陳洪猛 李 明 王澤玉 盧云龍 張 鵬 左 磊
?
基于多幀數(shù)據(jù)聯(lián)合處理的機(jī)載單通道雷達(dá)貝葉斯前視成像
陳洪猛*李 明 王澤玉 盧云龍 張 鵬 左 磊
(西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室 西安 710071)
針對(duì)機(jī)載單通道雷達(dá)前視分辨率不高的問(wèn)題,該文提出一種基于多幀數(shù)據(jù)聯(lián)合處理的貝葉斯前視成像方法。該文首先建立高斯背景下的前視回波信號(hào)模型,然后將散射場(chǎng)景的處理空間由單幀波束域的低維空間擴(kuò)展到多幀波束域聯(lián)合而成的高維空間以增加其空域稀疏性,并對(duì)散射場(chǎng)景的稀疏性進(jìn)行統(tǒng)計(jì)建模。最后基于貝葉斯理論,將前視條件下的雷達(dá)成像轉(zhuǎn)化為貝葉斯準(zhǔn)則下的優(yōu)化問(wèn)題,并通過(guò)共軛梯度算法進(jìn)行優(yōu)化求解。在優(yōu)化求解時(shí),稀疏統(tǒng)計(jì)參數(shù)從數(shù)據(jù)迭代過(guò)程中估計(jì)得到。仿真結(jié)果和實(shí)測(cè)數(shù)據(jù)表明該方法不僅可以對(duì)前視場(chǎng)景進(jìn)行高分辨成像,還可以抑制虛假散射點(diǎn)。
機(jī)載雷達(dá);實(shí)波束銳化;前視成像;貝葉斯準(zhǔn)則;超分辨
機(jī)載雷達(dá)通過(guò)發(fā)射大時(shí)寬帶寬積信號(hào)提高距離向分辨率,利用載機(jī)平臺(tái)與地面目標(biāo)的相對(duì)運(yùn)動(dòng)引起的多普勒頻移來(lái)提高方位向分辨率,如合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)和多普勒波束銳化(Doppler Beam Sharpening technique, DBS)等[1]。當(dāng)雷達(dá)工作在前視條件下,載機(jī)航跡方向與天線波束指向重合,回波信號(hào)的多普勒帶寬為零,方位分辨率會(huì)急劇下降,因此無(wú)法正確成像,形成前視盲區(qū)?,F(xiàn)有的SAR及DBS成像主要是在側(cè)視和斜視條件下,應(yīng)用具有一定的局限。
由于前視成像在軍用和民用領(lǐng)域有著非常大的應(yīng)用,例如對(duì)地偵查攻擊,自主導(dǎo)航,導(dǎo)彈末端匹配制導(dǎo),海洋搜索及環(huán)境勘測(cè)等,因此前視成像算法的研究具有重要意義。雙基SAR技術(shù)可用來(lái)提高方位分辨率,但空間幾何關(guān)系復(fù)雜。文獻(xiàn)[5]提出一種針對(duì)單通道前視成像雷達(dá)的的距離走動(dòng)校正方法。文獻(xiàn)[6]提出一種適用于彈載的雙天線前視SAR技術(shù)。文獻(xiàn)[7]為減少計(jì)算,通過(guò)單發(fā)多收的數(shù)字波束銳化技術(shù)進(jìn)行前視成像。文獻(xiàn)[8]將單脈沖測(cè)角技術(shù)應(yīng)用到雷達(dá)成像中,提出了單脈沖前視成像技術(shù),該方法需要采用和差兩個(gè)通道的信息,且需要對(duì)前視狀態(tài)下的每個(gè)點(diǎn)進(jìn)行測(cè)角,計(jì)算量很大。文獻(xiàn)[9]將波達(dá)角(Direction Of Arrival, DOA)估計(jì)中的空間譜估計(jì)應(yīng)用于前視雷達(dá),通過(guò)波束重疊掃描以實(shí)現(xiàn)前視成像。文獻(xiàn)[10,11]在DOA估計(jì)基礎(chǔ)上,對(duì)散射場(chǎng)景近似稀疏的情況,通過(guò)壓縮感知進(jìn)行前視成像。解卷積技術(shù)[12]可以用來(lái)提高方位分辨率,但直接的解卷積技術(shù)容易出現(xiàn)病態(tài)問(wèn)題,因此多通道解卷積技術(shù)[13]應(yīng)運(yùn)而生。