一种基于BP神经网络的极化干涉SAR植被高度反演方法

地面干涉相位估计偏差和植被散射模型偏差都将引起三阶段植被高度反演偏差,针对该问题,提出了基于BP神经网络的植被高度反演方法,该方法直接利用BP神经网络模拟极化复相关系数与植被高度之间的非线性映射关系,不仅可以避免地面干涉相位估计偏差导致的植被高度反演偏差,还能降低三阶段植被高度反演方法面临的散射模型偏差导致的植被高度反演偏差,具有比三阶段植被高度反演方法更高的反演精度。实验结果验证了新方法的优越性。     

基于测高精度最优值的星载分布式InSAR编队构形设计方法

编队构形设计是分布式干涉SAR系统总体设计的关键问题,它必须紧密结合系统性能评价和编队运动规律进行。针对星载分布式干涉SAR的双站、斜视、空间基线等特点,以主星带辅星群分布式InSAR为例,建立干涉测高精度与基线矢量的关系;以直角坐标过渡,建立基线矢量与卫星间轨道根数差的关系,从而建立了测高精度与卫星轨道根数差的关系;以雷达工作的中间时刻达到测高精度最优值为设计准则,得到双星和多星编队设计方法;仿真分析表明根据上述设计方法得到的优化编队构形,其测高性能要优于干涉车轮和干涉钟摆编队。     

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。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

干涉SAR目标回波信号模拟器的设计与实现

完成了星载干涉SAR目标回波信号模拟器的设计与实现,该模拟器能够与一发双收干涉SAR构成雷达半实物仿真回路,实时记录主星雷达发射信号,离线调制场景信息后,依据雷达工作时序实时播放主辅星场景回波.采用高数字中频收发技术获得优良的谐杂波和载波抑制性能,利用在线闭环校正技术对模拟器通道间幅相一致性误差进行实时校准.测试结果表...     

基于先验信息的分布式星载单基线SAR/ATI方法

在综述了分布式星载SAP/ATI技术的基础上,阐述了单基线SAP/ATI技术的原理和杂波、噪声对检测、测速性能的影响,给出了一种基于先验信息的单基线SAR/ATI检测和测速方法,最后基于多功能的天基雷达仿真系统进行了仿真实验和性能分析.     

方位向电扫描SAR系统参数设计与仿真验证

方位向电扫描SAR(Terrain Observation by Progressive Scans,TOPSAR)是星载SAR的一种全新工作模式,这种工作模式通过天线波束在方位向扫描,在保持ScanSAR宽测绘带优点的同时,解决了扇贝效应(scalloping)问题。针对这种工作模式要求天线在方位向和距离向都进行扫描的特点,推导了方位分辨率与扫描周期的具体关系,进而分析了系统参数的约束关系,提出了适于工程设计的系统参数设计方法。最后,用TerraSAR-X的参数进行了一组设计,以该设计结果为输入参数,运用SBRAS(SpaceBorne Radar Advance Simulator)进行了信号仿真,仿真结果验证了方法的有效性。