低频UWBSAR辐射校准模型

低频超宽带合成孔径雷达(Ultra Wide Band Synthetic Aperture Radar,UWBSAR)的辐射校准是系统研制和应用过程中必须面对的课题。低频UWBSAR的特点使得常规SAR辐射校准技术不再适用。充分考虑校准参数随频率和方位角的变化,给出适合该系统的辐射校准方法,得到低频UWBSAR图像辐射校准模型。利用该模型,对系统辐射校准误差进行了分析。     

几种UWB-SAR窄带干扰抑制方法的分析和比较

SAR(Synthetic Aperture Radar)信号处理窄带干扰抑制技术是SAR抗干扰技术的重要内容。对3种UWB-SAR(Ultra-W ideBand Synthetic Aperture Radar)窄带干扰抑制方法———陷波滤波法、AR模型参数化干扰抑制法以及小波包分析自适应干扰抑制法进行了分析,利用自行开发的成像软件,对SAR理想点目标和实录数据进行干扰抑制仿真实验,从定性和定量的角度对3种方法的干扰抑制效果作了比较。     

分布式间歇干扰下基于SMI的GNSS空时自适应处理器性能分析

针对全球导航卫星系统接收机面临的分布式间歇干扰威胁,全面准确地分析了基于采样矩阵直接求逆方法的空时自适应处理(space-time adaptive processing, STAP)的抗干扰性能。在建立性能分析模型的基础上,根据间歇干扰造成的采样协方差矩阵不匹配情况,通过分类评估、梳理归纳、理论推导全面分析了不同情况下STAP的性能。分析结果表明在采样长度小于闪烁周期且使用预采用处理方法时,空时自适应处理器会出现漏采样,干扰抑制性能会急剧下降,漏采样出现的频率为各干扰闪烁频率之和。数值和仿真分析验证了理论分析的结果,在此基础上讨论了考虑分布式间歇干扰时STAP的优化设计。     

基于AM-LFM和IRT的旋转微动目标成像算法

在雷达成像中,基于CS的方法因其压缩采样的特性而在高分辨雷达成像中得到广泛应用。然而由于其是一种基于参数化的成像方法,对观测位置误差特别敏感。在实际中,一般无法知道精确的观测位置。观测位置的误差会造成成像结果位置的偏离、散焦以及无法聚焦。针对基于压缩感知的成像算法存在的观测位置依赖性问题,提出了一种基于调幅-线性调频(AM-LFM)分解和逆Radon变换(IRT)的微动目标成像算法。该方法根据分解后信号调频率分离目标微动信号与主体信号,再进行IRT成像。仿真及实验结果验证了算法的可行性和有效性。     

一种高分辨SAR层析成像方法

在城区建筑三维重建中,如何利用非均匀的少量观测数据,在保持方位向-距离向分辨率的同时实现高度向的高分辨成像是SAR层析面临的一个主要难题.在确定性点目标模型下,基于RELAX算法,提出了一种适用于城区建筑三维重建的SAR层析高分辨成像方法.与统计模型下的空间谱估计方法相比,该方法无需多视处理,能够保持方位向-距离向分辨率.与奇异值分解方法相比,该方法具有更优的高度向分辨能力.在仿真数据和Envisat-ASAR实测数据处理实验中,该方法的有效性得到了验证.     

星载多发多收SAR成像和抗欺骗干扰研究

星载多发多收合成孔径雷达(MIMO-SAR)可以解决方位向高分辨率和大测绘带的矛盾;同时,混沌二相编码(CBPC)信号具有类似随机信号的特点以及良好的自相关和互相关特性;两者都具有良好的应用前景。将CBPC波形应用到MIMO-SAR系统中,在实现高分辨大测绘带成像的基础上可进一步降低雷达信号被敌方分析截获的概率,提高雷达系统的抗干扰性能。仿真实验验证了此方法在抗数字储频式欺骗干扰中的有效性。     

并轨双基合成孔径雷达ECS成像算法

为解决大斜视角情况下并轨模式的CS成像误差较大的问题,基于单基地非线性CS算法采用扩展CS算法对斜视目标成像实现了改进,克服了双基地回波数据二维频域变换的困难,对高阶的耦合性进行了补偿.通过仿真验证了在斜视条件下,ECS(extend CS)算法对双基地合成孔径雷达(BiSAR)数据成像的有效性.     

装备零讯

俄研制20吨重型无人机 俄罗斯联合飞机制造公司总裁米哈伊尔波戈相11月13日表示,开发无人机将是该公司的一项长期战略,近期内苏霍伊公司将致力于研制一种可执行侦察和攻击任务的重型无人机。目前苏霍伊公司已经在其公司网站上公布了一系列无人机设计方案。其中一种被命名为“Zond”的无人机主要用于执行空中监视任务,可携带合成孔径雷达和光电传感器等任务设备。     

基于目标先验知识的二次CFAR检测算法

舰船检测与监视有着广泛的军事和民用意义,而SAR图像是舰船检测的有效手段。针对双参数CFAR算法存在的问题,本文提出了一种基于目标先验知识的二次恒虚警检测(CFAR)算法,能自适应的调整检测窗口的大小,有效提高算法的效率。实验证明,该算法在效率和精度方面都有较大提高。     

基于属性散射中心的SAR图像重构及在目标识别中的应用

提出基于属性散射中心重构的合成孔径雷达(SAR)图像目标识别方法.该方法采用邻域匹配算法构建测试图像散射中心集与对应模板散射中心集的对应关系.并分别利用所有的测试散射中心以及匹配的模板散射中心基于属性散射中心模型重构测试图像和模板图像.在此基础上,设计重构图像之间的相似度度量并根据最大相似度的准则判定目标类别.利用MSTAR数据集在多种条件下进行了目标识别实验,验证了所研究方法的有效性.