多通道解卷積技術(shù)需要已知多個(gè)通道信息,一定程度上增加了系統(tǒng)復(fù)雜度,特別是對(duì)無(wú)人機(jī)載和彈載雷達(dá),這種復(fù)雜度往往是不能忽視的。為降低系統(tǒng)的復(fù)雜度,單通道解卷積技術(shù)越來(lái)越受到國(guó)內(nèi)外學(xué)者的關(guān)注[5,14]。文獻(xiàn)[14]對(duì)單通道解卷積技術(shù)進(jìn)行了改進(jìn),通過(guò)對(duì)噪聲做泊松分布的假設(shè),將L-R(Lucy-Richardson)應(yīng)用于單通道前視成像,雖與實(shí)際的信號(hào)噪聲模型有一定差異,但取得了一定的效果,為單通道解卷積技術(shù)的發(fā)展帶來(lái)了新的曙光。
針對(duì)機(jī)載單通道雷達(dá)前視分辨率不高的問(wèn)題,本文首先將單幀(單幀指單個(gè)相干處理間隔(Coherent Processing Interval, CPI))散射場(chǎng)景的稀疏性假設(shè)進(jìn)行擴(kuò)展,通過(guò)多幀數(shù)據(jù)聯(lián)合處理,將散射場(chǎng)景的處理空間由單幀波束域的低維空間擴(kuò)展到多幀波束域聯(lián)合而成的高維空間,對(duì)于有限個(gè)散射點(diǎn)情況,在這個(gè)高維空間中,散射場(chǎng)景是近似滿足空域稀疏性的。其次,本文將系統(tǒng)噪聲由泊松分布擴(kuò)展到高斯分布,對(duì)高斯白噪聲情況下前視成像模型進(jìn)行建模,并推導(dǎo)出一種貝葉斯框架下的單通道前視超分辨成像方法。為提高算法穩(wěn)健型,本文采用迭代優(yōu)化處理。仿真結(jié)果表明本文方法不僅可以對(duì)前視場(chǎng)景進(jìn)行高分辨成像,還可以抑制虛假散射點(diǎn),在10 dB情況下即可達(dá)到1/10的波束銳化寬度。實(shí)測(cè)數(shù)據(jù)結(jié)果驗(yàn)證了本文方法的有效性。
圖1 前視雷達(dá)工作示意圖
從式(3)可以看出,經(jīng)過(guò)距離走動(dòng)校正之后[5],回波信號(hào)在某一距離單元上的方位向可以看作是目標(biāo)散射率分布函數(shù)與天線方向圖函數(shù)的卷積,此時(shí)雷達(dá)回波模型可以進(jìn)行進(jìn)一步的簡(jiǎn)化為
為便于數(shù)學(xué)上的推導(dǎo)方便,將式(4)寫(xiě)為矩陣向量的形式:
在實(shí)際中,可采用解卷積技術(shù)對(duì)式(5)進(jìn)行求解,得到時(shí)域解卷積約束表達(dá)式
3.1 貝葉斯超分辨成像原理
當(dāng)天線掃描時(shí),同一散射場(chǎng)景只能被少數(shù)幾個(gè)波束照射,單幀波束的回波數(shù)據(jù)可以看作是天線方向圖對(duì)波束內(nèi)強(qiáng)散射場(chǎng)景的一個(gè)“觀測(cè)采樣”,當(dāng)多幀數(shù)據(jù)聯(lián)合處理時(shí),在整個(gè)觀測(cè)空域內(nèi),被“觀測(cè)采樣”的散射場(chǎng)景中的強(qiáng)散射點(diǎn)個(gè)數(shù)有限。由于前視成像的結(jié)果主要由這些散射場(chǎng)景中的強(qiáng)散射點(diǎn)決定,當(dāng)強(qiáng)散射點(diǎn)個(gè)數(shù)有限時(shí),即使強(qiáng)散射點(diǎn)在單個(gè)波束范圍內(nèi)呈現(xiàn)局部聚集特性(如圖2左側(cè)實(shí)線波束所示),在單幀數(shù)據(jù)內(nèi)不滿足稀疏性,但是在多幀數(shù)據(jù)組成的聯(lián)合空域內(nèi)可以看作是稀疏的(如圖2右側(cè)虛線框所示)。在多幀數(shù)據(jù)處理之前,首先需要將單幀數(shù)據(jù)擴(kuò)展為多幀數(shù)據(jù),得到形式為
針對(duì)在多幀數(shù)據(jù)聯(lián)合處理時(shí)強(qiáng)散射點(diǎn)個(gè)數(shù)有限的情況,我們采用Laplace概率分布函數(shù)建立散射場(chǎng)景的統(tǒng)計(jì)模型。假設(shè)中的任一元素獨(dú)立,且服從同一Laplace分布[15,16],其表達(dá)式可以寫(xiě)為
