基于稀疏表示的多雷达信号二维融合处理

电子与自动控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于稀疏表示的多雷达信号二维融合处理

叶钒¹, 何峰¹, 朱炬波², 张永胜¹

1. 国防科学技术大学电子科学与工程学院, 湖南长沙 410073;
2. 国防科学技术大学理学院, 湖南长沙 410073

收稿日期:2010-05-28 修回日期:2010-09-07 出版日期:2011-03-25 发布日期:2011-03-24
作者简介:叶钒(1981- ) 男,硕士。主要研究方向:ISAR成像、超分辨成像以及多雷达融合成像、信号稀疏表示、压缩感知。 Tel: 0731-84575712-802 E-mail: yefan311@sina.com何峰(1976- ) 男,博士,副研究员。主要研究方向:双(多)基地SAR信号处理、参数化ISAR超分辨与信号融合处理、分布式卫星合成孔径雷达系统设计。 Tel: 0731-84575711 E-mail: riversummit@sina.com

Multi-radar Signal Two-dimensional Fusion Processing Based on Sparse Representation

YE Fan¹, HE Feng¹, ZHU Jubo², ZHANG Yongsheng¹

1. College of Electronic Science and Technology, National University of Defense Technology, Changsha 410073, China;
2. College of Science, National University of Defense Technology, Changsha 410073, China

Received:2010-05-28 Revised:2010-09-07 Online:2011-03-25 Published:2011-03-24

摘要/Abstract

摘要： 多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率。为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘ISAR信号在傅里叶域的稀疏特性,提出了基于信号稀疏表示的多雷达信号融合方法。研究表明:基于信号稀疏表示的多雷达信号二维融合处理的参数估计精度优于谱估计方法,且运算效率略低于谱估计方法,但是参数估计性能受信号稀疏度的影响。

关键词: 多雷达信号, 信息融合, 分辨率, 信号稀疏表示, 散射点, 个数估计

Abstract: Using multi-radar signal fusion to fuse multi-angle and multi-band signals can improve the range and cross-range resolution of images. To overcome the limitation of multi-radar signal fusion based on spectral estimation, whose solidity depends heavily on the estimated accuracy of the number of scattering centers and the matching accuracy of two-dimensional poles, a linear representation model of multi-radar signal fusion is constructed. Then the sparsity of inverse synthetic aperture radar (ISAR) signal in the Fourier domain is excavated, and a new multi-radar signal fusion method based on signal sparse representation is proposed in this paper. From the analysis and simulation, it can be seen that the accuracy of parameters estimation based on signal sparse representation is better than that from the spectral estimation, while the operation efficiency of the new method is a little lower. But the performance of parameters estimation of the new method is affected by signal sparisty.

Key words: multi-radar signal, information fusion, resolution, signal sparse representation, scattering center, number estimation

中图分类号:

TN957

叶钒, 何峰, 朱炬波, 张永胜. 基于稀疏表示的多雷达信号二维融合处理[J]. 航空学报, 2011, 32(3): 515.

YE Fan, HE Feng, ZHU Jubo, ZHANG Yongsheng. Multi-radar Signal Two-dimensional Fusion Processing Based on Sparse Representation[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2011, 32(3): 515.

参考文献

[1] Cuomo K M, Piu J E, Mayhan J T. Ultrawide-band coherent processing[J]. IEEE Transactions on Antennas and Propagation, 1999, 47(6): 1094-1107. [2] Vann L D, Cuomo K M. Multisensor fusion processing for enhanced radar imaging. ADA376545, 2000. [3] Morre T G, Zuerndorfer B W. Enhanced imagery using spectral-estimation-based techniques[J]. Lincoln Laboratory Journal, 1997, 10(2): 171-186. [4] Piou J E, Cuomo K M, Mayhan J T. A state-space technique for ultrawide-bandwidth coherent processing. ADA336105, 1999. [5] Naishadham K, Piou J E. State-space spectral estimation of characteristic electromagnetic responses in wideband data[J]. IEEE Antennas and Wireless Propagation Letters, 2005(4): 406-409. [6] 王成, 胡卫东, 郁文贤. 基于非平稳时间序列处理的雷达信号融合[J]. 信号处理, 2005, 21(4): 338-343. Wang Cheng, Hu Weidong, Yu Wenxian. Radar signal fusion based on non-stationary time series processes[J]. Signal Processing, 2005, 21(4): 338-343. (in Chinese) [7] 王成. 雷达信号层融合成像技术研究. 长沙: 国防科学技术大学电子科学与工程学院, 2006. Wang Cheng. Research on radar signal level fusion imaging techniques. Changsha: College of Electronic Science and Technology, National University of Defense Technology, 2006. (in Chinese) [8] Mallat S G, Zhang Z F. Matching pursuits with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing, 1993, 41(12): 3397-3415. [9] Chen S S. Basis pursuit. Palo Alto: Department of Statistics, Stanford University, 1995. [10] Chen S S, Donoho D L. Application of bases pursuit in spectrum estimation//IEEE International Conference on Acoustics, Speech and Siagnal Processing. 1998, 3: 1865-1868. [11] Donoho D L, Elad M. Maximal sparsity representation via l₁ minimization. http://www-stat.stanford.edu/~donoho/reports/, 2002. [12] Gorodnitsky I F, Rao B D. Sparse signal reconstructions from limited data using FOCUSS: a re-weighted minimum norm algorithm[J]. IEEE Transactions on Signal Processing, 1997, 45(3): 600-616. [13] Donoho D L. Sparse components analysis and optimal atomic decompositions. http://www-stat.stanford.edu/~donoho/reports/, 2002. [14] 杜小勇. 稀疏成分分析及在雷达成像处理中的应用. 长沙: 国防科学技术大学电子科学与工程学院, 2005. Du Xiaoyong. Sparse component analysis and its application in radar imaging processing. Changsha: College of Electronic Science and Technology, National University of Defense Technology, 2005.(in Chinese) [15] 汪雄良. 基追踪方法及其在图像处理中的应用的研究. 长沙: 国防科学技术大学理学院,2006. Wang Xiongliang. Basis pursuit method and its application in image processing. Changsha: College of Science, National University of Defense Technology, 2006. (in Chinese)

