多譜段雷達低空環(huán)境要素感知方法與應用研究.pdf

1、隨著低空空域的開放與通用航空事業(yè)的發(fā)展，低空環(huán)境下的飛行器日益增多,然而由于低空環(huán)境要素感知能力的不足，是導致低空飛行器事故頻發(fā)的主要原因之一。為提升低空環(huán)境要素（靜止要素與運動要素）感知能力，開展了多譜段雷達低空環(huán)境要素感知方法與應用的研究。
　　針對低空環(huán)境下的細微靜止要素難以感知的問題，尤其是細微電力線的提取，提出了基于局部霍夫變換與形態(tài)學優(yōu)化的SAR圖像電力線檢測算法。該方法首先采用Edison邊緣檢測算法對SAR圖像進行

2、邊緣提取，然后對邊緣進行邊緣帶劃分和像素點閾值濾波實現邊緣的分割，接著對分割的邊緣采用局部霍夫變換方法進行直線提取，最后在所提取的線段中通過聯合距離和夾角閾值的形態(tài)學優(yōu)化處理和長度閾值濾波檢測出電力線。與全局霍夫變換相比，所提局部霍夫變換不僅避免了同一直線中非連續(xù)線段的誤積累，而且由于算法復雜度的降低提高了該算法的實時性，形態(tài)學優(yōu)化利用電力線的形態(tài)學特征濾除田埂、道路的干擾，提升了 S AR圖像中電力線的檢測準確率。實測S AR圖像處理

3、結果驗證了所提算法的有效性。
　　針對低可探測性運動要素感知能力不足的問題，利用運動目標幀間稀疏關聯和靜止背景幀間低秩冗余的特性，我們提出了降維稀疏關聯運動目標檢測算法。首先，通過窗口選擇觀測數據，將每幀窗口選擇的觀測數據拉伸后獲得觀測矢量，多幀觀測矢量組成觀測矩陣，然后通過增廣拉格朗日乘子對觀測矩陣進行低秩與稀疏矩陣迭代分解，獲得的低秩與稀疏矩陣分別對應背景與動目標(即動靜分離)，接著由重疊滑窗遍歷，完成整幅圖像的動靜分離，最后