墙体参数模糊下穿墙雷达运动目标成像

针对墙参数模糊条件下运动目标成像速度慢、墙参数重建精度差等问题,提出了一种改进拟牛顿-粒子群优化(Limited Broyden Fletcher Goldfarb Shanno-Particle Swarm Optimization,LBFGS-PSO)算法,建立了LBFGS-PSO算法模型,解决了传统拟牛顿算法和粒子群算法计算速度慢、误差较大等问题。该算法与块正交匹配追踪（Block Orthogonal Matching Pursuit,BOMP）算法相结合不仅可以精确重建边墙位置,还能够准确地重建多径效应环境中的运动目标和静止目标,算法的计算速度和精度得到了一定程度的提高。仿真结果和数据分析验证了所提方法的性能。     

基于同步压缩短时傅里叶变换的微型无人机识别

针对利用雷达微多普勒效应的微型无人机识别问题,提出了一种基于同步压缩短时傅里叶变换（Synchrosqueezing Short-Time Fourier Transform,SSTFT）的分类识别方法。首先对无人机的微多普勒回波信号进行SSTFT从而获得信号时频谱,然后对时频谱进行多维度特征提取获得回波信号的时频特征及频率变化特征,最后将所获得联合特征输入到支持向量机（Support Vector Machine,SVM）中进而实现无人机的分类识别。基于实际雷达数据的实验结果表明,所提无人机分类方法准确率可达到97.03%。     

基于低秩稀疏约束的穿墙雷达成像算法

针对穿墙雷达(TWR)成像过程中墙杂波与成像空间分别具有低秩性和稀疏性的特点，提出了一种基于低秩稀疏约束的穿墙雷达成像算法。所提成像算法通过奇异值软阈值法和l1范数最小化技术进行迭代求解低秩稀疏约束优化问题，实现在墙体强反射波存在的探测环境中基于压缩感知框架对墙后隐蔽目标的准确成像重建。仿真和实验数据的处理结果验证了所提成像算法的有效性和准确性。     

基于多测量向量模型的极化探地雷达成像算法

针对极化探地雷达(GPR)工作过程中目标成像空间的联合稀疏性，提出了一种基于多测量向量模型的极化探地雷达成像算法。在建立极化探地雷达回波信号模型的基础上，利用各极化通道测量数据的联合稀疏性将各个极化通道的测量数据等效成多测量向量（MMV），通过多任务贝叶斯压缩感知（MT-BCS）算法对各个极化通道的测量数据进行联合处理从而实现各个极化通道对应的探测场景反射率的重建。基于时域有限差分（FDTD）法的仿真数据处理结果表明所提成像算法在目标位置重建的准确性和背景杂波抑制能力上均优于单测量向量（SMV）模型的极化探地雷达成像算法。