导读:本文包含了地面运动目标论文开题报告文献综述及选题提纲参考文献，主要关键词:合成孔径雷达,稀疏表示,图像重建,运动目标
地面运动目标论文文献综述
杨磊,岳云泽,李埔丞,章涛,杨桓[1]（2019）在《多地面运动目标大动态SAR成像稀疏表示》一文中研究指出为了保证对多个地面运动目标同时进行合成孔径雷达成像时具有足够的响应动态范围,提出了一种基于参数化贝叶斯机器学习的压缩感知稀疏表示方法,在对运动目标稀疏特征增强的同时可以显着地提高多目标合成孔径雷达成像的响应动态范围。首先,利用渐进线性的吕氏分布时频表示方法获得多运动目标的多普勒调制参数,并构建二阶多项式傅里叶字典;然后,针对该字典可能导致的压缩感知有限等距特性欠佳的问题,研究利用字典的互相关度进行定量评估;最后,引入地面运动目标相对背景杂波的稀疏先验概率分布,建立层级贝叶斯模型,应用变分贝叶斯期望最大算法实现合成孔径雷达地面运动目标成像的稀疏表示,同时对可能存在的目标高阶运动和载机运动误差造成的相位失调进行校正,以保证运动目标雷达图像的聚焦性能。仿真及实测数据的处理结果验证了应用该方法可以显着地提升多目标成像响应动态范围,相比传统方法具有明显的优越性。(本文来源于《西安电子科技大学学报》期刊2019年05期）
柳丽召,王力[2]（2019）在《基于OFDM波形的机载雷达地面运动目标检测》一文中研究指出研究基于正交频分复用(orthogonal frequency division multiplexing,OFDM)波形的机载雷达对于地面运动目标的检测。OFDM波形作为一种新型的动目标检测模型,具有良好的频谱利用率和动态分配能力,并且能够利用单通道来实现信号的发射接收从而节约成本、降低复杂度。建立了考虑机载雷达与地面静止杂波相对运动的回波模型并在此基础上采用广义似然比检验(generalized likelihood ratio,GLR)来解决杂波抑制和目标检测的问题。该方法采用最大似然估计(maximum likelihood estimate,MLE)估计杂波抑制所需但未知的参数。此外,本文还推导了目标的检测与虚警概率的关系,获得了不同信杂比(target-to-clutter ratio,TCR)下的目标最小可检速度(minimum detection velocity,MDV)。为测试GLR检验的性能,基于若干仿真数据进行了实验。(本文来源于《中国电子科学研究院学报》期刊2019年06期）
燕秀林,郭晶晶,陶海红[3]（2019）在《基于零相关区序列集的空时自适应处理地面运动目标检测算法》一文中研究指出在多发单收的合成孔径雷达-地面运动目标检测(SAR-GMTI)雷达系统中,虽然多颗卫星之间不需要数据传送就能在接收卫星上实现地面运动目标检测,但存在由于空间发射互相正交的一组波形而导致SAR成像相干积累的积分旁瓣过高的问题,从而影响对后续的图像域杂波相消性能。因此,文中提出了将空时自适应处理算法用于发射零相关区序列集(ZCZcodes)信号的星载多入单出系统,这样不用考虑积分旁瓣对SAR成像质量和图像域杂波相消性能带来的影响,且计算量较SAR-GMTI算法小,同样不需要数据传送也在接收卫星上实现了地面运动目标检测。仿真结果和性能分析验证了该方法的有效性。(本文来源于《现代雷达》期刊2019年03期）
王智睿,张旭东[4]（2018）在《合成孔径雷达地面运动目标检测问题综述》一文中研究指出作为一个远距离遥感探测设备,合成孔径雷达(SAR)具有诸多优势,在军用和民用领域具有广泛地应用。它不仅可以实现地面场景的高分辨成像,还可以实现地面运动目标指示(GMTI)。合成孔径雷达探测地面运动目标的过程主要包括目标检测、运动参数估计、目标成像叁个方面。随着学者们几十年的不断努力,这叁方面的研究得到了长足的发展、取得了诸多的突破。(本文来源于《第十二届全国信号和智能信息处理与应用学术会议论文集》期刊2018-10-19）
