Radar Target Signature Evaluation Using Numerical应用数值反卷积来对雷达目标进行性能评估.ppt

下图的三维图是利用海岸监测雷达和雷达-计算机接口探测形成的，这种接口的大小是：32x32像素 * 冲击响应函数H(m , n)的数值对应雷达和雷达提取器的参数。下图是冲击响应的三维视图： * 当进行反卷积操作后得到的是I(m , n)函数图像，即清晰的雷达图像((a)是渡船，(b)是普通货船)： * V. CONCLUSIONS 本论文利用逐次逼近法的迭代过程来实现，数值反卷积过程——恢复清晰图像。实验结果显示：船的形状和从其主要的散射中心的反射图像是完全对应的。同时指出：进一步的实验是可能的，比如：利用观测到的不同的扫描角处理图像，这些角可以模糊一些散射中心或者可以引起多重反射，干扰等等， 将这种方法和自动目标识别相结合，应用在导航上，提高航海的安全性。 * That’s all Thank you —— 程 资 * 这里的实验主要就是依据反卷积算法，恢复清晰雷达图像的一个过程，后面会有一些雷达图片，来直观的反应这样一个过程 与表面作用是指：当原信号到达目标表面时，会发生反射或者吸收部分能量。 I表示原信号，也代表着清晰雷达图像是什么样的， H表示经过传输，反射等，是一个转移函数 知道目标的某些参数后，就可以对其现实模型进行推算，从而辨别目标 * 为了更好的理解论文主体思想，要了解到底什么是雷达的目标特性，什么是散射中心。 在这里的散射中心应该指的是：目标体上发生散射的部位，产生回波的部位 雷达目标特性指的是目标的形状、体积、姿态、表面材料的电磁参数与表面粗糙度等物理量 这些参量表征了雷达目标的固有特征 * * 1、反卷积其实就是一种卷积的逆操作 光学和其他成像技术，比如：电子显微镜和望远镜 当消除了模糊效应之后，便于我们更好的对其结构、大小、剖面的分析。 3、比如说：在飞机上观测船只，除了要获得船的大小和方位，还要了解其散射中心的位置，这样便于我们获得更多的信息，进一步的分析船只结构等。 要想达到这样的目的的，本论文中就提出了一种数值反卷积的方法来实现。 * 雷达成像问题 * 将目标当作是体目标来进行研究，通过雷达探测，不仅仅告诉你目标在哪里，而且告诉你是什么样的目标，雷达完成了从望远镜到显微镜的一个转变 蓝色的应该是海洋，其它颜色应该表示的是一个岛屿，是主要的散射中心 三维图表示：每个小区域都对应一个振幅，进而绘出三维图像 * I表示清晰的雷达图像，相当于原信号 H表示转换函数，I*H表示在无噪声干扰的时候，雷达获得的信号 * * 当在区域内部的时候，雷达是可以接收到信号的。区域外部为0 * 近似值是通过某些数据推算得到的 * 当加上滤波器后可以滤除噪声，是的N近乎为0，进而得到一个去噪的返回信号 * 论文的核心思想就是利用反卷积的算法来呈现清晰图像。 * * 最后一个公式是关于K和K+1的递推公式， * 狄克拉函数也就是单位冲击响应，等式成立是根据单位冲击响应的性质决定的，即：与任意函数卷积，结果都是函数本身。 * * * 可以看出船舶的物理结构和所得到的雷达图像之间的直接对应关系。图像中的五个凿（或亮点）分别完全对应船首，上部构造/桥，船体，烟囱和渡船的船尾。 * 就是推算出原清晰图像的过程 采用定角可能会由于各种因素的影响，而降低图像的准确性 自动目标识别则可使武器系统最大限度地发挥作用，空中预警机和JSTARS这样的具有战场敌我识别能力的综合雷达系统实际上已经成为了未来战场上的信息指挥中心。 * * Radar Target Signature Evaluation Using Numerical Deconvolution 利用数值反卷积估计雷达目标特性 —— 程 资 * Main content 进行了关于雷达图像处理和目标特性估计的实验 推知目标结构的过程：通过对回波的分析，得到雷达散射截面、主要散射中心等参量，进而推知目标结构 无噪回波信号的表示：用卷积描述原信号(I(m , n))与目标表面 (H(m , n))作用过程,即：I(m , n)* H(m , n) 清晰图像的恢复：利用反卷积操作，处理雷达图像，这样来相对准确的估计雷达目标的结构、大小等，进而识别目标 * 知识储备 雷达目标特性包含：雷达目标尺度和雷达目标特征 雷达目标尺度的测量：雷达对目标进行跟踪，将目标作为点目标处理 雷达特征信息隐含在雷达回波中，通过特定的波形设计和对回波幅度与相位的处理，分析与变换，可以得到RCS、散射中心分布、目标成像等参量。 散射中心： 当传播中的辐射，遇到局部性的位势的时候，由于受到位势的作用，改变了其直线轨迹，这种物理过程叫，散射。这局部性位势成为散