【摘要】：多通道合成孔徑雷達(dá)能夠?qū)ν挥^測(cè)場景高效地完成多幀成像,利用多幀復(fù)圖像的空時(shí)聯(lián)系進(jìn)一步提升動(dòng)目標(biāo)的檢測(cè)性能與定位精度,在軍事情報(bào)獲取與交通監(jiān)視領(lǐng)域發(fā)揮著至關(guān)重要的作用。合成孔徑雷達(dá)由于平臺(tái)的運(yùn)動(dòng)導(dǎo)致地/海雜波的多普勒譜展寬,慢速運(yùn)動(dòng)目標(biāo)會(huì)淹沒在雜波背景中,需要進(jìn)行雜波抑制來實(shí)現(xiàn)動(dòng)目標(biāo)檢測(cè)。在實(shí)際環(huán)境中,雜波分布非均勻,內(nèi)部起伏運(yùn)動(dòng)引起時(shí)間、空間去相關(guān),雷達(dá)非正側(cè)視工作時(shí)雜波空時(shí)二維譜隨空間快速變化,加之雷達(dá)系統(tǒng)的幅度和相位響應(yīng)誤差,導(dǎo)致自適應(yīng)雜波抑制能力惡化,動(dòng)目標(biāo)檢測(cè)虛警概率升高,雷達(dá)系統(tǒng)的最小可檢測(cè)速度變差。針對(duì)實(shí)際背景下動(dòng)目標(biāo)檢測(cè)的關(guān)鍵問題,本文綜合利用多通道合成孔徑雷達(dá)復(fù)圖像域的信號(hào)幅度、相位、干涉幅度、干涉相位、濾波響應(yīng)損失以及運(yùn)動(dòng)艦船的尾跡等多特征以提升慢速目標(biāo)的檢測(cè)性能,主要研究工作概括如下:1.在復(fù)雜地雜波背景下,針對(duì)利用雜波抑制殘差圖的動(dòng)目標(biāo)檢測(cè)方法存在虛警概率高、慢速低信噪比目標(biāo)檢測(cè)困難的問題,提出了一種基于濾波響應(yīng)損失的兩步檢測(cè)方法。該方法首先進(jìn)行穩(wěn)健的場景雜波抑制處理,并采用較低的幅度檢測(cè)門限初步檢測(cè)出潛在目標(biāo),旨在提升慢速、低信噪比目標(biāo)的檢測(cè)概率;然后,根據(jù)潛在目標(biāo)在雜波抑制前后的功率變化構(gòu)造濾波響應(yīng)損失檢測(cè)量進(jìn)行二次檢測(cè)以剔除虛警。推導(dǎo)了該兩步檢測(cè)方法在非均勻雜波背景下的統(tǒng)計(jì)分布特性,并給出了自適應(yīng)檢測(cè)門限的計(jì)算方式。實(shí)驗(yàn)結(jié)果表明,相比于廣義內(nèi)積似然比、干涉幅度相位兩步檢測(cè)以及干涉幅度相位結(jié)合方法,所提方法能夠改善非均勻雜波背景下低信噪比動(dòng)目標(biāo)的檢測(cè)性能,獲得更好的動(dòng)目標(biāo)最小可檢測(cè)速度。2.在海雜波背景下,針對(duì)現(xiàn)有運(yùn)動(dòng)艦船目標(biāo)檢測(cè)方法存在虛警概率高、動(dòng)目標(biāo)檢測(cè)盲速區(qū)大的問題,提出了一種基于干涉幅度與相位自適應(yīng)融合的無盲速艦船目標(biāo)檢測(cè)方法。首先,聯(lián)合復(fù)干涉圖像的幅度、相位以及空間結(jié)構(gòu)信息設(shè)計(jì)了一種干涉雙邊濾波處理算法,以平滑噪聲,并保持物體的空間結(jié)構(gòu),可以獲得更加準(zhǔn)確的干涉信息測(cè)量結(jié)果。然后,利用高斯核函數(shù)構(gòu)造了一種基于干涉幅度與相位自適應(yīng)融合的目標(biāo)檢測(cè)準(zhǔn)則,并根據(jù)復(fù)合高斯雜波模型推導(dǎo)了該檢測(cè)量的概率密度函數(shù),給出了自適應(yīng)檢測(cè)門限的計(jì)算方式。理論分析表明,對(duì)于盲速區(qū)的動(dòng)目標(biāo),該檢測(cè)準(zhǔn)則可以自動(dòng)退化為幅度檢測(cè)量以避免檢測(cè)盲速;對(duì)于非盲速區(qū)的目標(biāo),該準(zhǔn)則通過融合干涉幅度與相位信息來增加艦船目標(biāo)與背景的對(duì)比度,提升低信噪比目標(biāo)的檢測(cè)性能。機(jī)載實(shí)測(cè)數(shù)據(jù)處理結(jié)果表明,所提出的干涉雙邊濾波多視處理算法可以有效地平滑噪聲,提升干涉信息的測(cè)量精度;干涉幅度與相位自適應(yīng)融合的目標(biāo)檢測(cè)準(zhǔn)則改善了動(dòng)目標(biāo)的檢測(cè)盲速問題,提高了低信噪比運(yùn)動(dòng)艦船目標(biāo)的檢測(cè)性能。3.為緩解海雜波背景下低信噪比、小尺寸運(yùn)動(dòng)艦船目標(biāo)檢測(cè)概率低的問題,在沿航跡干涉合成孔徑雷達(dá)系統(tǒng)下,提出一種尾跡特征輔助的運(yùn)動(dòng)艦船目標(biāo)檢測(cè)方法。該方法首先綜合利用干涉幅度、干涉相位以及尾跡的形態(tài)特征來提升艦船尾跡的檢測(cè)性能。然后,一方面利用尾跡特征構(gòu)造待檢測(cè)艦船目標(biāo)的位置和沿航跡干涉相位模板;另一方面,在復(fù)干涉圖像域構(gòu)造一種多特征融合的檢測(cè)量,并以較低的檢測(cè)門限初步檢測(cè)出潛在艦船目標(biāo)。最后,將潛在艦船目標(biāo)與生成的艦船模板一一匹配來剔除虛警。通過仿真實(shí)驗(yàn)驗(yàn)證了所提方法對(duì)升低可觀測(cè)艦船目標(biāo)的檢測(cè)性能的改善。
【圖文】：