對(duì)式(16)進(jìn)行化簡(jiǎn)可得
圖2 雷達(dá)前視掃描示意圖
3.2貝葉斯成像求解
對(duì)式(19)求導(dǎo)
對(duì)式(22)進(jìn)行簡(jiǎn)單的變換即可得的迭代結(jié)果為
對(duì)式(23)可以采用共軛梯度(Conjugate Gradient, CG)算法實(shí)現(xiàn),式(21)的迭代條件為
4.1 雷達(dá)信號(hào)仿真
本節(jié)通過(guò)雷達(dá)回波來(lái)驗(yàn)證本文方法的有效性,假設(shè)雷達(dá)工作在Ku波段,雷達(dá)天線采用相掃模式,部分雷達(dá)系統(tǒng)參數(shù)如表1所示。本文方法實(shí)現(xiàn)時(shí),采用6幀掃描數(shù)據(jù)聯(lián)合處理,對(duì)應(yīng)的掃描范圍是(-10°, 10°)掃描區(qū)間。假設(shè)散射場(chǎng)景中存在12個(gè)點(diǎn)目標(biāo),形成一個(gè)三角形的輪廓,空間位置分別為(100, -1.00°), (100, -0.30°), (100, 0°), (100, 0.30°), (100, 1.00°), (400, -0.50°), (400, 0.50°), (600, -0.30°), (600, 0.30°), (700, -0.15°), (700, 0.15°), (800, 0°),信噪比15 dB (此處信噪比定義為:,其中為信號(hào)能量,為噪聲平均功率,為信號(hào)支撐空間的長(zhǎng)度)。圖3分別給出了L-R方法與本文方法的成像結(jié)果。
從圖3可以看出,L-R方法與本文方法都對(duì)前視場(chǎng)景進(jìn)行很好的成像,但當(dāng)同一距離單元的目標(biāo)較多時(shí),L-R方法會(huì)有一定程度的模糊,如圖中矩形框中所示。圖4給出了矩形框內(nèi)點(diǎn)目標(biāo)成像的局部放大圖。從圖4可以看出,L-R方法雖然對(duì)點(diǎn)目標(biāo)進(jìn)行了成像,周?chē)鷧^(qū)域還有許多幅值較暗的虛假的散射點(diǎn),這會(huì)對(duì)后期的目標(biāo)檢測(cè)與識(shí)別帶來(lái)很大影響。本文方法不僅對(duì)點(diǎn)目標(biāo)進(jìn)行了很好的成像,并且對(duì)周?chē)奶摷偕⑸潼c(diǎn)進(jìn)行了很好的抑制,這是由于本文在進(jìn)行散射點(diǎn)目標(biāo)的恢復(fù)時(shí),不僅考慮了方向圖與散射點(diǎn)之間的約束關(guān)系,還利用多幀數(shù)據(jù)的聯(lián)合稀疏先驗(yàn)信息以抑制虛假點(diǎn)目標(biāo),因此可以得到較為滿意的結(jié)果。
表1 系統(tǒng)仿真參數(shù)
圖5給出了不同信噪比情況下的同一距離單元的方位向剖面圖。從圖5可以看出,隨著低信噪比的降低,L-R方法恢復(fù)目標(biāo)的幅度越來(lái)越不準(zhǔn)確,并且虛假的旁瓣點(diǎn)也越來(lái)越多。本文方法在相同信噪比條件下,虛假的旁瓣點(diǎn)要少于L-R方法。
4.2 所提方法的性能分析
在這一節(jié)中,本文通過(guò)熵[19]和給定波束銳化能力下的正確恢復(fù)概率來(lái)驗(yàn)證本文方法的穩(wěn)健性。針對(duì)表1中的雷達(dá)參數(shù)和目標(biāo)場(chǎng)景,目標(biāo)(第700距離單元)的最小可分辨間隔為0.3°,相當(dāng)于1/10的波束寬度,對(duì)不同的SNR情況,分別做50次蒙特卡羅實(shí)驗(yàn),分別統(tǒng)計(jì)不同噪聲情況下不同方法的熵值及相鄰0.3°的兩個(gè)鄰近目標(biāo)被正確區(qū)分的概率,計(jì)算機(jī)仿真結(jié)果如圖6所示。