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

基于稀疏表示的多雷达信号二维融合处理

Multi-radar Signal Two-dimensional Fusion Processing Based on Sparse Representation

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	廉云霄, 李霓, 谢锋, 周攀, 董长印. 基于时空信息融合的多机协同空战决策方法[J]. 航空学报, 2026, 47(6): 332633-332633.
[2]	郭鹏, 徐田来, 郎安琪, 崔祜涛, 李子迪. 基于复杂网络模型的多无人机系统协同导航信息融合方法[J]. 航空学报, 2026, 47(5): 332428-332428.
[3]	刘延芳, 王洪悦, 鄂羽佳, 齐乃明. 迈向智能驱动的高超声速飞行器边界层主动质量引射减阻降热研究新范式[J]. 航空学报, 2026, 47(2): 132171-132171.
[4]	何友, 刘瑜, 李耀文, 丁自然, 董凯, 崔亚奇, 张财生, 王学谦, 李徵, 郭晨. 多源信息融合发展及展望[J]. 航空学报, 2025, 46(6): 531672-531672.
[5]	郭庆, 刘晓阳, 樊俊峰, 付宇, 左洪福. 融合先验信息的民航发动机自适应气路故障诊断方法[J]. 航空学报, 2025, 46(4): 230871-230871.
[6]	王飞, 刘勇, 姚嘉伟, 朱轩磊, 卢孝强, 郭文星, 张雪涛, 郭宇. RS-AdaDiff：基于降质感知自适应估计的单步遥感图像超分辨率扩散模型[J]. 航空学报, 2025, 46(23): 632763-632763.
[7]	赵春晖, 刘安萌, 吕洋, 潘泉. 无人机韧性自主定位技术综述[J]. 航空学报, 2024, 45(8): 28839-028839.
[8]	李春华, 孙见忠, 陆纪龙. 面向运维的HPT叶片寿命数字孪生建模方法[J]. 航空学报, 2024, 45(21): 629385-629385.
[9]	王潇, 刘贞报, 史忠科. 基于残差混合监督网络的无人机目标阴影检测[J]. 航空学报, 2024, 45(17): 530062-530062.
[10]	邹昕, 李明磊, 朱岱寅, 饶炜, 韩承志, 李莹. 火星降落伞开伞过程形态参数辨识与应用[J]. 航空学报, 2023, 44(6): 227007-227007.
[11]	何盼, 卢超, 石文泽, 朱颖, 陈果, 赵莉萍. 铝合金激光超声表面检测中EMAT接收性能对比[J]. 航空学报, 2023, 44(16): 428085-428085.
[12]	王涛, 高雪峰, 祝景萍, 董松, 孙连军, 郑侃. 机器人纵扭超声铣边颤振在线监测方法[J]. 航空学报, 2023, 44(13): 262-272.
[13]	文超, 董文瀚, 解武杰, 蔡鸣, 刘日. 基于回访机制的无人机集群分布式协同区域搜索方法[J]. 航空学报, 2023, 44(11): 327561-327561.
[14]	林京, 张博瑶, 张大义, 陈敏. 航空燃气涡轮发动机故障诊断研究现状与展望[J]. 航空学报, 2022, 43(8): 626565-626565.
[15]	薄钧天, 王国宏, 于洪波, 张翔宇. 临近空间伴有尾流高超声速目标检测定位算法[J]. 航空学报, 2022, 43(5): 325255-325255.