論文題目：超寬帶SAR淺埋目標(biāo)成像與檢測(cè)的理論和技術(shù)研究
　　作者簡(jiǎn)介：金添，男，1980年2月出生，2004年2月師從于國(guó)防科學(xué)技術(shù)大學(xué)周智敏教授，于2007年6月獲博士學(xué)位。

　　中文摘要
　　在世界各國(guó)遺留的大約1.1億顆地雷嚴(yán)重威脅了人民生命安全，阻礙了當(dāng)?shù)亟?jīng)濟(jì)發(fā)展。而且每清除一顆30美元的地雷，需要花費(fèi)300到1000美元。目前這些遺留地雷以現(xiàn)在的投資與技術(shù)需要1400年才能清除完畢，因此迫切需要一種高效的探雷手段。機(jī)載或車載超寬帶合成孔徑雷達(dá)（SAR）能夠?qū)崿F(xiàn)大區(qū)域淺埋目標(biāo)的快速探測(cè)，克服了傳統(tǒng)探雷手段效率低、安全性差的缺點(diǎn)，成為了探雷技術(shù)新的發(fā)展方向。本課題在國(guó)防預(yù)研項(xiàng)目和武器裝備演示驗(yàn)證項(xiàng)目的支持下，深入研究了超寬帶SAR成像與檢測(cè)的基本理論，提出了淺埋目標(biāo)成像與檢測(cè)一體化流程和基于時(shí)頻表示的實(shí)現(xiàn)方法，并在成像與檢測(cè)一體化框架下，對(duì)淺埋目標(biāo)折射和色散補(bǔ)償、射頻干擾抑制、相干斑噪聲抑制、淺埋目標(biāo)特征提取和鑒別器設(shè)計(jì)等方面進(jìn)行了有意義的探索，得到了有效的解決方法，成功應(yīng)用于后續(xù)裝備型號(hào)的研制。本文的主要工作和創(chuàng)新點(diǎn)有：
　　1、深入研究了超寬帶SAR傳統(tǒng)成像與檢測(cè)流程存在的問(wèn)題，結(jié)合超寬帶SAR大相對(duì)帶寬和大波束角特性，提出了“成像與檢測(cè)一體化框架”的思想和基于時(shí)頻表示的實(shí)現(xiàn)方法。該框架充分挖掘超寬帶SAR目標(biāo)散射中的頻率和方位角信息對(duì)處理性能的改善潛力，具體包括“面向檢測(cè)的成像”和“基于成像的檢測(cè)”兩方面內(nèi)容：“面向檢測(cè)的成像”主要研究成像處理在獲得高分辨SAR圖像的同時(shí)，如何基于回波提取目標(biāo)散射的頻率和方位角信息，提高預(yù)篩選性能；而“基于成像的檢測(cè)”主要針對(duì)預(yù)篩選獲得的若干懷疑目標(biāo)，研究如何基于圖像提取目標(biāo)散射的頻率和方位角信息，有效剔除雜波從而提高鑒別性能。傳統(tǒng)成像與檢測(cè)流程忽視了成像與檢測(cè)的有機(jī)聯(lián)系，不能有效解決圖像分辨率與頻率和方位角信息提取精度之間的矛盾，限制了最終檢測(cè)性能的提高。本文基于建立的超寬帶SAR目標(biāo)回波和成像模型，提出了一種面向檢測(cè)的時(shí)頻表示成像算法（TFRIF），該方法的圖像域形式也可有效解決淺埋目標(biāo)“基于成像的檢測(cè)”這一復(fù)雜技術(shù)難題?；赥FRIF的成像與檢測(cè)一體化框架實(shí)現(xiàn)方法，在幾乎不損失分辨率的情況下，能夠從回波或圖像中精確獲取目標(biāo)散射的頻率和方位角信息，既改善了預(yù)篩選和鑒別性能，又提高了成像與檢測(cè)流程的整體處理效率。