隨海面風(fēng)速變化，SAR 圖像上海雜波受到這種物理機(jī)理，第i 幅 SAR 圖像上復(fù)數(shù)據(jù)度的隨機(jī)變量乘以復(fù)高斯噪聲組成，如下, 0, 1,2i i i iz A x A i R 圖像上的散射強(qiáng)度變量，也稱為紋理分點(diǎn)分量，，服從標(biāo)準(zhǔn)復(fù)數(shù)域正態(tài)分布， i x ，當(dāng)紋理分量服從 Gamma 分布時(shí)，海雜波、低擦地角下的實(shí)測(cè)海雜波數(shù)據(jù)，同時(shí)也能關(guān)性。但是，海面上運(yùn)動(dòng)艦船尾部存在尾點(diǎn)群，如圖 4.11 所示（TerraSAR-X 實(shí)測(cè)數(shù)非均勻，有時(shí) K 分布也難以合適地描述其

而且艦船的干涉相位分布也更集中，說明采用干涉域雙邊濾波方法能夠提升艦船、雜波背景的干涉信息的估計(jì)準(zhǔn)確度，增加艦船與背景在復(fù)干涉域的分辨度。圖4.22 提取的運(yùn)動(dòng)艦船目標(biāo)像素點(diǎn)（Ground truth）(a) 干涉幅度直方圖分布 (b) 干涉相位直方圖分布圖4.23 濾波前，目標(biāo)與雜波的復(fù)干涉圖分布方位分辨單元距離分辨單元1180 1200 1220 1240 1260640660680700720-30 -20 -10 0 10 20 30 4000.020.040.060.08濾波前干涉幅度 (dB)PDF艦船目標(biāo)雜波背景-3 -2 -1 0 1 2 300.10.20.30.4X: -2.231Y: 0.0333濾波前干涉相位 (rad)PDF艦船目標(biāo)海雜波背景
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 齊莉;;云平臺(tái)和神經(jīng)網(wǎng)絡(luò)的艦船目標(biāo)檢測(cè)[J];艦船科學(xué)技術(shù);2019年12期

2 陳云;;云環(huán)境艦船目標(biāo)檢測(cè)與跟蹤[J];艦船科學(xué)技術(shù);2018年12期

3 代威;文貢堅(jiān);張星;李智勇;;高光譜圖像海上艦船目標(biāo)檢測(cè)方法研究[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2015年11期

4 冷相文;張旭;趙曉哲;;水雷障礙對(duì)艦船目標(biāo)流毀傷概率仿真研究[J];計(jì)算機(jī)仿真;2011年04期

5 王彥情;馬雷;田原;;光學(xué)遙感圖像艦船目標(biāo)檢測(cè)與識(shí)別綜述[J];自動(dòng)化學(xué)報(bào);2011年09期

6 邢孟道;高悅欣;陳濺來;保錚;;海上艦船目標(biāo)雷達(dá)成像算法[J];科技導(dǎo)報(bào);2017年20期

7 王鵬;呂高杰;龔俊斌;田金文;;一種復(fù)雜海天背景下的紅外艦船目標(biāo)自動(dòng)檢測(cè)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年12期

8 吳超;龔翠玲;宋萬杰;吳順君;;艦船目標(biāo)實(shí)時(shí)一維距離像研究[J];現(xiàn)代雷達(dá);2008年07期

9 叢瑜;周偉;于仕財(cái);郭明;;一種對(duì)港口影像進(jìn)行艦船目標(biāo)提取方法[J];計(jì)算機(jī)仿真;2014年01期

10 劉松濤;;用盒子維評(píng)估紅外煙幕對(duì)艦船目標(biāo)的遮蔽效果[J];光電工程;2009年02期

相關(guān)會(huì)議論文 前10條

1 王童;童創(chuàng)明;李西敏;陳彬;;海面艦船目標(biāo)二次散射成像研究[A];2017年全國微波毫米波會(huì)議論文集(上冊(cè)二)[C];2017年

