基线的特性,突破单站多通道InSAR的基线限制,有利于提高高程反演的精度,满足不同地形的需求,在复杂地理测绘、资源勘测、侦察预警等方面具有重要应用前景.现存的分布式InSAR系统以星载编队为主,构型有较大的限制,针对机载系统的研究尚少且都以双站单基线为主,对复杂陡峭地形的反演精度较低,甚至无法适用.针对现有系统的缺陷,本文提出了基于混合基线的分布式多基线无人机载InSAR高程反演系统,并改进InSAR技术以适配提出的新型体制.本文首先介绍了分布式混合基线无人机载InSAR系统的几何构型,并推导了本系统高程反演的原理;然后对比现有系统,阐述了适配分布式系统构型的相位解缠的技术优势并推导其实现方法,从理论上论证了本文提出的灵活构型的干涉系统对于复杂陡峭场景的适用性;最后通过对仿真地形、真实山地地形的仿真实验,实现了分布式混合基线无人机载InSAR系统对地物目标场景的高程反演,验证了本系统技术的可行性;并通过与现有系统的对比分析,凸显了本系统在复杂地形高程信息反演方面的优越性.

    干涉合成孔径雷达分布式雷达系统机载合成孔径雷达高程反演相位解缠

      原文链接:
    • 维普
    • 万方数据