基于子孔径图像的低频SAR多通道均衡方法

利用多通道SAR系统进行运动目标指示时,通道间的幅相失配严重影响了运动目标检测以及参数估计的性能。针对多通道低频SAR/GMTI系统,提出了一种基于子孔径SAR图像的多通道均衡方法。该方法利用相同视角的多通道子孔径图像,估计该角度对应的幅相误差,在达到较高幅相误差估计精度的同时,也能适应误差随视角的变化。基于车载低频多通道SAR/GMTI实测数据的实验结果表明:该方法能有效地补偿不同通道之间的幅相误差,提高运动目标的检测和参数估计性能。     

一种逆合成孔径雷达成象运动补偿方法

本文证明了逆合成孔径雷达成象与大阵列微波成象在信号处理方面的等效性,提出利用自适应波束形成技术来实现逆合成孔径雷达成象的运动补偿,给出了计算机模拟一维成象图,并对结果进行了分析。     

ISAR成像包络对齐性能评估

运动补偿是ISAR成像中的关键技术,通常包括包络对齐和相位补偿,而包络对齐是相位补偿的基础。现有包络对齐方法较多,在无法直观判断包络对齐效果的情况下,需要进行定量评估,以选择最优的对齐方法用于ISAR成像。提出基于距离单元方差的包络对齐评估方法:以对齐后各距离单元方差的加权和作为评估指标,对包络对齐结果直接进行评估。进行了相应的仿真实验,结果证明了该评估方法的有效性。     

SAR：飞行中的军事信息“捕食者”

本文首先介绍了合成孔径雷达(SAR)及其应用现状,重点说明了SAR的工作原理及其特点,并归纳了SAR在军事中的应用,最后对SAR的未来发展作了展望.     

星机双基地合成孔径雷达方位向成像性能分析

星机双基地合成孔径雷达系统中,由于收发平台运动速度差异较大,因此需要对收发波足(波足是指波束在地面的投影)的运动速度进行合理的设置,减小收发波足速度差,尽可能地提高收发波足覆盖范围和时间,进而实现高分辨率、大方位场景成像。根据收发波足覆盖时间的相互关系,分析收发波足共同覆盖范围内的方位向成像性能。分析收发波足方位向位置偏移对方位向成像性能的影响,从而对星机双基地合成孔径雷达系统的波束同步精度提出要求。仿真结果表明,所提出的方法能够很好地分析收发波足同步误差对成像性能的影响,能够为星机双基地合成孔径雷达系统设计提供重要参考。     

双天线干涉SAR系统无控制点场景的高精度参考相位快速估计算法

为解决无控制点场景参考相位的快速估计问题,对影响参考相位的因素进行理论分析,给出参考相位与影响因素的解析关系式。结合系统参数进行仿真分析,分析参考相位对高程误差的影响。根据分析结果,结合外部粗精度高程数据、滤波后的干涉相位及相干系数,提出高精度参考相位快速估计算法,并给出算法详细实现流程。对实际机载双天线干涉合成孔径雷达系统获取的数据进行处理,结果表明:算法在文中的系统参数下可以达到优于2 m的相对高程精度,处理4096×6560像素的数据块时,参考相位估计速度至少增大20倍。     

一种新的星载高分辨宽测绘带SAR运动目标检测与参数估计方法

针对星载多通道高分辨宽测绘带合成孔径雷达系统,提出了一种地面运动目标检测和参数估计方法,该方法利用空时自适应处理进行杂波抑制,采用传统SAR成像处理得到模糊的运动目标图像,接着利用恒虚警检测技术检测出所有运动目标,包括真实目标和由于多普勒模糊引起的虚假目标,再根据模糊图像的空间位置关系,从所有成像目标中检测出运动目标的真实成像位置,根据运动目标的斜距历程得到因运动目标速度引起的图像位置偏移,由此估计得到运动目标速度。该方法具有运算量小、检测精度高等优点,星载仿真数据验证了本文方法有效性。     

车载InSAR前视三维成像技术

野外和非结构化环境下的障碍探测是无人驾驶车(UGV)环境感知的难题之一。基于高度识别障碍是一种有效的解决途径,提出了干涉合成孔径雷达(In SAR)的三维障碍物成像策略,研究了In SAR信息处理流程,分析了干涉基线和运动误差对车载In SAR高程测量精度的影响,仿真了无人车前场景存在遮挡时的In SAR高程测量,证明了In SAR用于UGV前方环境感知的可行性。     

卷积调制的SAR雷达二维间歇采样转发干扰技术

SAR雷达二维间歇采样转发干扰可以在距离向和方位向同时形成假目标串,对SAR雷达具有良好的欺骗干扰效果,但该方法存在间歇采样转发干扰共同缺陷。针对SAR雷达二维间歇采样转发干扰的缺陷,提出了基于卷积调制的SAR雷达二维间歇采样转发干扰方法,即对二维间歇转发干扰信号进行距离向和方位向的二维卷积调制,通过选择参与卷积调制信号的形式,可以产生灵活可控的干扰效果,能够有效克服间歇采样转发干扰的缺陷,理论分析和仿真实验证明了该方法的可行性、有效性。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。