　　2、針對(duì)空氣和土壤組成的多層傳播媒質(zhì)會(huì)引起淺埋目標(biāo)回波畸變的問(wèn)題，研究了淺埋目標(biāo)成像中的折射和色散影響校正方法。在已知埋設(shè)深度、入射角等先驗(yàn)信息的條件下，提出了回波域折射和色散影響校正（EDRDC）的修正波前重構(gòu)（MWR）和淺地表后向投影（SBP）兩種淺埋目標(biāo)成像算法。MWR和SBP算法與基于折射點(diǎn)求解的時(shí)域算法和基于相位遷移的頻域算法等相比，不僅運(yùn)算效率更高，而且考慮了土壤介電常數(shù)隨頻率的變化特性，聚焦性能和定位精度也更好。針對(duì)實(shí)際應(yīng)用中目標(biāo)埋設(shè)深度、入射角等先驗(yàn)信息無(wú)法獲取等問(wèn)題，提出了成像與檢測(cè)一體化框架下的圖像域折射和色散影響校正（IDRDC）淺埋目標(biāo)聚焦和定位方法。IDRDC方法基于方位壓縮增益最大準(zhǔn)則估計(jì)埋設(shè)深度，并且校正因子不僅考慮了土壤介電常數(shù)隨的頻率特性，而且考慮了雷達(dá)不同方位位置對(duì)應(yīng)的入射角不同，比EDRDC方法具有更好的聚焦性能和定位精度。IDRDC方法針對(duì)每個(gè)目標(biāo)在圖像域分別進(jìn)行校正，適合解決不同埋設(shè)深度和土壤環(huán)境的多個(gè)淺埋目標(biāo)的聚焦和定位問(wèn)題，能夠滿足機(jī)載和車載超寬帶SAR大面積區(qū)域探測(cè)的實(shí)際要求。
　　3、提出了實(shí)用的超寬帶SAR射頻干擾（RFI）和相干斑噪聲抑制技術(shù)。在RFI抑制方面，針對(duì)超寬帶SAR工作頻段中的電視、廣播和通訊等RFI信號(hào)嚴(yán)重影響成像質(zhì)量的問(wèn)題，提出了一種用于RFI抑制的Wiener濾波器構(gòu)造新方法。由于RFI信號(hào)具有非平穩(wěn)特性，傳統(tǒng)方法需要實(shí)時(shí)錄取RFI信號(hào)來(lái)構(gòu)造Wiener濾波器。而新方法基于目標(biāo)回波和射頻信號(hào)二維頻域支撐區(qū)的不同估計(jì)RFI頻域特性，從而利用包含目標(biāo)回波和RFI信號(hào)的雷達(dá)接收信號(hào)直接構(gòu)造Wiener濾波器，在降低了系統(tǒng)復(fù)雜度的同時(shí)保證了良好的RFI抑制性能。在相干斑噪聲抑制方面，針對(duì)車載前視超寬帶SAR在行進(jìn)過(guò)程中對(duì)前方區(qū)域連續(xù)成像，能夠獲得同一區(qū)域多幅不同俯視角圖像的工作特點(diǎn)，采用多視處理抑制相干斑噪聲。為了提高多視處理中不同俯視角圖像的配準(zhǔn)效率，提出了地距平面聚焦后向投影成像算法及其相應(yīng)的折射和色散影響校正技術(shù)。不同俯視角地距平面圖像之間只存在平移，克服了傳統(tǒng)斜距平面成像結(jié)果之間的畸變具有空變特性，配準(zhǔn)操作復(fù)雜的問(wèn)題。