2 王世嶺;張大發(fā);馬鵬寶;;寬幅海洋艦船目標(biāo)成像問題研究[A];2019年全國工業(yè)流體力學(xué)會(huì)議摘要集[C];2019年

3 王衛(wèi)華;何艷;牛照東;陳曾平;;基于興趣區(qū)分割的紅外艦船目標(biāo)實(shí)時(shí)檢測(cè)算法[A];第十二屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

4 何友金;李凱永;任建廣;;一種改進(jìn)的基于遞歸門限分析的紅外艦船目標(biāo)圖像分割方法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

5 姚力波;劉勇;吳昱舟;熊偉;周智敏;;基于高分四號(hào)衛(wèi)星的艦船目標(biāo)跟蹤[A];第四屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2017年

6 艾淑芳;張國華;;海面雜波背景下紅外圖像中艦船目標(biāo)的檢測(cè)[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

7 陳彬;王成安;王富強(qiáng);譚建宇;;海面背景下艦船目標(biāo)紅外輻射特性分析[A];高等教育學(xué)會(huì)工程熱物理專業(yè)委員會(huì)第二十一屆全國學(xué)術(shù)會(huì)議論文集——傳熱傳質(zhì)學(xué)專輯[C];2015年

8 馬蘭;陳筱勇;吳群;;基于小波包和高階統(tǒng)計(jì)量的熱紅外艦船目標(biāo)檢測(cè)改進(jìn)算法[A];國家安全地球物理叢書（十二）——地球物理與信息感知[C];2016年

9 陳彬;王成安;王富強(qiáng);譚建宇;;海面背景下艦船目標(biāo)紅外輻射特性分析[A];高等學(xué)校工程熱物理第二十屆全國學(xué)術(shù)會(huì)議論文集——傳熱傳質(zhì)學(xué)專輯[C];2014年

10 吳楠;馮傳收;王海嬰;;采用高頻法軟件包計(jì)算艦船目標(biāo)的RCS[A];第六屆全國電磁兼容性學(xué)術(shù)會(huì)議2004EMC論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 田敏;多通道SAR復(fù)圖像域慢速運(yùn)動(dòng)目標(biāo)多特征檢測(cè)方法研究[D];西安電子科技大學(xué);2019年

2 李燾;基于SAR圖像的艦船目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2019年

3 李筍;高分辨率光學(xué)遙感圖像艦船目標(biāo)檢測(cè)關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2017年

4 安_g;海戰(zhàn)場艦船目標(biāo)檢測(cè)與識(shí)別研究[D];哈爾濱工程大學(xué);2015年

5 段崇雯;基于SAR成像的海面艦船目標(biāo)特征參數(shù)估計(jì)[D];國防科學(xué)技術(shù)大學(xué);2013年

6 邢相薇;HRWS SAR圖像艦船目標(biāo)監(jiān)視關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

7 張暉;艦船目標(biāo)多手段數(shù)據(jù)融合探測(cè)方法研究[D];內(nèi)蒙古大學(xué);2016年

8 王健;高頻地波雷達(dá)艦船目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2008年

9 桂陽;基于機(jī)載視覺的無人機(jī)自主著艦引導(dǎo)關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

10 種勁松;合成孔徑雷達(dá)圖像艦船目標(biāo)檢測(cè)算法與應(yīng)用研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2002年

相關(guān)碩士學(xué)位論文 前10條

1 胡珍;起伏海面下艦船目標(biāo)的聲散射特性研究[D];上海交通大學(xué);2018年

2 陳雪飛;復(fù)雜運(yùn)動(dòng)艦船目標(biāo)三維InISAR成像算法研究[D];哈爾濱工業(yè)大學(xué);2019年

3 王昌安;遙感影像中的近岸艦船目標(biāo)檢測(cè)和細(xì)粒度識(shí)別方法研究[D];華中科技大學(xué);2019年

4 王浩君;基于深度學(xué)習(xí)的光學(xué)遙感影像海上艦船目標(biāo)檢測(cè)研究[D];杭州師范大學(xué);2019年

5 王冰;基于深度學(xué)習(xí)的艦船目標(biāo)檢測(cè)研究[D];廈門大學(xué);2017年

6 李慶峰;可見光遙感圖像艦船目標(biāo)檢測(cè)技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所);2019年

7 尹瑩瑩;高分辨率光學(xué)遙感影像艦船目標(biāo)檢測(cè)與識(shí)別算法研究[D];上海交通大學(xué);2017年

8 任笑圓;知識(shí)輔助的可見光遙感圖像靠岸艦船目標(biāo)檢測(cè)方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

9 鄧婉霞;基于衛(wèi)星圖像信息與電子信息的艦船目標(biāo)關(guān)聯(lián)[D];國防科學(xué)技術(shù)大學(xué);2016年

10 王海波;基于星載簡縮極化SAR的海上艦船目標(biāo)檢測(cè)方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

本文編號(hào)：2648568