张浩源[5]（2018）在《近距离地面道路运动目标的快速识别技术》一文中研究指出针对传统路面探测设备耗费人力、设备体积大等缺点,设计了利用红外、微波和声波叁种探测模块组成的运动目标探测系统。在介绍叁种探测方式的原理、发展进程之后,进行了各模块硬件、软件设计以及整体系统的测试。主要设计了如下叁个模块:微波探测模块:微波探测模块采用了K-LC1a雷达收发器,为一款FMCW雷达,利用叁角波作为调制信号,将本振信号和反射信号混频,输出包含探测目标距离和速度信息的差频信号。设计了叁角波调制电路、差频信号的信号处理放大滤波电路。红外探测模块:采用了被动式热释电红外传感器,监控范围大,功耗低。进行了红外放大滤波电路设计,红外信号经过电路的处理,转换为开关电平信号输出,作为预警信号传输给单片机。声波探测模块:声波探测模块采用了驻极体传声器作为声音传感器,灵敏度高,稳定性好。设计了放大电路、带通滤波电路和电压比较预警电路。声波信号经由电路转化放大后,可分为预警信号和声波信号传输给单片机。基于STM32F103单片机设计了探测识别外部信号的软件系统。系统启动后,开启红外和声波探测模块。单片机接收到红外或者声波模块的预警信号后,运行微波探测模块。微波探测模块可以较精确地探测目标的距离,单片机结合声波信息判断是否为车辆目标,并将结果显示在LCD上。在设计过程中,利用仿真软件,对电路的频率响应进行了测试,保证有效信号可以被顺利采集,节约时间和成本,提高了设计效率。并搭建硬件平台,对系统进行了各探测模块识别距离测试、识别率测试,系统的探测范围大于15m,识别率不小于90%,满足设计要求。(本文来源于《杭州电子科技大学》期刊2018-06-01）
曾国奇,白宇,林伟,丁文锐[6]（2018）在《地面运动目标的多UAV协同搜索方法》一文中研究指出对地面运动目标的搜索是无人机(unmanned aerial vehicle,UAV)航路规划的重要研究内容之一,受目标运动的影响,传统的垂线扫描搜索方法对速度较大的运动目标搜索能力不足。为了提升对运动目标的搜索效率,提出多无人机(multi-unmanned aerial vehicle,multi-UAV)并排回寻式搜索方法,以回寻速度与推进距离为参数构建了协同搜索数学模型,搜索效率须在搜索速率和发现概率2个指标之间权衡,通过对模型参数进行优化,得出不同应用场景下的最优搜索方案。仿真结果表明:与垂线扫描搜索法相比,在相同的发现概率下,该方法允许目标的运动速度更快;在目标运动速度相同时,目标发现概率更高。在算例的飞行条件下,目标发现概率比垂线扫描法提高约15个百分点。(本文来源于《系统工程与电子技术》期刊2018年07期）
齐晨[7]（2018）在《高超声速平台前斜视合成孔径雷达地面运动目标检测技术研究》一文中研究指出高超声速飞行器一般飞行在20~100km临近空间且飞行速度超过5倍音速,具有“高空、高速”双高特性和高机动性。然而高超声速飞行器前斜视对地探测时会遇到诸多问题:如严重的多普勒展宽、巨大的距离走动和多普勒中心偏移、严重的距离-方位耦合以及回波信号多普勒谱模糊等。本文针对高超声速飞行器载雷达平台,对其杂波特性、合成孔径雷达前斜视成像以及地面运动目标检测叁个方面进行研究。首先,分析了高超声速平台的杂波特性:(1)分析了杂波的距离-多普勒特性以及距离维和多普勒维模糊对杂波距离-多普勒谱的影响。(2)分析了杂波的空时二维谱特性,指明非正侧视阵结构时杂波存在严重的距离非均匀性,并分析了平台高度和平台速度对杂波空时谱的影响。(3)分析了杂波的距离走动特性及距离走动原因,并定量计算了高超平台下杂波的距离走动量。其次,建立了高超平台回波信号精确模型,并分析了平台径向速度和加速度对匹配滤波的影响。