毫米波步进频雷达一维成像及目标检测算法研究

毫米波步进频雷达一维成像及目标检测算法研究

论文摘要

本文以某科研项目“3mm导引头信号处理成像技术研究”为依托,对宽带高分辨毫米波雷达对地探测中的一维距离成像与目标检测算法进行了比较系统的研究,主要包括一维距离像的成像原理、扩展目标的抽取拼接、运动补偿及基于一维距离像的目标检测等4个方面。在绪论中,首先阐述了雷达精确制导武器在现代战争中的地位和作用,然后回顾了毫米波精确制导技术的研究现状和发展趋势,最后对本文的研究内容做了概括介绍。第二章阐述了步进频雷达一维距离成像原理,系统地分析了不同应用条件对跳频间隔、发射脉冲宽度、采样频率及采样位置等参数的要求,论述了距离像混叠与折叠产生的原因,本章工作为工程实践提供了理论基础。第三章为了解决距离像的模糊与冗余现象,研究了几种距离像解模糊与目标抽取拼接算法,其中包括直接解模糊法、相位调制补偿法和顺序移动法等3种距离像解模糊法及舍弃法、取大法、同距离累加法和加权平均法等4种目标抽取算法。通过计算机仿真分析了上述各方法组合后的优缺点。第四章分析了目标运动对距离像的影响,介绍了几种常用的运动补偿方法:频域相关法、时域相关法、最小熵法及谱峰跟踪法,并从测速范围、测速精度、运算量等方面分析了其各自的特点。为减小谱峰跟踪法的局限性,本章对其进行改进,提高了其测速精度与抗噪能力。本章还提出一种基于几何推理的匹配测速新算法,与时域相关法相比,该方法运算量小,测速精度高,抗噪声、杂波尖峰和虚假散射中心能力强。第五章在阐述传统点目标检测原理的基础上,研究了基于一维距离像的单周期径向积累检测算法。本章提出一种基于免疫算法的目标径向长度估计方法,在最大信杂比准则下,利用免疫算法代替传统的全局搜索法对目标长度进行搜索,经蒙特卡洛仿真验证,改进后的方法在提高估计精度、抗噪性能的同时极大地减小了运算量。第六章总结了全文的工作并对下一步的研究工作进行了展望。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 毫米波雷达的研究动态
  • 1.2.1 毫米波精确制导武器的发展现状
  • 1.2.2 毫米波雷达成像技术研究现状
  • 1.2.3 毫米波雷达目标检测研究现状
  • 1.3 本文的主要研究工作
  • 第二章 频率步进雷达一维距离成像原理及系统参数选择
  • 2.1 引言
  • 2.2 步进频雷达距离成像原理
  • 2.3 不同参数对IFFT 处理结果的影响
  • 2.3.1 采样点位置对IFFT 处理结果的影响
  • 2.3.2 时宽带宽积T1Δf 对处理结果的影响
  • 2.3.2.1 时宽带宽积T1Δf <1 时IFFT 处理特性分析
  • 1 时IFFT 处理特性分析'>2.3.2.2 时宽带宽积T1Δf >1 时IFFT 处理特性分析
  • 2.3.3 采样间隔对成像结果的影响
  • 2.4 小结
  • 第三章 频率步进雷达一维距离像抽取与拼接技术
  • 3.1 距离像去折叠
  • 3.1.1 直接解模糊法
  • 3.1.2 相位补偿解模糊法
  • 3.1.3 顺序移动法
  • 3.2 距离像目标抽取算法
  • 3.3 仿真
  • 3.4 小结
  • 第四章 一维距离像成像运动补偿
  • 4.1 目标运动对距离像的影响
  • 4.2 运动补偿方法
  • 4.2.1 频域相关法
  • 4.2.2 时域相关法
  • 4.2.3 最小熵法
  • 4.2.4 谱峰跟踪法及其改进
  • 4.2.5 基于几何推理的匹配测速补偿算法
  • 4.2.5.1 基本问题描述
  • 4.2.5.2 几何推理的基本理论
  • 4.2.5.3 算法的基本步骤
  • 4.2.5.4 MDL 准则
  • 4.2.5.5 relax 算法
  • 4.2.5.6 仿真
  • 4.3 小结
  • 第五章 基于高分辨一维距离像的雷达目标检测
  • 5.1 引言
  • 5.2 参量型恒虚警检测方法
  • 5.2.1 恒虚警理论
  • 5.2.2 参量型恒虚警基本处理方法
  • 5.3 径向积累检测
  • 5.3.1 单周期径向积累检测算法
  • 5.3.2 目标径向长度估计算法
  • 5.3.2.1 免疫算法原理
  • 5.3.2.2 基于免疫算法的目标长度估计
  • 5.3.3 仿真
  • 5.4 小结
  • 结束语
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 相关论文文献

