面向飞行器电磁散射特征诊断的近场频域成像算法

无人机在结构样式和材料构成方面具有的灵活性使得其相比有人机具有更大的隐身性能优化空间,在室内或者室外开展近场成像变得迫切。结合飞行器转台成像几何模型建立了近场转台成像通用信号模型,提出了一种面向飞行器电磁散射特征诊断的近场频域成像算法,在子孔径成像设置约束下,近似将斜距平面频谱按照水平面频谱处理;分析了该算法适用的条件,并围绕典型近场成像几何和飞行器尺寸生成仿真数据,在0.6～35 GHz范围内选择典型波段完成近场成像,良好的成像结果证实了理论分析与所提算法的正确性。     

振动对遥感载荷频率基准的影响及数字补偿技术研究

振动会导致雷达上晶体振荡器的工作频率发生变化,严重影响了雷达的工作性能。分析了振动对遥感卫星频率基准的影响机理,提出了针对加速度g的数字补偿技术。实验证明该方法可有效降低频率基准的加速度敏感性,在减小振动对频率基准影响方面具有广泛的应用前景。     

冲激回波信号的双二重相关匹配滤波技术研究

超宽带冲激脉冲回波检测是超宽带雷达探测目标的关键,检测效能的高低将决定超宽带雷达的应用.在传统二重相关匹配滤波技术的基础上,提出了双二重相关匹配滤波技术.分析了双二重相关匹配滤波技术的检测原理,建立了超宽带冲激脉冲串回波信号模型,对比了不同信噪比下2种接收技术的仿真结果,仿真结果表明接收技术改进后能进一步抑制噪声,提高信噪比.研究对超宽带雷达接收机的设计有一定的借鉴和参考价值.     

改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状,以及动目标检测算法中存在较多的漏检和虚警问题,基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集,提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络,利用K-means加遗传算法自适应计算锚框,并在数据预处理环节加入S型曲线增强方法,来增强图像的对比度信息。经实验验证,所提出方法能够显著提升动目标检测率和检测速度,其中,平均精度（AP）和F1分数提升均达到10个点以上,有效降低了虚警和漏检,整体表现优于一阶段算法SSD和RetinaNet。     

非匀速直线运动SAR导引头目标回波快速模拟

传统的二维频域快速回波模拟方法是针对平台为匀速直线运动,合成孔径雷达(SAR)导引头一般是非匀速直线运动的,二维频域仿真方法在SAR导引头中并不适用。针对SAR导引头非匀速直线运动情况,在分析回波信号频域特点基础上,提出了非匀速直线运动SAR导引头回波信号快速频域模拟方法,详细介绍了该方法的原理和推导过程。最后,进行了相关仿真实验,实验结果验证了该方法的有效性与合理性。     

多通道SAR成像及基于STAP的抗噪声干扰算法

多通道合成孔径雷达(synthetic aperture radar,SAR)成像及空对自适应处理(space-time adaptive processing,STAP)是抗噪声干扰的有效途径.从deramping处理与CS( chirp scaling)算法出发,推导了应用于多通道SAR成像的DCS( deramping CS)算法及STAP方法.由于结合了deramping处理进行方位模糊抑制从而降低重频,因而从另一个方面降低了STAP的慢时间阶数.计算机仿真的结果验证了算法的有效性,同时还显示在噪声干扰严重破坏单通道SAR成像及多通道DCS的前提下,多通道STAP可以有效地抑制噪声干扰,保障成像质量.     

基于图像欧式距离的KPCA SAR图像目标识别算法

针对传统KPCA方法识别SAR图像时需首先对图像进行拉直处理问题进行研究,借助于图像欧式距离,提出了一种基于图像欧式距离的核函数构建方法,给出了3种基于图像欧式距离的核函数,并将其应用SAR图像识别中.以实测MSTAR数据为例,给出了识别结果和仿真分析,结果证明了该算法能够有效克服传统KPCA方法的局限性,是一种可行的方法.     

GPS与其他数字系统的共存问题

现代飞行器配备多种电子系统工作在复杂的电磁环境中,需要解决各系统兼容的问题.因此,在理论上分析了窄带数字系统、宽带CDMA系统、超宽带系统对GPS系统影响,然后讨论了解决方案,最后给出仿真结果.     

一种无人机载高分辨率SAR图像目标快速检测方法

针对无人机平台空间和资源有限、高分辨率SAR图像检测容易出现目标标注不准以及计算量过大等问题,提出一种无人机载高分辨率SAR图像目标快速检测方法。该方法首先利用双边滤波器抑制高分辨率SAR图像中存在的相干斑噪声和目标内部的非均匀起伏;然后进行一次大尺度的SLIC分割,通过对超像素单元粗糙度进行分析,对存在欠分割问题的超像素单元再进行一次小尺度的SLIC分割;最后对过分割的超像素单元进行合并处理,最终得到目标检测结果。实验结果表明,该方法不仅可以提升对高分辨率SAR图像目标的检测效率,改善SAR图像目标提取能力,还有利于发现部分人工方法容易遗漏的小目标,具有很好的工程应用价值。     

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。