發(fā)布時間：2021-09-25 04:46

　　逆合成孔徑雷達（Inverse Synthetic Aperture Radar, ISAR）能全天候、全天時的獲取二維高分辨雷達圖像,為目標檢測和分類與識別提供豐富的特征信息。分辨率越高,后續(xù)的目標檢測和分類識別率就會越高,然而傳統(tǒng)的距離多普勒算法的分辨率受到合成孔徑時間和信號帶寬的限制,無法突破Rayleigh限。為了在不增加帶寬和成像積累時間的情況下獲得更高的分辨率,學者們將各種超分辨算法引入到ISAR成像中。其中子空間類算法通過協(xié)方差矩陣的特征分解,突破了Rayleigh限的限制,使參數(shù)估計值的均方差趨于克拉美羅界,具有很好的參數(shù)估計性能,使目標分辨能力大大提高。酉ESPRIT算法除了具有其它子空間類算法的優(yōu)點和避免類似MUSIC的復雜的譜峰搜索外,還能夠有效的利用觀測數(shù)據(jù)的復共軛信息,有效的提高ESPRIT的參數(shù)估計精度。特別是在二維參數(shù)估計中,基于2D unitary ESPRIT的超分辨算法可以有效的解決常規(guī)2D ESPRIT的角度兼并問題。因此,研究如何利用酉ESPRIT算法實現(xiàn)超分辨ISAR成像具有重要的理論意義和應(yīng)用價值。本文針對這一問題做了如下幾個方面的工作：1.... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：140 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究概況和發(fā)展趨勢
        1.2.1 逆合成孔徑雷達成像技術(shù)的發(fā)展和現(xiàn)狀
        1.2.2 基于ESPRIT的超分辨成像算法的發(fā)展和現(xiàn)狀
    1.3 本文的主要工作及貢獻
        1.3.1 論文的安排
        1.3.2 論文的主要貢獻及創(chuàng)新點
第二章 ISAR成像原理
    2.1 引言
    2.2 距離多普勒成像算法
        2.2.1 一維距離像
        2.2.2 一維方位像
        2.2.3 小帶寬小轉(zhuǎn)角ISAR成像
        2.2.4 距離多普勒成像仿真
    2.3 運動補償
        2.3.1 運動對多普勒頻率的影響
        2.3.2 平動補償
        2.3.3 最小熵
        2.3.4 相位梯度自聚焦
    2.4 雷達目標特性
        2.4.1 雷達散射截面的定義
        2.4.2 電磁散射計算方法簡介
        2.4.4 仿真實驗
    2.5 本章小結(jié)
第三章 一維ESPRIT超分辨成像算法
    3.1 引言
    3.2 一維參數(shù)估計算法
        3.2.1 一維ESPRIT算法數(shù)據(jù)模型
        3.2.2 LS-ESPRIT參數(shù)估計
        3.2.3 TLS-ESPRIT參數(shù)估計
        3.2.4 酉ESPRIT參數(shù)估計
    3.3 一維超分辨算法在一維距離成像中的應(yīng)用
        3.3.1 高分辨距離像信號模型
        3.3.2 LS-ESPRIT成像算法
        3.3.3 TLS-ESPRIT成像算法
        3.3.4 酉ESPRIT成像算法
    3.4 超分辨算法性能仿真實驗
        3.4.1 信噪比對成像性能的影響
        3.4.2 脈沖數(shù)對成像性能的影響
        3.4.3 基于散射中心提取的目標一維距離像重構(gòu)
    3.5 散射中心數(shù)目估計方法
        3.5.1 AIC準則及MDL準則
        3.5.2 蓋氏圓盤法
        3.5.3 仿真實例
    3.6 一維酉ESPRIT二維散射中心提取
        3.6.1 基于一維酉ESPRIT超分辨ISAR成像
        3.6.2 一維酉ESPRIT二維成像仿真
    3.7 本章小結(jié)
第四章 二維ESPRIT超分辨成像算法
    4.1 引言
    4.2 二維參數(shù)估計算法
        4.2.1 二維ESPRIT參數(shù)估計信號模型
        4.2.2 基于二維ESPRIT的參數(shù)估計
        4.2.3 基于二維酉ESPRIT的參數(shù)估計
    4.3 二維超分辨成像算法在ISAR中的應(yīng)用
        4.3.1 超分辨ISAR成像信號模型
        4.3.2 常規(guī)二維ESPRIT在ISAR成像中的應(yīng)用
        4.3.3 二維酉ESPRIT在ISAR成像中的應(yīng)用
    4.4 二維酉ESPRIT性能仿真實驗
        4.4.1 子孔徑尺寸對二維酉ESPRIT性能的影響
        4.4.2 不同算法分辨能力仿真實驗
        4.4.3 噪聲對不同算法性能的影響
        4.4.4 觀測數(shù)據(jù)維度對不同算法性能的影響
        4.4.5 基于二維酉ESPRIT的ISAR像重構(gòu)
    4.5 本章小結(jié)
第五章 超分辨算法在ISAR橫向定標中的應(yīng)用
    5.1 引言
    5.2 基于旋轉(zhuǎn)匹配的橫向定標方法
        5.2.1 基于旋轉(zhuǎn)匹配的橫向定標技術(shù)算法流程
        5.2.2 時頻分析ISAR成像
        5.2.3 基于散射中心的旋轉(zhuǎn)匹配
    5.3 旋轉(zhuǎn)匹配定標方法仿真實驗
        5.3.1 仿真數(shù)據(jù)處理與結(jié)果分析
        5.3.2 實測數(shù)據(jù)處理與結(jié)果分析
    5.4 基于調(diào)頻率估計的橫向定標方法
        5.4.1 基于調(diào)頻率估計的橫向定標技術(shù)算法流程
        5.4.2 基于FrFT的調(diào)頻率估計檢測LFM信號原理
        5.4.3 基于調(diào)頻率估計的橫向定標
    5.5 調(diào)頻率定標方法仿真實驗
        5.5.1 仿真數(shù)據(jù)處理與結(jié)果分析
        5.5.2 實測數(shù)據(jù)處理與結(jié)果分析
    5.6 本章小結(jié)
第六章 超分辨算法在目標分類識別中的應(yīng)用
    6.1 引言
    6.2 基于HRRP重構(gòu)的目標分類識別
        6.2.1 目標的高分辨距離像
        6.2.2 高分辨距離像重構(gòu)
    6.3 基于中心矩的平移不變特征提取
    6.4 模擬退火彈性傳播分類器的構(gòu)建
    6.5 仿真實驗
        6.5.1 數(shù)據(jù)描述
        6.5.2 HRRP恢復結(jié)果
        6.5.3 識別率仿真
    6.6 基于超分辨成像算法的ISAR目標輪廓提取
        6.6.1 現(xiàn)有輪廓提取方法的局限性
        6.6.2 基于二維酉ESPRIT的目標輪廓提取方法
        6.6.3 實測ISAR目標輪廓提取實驗
    6.7 本章小節(jié)
第七章 結(jié)論和展望
    7.1 研究結(jié)論
    7.2 研究展望
參考文獻
致謝
作者簡介



本文編號：3409117