雷达、声呐和无线通信等应用对于自适应波束形成的抗干扰能力和实时性提出了更高的要求。传统基于最速迭代的自适应波束形成算法存在“过拟合”特性,导致在相干干扰条件下的干扰抑制性能急剧下降。另外,当干扰存在扰动且导向向量失配时...雷达、声呐和无线通信等应用对于自适应波束形成的抗干扰能力和实时性提出了更高的要求。传统基于最速迭代的自适应波束形成算法存在“过拟合”特性,导致在相干干扰条件下的干扰抑制性能急剧下降。另外,当干扰存在扰动且导向向量失配时,也无法有效抑制干扰。针对上述问题,本文提出了一种基于共轭梯度(Conjugate Gradient,CG)加速的二次约束宽零陷干扰抑制自适应波束形成方法。该方法首先利用CG算法的快速收敛特性,完成采样协方差矩阵与导向向量间线性方程组的求解;其次将CG算法输出的权矢量作为迭代最速波束形成方法的初始权值,利用该方法的“过拟合”特性,确保对期望信号的强锁定;最后提出了一种强化干扰特征的波达方向(Direction of Arrival,DOA)估计方法,实现宽带相干干扰下的干扰来波方向估计,并将该方法与二次约束零陷展宽方法结合,用于捕获干扰特征,形成自适应零陷。仿真实验验证了所提方法在单快拍、宽带相干干扰条件下,能够自适应抑制干扰且稳健性较好。展开更多
草地叶面积指数(Leaf area index,LAI)是天然草地的重要结构参数,能够用来监测草地的生长状况和生产力水平,对草地资源可持续利用和科学管理具有重要意义。以内蒙古锡林郭勒盟典型草原为研究对象,首先使用无人机激光雷达(Airborne light...草地叶面积指数(Leaf area index,LAI)是天然草地的重要结构参数,能够用来监测草地的生长状况和生产力水平,对草地资源可持续利用和科学管理具有重要意义。以内蒙古锡林郭勒盟典型草原为研究对象,首先使用无人机激光雷达(Airborne light detection and ranging,Air-LiDAR)草地冠层观测数据,通过解析点云数据构建冠层高度模型(Canopy height model,CHM),随后进行研究区草地冠层间隙率计算,最后基于Beer-Lambert方法进行0.05 m、0.10 m、0.15 m、0.20 m 4个不同空间分辨率采样尺度下的LAI估算,并选择CHM低值、中值、高值3个不同子区域分别进行不同冠层高度下LAI的检验和分析。结果表明:(1)草地叶面积指数与冠层高度模型数值呈正相关、与冠层间隙率呈负相关。(2)机载LiDAR草地LAI估算的最优采样尺度为0.15 m,CHM不同高度子区域LAI结果检验R^(2)和RMSE分别为:低值区为0.66和0.04;中值区为0.54和0.34;高值区为0.54和1.17,表明无人机LiDAR可捕获草地冠层观测采样存在的异质性差异分布特征。(3)不同空间分辨率0.05~0.20 m间隔采样LAI结果表明,对于CHM低值、植被分布稀疏区域不同分辨率LAI无显著空间尺度变化差异,但CHM高值、较密植被分布群落LAI会随空间分辨率表现出尺度性差异。综上所述,本研究设计完成的无人机LiDAR草地LAI估算模型,参数机理具体、流程方法可操作性强,具有较好的数值检验精度,可为激光雷达在草地植被叶面积指数遥感反演及应用提供技术参考。展开更多
文摘雷达、声呐和无线通信等应用对于自适应波束形成的抗干扰能力和实时性提出了更高的要求。传统基于最速迭代的自适应波束形成算法存在“过拟合”特性,导致在相干干扰条件下的干扰抑制性能急剧下降。另外,当干扰存在扰动且导向向量失配时,也无法有效抑制干扰。针对上述问题,本文提出了一种基于共轭梯度(Conjugate Gradient,CG)加速的二次约束宽零陷干扰抑制自适应波束形成方法。该方法首先利用CG算法的快速收敛特性,完成采样协方差矩阵与导向向量间线性方程组的求解;其次将CG算法输出的权矢量作为迭代最速波束形成方法的初始权值,利用该方法的“过拟合”特性,确保对期望信号的强锁定;最后提出了一种强化干扰特征的波达方向(Direction of Arrival,DOA)估计方法,实现宽带相干干扰下的干扰来波方向估计,并将该方法与二次约束零陷展宽方法结合,用于捕获干扰特征,形成自适应零陷。仿真实验验证了所提方法在单快拍、宽带相干干扰条件下,能够自适应抑制干扰且稳健性较好。
文摘随着高分辨率对地观测要求的不断提高,合成孔径雷达(Synthetic Aperture Radar,SAR)的应用将越来越广泛。针对高分辨率SAR成像存在数据量大、存储难度高、计算时间长等问题,目前常用的解决方法是在SAR成像模型中引入压缩感知(Compressed Sensing,CS)的方法降低采样率和数据量。通常使用单一的正则化作为约束条件,可以抑制点目标旁瓣,实现点目标特征增强,但是观测场景中可能存在多种目标类型,因此使用单一正则化约束难以满足多种特征增强的要求。本文提出了一种基于复合正则化的稀疏高分辨SAR成像方法,通过压缩感知降低数据量,并使用多种正则化的线性组合作为约束条件,增强观测场景中不同类型目标的特征,实现复杂场景中高分辨率对地观测的要求。该方法在稀疏SAR成像模型中引入非凸正则化和全变分(Total Variation,TV)正则化作为约束条件,减小稀疏重构误差、增强区域目标的特征,降低噪声对成像结果的影响,提高成像质量;采用改进的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)实现复合正则化约束的求解,减少计算时间、快速重构图像;使用方位距离解耦算子代替观测矩阵及其共轭转置,进一步降低计算复杂度。仿真和实测数据实验表明,本文所提算法可以对点目标和区域目标进行特征增强,减小计算复杂度,提高收敛性能,实现快速高分辨的图像重构。