    • [1].基于改进的特征提取网络的目标检测算法[J]. 激光与光电子学进展 2019(23)
    • [2].电力监控系统中运动目标检测算法研究[J]. 数字技术与应用 2019(12)
    • [3].基于变周期梯形毫米波二维配对多目标检测算法[J]. 微波学报 2020(02)
    • [4].基于卷积神经网络的目标检测算法综述[J]. 苏州科技大学学报(自然科学版) 2020(02)
    • [5].基于四旋翼无人机平台的实时多目标检测算法[J]. 计算机仿真 2020(04)
    • [6].基于深度学习的目标检测算法研究综述[J]. 计算机与现代化 2020(05)
    • [7].基于遮挡标记的目标检测算法[J]. 中南民族大学学报(自然科学版) 2020(03)
    • [8].基于深度学习的单阶段目标检测算法研究综述[J]. 航空兵器 2020(03)
    • [9].基于有效感受野的目标检测算法[J]. 山西大同大学学报(自然科学版) 2020(04)
    • [10].深度卷积神经网络的目标检测算法综述[J]. 计算机工程与应用 2020(17)
    • [11].基于关键点的目标检测算法综述[J]. 信息技术与标准化 2020(06)
    • [12].深度学习目标检测算法在货运列车车钩识别中的应用[J]. 铁道科学与工程学报 2020(10)
    • [13].基于回归与深度强化学习的目标检测算法[J]. 软件导刊 2018(12)
    • [14].特征显著性的车辆目标检测算法[J]. 河南科技大学学报(自然科学版) 2017(01)
    • [15].一种基于数据聚类的目标检测算法[J]. 机电产品开发与创新 2016(06)
    • [16].多分支卷积块的目标检测算法[J]. 赤峰学院学报(自然科学版) 2020(10)
    • [17].一种基于深度学习的遥感图像目标检测算法[J]. 计算机工程与科学 2019(12)
    • [18].重点区域注意力学习的空对地目标检测算法[J]. 激光与光电子学进展 2020(04)
    • [19].基于深度卷积神经网络的小目标检测算法[J]. 计算机工程与科学 2020(04)
    • [20].基于注意力机制和特征融合改进的小目标检测算法[J]. 计算机应用与软件 2020(05)
    • [21].基于深度学习的图像目标检测算法研究[J]. 国外电子测量技术 2020(08)
    • [22].基于深度卷积神经网络的目标检测算法进展[J]. 南京邮电大学学报(自然科学版) 2019(05)
    • [23].基于背景遗传模型的运动目标检测算法[J]. 自动化技术与应用 2017(03)
    • [24].一种改进的毫米波雷达多目标检测算法[J]. 通信技术 2015(07)
    • [25].达芬奇平台下的运动目标检测算法的应用研究[J]. 计算机技术与发展 2013(11)
    • [26].高光谱图像目标检测算法分析[J]. 测绘科学 2012(01)
    • [27].基于深度学习的目标检测算法研究与应用[J]. 计算机产品与流通 2020(01)
    • [28].基于特征增强及密集场景优化的遥感目标检测算法[J]. 传感器与微系统 2020(01)
    • [29].室内穿墙场景下的无源人体目标检测算法[J]. 电子与信息学报 2020(03)
    • [30].虚拟现实技术舰船高速航行图像目标检测算法[J]. 舰船科学技术 2020(04)

    标签:;  ;  ;  ;  ;  ;  

    毫米波步进频雷达一维成像及目标检测算法研究
    下载Doc文档

    猜你喜欢