红外成像系统对目标的探测能力分析

通过对红外热成像系统实验室综合性能参数MRTD(最小可分辨温差 )在实用条件下的修正 ,提出了实际计算目标探测概率的具体方法和步骤 ,此方法可用来定量评价目标的可探测性和目标隐身技术措施及设计方案的效能。     

基于结构自整定前馈网络的雷达目标识别研究

概述了基于雷达成像的目标类型识别技术。阐述了多层前向网络的分类特性,提出一种网络结构自整定算法来训练网络,并构造分类器,对基于转台成像实验的雷达目标类型识别问题进行了仿真研究。研究结果表明,经结构自整定算法训练后的前馈网络对成像雷达目标具有较好的推广识别能力,识别率达到９０％。     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

船海复合场景面元化快速电磁建模方法及SAR成像仿真

在微波高频段,海面背景或海上船类目标往往具有电大尺寸和复杂精细的结构,这给船海复合场景的电磁建模带来巨大的计算负担。为简化计算,基于海面电磁散射模型面元化思想和图形电磁学,结合计算耦合场的四路径模型,提出一种电大尺寸船海复合场景电磁散射的快速计算方法。在保证海面与目标复合散射场的计算准确性前提下,提高计算效率。仿真并分析不同雷达参数下动态海面与目标的雷达散射截面,计算结果与实测数据以及精确数值方法结果的良好一致性验证了方法的准确性。将复合散射快速计算方法应用于合成孔径雷达成像仿真,仿真结果验证了方法的有效性。     

协方差压缩感知逆合成孔径雷达成像技术

为解决低信噪比条件下短观测时间雷达成像问题,提出一种基于回波协方差矩阵处理的压缩感知逆合成孔径雷达成像技术。该方法构建了回波协方差矩阵层面下的压缩感知问题模型,并通过特定的线性变换降低环境噪声对成像结果的影响。在仿真实验中,通过处理短观测时间和低信噪比条件下的模拟回波数据,该方法获得比传统压缩感知方法像质更好、对比度更强的目标成像结果。同时,其成像结果的目标背景比和背景噪声能量两个雷达图像评价指标都优于传统方法,进一步验证了该方法的有效性。     

带数据传输的光学卫星成像调度系统关键技术研究

针对光学小卫星成像调度系统设计需求,考虑侧视、存储容量、能量和数据传输等复杂约束,面向小规模问题应用,设计了问题求解流程.建立了顶点和边都带权的成像约束图模型,并提出了基于标记更新最短路算法的复杂约束成像卫星调度算法解决成像方案生成过程;对数传方案生成过程,给出背包模型并采用带回看策略的贪婪启发式方法进行问题求解.实验结果表明,该方法是可行和适用的.     

宽带单脉冲雷达实测数据三维成像的平面视觉形态表示

针对宽带单脉冲雷达实测数据三维成像结果难以直观表示的问题,研究了平面视觉形态表示方法。所谓平面视觉形态,是指用设想的人眼沿着雷达波束方向观测得到的目标结构向适当平面的投影。为获得波束依赖平面视觉形态表示,给出了从实测数据中计算雷达波束方向的方法并从目标尺寸准确估计的角度分析了获取雷达波束方向的必要性,在确定波束方向的基础上,根据投影平面确定新的坐标系,并给出了从雷达观测坐标系到新坐标系的坐标旋转方法。给出了某民航飞机实测数据三维成像处理结果在雷达观测坐标系中的投影表示和新坐标系中的平面视觉形态表示,通过两种表示的对比分析,显示了平面视觉形态表示对特征提取的价值。     

激光辐射方位的确定技术

介绍了确定来袭激光束方位的成像技术、时间延迟技术和屏蔽技术的基本原理和发展现状;分析了3种技术的优缺点;探讨了来袭激光方位确定技术的发展方向.     

航天侦察任务的关联度分析与去冗余方法

针对航天侦察需求响应中可能存在的任务重复产生问题,综合考虑任务的需求来源、质量要求、时间偏好及空间范围,提出一种基于任务关联度的任务冗余分析方法。对航天侦察的相关要素进行分析度量,给出了基于4类要素的任务关联度计算方法,提出了通过任务之间的关联度来降低可替代任务产生概率的具体算法,考虑了准确优先、公平优先以及混合等不同情况下的冗余度计算方法,给出一个应用示例,说明所述分析方法的有效性。研究结果表明,该方法具有良好的通用性,可为航天侦察任务的预处理提供有效支持。     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。