基于卷积神经网络的快速高分辨微波光子雷达成像

作     者：孙冠群 

作者单位：南京航空航天大学 

学位级别：硕士

导师姓名：张方正

授予年度：2021年

学科分类：080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：微波光子技术 高分辨率快速雷达成像 后向投影算法 卷积神经网络 抗噪声干扰 

摘      要：雷达成像可以在全天时和全天候条件下进行目标检测和识别,在军事和民用领域都具有重要应用。传统电子雷达受电子瓶颈限制,难以满足快速、高分辨率雷达成像的发展需求。微波光子技术具有的大带宽、低损耗、抗电磁干扰等优点,为解决传统雷达所面临的问题提供了有效技术支撑。然而,微波光子雷达距离分辨率的提高给成像处理带来了极大的挑战,采用传统成像算法时成像精度与速度都将受到严重影响。同时,微波光子雷达的宽带工作特性导致其接收机灵敏度下降,更容易受到噪声等因素的干扰。因此,针对宽带微波光子雷达高精度、快速与抗噪声成像方法的研究具有重要意义。在以上背景下,本文将微波光子雷达与后向投影(BP)成像算法相结合,并采用卷积神经网络(CNN)实现高质量快速、抗噪声的雷达成像。主要包括以下三个方面的工作:1.研究了基于频域和时域算法实现微波光子雷达成像的性能,并进行了对比分析。结果表明,以距离多普勒算法为代表的频域算法可以实现快速成像,但成像结果存在严重的散焦和畸变。利用徙动补偿技术只能有限地缓解散焦问题,且将导致成像速度明显降低。而基于时域的BP成像算法可以通过相干累积实现精确聚焦及高精度成像,但计算量大,成像速度慢。2.针对BP算法计算复杂度高的问题,提出了一种基于CNN的快速BP(CNN-FBP)成像方法。该方法利用CNN从低分辨率BP图像中构造高分辨率成像结果。与基本BP算法相比,其计算复杂度大大降低,可以实现快速成像。同时,选用无噪声干扰的结果作为真值训练CNN,可使CNN-FBP成像方法具有抗噪声能力,在-35d B信噪比的强噪声干扰下仍可以得到高质量图像。进一步,将此方法拓展到三维雷达成像,提出了基于CNN的快速三维BP成像算法(CNN-3D-FBP)。3.开展了微波光子雷达二维与三维成像的实验研究,采用微波光子四倍频方法产生8GHz(18-26GHz)带宽的线性调频信号,通过微波光子混频方法实现去斜接收处理,进而采用所提出的快速成像算法进行成像。研究结果表明,采用所提出的CNN-FBP成像方法能够很好的实现成像聚焦与噪声抑制,其成像速率与基本BP算法相比分别提升了31倍(二维成像)与56倍(三维成像),成像分辨率达1.875cm。