從圖6(a)可以看出,隨著信噪比的提升,L-R方法和本文方法成像結(jié)果的熵值都在降低,但本文方法的成像結(jié)果的熵值要低于L-R方法,說(shuō)明本文方法的虛警點(diǎn)更少。從圖6(b)可以看出,隨著信噪比的增加,相鄰0.3°的兩個(gè)鄰近目標(biāo)被正確區(qū)分的概率逐漸增加。當(dāng)信噪比高于15 dB時(shí),L-R方法和本文方法都可以達(dá)到1/10的波束銳化能力。本文方法在10 dB時(shí)即可將相鄰1/10波束寬度的兩個(gè)目標(biāo)完全區(qū)分,說(shuō)明本文方法可以提高波束的銳化能力,這是由于本文方法在對(duì)信號(hào)復(fù)原時(shí),不僅使用了方向圖對(duì)散射點(diǎn)調(diào)制的約束信息,還充分利用了多幀數(shù)據(jù)之間的聯(lián)合稀疏性約束。
????????????????????? 圖3 超分辨成像結(jié)果 ????? ??????????? 圖4 超分辨成像結(jié)果局部放大圖 ????????????????????????? 圖5 不同SNR條件下第100距離單元的方位向剖面圖對(duì)比
圖6 SNR對(duì)不同成像方法的影響
4.3實(shí)測(cè)數(shù)據(jù)處理
為驗(yàn)證本文方法的有效性,本文采用一組實(shí)測(cè)數(shù)據(jù)進(jìn)行分析,系統(tǒng)參數(shù)如表2所示。本文處理時(shí),采用3幀數(shù)據(jù)進(jìn)行擴(kuò)維處理,由于噪聲水平限制,L-R方法及本文方法均采用1/12的波束寬度進(jìn)行前視成像。
從圖7(a)可以看出,傳統(tǒng)成像結(jié)果在成像時(shí)會(huì)有黑白相間的區(qū)域,特別是在正負(fù)10°范圍內(nèi)(圖中矩形區(qū)域所示),這是由于前視狀態(tài)下多普勒帶寬非常窄引起的。從圖7(b)和圖7(c)可以看出,L-R方法超分辨成像和本文方法在正負(fù)10°內(nèi)不受多普勒變化緩慢的影響,仍能較好地成像,但L-R方法的成像結(jié)果有點(diǎn)模糊。從圖7(c)可以看出,由于在對(duì)信號(hào)進(jìn)行恢復(fù)時(shí),不僅考慮了天線的方向圖調(diào)制,還考慮了場(chǎng)景的稀疏先驗(yàn)信息,因此本文方法可以取得更好的視覺(jué)效果。
表2系統(tǒng)仿真參數(shù)
載機(jī)速度44 m/s 信號(hào)帶寬50 MHz 信號(hào)時(shí)寬62.5 3 dB波束寬度2.4° 掃描范圍-30°~30° 俯仰角6° 方位向采樣點(diǎn)數(shù)512 距離門(mén)個(gè)數(shù)8192
針對(duì)機(jī)載單通道前視雷達(dá),本文提出一種利用多幀數(shù)據(jù)聯(lián)合處理的超分辨成像方法。在不改變現(xiàn)有雷達(dá)硬件的基礎(chǔ)上,本文建立了前視條件下的雷達(dá)信號(hào)回波模型,通過(guò)多幀回波數(shù)據(jù)的聯(lián)合處理,將散射場(chǎng)景的處理空間由單幀數(shù)據(jù)的低維空間擴(kuò)展到多幀數(shù)據(jù)的高維空間,并對(duì)散射場(chǎng)景的空域稀疏性進(jìn)行了統(tǒng)計(jì)建模。通過(guò)已知的天線方向圖信息與散射場(chǎng)景的稀疏先驗(yàn)信息,建立了貝葉斯準(zhǔn)則下的前視成像模型,將前視成像問(wèn)題轉(zhuǎn)化為貝葉斯準(zhǔn)則下的優(yōu)化問(wèn)題,最后通過(guò)共軛梯度算法進(jìn)行求解。該方法不僅對(duì)場(chǎng)景進(jìn)行了很好的成像,還對(duì)虛假點(diǎn)目標(biāo)進(jìn)行了很好的抑制,在本文仿真參數(shù)條件下,仿真結(jié)果表明該方法在10 dB時(shí)即可達(dá)到1/10的波束銳化寬度,實(shí)測(cè)數(shù)據(jù)處理結(jié)果驗(yàn)證了本文方法的有效性。
圖7 不同方法的成像結(jié)果對(duì)比
[1] Richards M A. Fundamentals of Radar Signal Processing [M]. New York: McGraw-Hill, 2005: 390-401.
