雷达学报杂志

雷达学报杂志2025年第2期

• 被动雷达低慢小探测数据集(LSS-PR-1.0)及多域特征提取和分析方法

  陈小龙, 饶桂林, 关键, 王金豪, 王洪永, 张财生, 易建新, 万显荣, 饶云华

  被动雷达在预警探测和低慢小目标(LSS)检测中具有重要作用。由于被动雷达信号辐射源不可控，目标特性更为复杂，导致检测和识别极其困难。该文构建了被动雷达低慢小探测数据集(LSS-PR-1.0)，该数据集包含了直升机、无人机、快艇、客轮4种典型海空目标的雷达回波信号，以及低高海况的海杂波数据，为该领域研究提供了数据支撑。在目标特征提取和分析方面，首先采用奇异值分解海杂波抑制方法，去除海杂波强Bragg峰对目标回波的影响。在此基础上，提出4类10种多域特征提取和分析方法，包括时域特征(相对平均幅度)、频域特征(频谱特征、多普勒瀑布图、距离多普勒特征)、时频域特征、运动特征(航向差、航迹参数、速度变化区间、速度变异系数、加速度)等。基于实测数据对4种海空目标特性进行了对比分析，总结各类目标特性规律，为后续目标识别奠定了基础。

• 基于特征博弈预处理的多径抑制与高精度测角方法

  项厚宏, 王永良, 李雨曦, 陈毓锋, 王凤玉, 曾小路

  米波雷达波束较宽，探测低仰角目标时多径信号严重影响直达信号的显著性，低仰角测角性能较差。针对此问题，该文提出了一种信号级特征博弈的多径抑制与高精度测角方法，构建一组直达信号提取器和直达信号特征检验器，直达信号提取器挖掘出多径信号湮没的直达信号，直达信号特征检验器用于鉴别、分析提取的直达信号的有效性，直达信号提取器和直达信号特征检验器相互博弈、优化，有效实现直达信号增强和多径信号抑制的效果，并利用已有的超分辨算法进行波达方向估计(DOA)。计算机仿真结果表明，所提算法不依赖于严格的目标角度信息，能够有效抑制多径信号，经典的超分辨算法在多种场景下的估计性能显著提升，且较已有的有监督学习模型而言，所提算法对未知的信号参数及多径分布模型具有更好的泛化性。

• 强间歇干扰下基于黎曼平均的稀疏DOA估计方法

  蓝晓宇, 胡吉彦, 梁明珅, 马爽

  针对复杂电磁环境下雷达干扰增多且靠近强干扰信号的目标信号难以准确估计的问题，该文提出了一种强间歇干扰下基于黎曼平均的稀疏波达方向(DOA)估计方法。首先，在扩展互质阵列接收数据模型下，利用在整个采样周期内目标信号持续活动而强干扰信号间歇性活动的特性，引入黎曼平均对干扰信号进行抑制；然后，将经过处理的数据协方差矩阵向量化，得到虚拟阵列接收数据；最后，在虚拟域中运用稀疏迭代协方差估计(SPICE)算法对稀疏信号进行重构，得到目标信号的DOA估计。仿真结果表明，在信号源数目未知的情况下，该方法可以对角度与强干扰信号紧密相邻的弱目标信号进行高精度的DOA估计。与现有子空间算法和稀疏重构类算法相比，所提算法在较小快拍数和低信噪比下具有更高的估计精度和角度分辨力。

• 基于蝙蝠谱相关及变换模型的雷达目标超分辨方法研究

  王博弘, 申彪, 穆文星, 刘涛

  传统雷达分辨能力主要利用模糊函数来进行分析，其极限分辨力一般用瑞利限表征。自然界中蝙蝠具有相当敏锐的听觉系统，学者提出谱相关及变换(SCAT)模型对蝙蝠听觉系统建模，探索了蝙蝠的超分辨原理，为突破雷达目标常规(瑞利)分辨力提供了一个可能的途径。为了进一步提高SCAT模型的分辨性能，通过抑制距离像负半轴和原点处多余的波瓣，改进了基向量解卷积法和基带SCAT (BSCT)两种蝙蝠超分辨模型，同时提出可靠分辨力概念及计算方法，统一了SCAT分辨力与瑞利分辨力的衡量标准，对比验证了可靠分辨力概念的合理性以及改进算法的有效性。仿真与实测实验表明，改进超分辨算法均获得了可观的分辨力提升，其中改进基向量解卷积法性能最佳，将原基向量解卷积法的分辨力提高约2 dB，同时将匹配滤波分辨力提高约5 dB。

