SAR-GMTI的地面交通监测技术研究

目前常用的交通监测传感器有光学视频系统、红外摄像机和近地低空雷达等，主要存在着覆盖范围有限、气候恶劣时失效和数据更新不及时等问题，机载和星载SAR系统监测范围大、作用距离远、可在恶劣气候条件工作，能贯穿广大公路网络，提供复杂交通态势及其相关背景的概略图，可作为交通监测系统的信息源，有效补充给现有公路传感器，并可用于改进交通模型。本课题探索研究雷达成像的交通信息获取技术，拟采用变化检测技术研究从背景分离车辆的方法；利用"位置"、"幅度"、"相位"等特征对检测点进行初步聚类的方法；利用频域、时频平面等特征可靠聚类车辆的方法；融合道路交通网信息估计车辆参数的方法。通过项目的研究，期望形成公路附近车辆分布和速度场估计的有效方法，实现交通监测的目标，有效扩展SAR系统的应用范围和效能，迫切解决自然灾害发生时其它传感器无法监测交通的问题，为我国增强交通监测能力、发展智能交管系统奠定基础。

本项目针对合成孔径雷达对地面运动目标检测、跟踪及用于交通监测的可行性等基础理论性问题展开研究。兼顾理论性和未来工程应用需求，重点研究了单通道划分子孔径实现运动目标检测及参数估计的问题。在运动目标检测方面，提出一种改进的模糊马尔可夫随机场模型，称之为自适应模糊马尔可夫随机场模型，该模型通过一个不含待估计参数的自适应框架，提高算法的自适应性和正确性，以替代模型参数估计的作用，采用二元假设检验进行变化分析可以利用该模型检测出多个子视中的运动目标；根据波束形成的思想，用导向矢量构成的权矢量对信号进行波束形成，运动目标的信号被相干积累其输出最大，由于杂波信号的导向矢量与运动目标的不同故其输出较小从而被抑制。针对非理想因素、目标实际导向矢量难以精确获知，无法正确约束目标信号使得测速性能下降的问题，提出最优权修正导向矢量的匹配滤波算法来估计目标的径向速度；针对编队跟踪依赖相互位置关系、粒子群跟踪方法复杂度高难实现的问题，将群动态模型与经典JPDA方法结合，实现了一种简单易实现的群目标跟踪起始算法，能够对高机动的密集目标进行同时跟踪、分别描绘航迹。仿真验证了模型的可靠性、起始正确率对参数的不敏性，以及相对于传统的中心外推式跟踪起始方法，该方法对目标机动和群结构变化的适应性更强；在对比分析多种检测前跟踪算法的优劣后，针对高分辨率合成孔径雷达的数据，设计了一种基于两级改进DP-TBD方法的SAR交通监测方法，可有效检测SAR图像中道路上的多部车辆并估计其方位向速度，实现SAR-GMTI功能。通过上述研究，本项目突破了四项关键技术，为研制满足交通监测应用需求的合成孔径雷达系统奠定了理论基础和共性技术支撑。本项目还建立了与相关院所应用部门的稳定合作关系，培养了多名博士生和硕士生。