　　4、針對(duì)金屬地雷和未爆物兩種典型淺埋目標(biāo)，研究了成像與檢測(cè)一體化框架下的淺埋目標(biāo)特征提取技術(shù)。對(duì)于金屬地雷目標(biāo)，首先利用物理光學(xué)法建立了淺埋金屬地雷電磁模型，定量分析了金屬地雷雙峰特征，提出了基于圖像域的金屬地雷雙峰特征增強(qiáng)算法；在此基礎(chǔ)上，提出了基于空間-波數(shù)分布（SWD）的金屬地雷斜距-方位-頻率-方位角四維散射函數(shù)估計(jì)及其特征選擇方法，提取了包含雙峰特性及方位不變性的特征向量。對(duì)于未爆物目標(biāo)，首先利用SWD得到未爆物斜距-方位-頻率-方位角四維散射函數(shù)估計(jì)，然后在提取了不同頻率下的多方位特征幅度信息的基礎(chǔ)上，利用Hu不變矩進(jìn)一步定量描述未爆物不同頻率下的多方位特征空間分布信息。成像與檢測(cè)一體化框架下的金屬地雷和未爆物特征提取方法與傳統(tǒng)成像與檢測(cè)流程常用的子帶-子孔徑技術(shù)相比，在獲得頻率和方位角信息的同時(shí)，保持了高分辨率，能夠獲得更有效的特征向量。
　　5、提出了模糊超球面支持向量機(jī)（FHS-SVM）淺埋目標(biāo)鑒別算法，并對(duì)FHS-SVM的超參數(shù)優(yōu)化和核函數(shù)選擇兩個(gè)問(wèn)題進(jìn)行了深入研究。淺埋目標(biāo)鑒別具有訓(xùn)練樣本少、無(wú)典型雜波樣本、淺埋目標(biāo)與雜波誤判風(fēng)險(xiǎn)不同以及埋設(shè)環(huán)境多樣性等特點(diǎn)。根據(jù)淺埋目標(biāo)鑒別的特點(diǎn)，對(duì)在許多領(lǐng)域的分類問(wèn)題中取得迄今為止最好分類結(jié)果的超平面SVM進(jìn)行了改進(jìn)，得到利用核特征空間的超球面區(qū)分淺埋目標(biāo)和雜波的FHS-SVM。FHS-SVM基于結(jié)構(gòu)風(fēng)險(xiǎn)最小原理，在有效解決小樣本學(xué)習(xí)問(wèn)題的同時(shí)，只需要淺埋目標(biāo)訓(xùn)練樣本就能優(yōu)化超球面參數(shù)，獲得較好的淺埋目標(biāo)和雜波分類性能；并且利用訓(xùn)練樣本的隸屬度將誤判風(fēng)險(xiǎn)和埋設(shè)環(huán)境多樣性等因素融入鑒別器學(xué)習(xí)過(guò)程，提高了FHS-SVM淺埋目標(biāo)鑒別算法的實(shí)用性。在超參數(shù)優(yōu)化方面，證明了FHS-SVM與第一層貝葉斯推理的等價(jià)性，提出了基于證據(jù)框架的高斯核FHS-SVM超參數(shù)優(yōu)化方法，有效降低了檢測(cè)結(jié)果的總體誤判風(fēng)險(xiǎn)，提高了金屬地雷和未爆物的鑒別性能。基于證據(jù)框架的超參數(shù)優(yōu)化方法在保證優(yōu)化性能的同時(shí)，克服了邊緣分布分析和理論誤差上限逼近等方法采用窮舉搜索最優(yōu)超參數(shù)，計(jì)算效率不高的問(wèn)題。在核函數(shù)選擇方面，提出用描述未爆物多方位特性的隱馬爾可夫模型核替換高斯核函數(shù)，進(jìn)一步改善了FHS-SVM對(duì)未爆物的鑒別性能。利用隱馬爾可夫模型核FHS-SVM進(jìn)行未爆物鑒別，將未爆物散射的多方位特征結(jié)合到鑒別器設(shè)計(jì)中，充分體現(xiàn)了“基于成像的檢測(cè)”利用目標(biāo)散射的頻率和方位角信息提高鑒別性能的思想。

　　關(guān)鍵詞：??超寬帶，合成孔徑雷達(dá)，地表穿透，淺地表成像，淺埋目標(biāo)檢測(cè)，特征提取，鑒別器設(shè)計(jì)