随后提出了一种高超声速飞机巡航段前斜视合成孔径雷达大场景精确成像算法,该算法首先进行精确距离走动校正完成二维频域解耦合,接着在距离维对回波进行精确脉压匹配滤波,随后再将回波信号变到二维频域完成二次距离压缩,接下来对回波进行线频调变标处理将场景中不同斜距处距离弯曲统一,并补偿距离弯曲,最后对回波进行方位叁次相位补偿、方位压缩以及剩余相位补偿得到聚焦良好的成像结果。最后,针对高超声速飞行器前斜视合成孔径雷达地面运动目标检测,相继提出了改进的双通道相位中心偏置天线杂波抑制方法和多通道模糊杂波抑制方法。双通道相位中心偏置天线杂波抑制方法先对回波进行时域距离走动校正完成二维解耦,然后对回波信号进行叁阶线性调频傅里叶变换(Chirp Fourier Transform,CFT)充分压缩其多普勒带宽,避免多普勒谱折迭,接着对不同通道回波信号进行相位偏差补偿实现距离和方位包络对齐,最后在距离压缩-方位CFT域采用相位中心偏置天线方法实现抑制静止杂波并保留运动目标的目的,该方法可以将运动目标最小可检测速度减小一半。多通道模糊杂波抑制方法在距离压缩-方位CFT域利用数字波束形成技术对杂波及其模糊分量置零进行空时自适应杂波抑制,能有效抑制静止杂波及其模糊分量并提取出无模糊的运动目标回波信号,该方法可以减少一半的空域自由度数。(本文来源于《西安电子科技大学》期刊2018-05-01）
马艳艳[8]（2018）在《基于时频分析的地面运动目标噪声稳健分类研究》一文中研究指出在分析了地面车辆和人体目标时频谱差异的基础上,提取了叁维分类特征。结合录取到的数据有可能信噪比低的实际情况,提出了正交基重构的方法对目标低信噪比回波数据进行噪声修正。基于实测数据的实验结果验证了本文所提特征提取方法和噪声修正方法的有效性。(本文来源于《舰船电子对抗》期刊2018年01期）
陈志仁[9]（2018）在《低分辨雷达地面运动目标特征提取与分类方法研究》一文中研究指出随着现代信息化技术的发展,雷达自动目标识别已经成为现代雷达系统重要的发展方向之一。雷达目标识别系统在目标威胁度分级、跟踪、干扰和拦截等领域发挥着重要作用。从雷达的发展历程来看,低分辨雷达主要用于前期探测和预警。目前,由于高分辨雷达造价昂贵且技术复杂,国内装备的雷达还是以低分辨雷达为主,因此研究低分辨雷达目标的初步分类识别具有重要意义。论文围绕低分辨雷达地面目标分类识别这一主题,沿着目标特征提取和分类器设计两条技术路线开展研究。主要工作和创新点如下:1.针对目标回波单个相参处理间隔(Coherent Processing Interval,CPI)特征的不稳定性,提出了一种基于特征概率分布曲线的目标特征提取方法。首先利用目标回波的单个CPI提取出两个基本目标特征量:相对的雷达散射截面积(Radar Cross Section,RCS)和多普勒频谱熵值;然后通过滑窗法对多个CPI联合处理,计算特征序列概率密度分布曲线;最后利用特征概率密度分布曲线提取出概率最大的目标特征。通过雷达实测数据实验表明,提出的算法可以提高目标特征的稳定性,且算法运算量小、实时性高,便于工程实现。2.根据卡车、摩托车以及人叁类雷达目标微动特点的差异,在给出相关微动数学模型的基础上,研究了利用时频分布提取目标微动特征的方法。首先根据不同目标时频谱的特点,给出了叁种特征提取方法;然后对雷达实测数据各个特征的统计值进行了分析;最后利用支持向量机分类器(Support Vector Machine,SVM)对特征的分类性能进行了实验分析。基于实测数据的平均识别率对比表明,提取的目标特征能够较好的实现叁类雷达目标的分类。3.从图像特征提取的角度,给出了基于时频分布的目标特征提取方法。首先通过变换函数将目标的时频分布转换为灰度图像,然后根据灰度图像特征提取方法,提取了图像熵以及叁个灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)纹理统计特征。最后利用支持向量机分类器对几种特征进行了分类实验。实验结果表明:提出的特征提取方法能够有效的实现叁类地面目标的分类,且对人的分类效果有较大改善。