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。     

机载叶簇穿透超宽带成像雷达的关键技术

本文从系统设备、系统试验和信息处理三个方面讨论了机载叶簇穿透超宽带成像雷达的关键技术。     

超宽带合成孔径雷达实时成像处理

工作在VHF/UHF波段的超宽带合成孔径雷达具有穿透叶簇和地表探测隐蔽目标的功能,为提高战时快速打击能力,必须研究实时成像技术。本文分析了超宽带合成孔径雷达成像的特点,针对两种主要的超宽带成像算法:波束域算法和交叠子孔径算法,研究了实时处理的流程及处理结构。     

UWB-SAR抑制RFI技术的参数化方法

抑制射频干扰(RFI)技术是超宽带合成孔径雷达(UWB—SAR)的关键技术之一。本文首先分析了RFI信号的来源和特性。基于RFI信号的窄带性质,简要综述了抑制RFI技术的参数化方法。然后,针对RFI信号的调制特性和非平稳性,采用基函数展开形式,分别提出了其调制模型和时变AR模型。此外,还探讨了RFI抑制的自适应滤波算法。     

叶簇穿透超宽带成像雷达技术

叶簇穿透超宽带成像雷达是九十年代雷达探测技术的新发展,其主要功能为穿透叶簇和地表,实现对隐蔽目标的高分辨探测成像,是高技术战争中不可或缺的侦察手段。本文论述了这种雷达技术的军事应用价值和地位,介绍了国外发展简况和我国研究的现状,鉴于这种雷达技术的重要价值,提出了我国持续发展这种雷达技术研究并最终开发出我国新型成像雷达侦察系统的构想。     

基于星载照射源的被动SAR系统时频同步误差影响分析

时间和频率同步问题是基于星载照射源的被动SAR系统的关键技术之一。为了研究时、频同步误差对其成像的影响,针对系统工作特性,分析了时、频同步误差的产生机理,建立了时、频同步误差模型,并利用二阶距离模型和RD成像算法,建立了完整的时、频同步误差到成像结果的传递模型,仿真验证了理论分析的准确性。理论推导和仿真计算结果指出了基于星载照射源的被动SAR系统对时间同步和频率同步的精度要求。分析结论对于指导基于星载照射源的被动SAR系统设计及同步方法研究具有重要意义。     

苏俄国内战争期间日本干涉西伯利亚问题初探

俄国十月革命后国内战争期间,协约国利用各种手段对苏俄实行经济封锁和武装干涉。在远东,日本对西伯利亚的觊觎和军事行动成为当时远东地区国际关系的焦点之一。在西伯利亚军事干涉问题上,日本国内外各政治力量对此态度不一,矛盾重重。最终,在国内外多种力量的作用下,日本的干涉以流产而告结束。     

20世纪90年代印度军事变革综述

高新技术在军事上的广泛应用,特别是西方军事强国大力推进新军事变革,对印度的军事发展产生了重要影响.印度一直认为军队是实现国家战略目标的主要手段之一,军队建设的指导方针必须为其国家战略、军事战略服务.印度的军事战略目标是:以实力为后盾,控制弱小邻国,遏制东北部邻国,排挤大国对南亚和印度洋事务的干涉,巩固其在西亚的既得利益,积极争当世界军事强国.为实现这一战略目标,印度在20世纪90年代制定了"适当控制数量,重点加强质量,进一步提高战斗力"(转引自尹承魁、刘映国:<新军事革命对印度军事发展的影响>,载<教学研究资料>1999年第12期)这一未来军队建设的指导方针,积极迎接新军事变革的挑战,大力加强军队现代化建设,全面提高打赢未来战争的能力.20世纪90年代印度军事变革的经验,值得汲取和借鉴.     

合成孔径雷达的主要发展方向

首先简要介绍了合成孔径雷达(SAR)产生和发展的历程,其次对当前合成孔径雷达研究的一些主要的热点和发展方向:多参数SAR、干涉SAR、超宽带SAR、激光SAR,尤其是小型化SAR进行了适当的归纳和分析,并且相应地给出了部分具有代表性的SAR系统主要的参数,对合成孔径雷达的研究工作具有一定的理论参考价值。     

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。