基于RWC的机载SAR斜视成像仿真

通过建立机载合成孔径雷达的工作模型,介绍了SAR的基本成像原理,并针对机载SAR在斜视条件下,因距离走动量较大,对地面目标的成像受到严重影响的情况,详细分析了距离走动产生的原因。在傅里叶变换之前使用对距离走动进行校正的CS算法对经典的CS算法作出了改进,重点推导了改进后算法的实现过程,并通过Matlab仿真模拟地面目标物实现了CS算法在不同条件下的成像结果,证明使用改进后的算法在斜视角情况下成像质量有较大的改善。     

规整化SAR图像特征提取

SAR成像算法通常都基于FFT运算,图像分辨率要受到瑞利限的制约。为了提高图像分辨率,目前常用的SAR/ISAR超分辨成像算法大多借助于现代谱估计技术。从解方程的角度考虑,认为有限长数据的高分辨率谱估计是一个欠定方程问题,估计的结果存在"病态"性。在Bayes估计准则下,把信号谱的先验概率密度作为规整项包含进信号频谱的最大后验概率估计中,提高谱估计的分辨率。将这种方法用于SAR图像峰值特征提取,提高了图像分辨率。     

针对解线调ISAR的图像欺骗干扰研究

通过详细分析解线调距离成像的原理和特点,提出一种针对解线调ISAR的图像欺骗干扰方法。该方法首先利用假目标模板计算得到幅度、相位和频率调制系数,然后对接收的ISAR信号进行幅度、相位和频率3方面综合调制,最后将生成的假目标干扰信号转发给ISAR。经理论分析和仿真实验表明,由于与原信号保持了良好的相干性,转发调制的假目标干扰信号经ISAR的解线调脉冲压缩和方位向压缩处理后,能够产生清晰的一维距离像和二维假目标图像。并且通过合理设置假目标模板,适时改变调制参数,能够实时逼真地产生ISAR假目标,可以进一步提高图像欺骗干扰效果。     

基于广义伽马分布的SAR图像相干斑抑制

引入广义伽马分布对SAR图像杂波的统计特性进行建模,在此基础上给出了一种自适应SAR图像相干斑抑制方法。该方法在贝叶斯理论框架下利用最大后验概率准则对地物的真实后向散射强度进行估计。分布模型的参数采用以梅林变换为基础的对数累积量方法进行估计。基于SAR实测数据的仿真实验结果表明,提出的方法能够有效地去除SAR图像中的相干斑噪声。     

一种SAR图像特征提取和目标分类的新方法

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法.该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类.采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率.     

控制分配在平流层飞艇姿态控制中的应用*(专题约稿)

针对平流层飞艇一般采用多控制机构的特点,提出了将广义逆控制分配方法应用到飞艇姿态控制系统中,并根据飞艇控制机构特性采用了加权伪逆控制分配算法。飞艇姿态控制仿真结果表明：设计的控制分配方法可以有效实现多控制机构的协调操纵,姿态角控制效果良好,避免了单一操纵舵面过早进入饱和状态的情况;合理调整控制分配权值可减少能量损耗,实时性较好,便于工程实现。     

压缩感知曲线SAR孔径优化和目标三维特征提取

在建立曲线合成孔径雷达回波信号稀疏表示模型的基础上,基于压缩感知采样矩阵设计的不相关原则,给出了曲线孔径优化设计的评价准则,并利用基于全局优化的基追踪方法实现了目标三维特征提取。仿真结果验证了孔径优化评价准则的正确性和基追踪方法在目标特征提取处理中的有效性。     

毫米波高分辨SAR成像算法性能分析

为了研究SAR成像算法在毫米波段的处理性能,以点目标回波信号模型为基础,对几种经典SAR成像算法进行了推导,分析了各算法近似处理引入的误差。仿真结果表明,在高分辨毫米波SAR成像中,RD算法和CS算法存在大于1/4波长的相位误差,NCS算法相位误差小于1/4波长。研究结果可为毫米波高分辨SAR成像系统中成像算法的选择提供参考。     

加油机器人操作臂设计及运动学研究

为减少污染和节省人力,使用加油机器人代替人力完成加油工作成为未来发展的必然趋势。为此,专门设计一种加油机器人操作臂的结构形式,在D-H坐标系中建立四自由度加油机器人操作臂的运动学模型,采用变换矩阵方法求解该操作臂正、逆运动学解析表达式,并运用Matlab软件的机器人工具箱对该操作臂正、逆运动学方程进行仿真验证。研究结果证明正、逆方程运动学方程解的正确性以及设计方法的可行性。     

逐步Ⅱ型截尾情形下逆-Weibull部件的Bayes估计

在逐步Ⅱ型截尾试验下,研究了逆-Weibull部件寿命参数的极大似然估计和Bayes估计。利用简单迭代方法,给出了寿命参数的极大似然估计的数值解。然后基于不同的先验分布,得到不同损失函数下寿命参数的Bayes估计。最后,运用Monte-Carlo方法对各估计结果作了模拟比较,结果表明Bayes估计优于极大似然估计,且LINEX损失下的Bayes估计误差最小。