4.从雷达目标分类器设计角度出发,针对低分辨雷达识别系统中不同目标特征识别性能的差异,以及存在干扰目标、虚假目标等库外目标的问题,提出了两种基本分类器的改进方法。首先利用优化算法搜索最优特征权值,调整不同特征属性在分类识别时的贡献程度;然后利用拒判算法对测试样本集进行拒判分析;最后利用分类器对输出的样本进行分类。通过对实测雷达数据的实验,表明了改进后的分类器具有较好的目标分类性能。5.为了克服单一分类器在雷达目标分类性能方面的限制,提出了一种基于注水原理(Water-Filling Theory,WFT)的多分类器融合方法。利用WFT集成多分类器,可以充分利用不同分类器的分类信息,实现多个分类器性能的互补,进而提高系统的分类性能。WFT根据各个子分类器在训练样本集训练时获得的识别率进行多分类器融合权重系数分配,识别率高的样本类别分配较大权值系数,平均识别率高的分类器也分配较大权值系数。通过对雷达实测数据的实验分析,表明注水融合算法能够充分利用训练样本的先验知识,提高多分类器集成系统的整体分类性能。(本文来源于《南京理工大学》期刊2018-01-01）
熊丹[10]（2017）在《基于视觉的微小型无人机地面运动目标跟踪》一文中研究指出近年来,基于视觉的微小型无人机地面运动目标跟踪已经成为无人机领域研究的热点之一,主要包含两方面的研究内容:无人机自身位姿估计和基于图像序列的目标跟踪。无人机自身准确的位姿估计是无人机实现自主飞行和运动目标跟踪的前提。基于单目相机和惯性器件融合的位姿估计由于成本低廉和传感器之间存在天然的互补性为当前解决无人系统位姿估计问题提供了极具吸引力的方案:单目相机是一种外部传感器,能够在感知外部环境信息的同时恢复场景的叁维几何结构,但是叁维结构的准确尺度未知;惯性测量单元作为机器人本体传感器,能够使得单目的未知尺度变得可观,在短时间内能够提供鲁棒、准确的位姿估计结果。尽管基于视觉惯导融合的位姿估计方法已经取得了较好的效果,但是如何将视觉和惯性器件两个不同源的信息结合起来,在计算能力受限的情况下实现鲁棒、准确的位姿估计仍然是一个难题。基于图像序列的目标跟踪作为计算机视觉领域一个核心的并且极具挑战性的研究课题,已经有几十年的研究历史,并且取得了非常丰硕的研究成果。然而,在微小型无人机目标跟踪过程中,仍然存在一些不可避免的难题有待解决。例如,在机载计算机运算能力有限的情况下如何实现实时的目标跟踪;无人机存在快速机动等情况;场景光照和目标视觉外观发生变化;频繁的目标尺度变化;跟踪目标在图像平面上出现旋转运动;等等。针对微小型无人机跟踪地面运动目标过程中遇到的两个难题,本文在以下几个方面开展了深入研究:(1)提出了一种基于滑动窗口的视觉惯导信息紧耦合融合的微小型无人机位姿估计方法。首先,利用李群李代数工具对无人机位姿估计过程进行了详细的推导和描述。本文提出了一种视觉惯导系统初始化方法,该方法能够准确的估计出视觉尺度、重力在世界坐标系下的方向、加速度计和陀螺仪的零偏、无人机的初始位姿和速度以及无人机初始高度。估计的初始值用于初始化本文所提出的基于视觉惯导紧耦合融合的位姿估计系统,实现了鲁棒、准确的微小型无人机位姿估计。在实际应用过程中,仅仅包含有一些最新的惯性器件测量信息和视觉测量信息的有限数量滑动窗口被用于无人机位姿估计,视觉惯导系统的实时性能够得到保证。同时,滑动窗口中保留的一些历史信息使得估计的无人机位姿更加准确,得到的运动轨迹更加平滑。(2)传统的目标跟踪方法已经能够以较高帧率对目标进行实时跟踪,但是当目标模型或模板存在着漂移,特别是跟踪的目标从相机视野中消失时,传统的目标跟踪方法经常会失败,并且不能重新搜寻、跟踪目标。为了克服传统跟踪方法的不足,本文提出了一种并行跟踪与检测框架。整个目标跟踪框架被分为两个独立任务:跟踪和检测,它们分别运行在两个不同的线程中。