• Research on Super-resolution Methods for Radar Targets Based on Bat-inspired Spectrogram Correlation and Transformation Models（in English）

  The resolving power of traditional radar is mainly analyzed using the ambiguity function, and its limit is generally characterized by the Rayleigh limit. Bats have a rather sensitive auditory system. Researchers have proposed the Spectrogram Correlation And Transformation (SCAT) model to represent the auditory system of bats, explored their super-resolution principle, and provided a possible means to break through the conventional (Rayleigh) resolving power limit of radar targets. To further enhance the discriminative performance of the SCAT model, two bat-auditory-system-based super-resolution models, namely the base vector deconvolution method and Baseband SCAT (BSCT), are improved by suppressing redundant wave flaps at the negative semiaxis of the range profile and at the origin. Meanwhile, the concept and computation method of reliable discriminative power are proposed to unify the measurements of SCAT and Rayleigh discriminative powers. Further, a comparison is made to validate the rationality of the concept of reliable discriminative power, and the effectiveness of the improved models is verified. Simulation and real experiments show that the improved super-resolution models achieve a sizable increase in the resolving power. Notably, the improved base vector deconvolution method performs the best, improving the resolving power of the original method by ～2 dB while enhancing the matched filtering resolving power by ～5 dB.

• 基于多域联合直达波估计的建筑布局层析成像方法

  李念, 刘杰, 于君明, 朱智豪, 刘剑光, 郭世盛, 陈家辉, 崔国龙, 孔令讲, 杨晓波

  在进入陌生建筑物之前掌握其内部结构信息，能够为反恐作战、灾害救援、监视管控等多种应用提供支持，具有重要的现实意义和研究价值。为实现建筑布局结构信息获取，该文开展了基于多域联合直达波估计的建筑布局层析成像方法研究。首先，建立了线性近似模型，实现了直达波信号传播时延与未知建筑布局图像之间的映射关系；在此模型基础上，分析了在层析成像模式下直达波信号与多径信号在快时间域、慢时间域与多普勒域中的分布特性，提出了一种基于多域联合的直达波估计算法，实现了多径干扰抑制与直达波信号精确估计；此外，提出了一种总变分约束的投影矩阵自适应修正代数重建算法，提升了有限数据下的建筑布局反演质量；最后，电磁仿真与实测实验结果证明了所提出的建筑布局层析成像方法的有效性，其重建结果的结构相似性指标分别可达到91.2%和81.7%，显著优于现有建筑布局层析成像方法。

• 基于多通道图卷积神经网络的地海杂波分类方法

  李灿, 王增福, 张效宣, 潘泉

  地海杂波分类是提升天波超视距雷达目标定位精度的关键技术，其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本，训练时间长，费效比高；此外，其输入为单个方位-距离单元杂波，未考虑样本的类内和类间信息，导致模型性能不佳。针对上述问题，该文通过分析相邻方位-距离单元之间的相关性，将地海杂波数据由欧氏空间转换为非欧氏空间中的图数据，引入样本之间的关系，并提出一种基于多通道图卷积神经网络(MC-GCN)的地海杂波分类方法。MC-GCN将图数据由单通道分解为多通道，每个通道只包含一种类型的边和一个权重矩阵，通过约束节点信息聚合的过程，能够有效缓解由异质性造成的节点属性误判。该文选取不同季节、不同时刻、不同探测区域RD图，依据雷达参数、数据特性和样本比例，构建包含12种不同场景的地海杂波原始数据集和36种不同配置的地海杂波稀缺数据集，并对MC-GCN的有效性进行验证。通过与最先进的地海杂波分类方法进行比较，该文所提出的MC-GCN在上述数据集中均表现最优，其分类准确率不低于92%。

• 基于弱监督小波KAN网络的弱标注辐射源识别算法

  刘康晟, 凌青, 闫文君, 张立民, 于柯远, 刘恒燕

  当前辐射源个体识别技术多数基于有监督学习条件下开展，不适应由于采集环境(天气条件、地形和障碍物、干扰源)、器件性能(雷达分辨率、信号处理能力、硬件故障)、标注者水平等因素导致的大范围标签缺失的情形。该文提出了一种基于弱监督小波KAN (WSW-KAN)网络的弱标注辐射源识别算法。该算法首先结合KAN网络独有的边缘函数可学习特性和小波函数的多分辨率分析特性，构建WSW-KAN基线网络；然后将弱标注数据集拆分为小样本有标注数据集和大样本无标注数据集，利用小样本有标注数据集初步训练模型；最后在预训练模型基础上，基于自适应感知伪标签加权选择方法(APLWS)，采用对比学习方法提取无标签数据特征并迭代训练，从而有效提高模型的泛化能力。基于真实采集雷达数据集验证，该文所提出的算法对特定辐射源个体识别精度达到95%左右，且算法效率高、参数规模小、适应能力强，能够满足实际场景的需求。

