論文題目：超寬帶SAR淺埋目標成像與檢測的理論和技術(shù)研究
　　作者簡介：金添，男，1980年2月出生，2004年2月師從于國防科學技術(shù)大學周智敏教授，于2007年6月獲博士學位。

　　中文摘要
　　在世界各國遺留的大約1.1億顆地雷嚴重威脅了人民生命安全，阻礙了當?shù)亟?jīng)濟發(fā)展。而且每清除一顆30美元的地雷，需要花費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。機載或車載超寬帶合成孔徑雷達（SAR）能夠?qū)崿F(xiàn)大區(qū)域淺埋目標的快速探測，克服了傳統(tǒng)探雷手段效率低、安全性差的缺點，成為了探雷技術(shù)新的發(fā)展方向。本課題在國防預研項目和武器裝備演示驗證項目的支持下，深入研究了超寬帶SAR成像與檢測的基本理論，提出了淺埋目標成像與檢測一體化流程和基于時頻表示的實現(xiàn)方法，并在成像與檢測一體化框架下，對淺埋目標折射和色散補償、射頻干擾抑制、相干斑噪聲抑制、淺埋目標特征提取和鑒別器設計等方面進行了有意義的探索，得到了有效的解決方法，成功應用于后續(xù)裝備型號的研制。本文的主要工作和創(chuàng)新點有：
　　1、深入研究了超寬帶SAR傳統(tǒng)成像與檢測流程存在的問題，結(jié)合超寬帶SAR大相對帶寬和大波束角特性，提出了“成像與檢測一體化框架”的思想和基于時頻表示的實現(xiàn)方法。該框架充分挖掘超寬帶SAR目標散射中的頻率和方位角信息對處理性能的改善潛力，具體包括“面向檢測的成像”和“基于成像的檢測”兩方面內(nèi)容：“面向檢測的成像”主要研究成像處理在獲得高分辨SAR圖像的同時，如何基于回波提取目標散射的頻率和方位角信息，提高預篩選性能；而“基于成像的檢測”主要針對預篩選獲得的若干懷疑目標，研究如何基于圖像提取目標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)成像與檢測流程忽視了成像與檢測的有機聯(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，限制了最終檢測性能的提高。本文基于建立的超寬帶SAR目標回波和成像模型，提出了一種面向檢測的時頻表示成像算法（TFRIF），該方法的圖像域形式也可有效解決淺埋目標“基于成像的檢測”這一復雜技術(shù)難題?；赥FRIF的成像與檢測一體化框架實現(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散射的頻率和方位角信息，既改善了預篩選和鑒別性能，又提高了成像與檢測流程的整體處理效率。
　　2、針對空氣和土壤組成的多層傳播媒質(zhì)會引起淺埋目標回波畸變的問題，研究了淺埋目標成像中的折射和色散影響校正方法。在已知埋設深度、入射角等先驗信息的條件下，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）兩種淺埋目標成像算法。MWR和SBP算法與基于折射點求解的時域算法和基于相位遷移的頻域算法等相比，不僅運算效率更高，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。針對實際應用中目標埋設深度、入射角等先驗信息無法獲取等問題，提出了成像與檢測一體化框架下的圖像域折射和色散影響校正（IDRDC）淺埋目標聚焦和定位方法。IDRDC方法基于方位壓縮增益最大準則估計埋設深度，并且校正因子不僅考慮了土壤介電常數(shù)隨的頻率特性，而且考慮了雷達不同方位位置對應的入射角不同，比EDRDC方法具有更好的聚焦性能和定位精度。IDRDC方法針對每個目標在圖像域分別進行校正，適合解決不同埋設深度和土壤環(huán)境的多個淺埋目標的聚焦和定位問題，能夠滿足機載和車載超寬帶SAR大面積區(qū)域探測的實際要求。
　　3、提出了實用的超寬帶SAR射頻干擾（RFI）和相干斑噪聲抑制技術(shù)。在RFI抑制方面，針對超寬帶SAR工作頻段中的電視、廣播和通訊等RFI信號嚴重影響成像質(zhì)量的問題，提出了一種用于RFI抑制的Wiener濾波器構(gòu)造新方法。由于RFI信號具有非平穩(wěn)特性，傳統(tǒng)方法需要實時錄取RFI信號來構(gòu)造Wiener濾波器。而新方法基于目標回波和射頻信號二維頻域支撐區(qū)的不同估計RFI頻域特性，從而利用包含目標回波和RFI信號的雷達接收信號直接構(gòu)造Wiener濾波器，在降低了系統(tǒng)復雜度的同時保證了良好的RFI抑制性能。在相干斑噪聲抑制方面，針對車載前視超寬帶SAR在行進過程中對前方區(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，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效率，提出了地距平面聚焦后向投影成像算法及其相應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，配準操作復雜的問題。
　　4、針對金屬地雷和未爆物兩種典型淺埋目標，研究了成像與檢測一體化框架下的淺埋目標特征提取技術(shù)。對于金屬地雷目標，首先利用物理光學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算法；在此基礎上，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。對于未爆物目標，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，然后在提取了不同頻率下的多方位特征幅度信息的基礎上，利用Hu不變矩進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，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（FHS-SVM）淺埋目標鑒別算法，并對FHS-SVM的超參數(shù)優(yōu)化和核函數(shù)選擇兩個問題進行了深入研究。淺埋目標鑒別具有訓練樣本少、無典型雜波樣本、淺埋目標與雜波誤判風險不同以及埋設環(huán)境多樣性等特點。根據(jù)淺埋目標鑒別的特點，對在許多領(lǐng)域的分類問題中取得迄今為止最好分類結(jié)果的超平面SVM進行了改進，得到利用核特征空間的超球面區(qū)分淺埋目標和雜波的FHS-SVM。FHS-SVM基于結(jié)構(gòu)風險最小原理，在有效解決小樣本學習問題的同時，只需要淺埋目標訓練樣本就能優(yōu)化超球面參數(shù)，獲得較好的淺埋目標和雜波分類性能；并且利用訓練樣本的隸屬度將誤判風險和埋設環(huán)境多樣性等因素融入鑒別器學習過程，提高了FHS-SVM淺埋目標鑒別算法的實用性。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，有效降低了檢測結(jié)果的總體誤判風險，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，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)，計算效率不高的問題。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)，進一步改善了FHS-SVM對未爆物的鑒別性能。利用隱馬爾可夫模型核FHS-SVM進行未爆物鑒別，將未爆物散射的多方位特征結(jié)合到鑒別器設計中，充分體現(xiàn)了“基于成像的檢測”利用目標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，地表穿透，淺地表成像，淺埋目標檢測，特征提取，鑒別器設計