基于图像对比度最优的频率步进ISAR成像方法

在频率步进高分辨ISAR成像中,目标的径向运动会带来距离多普勒耦合,从而对ISAR图像有较大的影响。提出了一种基于图像对比度最优的运动参数估计方法。该法分析了径向速度和径向加速度对多普勒像对比度函数的影响。通过构造相位补偿因子,在多普勒像中基于多普勒像对比度最优估计径向加速度。在径向加速度补偿后,在距离像中基于距离像对比度最优估计径向速度。进行运动补偿,利用RD算法实现了目标的高分辨ISAR成像。该方法具有运动参数估计精度高和计算量小的优点。仿真结果验证了方法的有效性。     

单频信号二维合成孔径成像算法

传统合成孔径雷达采用大带宽信号实现距离向分辨,采用一维合成孔径实现方位分辨,得到二维图像。在某些近场成像场合,成像分辨率要求很高,依靠信号带宽很难达到要求。提出了一种二维合成孔径成像系统,利用二维合成孔径实现二维分辨,分辨率取决于合成孔径长度,不受信号带宽的约束,可以实现超高分辨率。信号采用简单的单频信号,可使系统大大简化。详细推导了单频信号的二维合成孔径成像算法。仿真结果表明,单频信号二维合成孔径是一种有效的高分辨率成像技术。     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

基于自适应小波阈值的SAR图像去噪算法

针对传统阈值去噪方法处理合成孔径雷达(Synthetic Aperture Radar,SAR)图像存在的失真,边缘模糊等问题,提出了一种自适应小波阈值算法。首先对经过对数变换后的SAR图像进行小波变换。然后利用自适应小波阈值对变换后的SAR图像高频部分进行去噪处理,去噪后再对其进行小波逆变换处理。最后再进行一次指数变换,达到去噪的目的。实验结果表明,该算法能够得到较好的去噪效果,并且还有效地解决了传统算法所带来的不足。     

合成双射流冲击平板流场结构与模态分解分析

为揭示合成双射流冲击平板流场结构特征,通过大涡模拟方法对合成双射流冲击平板流动进行了仿真,采用有限时间Lyapunov指数方法对流场的拉格朗日涡结构进行了识别,并与欧拉框架下的速度矢量和涡量结果进行了对比分析。结果表明,在合成双射流两股射流交替作用下,射流核心区涡系结构较为复杂且涡量丰富,远离核心区存在一对稳定的涡结构,且拉格朗日涡结构与涡量对应较好,为合成双射流冲击冷却的布局设计提供了指导。另外,流场本征正交分解表明,第一阶模态关于激励器出口中心轴线大致对称,其能量占总体能量的35%,前6阶模态的能量占80%;根据前6阶模态所反映的流场特性,合成双射流冲击平板流场具有高度的对称性。     

某型导弹检测仪快速检校研究

针对某型导弹检测仪采用手动检测与校正致使校验仪器多、操作复杂、效率低等问题,分析了该导弹检测仪需检校的参数和硬件资源,提出了导弹检测仪快速检校系统总体方案,开发了基于C8051F040单片机的导弹检测仪快速检校系统,研究了导弹检测仪快速检校的方法。该快速检校系统能够提高导弹检测仪检校的速度和效率,对提高该装备的快速保障能力具有重要意义。     

基于多目标约束的基本保障单元人力资源优化研究

针对装备维修工作中基本保障单元的人员优化问题,在维修过程中为保证以最少的人员在最短的时间内完成预定的维修任务,分析了修理工期与人员数量的关系,应用多目标约束理论建立了工期人员优化的多目标数学模型,通过预处理将模型转化为路径组合优化问题,并用改进的蚁群算法对模型的求解进行了研究,最后通过实例验证了优化模型及求解方法的有效性和实用性。     

基于矩特征的ISAR干扰效果评估方法

由于逆合成孔径雷达(ISAR)是一种新体制雷达,一些用于评估常规体制雷达干扰效果的方法和手段对于ISAR来说并不适用。综合考虑雷达干扰的原理和图像处理的理论,从ISAR目标识别的角度出发,提出了一种新的对ISAR压制干扰效果的评估方法,即采用干扰前后ISAR目标识别特征中矩的变化来定量评估干扰效果,仿真结果表明了评估方法的正确性和有效性。     

网络反舰巡航导弹探析

用网络作为武器的粘合剂,将武器整合成系统,达到功能的创新,是提升武器作战效能的有效途径,网络导弹是这一概念应用的结果。文中提出了网络导弹和复合搜索扇面的概念,在设想了系统的组成和控制方案后,导出了网络导弹的作战效能计算公式,并通过算例比较网络导弹与非网络导弹的作战效能。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。