• AIR-PolSAR-Seg-2.0：大规模复杂场景极化SAR地物分类数据集

  王智睿, 赵良瑾, 汪越雷, 曾璇, 康健, 杨健, 孙显

  极化合成孔径雷达(PolSAR)地物分类是SAR图像智能解译领域的研究热点之一。为了进一步促进该领域研究的发展，该文组织并发布了一个面向大规模复杂场景的极化SAR地物分类数据集AIR-PolSAR-Seg-2.0。该数据集由三景不同区域的高分三号卫星L1A级复数SAR影像构成，空间分辨率8 m，包含HH, HV, VH和VV共4种极化方式，涵盖水体、植被、裸地、建筑、道路、山脉等6类典型的地物类别，具有场景复杂规模大、强弱散射多样、边界分布不规则、类别尺度多样、样本分布不均衡的特点。为方便试验验证，该文将三景完整的SAR影像裁剪成24,672张512像素×512像素的切片，并使用一系列通用的深度学习方法进行了实验验证。实验结果显示，基于双通道自注意力方法的DANet性能表现最佳，在幅度数据和幅相融合数据的平均交并比分别达到了85.96%和87.03%。该数据集与实验指标基准有助于其他学者进一步展开极化SAR地物分类相关研究。

• 基于图网络与不变性特征感知的SAR图像目标识别方法

  曹婧宜, 张扬, 尤亚楠, 王亚敏, 杨峰, 任维佳, 刘军

  基于深度学习的合成孔径雷达(SAR)图像目标识别技术日趋成熟。然而，受散射特性、噪声干扰等影响，同类目标的SAR成像结果存在差异。面向高精度目标识别需求，该文将目标实体、生存环境及其交互空间中不变性特征的组合抽象为目标本质特征，提出基于图网络与不变性特征感知的SAR图像目标识别方法。该方法用双分支网络处理多视角SAR图像，通过旋转可学习单元对齐双支特征并强化旋转免疫的不变性特征。为实现多粒度本质特征提取，设计目标本体特征强化单元、环境特征采样单元、上下文自适应融合更新单元，并基于图神经网络分析其融合结果，构建本质特征拓扑，输出目标类别向量。该文使用t-SNE方法定性评估算法的类别辨识能力，基于准确率等指标定量分析关键单元及整体网络，采用类激活图可视化方法验证各阶段、各分支网络的不变性特征提取能力。该文所提方法在MSTAR车辆、SAR-ACD飞机、OpenSARShip船只数据集上的平均识别准确率分别达到了98.56%, 94.11%, 86.20%。实验结果表明，该算法具备在SAR图像目标识别任务中目标本质特征提取能力，在多类别目标识别方面展现出较高的稳健性。

• 面向高分辨率多视角SAR图像的端到端配准算法

  孙晓坤, 贠泽楷, 胡粲彬, 项德良

  由于侧视和相干成像机制，当高分辨率合成孔径雷达(SAR)图像的成像视角变化较大时，图像间的特征差异会变大，使图像配准难度增加。针对高分辨率多视角SAR图像，传统的配准技术主要面临提取的关键点定位精度不足和匹配精度低的问题。基于上述难点，该文设计了一种端到端的高分辨率多视角SAR图像配准网络。文章主要贡献包括：提出基于局部像素偏移模型的高分辨率SAR图像特征提取方法，该方法提出多样性峰值损失监督训练关键点提取网络中响应权重分配部分，并通过检测像素偏移量来优化关键点坐标；提出基于自适应调整卷积核采样位置的描述符提取方法，利用稀疏交叉熵损失监督训练网络中描述符匹配。实验结果显示，相比于其他配准方法，该文提出的算法针对高分辨率多视角SAR图像配准效果显著，平均误差降低超过65%，正确匹配点对数提高了3～5倍，运行时间平均缩短50%以上。

