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。     

基于双重酉滤波的再入目标实时跟踪

适当的运动模型和估计方法是提高再入目标跟踪性能的关键.选择机动再入动力学模型,将再入目标跟踪问题转化为状态和参数的联合估计问题,并利用试验数据分析了再入模型状态和参数的相关性.针对原始双重酉滤波算法的确定性系统输入假设造成信息损失的局限性,提出了一种基于随机性系统输入假设的改进双重酉滤波算法,并从理论上分析了该算法的估...     

等距曲线的保凸插值

利用均匀三次Ｂ样条去逼近平面曲线的等距曲线,给出了一种保凸的逼近。     

弹道数据处理融合算法的并行计算

针对参考文献[1]中提出的融合多信源信息的融合算法,讨论了其中大计算量的测元遴选问题,并给出了它的并行算法。最后详细地分析了此并行算法的高效性和可扩展性,给出了加速比的仿真结果     

基于粗精度DEM的复杂地形InSAR基线估计方法

基线精度对合成孔径雷达干涉测量极其重要,在研究传统基线估计方法的基础上,提出了一种基于粗精度DEM的基线估计方法。利用SRTM数字高程及初始轨道数据去除干涉相位中的地形条纹,通过分析剩余条纹的空间频率估计精确基线,具有不依赖于精确轨道数据、不受地形限制的优点。利用西藏玛尼山区ERS1/2数据进行了实测数据验证,实验结果表明得到的基线精度优于传统方法。     

基于联合对角化的远场相干信号波达方向估计

提出一种基于联合对角化的远场相干信号波达方向估计算法.利用阵元接收数据构造高阶累积量矩阵,通过矩阵联合对角化得到阵列广义流形矩阵的估计.利用阵列流形矩阵的矩阵特性及最小多项式的性质,消除联合对角化带来的顺序不确定性,得到波达方向的估计.该方法无需进行角度搜索,且能处理不同相干群内部分波达方向相同的情形.计算机仿真实验验...     

基于测速定轨的一类自适应样条滤波方法

提出了一种测速定轨的实时算法。该方法基于样条表示飞行轨道速度参数 ,在只有多个测速元信息的情况下 ,建立了自适应Kalman滤波递推算法 ,实时给出了较高精度的飞行器轨道参数     

去偏转换坐标卡尔曼滤波器的雷达目标跟踪

在雷达目标跟踪中 ,扩展卡尔曼滤波 (EKF)和转换坐标卡尔曼滤波 (CMKF)得到了广泛的应用。但当目标方位角的测量误差与目标斜距的乘积较大时 ,传统的EKF和CMKF的滤波性能会大大降低。推导了有测速元时的去偏转换卡尔曼滤波 (DCMKF)算法 ,仿真结果表明DCMKF的精度比EKF与CMKF有了很大的提高     

Beltrami流及其在图像去噪中的应用

偏微分方程是图像处理主要的方法之一,一般通过其对应的变分模型给出方程的意义,并依此设计优化原偏微分方程以取得最佳的处理效果。针对图像去噪问题,基于经典的Beltrami几何流方法提出了图像流形上一种新的度量张量模型,具有该度量模型的Beltrami流具有清晰的几何意义,并依此提出了该度量模型中参数的优化选择方法。同时,该模型为经典的偏微分方程去噪方法提供了统一框架,且参数的优化选择使得Beltrami流在平滑噪声与边缘保持方面取得了良好的平衡。实验表明该方法提高了图像去噪效果,尤其是对于边缘丰富的图像效果更加明显。     

基于压缩感知的多频率信号融合

传统多频带雷达信号融合是利用多个连续采样的子带信号来重构全频带信号,从而提高距离向分辨力,改善一维距离像质量。但是由压缩感知原理可知,采样矩阵与测量矩阵不相关性越大,全频带信号就能重构得越好,因此理论上基于随机采样的信号融合的性能要优于基于多个连续采样的信号融合。基于压缩感知原理将传统的多频带融合问题推广为任意随机采样的信号重构问题,利用基追踪方法来重构全频率信号,并给出了能够高概率成功重构的充分条件。通过实验也证明了这种随机采样融合的优越性。