[2] Wang R, Deng Y K, Loffeld O,.. Processing the azimuth-variant bistatic SAR data by using monostatic imaging algorithms based on 2-D principle of stationary phase[J]., 2011, 49(10): 3504-3520.
[3] Wu J, Li Z, Huang Y,.. Bistatic forward-looking SAR with stationary transmitter based on keystone transform and nonlinear chirp scaling[J]., 2014, 11(1): 148-152.
[4] Wang R, Deng Y K, Zhang Z Z,.. Double-channel bistatic SAR system with spaceborne illuminator for 2-D and 3-D SAR remote sensing[J]., 2013, 51(8): 4496-4507.
[5] Li W, Yang J, and Huang Y. Keystone transform-based space-variant range migration correction for airborne forward-looking scanning radar[J].,2012, 48(2): 121-122.
[6] 包敏, 周鵬, 史林. 雙天線前視彈載SAR 解模糊算法研究[J]. 電子與信息學(xué)報(bào), 2013, 35(12): 2857-2862.
Bao Min, Zhou Peng, and Shi Lin.Study on deambiguity algorithm for double antenna forward looking missile borne
SAR[J].&, 2013, 35(12): 2857-2862.
[7] 龐礡, 王雪松, 代大海, 等. 基于數(shù)字波束銳化的高速前視合成孔徑雷達(dá)成像算法[J]. 電波科學(xué)學(xué)報(bào), 2014, 29(1): 92-98.
Pang Bo, Wang Xue-song, Dai Da-hai,. Imaging algorithm of high velocity forward-looking SAR based on digital beam sharpening[J]., 2014, 29(1): 92-98.
[8] 吳迪, 朱岱寅, 田斌, 等. 單脈沖成像算法性能分析[J]. 航空學(xué)報(bào), 2012, 33(10): 1905-1914.
Wu Di, Zhu Dai-yin, Tian Bin,.. Performance evaluation for monopulse imaging algorithm[J]., 2012, 33(10): 1905-1914.
[9] 楊志偉, 賀順, 廖桂生. 機(jī)載單通道雷達(dá)實(shí)波束掃描的前視探測(cè)[J]. 航空學(xué)報(bào), 2012, 33(12): 2240-2245.
Yang Zhi-wei, He Shun, and Liao Gui-sheng. Forward- looking detection for airborne single-channel radar with beam scanning[J]., 2012, 33(12): 2240-2245.
[10] 溫曉楊, 匡綱要, 胡杰民, 等. 基于實(shí)波束掃描的相控陣?yán)走_(dá)前視成像[J]. 航空學(xué)報(bào), 2014, 35(7): 1977-1991.
Wen Xiao-yang, Kuang Gang-yao, Hu Jie-min,.. Forward-looking imaging based on real beam scanning phased array radars[J]., 2014, 35(7): 1977-1991.
[11] 王軍, 趙宜楠, 喬曉林. 基于壓縮感知的雷達(dá)前視向稀疏目標(biāo)分解[J]. 電子與信息學(xué)報(bào), 2014, 36(8): 1978-1984.
Wang Jun, Zhao Yi-nan, and Qiao Xiao-lin. A sparse target-scenario determination strategy based on compressed sensing for active radar in the line of sight[J].&, 2014, 36(8): 1978-1984.
[12] Richards M A. Iterative noncoherent angular superresolution [C]. Proceedings of the IEEE National Radar Conference, Ann Arbor, USA, 1988: 100-105.
[13] 李?lèi)傷? 梁甸農(nóng), 黃曉濤. 一種單脈沖雷達(dá)多通道解卷積前視成像方法[J]. 信號(hào)處理, 2007, 23(5): 700-703.