• LT-1A卫星全极化SAR辐射与极化系统误差稳定性分析：以热带雨林场景为例

  史磊, 孙维东, 杨乐, 杨杰, 赵伶俐, 李平湘, 刘亚波

  作为中国新一代天基长波SAR的代表，陆地探测1号01卫星(LT-1A)于2022年1月发射进入太阳同步轨道。LT-1A搭载的长波合成孔径雷达(SAR)工作在L波段，具备单极化、线性双极化、紧缩双极化、全极化等对地观测能力。现有研究主要侧重于LT-1A重轨干涉数据获取能力以及数字高程模型、沉降产品的生产精度评价，对LT-1A的辐射精度、地物极化信息保持能力的研究较为缺乏。该文以热带雨林植被为观测对象，通过不依赖人工定标器的自主定标方法对LT-1A全极化数据辐射误差、极化误差的稳定性进行评价与分析。实验表明：LT-1A传感器的辐射稳定性较好、极化精度优于国际对地观测组织(CEOS)推荐指标。持续对地观测1000 km内归一化雷达截面(NRCS)误差波动小于1 dB (3倍标准差)、5天内重返观测时辐射误差波动小于0.5 dB (3倍标准差)；全极化观测模式下系统串扰低于–35 dB甚至达到–40 dB，交叉极化通道不平衡优于0.2 dB与2°，同通道不平衡优于0.5 dB与10°；系统噪声介于–42～–22 dB，平均系统等效热噪声优于–25 dB，热噪声水平随持续对地观测时长的增加有升高。此外，该研究验证了电离层对LT-1A极化数据质量的影响：5°法拉第旋转角造成的图像退化与–20 dB系统串扰带来的影响相当，而3°～20°法拉第旋转角在中、低纬度较为常见，这将带来–21.16～–8.78 dB的极化通道间扰动，即电离层对全极化数据质量的退化相较传感器–40 dB的串扰更为严重。

• 基于联合运动参数快速估计的空间目标ISAR成像方法

  侯庆森, 李光祚, 徐仲秋, 刘宸钰, 洪文, 吴一戎

  逆合成孔径雷达(ISAR)是空间目标成像和监测的重要手段之一，大转角下空间目标成像结果的越分辨单元徙动(MTRC)现象加剧，严重影响ISAR成像的性能。为快速估计和补偿空间目标运动产生的回波相位误差，结合BFGS优化算法效率高与极坐标格式变换算法(PFA)补偿精度高的优势，该文提出了一种基于联合运动参数快速估计的空间目标ISAR成像方法。所提方法建立了目标平动和转动参数联合估计的最小化图像熵优化模型；为降低优化陷入局部最优的可能，设计了目标参数粗估计和精估计的高效BFGS求解子步骤，实现了目标转动参数的快速估计与大转角情况下MTRC的补偿。点目标仿真和实测民航客机数据成像结果表明，相比PSO-PFA算法，所提方法在低信噪比条件下的运动参数估计精度更高，运算时间缩短为原来的五分之一，具有显著优势。

• 阵列雷达时空多维域编码抗主瓣转发式欺骗干扰方法

  兰岚, 张翔, 许京伟, 廖桂生

  随着电子技术的快速发展，雷达面临的电磁环境日益复杂。当存在主瓣有源欺骗干扰时，传统相控阵雷达自适应波束形成抗干扰失效，主瓣干扰抑制已成为雷达领域亟待解决的共性难题。该文针对来自主瓣的自卫式转发干扰，提出了一种时空多维域编码抗主瓣欺骗式干扰方法。首先，设计发射通道-脉冲-子脉冲编码，在接收端采用多普勒分多址方法实现了发射信号分离。针对目标高速运动导致的分离错位现象，提出一种基于波束形成能量差的移位数估计方法。随后，利用目标与干扰的延时相位差，设计收发联合的双重编码相位补偿方法，在发射空间频率域实现对真实目标、跨脉冲转发干扰、脉内转发干扰的区分，并且通过构建联合发射-接收权矢量，对主瓣欺骗式干扰进行空域滤波抑制。针对实际中波达角度(DOA)误差造成的抗干扰性能下降问题，构建了以最大化输出信干噪比(SINR)为目标函数的约束优化问题，基于交替迭代算法对接收权矢量，发射编码系数、接收编码系数分别进行优化。仿真实验验证了所提方法相比于其他雷达体制在抗主瓣欺骗干扰方面的有效性，其中相比于传统MIMO雷达，所提阵列时空多维域编码技术在4个主瓣干扰存在的情况下SINR可提升34 dB。