本文提出的跟踪框架包含有两方面优点:在跟踪子失败或者出现漂移时,独立的检测子能够帮助恢复或校正跟踪子;跟踪子得到的跟踪轨迹和检测子检测到的检测结果能够结合起来为检测子提供具有时空结构约束的训练样本。使用所提出的目标跟踪框架在TLD数据集上开展了目标跟踪实验,结果验证了所提出框架及算法的有效性。(3)目标发生尺度和旋转变化会为目标跟踪带来很大的挑战,本文针对该问题提出了一种具有尺度和旋转适应性的鲁棒目标跟踪算法。首先,针对跟踪过程中目标存在的尺度变化和旋转运动,提出了一种基于傅里叶-梅林变换和核相关滤波的目标尺度和旋转参数估计方法。然后,针对在目标跟踪过程中,有时不可避免的会出现跟踪失败的情况(如由于长时间半遮挡或者全遮挡等),提出了一种基于直方图和方差加权的目标搜索方法。当目标丢失时,通过提出的搜索方法能够快速的从图像中确定目标可能存在的区域,使得跟踪算法具有从失败中恢复过来的能力。本文还训练了两个核相关滤波器用于估计跟踪结果的置信度和目标平移。本文在目标跟踪标准数据集(online object trackingbenchmark,OTB)上开展了实验,结果验证了所提出算法的有效性和优越性。(4)当无人机位姿和目标在图像中的位置已知,同时满足目标位于地面上的约束条件时,本文提出了一种地面目标叁维位置线性估计方法,能够有效的获取跟踪目标在叁维空间中的位置。(本文来源于《国防科技大学》期刊2017-12-04）
地面运动目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究基于正交频分复用(orthogonal frequency division multiplexing,OFDM)波形的机载雷达对于地面运动目标的检测。OFDM波形作为一种新型的动目标检测模型,具有良好的频谱利用率和动态分配能力,并且能够利用单通道来实现信号的发射接收从而节约成本、降低复杂度。建立了考虑机载雷达与地面静止杂波相对运动的回波模型并在此基础上采用广义似然比检验(generalized likelihood ratio,GLR)来解决杂波抑制和目标检测的问题。该方法采用最大似然估计(maximum likelihood estimate,MLE)估计杂波抑制所需但未知的参数。此外,本文还推导了目标的检测与虚警概率的关系,获得了不同信杂比(target-to-clutter ratio,TCR)下的目标最小可检速度(minimum detection velocity,MDV)。为测试GLR检验的性能,基于若干仿真数据进行了实验。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
地面运动目标论文参考文献
[1].杨磊,岳云泽,李埔丞,章涛,杨桓.多地面运动目标大动态SAR成像稀疏表示[J].西安电子科技大学学报.2019
[2].柳丽召,王力.基于OFDM波形的机载雷达地面运动目标检测[J].中国电子科学研究院学报.2019
[3].燕秀林,郭晶晶,陶海红.基于零相关区序列集的空时自适应处理地面运动目标检测算法[J].现代雷达.2019
[4].王智睿,张旭东.合成孔径雷达地面运动目标检测问题综述[C].第十二届全国信号和智能信息处理与应用学术会议论文集.2018
[5].张浩源.近距离地面道路运动目标的快速识别技术[D].杭州电子科技大学.2018
[6].曾国奇,白宇,林伟,丁文锐.地面运动目标的多UAV协同搜索方法[J].系统工程与电子技术.2018
[7].齐晨.高超声速平台前斜视合成孔径雷达地面运动目标检测技术研究[D].西安电子科技大学.2018
[8].马艳艳.基于时频分析的地面运动目标噪声稳健分类研究[J].舰船电子对抗.2018
[9].陈志仁.低分辨雷达地面运动目标特征提取与分类方法研究[D].南京理工大学.2018
[10].熊丹.基于视觉的微小型无人机地面运动目标跟踪[D].国防科技大学.2017