Li Yue-li, Liang Dian-nong, and Huang Xiao-tao. A multi-channel deconvolution based on forward-looking imaging method in monopulse radar[J]., 2007, 23(5): 700-703.
[14] Li D Y, Huang Y L, and Yang J Y. Real beam radar imaging based on adaptive Lucy-Richardson algorithm[C]. Proceedings of the International Conference on Radar, Chengdu, China, 2011: 1437-1440.
[15] Babacan S D, Molina R, and Katsaggelos A K. Bayesian compressive sensing using Laplace priors[J]., 2010, 19(1): 53-63.
[16] 夏建明, 楊俊安, 陳功. 參數(shù)自適應(yīng)調(diào)整的稀疏貝葉斯重構(gòu)算法[J]. 電子與信息學(xué)報(bào), 2014, 36(6): 1355-1361.
Xia Jian-ming, Yang Jun-an, and Chen Gong. Bayesian sparse reconstruction with adaptive parameters adjustment [J].&, 2014, 36(6): 1355-1361.
[17] Xu Gang, Xing Meng-dao, Zhang Lei,.. Bayesian inverse synthetic aperture radar imaging[J]., 2011, 8(6): 1150-1154.
[18] 吳敏, 邢孟道, 張磊. 基于壓縮感知的二維聯(lián)合超分辨ISAR成像算法[J]. 電子與信息學(xué)報(bào), 2014, 36(1): 187-193.
Wu Min, Xing Meng-dao, and Zhang Lei.Two dimensional joint super-resolution ISAR imaging algorithm based on compressive sensing[J].&, 2014, 36(1): 187-193.
[19] Long Teng, Lu Zheng, Ding Ze-gang,.. A DBS Boppler centroid estimation algorithm based on entropy minimization[J]., 2011, 49(10): 3703-3712.
Bayesian Forward-looking Imaging for Airborne Single-channel Radar Based on Combined Multiple Frames Data
Chen Hong-meng Li Ming Wang Ze-Yu Lu Yun-long Zhang Peng Zuo Lei
(,,710071)
An adaptive Bayesian super-resolution imaging algorithm based on the combined multiple frames data is proposed to enhance the azimuth resolution of airborne single-channel forward-looking radar. The echo of the forward-looking radar in the Gaussian noise is modeled, and the processing space is expanded from the low dimension of single frame data to the high dimension of multiple frames data to enhance the sparsity of domain scatterers. During the framework, the sparsity of the scatterers is modeled in spatial domain, and the imaging is converted into a problem of signal optimization based on Bayesian formalism. The final optimal result can be solved by the conjugate gradient method. In this framework, the statistic parameter is estimated with data-driven. Simulation results demonstrate that the proposed algorithm both can increase the resolution of the forward-looking imaging results and suppress the artifacts.
Airborne radar; Real beam sharpening; Forward-looking imaging; Bayesian formalism; Super- resolution
TN959.73
A
1009-5896(2015)10-2328-07
10.11999/JEIT150153
2015-01-27;改回日期:2015-04-20;
2015-06-25
陳洪猛 chenhongmeng123@163.com
國(guó)家自然科學(xué)基金(61271297, 61272281, 61301284)和博士學(xué)科點(diǎn)科研專項(xiàng)基金(20110203110001)
The National Natural Science Foundation of China (61271297, 61272281, 61301284); The Specialized Research Fund for the Doctoral Program of Higher Education (2011020 3110001)
陳洪猛: 男,1986 年生,博士生,研究方向?yàn)榍耙暲走_(dá)信號(hào)處理、廣域雷達(dá)成像與目標(biāo)檢測(cè).
李 明: 男,1965 年生,博士,教授,博士生導(dǎo)師,研究方向?yàn)槔走_(dá)圖像處理與分析、寬帶信號(hào)處理與微弱目標(biāo)檢測(cè)、雷達(dá)抗干擾技術(shù)等.
王澤玉: 女,1990 年生,博士生,研究方向?yàn)閷拵Ю走_(dá)信號(hào)處理、雷達(dá)微弱目標(biāo)檢測(cè).
盧云龍: 男,1986 年生,博士生,研究方向?yàn)槔走_(dá)抗干擾及干擾識(shí)別.
張 鵬: 男,1984 年生,博士,講師,研究方向?yàn)镾AR圖像分割.
左 磊: 男,1984 年生,博士,研究方向?yàn)槔走_(dá)微弱目標(biāo)檢測(cè).