• 动态电磁环境下多功能雷达一体化发射资源管理方案

  张鹏, 严俊坤, 高畅, 李康, 刘宏伟

  传统多功能雷达仅面向目标特性优化发射资源，在动态电磁环境下面临干扰智能时变、优化模型失配的问题。因此，该文提出一种基于数据驱动的一体化发射资源管理方案，旨在通过对动态干扰信息在线感知与利用提升多功能雷达在动态电磁环境下的多目标跟踪(MTT)性能。该方案首先建立马尔可夫决策过程，数学化描述雷达被敌方截获和干扰的风险。而后将该马尔可夫决策过程感知的干扰信息耦合进MTT精度计算，一体化发射资源管理方法被设计为具有约束动作空间的优化问题。最后提出一种贪婪排序回溯算法对其进行求解。仿真结果表明，所提方法在面向动态干扰环境时不仅可以降低敌方截获概率，还能在被干扰时降低干扰对雷达的影响，改善MTT性能。

• 基于模型知识融合的图神经网络多雷达协同任务调度算法

  李浩情, 余点, 潘常春, 郁文贤, 李东瀛

  现代雷达的探测、跟踪、识别等任务场景越来越复杂。任务类型的多变性，雷达资源的稀缺性和任务执行时间窗口的严格要求，使得雷达任务调度成为一类强NP-Hard问题。然而，现有的调度算法在处理涉及复杂逻辑约束的多雷达协同调度问题时适应性不足，效率不高。因此，基于人工智能(AI)的调度算法正在成为研究热点，但是AI调度算法的效率与其对问题特征的提取是否全面密切相关。如何能快速、全面地提取多雷达协同任务调度问题的共性特征，是提升这类AI调度算法效率的关键。因此，该文提出了基于模型知识融合的图神经网络(MKEGNN)调度算法。该算法首先将雷达任务协同调度问题建模为异构网络图模型，利用模型知识来优化GNN算法训练过程。算法创新在于：通过低复杂度的计算手段，获取模型的关键知识，进而优化GNN模型。在特征提取阶段，引入随机酉矩阵变换，利用任务异构图的随机拉普拉斯矩阵谱特征作为全局特征来强化图神经网络对共性特征的提取能力，弱化特定问题的个性化特征；在参数化决策阶段，利用由问题的引导解和经验解构成的上/下界结构知识从原理上减少决策空间大小，引导网络快速优化，加速决策学习过程的收敛。最后，进行了大量数据仿真实验。结果表明，相比目前的算法，MKEGNN算法对于所有任务集在稳定性和精度方面都有所提升，调度成功率性能提升3%～10%，加权调度成功率提升5%～15%。尤其当处理多雷达协同关系复杂的任务集时，任务调度成功率提升4%以上，算法稳定性和鲁棒性显著增强。

• 基于太赫兹ViSAR的无源干扰物成像

  范磊, 杨琪, 王宏强, 易俊

  无源干扰物的成像一直是雷达成像/对抗研究中的热点问题，直接影响着雷达目标检测和识别性能。然而，在微波频段下，为达到期望的方位分辨率，通常需要较长的驻留时间来形成单幅图像，这使得无源干扰物难以通过成像直接区分，并缺乏时间维的分辨能力。相比之下，太赫兹频段成像系统在实现相同方位分辨率时所需的合成孔径更短，从而更容易获得低延迟、高分辨、高帧率的成像结果。因此，太赫兹雷达在视频合成孔径雷达(ViSAR)技术中具有重要潜力。首先，对机载太赫兹ViSAR的孔径划分及其成像系统指标进行简要分析。随后，静止无源干扰物以角反阵和伪装网为例，探索它们运动补偿前后的成像结果及成像特性，并首次实验验证了具有上下起伏网格结构的伪装网在太赫兹频段将表现出粗糙特性，展现出该频段下特殊的目标特性。接下来，运动无源干扰物以旋转角反为例，分析了旋转角反成像所形成的压制性成像干扰。考虑到静止场景在相邻子孔径下类似，在完成帧间成像结果图像和幅度校准后，可直接在图像域内基于非相干相减实现旋转角反检测，从而提取感兴趣信号并实施非参数化补偿。目前关于太赫兹频段下对无源干扰物的外场成像实验验证甚少。该研究开展了太赫兹频段公里级机载外场试验，有效验证了太赫兹ViSAR具备对无源干扰物良好的高分辨与高帧率成像能力。