布拉格衍射型冷原子干涉重力仪关键实验条件分析

介绍了一种基于n阶布拉格衍射的新型冷原子干涉重力仪,可以进一步提高现有拉曼跃迁型原子干涉重力仪的测量灵敏度和稳定度。在介绍布拉格衍射型原子干涉重力仪基本原理的基础上,建立了原子平行驻波入射的时间型布拉格衍射冷原子干涉重力仪理论模型,分析了实验所需的关键条件,包括原子团纵向温度、布拉格激光直径、曲率半径、频率、强度以及时序等。与已有实验数据的对比结果表明:所建模型合理,所得结论能够为实际构造一台布拉格衍射型冷原子干涉重力仪提供有意义的指导。     

基于理想干涉的InSAR处理性能评估新方法

为克服常规的InSAR处理性能评估方法只能分析整体性能的缺点,提出一种适用于分布式星载InSAR的理想干涉相位图仿真算法,此算法不仅能得到理想干涉相位,而且能得到理想情况下的配准偏移量。在此基础之上,提出一种基于理想干涉相位及理想配准偏移量(统称为理想干涉量)的InSAR处理性能评估新方法。此方法可以有效隔离InSAR处理流程各个环节的误差,对InSAR处理流程的各个环节的算法优化具有重要的实用价值。     

主星带伴随微小卫星编队SAR系统的空间分辨率分析

根据主星带伴随微小卫星编队SAR系统的结构特点,建立了双站SAR系统的几何模型,然后推导分析了距离分辨率和方位向分辨率的解析表达式,最后仿真分析了以ENVISAT作为主星、"干涉车轮"的距离分辨率和方位向分辨率随主星到编队小卫星的距离、相对轨道高度的变化情况,并且与主星SAR的分辨率进行了比较。结果表明:(1)空间分辨率大小随波束入射角的变化基本上与主星一致;(2)空间分辨率随主星与伴随小卫星的距离增大而增大;(3)空间分辨率之差随微小卫星相对椭圆轨道短轴的增加而增加。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

二次相位误差对FMCW SAR成像质量的影响

调频连续波合成孔径雷达(FMCW SAR)是一种新近提出来的成像雷达体制,在FMCW SAR成像中,相位误差是成像质量下降的主要原因,必须对相位误差进行消除.首先建立了存在二次相位误差的FMCW SAR的信号模型,然后分析了二次相位误差对成像质量的影响,提出了一种补偿二次相位误差的方法.此方法与存在二次相位误差时的成像结果相比较,有效地消除了二次相位误差的影响,成像质量大为提高.     

基于CNN的SAR图像舰船目标检测算法

为了提升合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测的精度和速度,对卷积神经网络(Convolutional Neural Network,CNN)在SAR图像舰船目标检测上进行了研究。通过改进OTSU方法对SAR图像进行分割,并且用最小外接矩形将疑似目标标记出来;依据矩形中心在原始图像上提取出固定大小区域作为候选区域;将提取的目标通过训练好的卷积神经网络进行判定,去除虚警目标并将检测结果在原图中标记出来。实测数据的实验结果表明,该算法在降低虚警的同时提升了检测速度。     

对调频斜率极性捷变SAR欠采样转发干扰

针对传统欺骗干扰难以对调频斜率极性捷变SAR（chirp rate polarity jittered SAR, CRPJ-SAR）形成有效干扰，研究了对CRPJ-SAR欠采样转发干扰。通过建立CRPJ-SAR有限时长欠采样转发干扰信号模型，分析了欠采样转发干扰对CRPJ-SAR的干扰效果。给出假目标数目、位置以及幅度的理论计算公式。在此基础上讨论了欠采样周期对干扰效果的影响。利用数字仿真验证了理论分析的正确性。     

基于CNN-PCA-DT算法的合成孔径雷达目标识别

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是SAR图像解译的重要环节,已广泛应用于国防和国民经济领域。在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上,提出了将CNN,主成分分析(Principle Component Analysis,PCA)和决策树(Decision Tree,DT)相结合的算法,记为CNN-PCA-DT:利用CNN提取出SAR图像的特征向量,再用PCA降维,最后用DT分类器取代CNN中的Softmax分类器实现SAR目标识别。实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性。     

基于高精度景象匹配的SAR平台定位方法研究

为了提高SAR平台定位精度，本文提出了一种基于景象匹配的SAR平台定位的方法。该方法利用成像中间时刻SAR平台与SAR图像中心线上物点共线的特性，先在图像中心线上均匀选取若干点作为匹配点，并与光学基准图进行高精度景象匹配获取它们的物点坐标；然后根据这些物点坐标估计出图像中心线在当地水平面投影的直线方程；最后利用直线信息和斜距高度信息计算SAR平台在水平面上的投影点位置，进而计算得到成像中间时刻SAR平台的空间位置。为了进一步提高匹配精度，分别提出了对正侧视和斜视SAR图像匹配区域进行几何粗校正的方法。本文还分析了不同误差因素对平台定位精度的影响，并给出了精度估计公式。仿真和实际图像实验结果表明，本文方法正确可行，具有较高的定位精度，具备工程实用价值。