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。     

对线性调频步进信号ISAR成像系统的相干干扰技术

逆合成孔径雷达(ISAR)成像通过对距离向和方位向的二维压缩,具有比普通雷达更强的抗干扰能力.线性调频步进信号由于其独特的优点更是在ISAR成像中占据了重要地位.提出了一种对接收到的线性调频步进信号进行附加的频率调制和相位调制后转发,从而以较小的干扰功率干扰线性调频步进信号ISAR成像系统的方法.仿真实验表明,这种方法是行之有效的.     

法国海军核潜艇将装备新一代重型鱼雷

2008年3月27日,俄罗斯从普列谢茨克航天发射场用“宇宙-3M”运载火箭将德国的“天基高分辨率合成孔径雷达-4”（SAR—Lupe4）侦察卫星送入预定轨道。这颗卫星采用合成孔径雷达技术,能提供分辨率优于1米的侦察图像,还可在夜间成像或透过云层成像。SAR-Lupe星座则由分布在3个轨道面的5颗卫星组成,每颗卫星重约770千克,设计寿命为10年,星座运行在高度约为480千米的低地球轨道。根据计划,该星座的第五颗卫星将在2008年7月发射。     

以色列“合成孔径雷达技术”侦察卫星发射升空

北京时间2008年1月21日上午11时45分,以色列“合成孔径雷达技术”（TecSar）侦察卫星从位于印度期利哈里卡尔的卫星发射中心成功升空,进入预定轨道。约1个半小时后,以色列卫星地面贴接收到卫星信号。TecSar卫星是以色列国防部小卫星技术演示任务的第一颗合成孔径雷达（SAR）卫星系统,     

合成孔径雷达图像及迷彩技术研究

从合成孔径雷达(SAR)成像的原理出发,围绕4种地物散射模式,给出了不同雷达波段对应的表面粗糙度范围.结合军事工程的SAR图像解译,提出了SAR图像的变形迷彩处理技术,重点研究了道路的反识别迷彩处理方法.对照国内外雷达后向散射系数σ0的实验数据,提出了工程伪装新材料的技术要求,指出了开发该类材料的研制途径,研究结果为SAR图像伪装防护研究及军事工程伪装新材料研制提供了理论依据.     

合成孔径雷达窄带干扰抑制技术综述

对合成孔径雷达实施有效的电子防护,使之具有降低(消除)非人为电磁干扰和人为电磁干扰的能力,是保证合成孔径雷达发挥正常性能的重要条件之一。对非人为电磁干扰抑制的发展现状进行总结,将干扰抑制分为参数化方法和非参数化方法,分别讨论了参数化抑制方法中的干扰建模、参数估计以及非参数化抑制方法的两种主要技术途径,分析了干扰抑制效果的评估方法。最后根据实践和经验提出了合成孔径雷达干扰抑制的几项建议,对今后的发展趋势进行了展望。     

精确制导前沿成像探测技术

回顾了精确制导技术的发展历程,分析了精确制导成像探测技术发展过程中面临的挑战与未来的主要发展方向。结合太赫兹、量子和超材料等前沿技术的发展动态,分别梳理了太赫兹雷达、量子雷达以及超材料雷达三种典型的精确制导前沿成像探测技术的技术背景、发展脉络、基本原理、技术优势。这三种成像探测技术有望为精确制导技术应对未来新型战争形态带来的挑战提供可行的技术途径。研究成果可为未来精确制导技术的深入可持续发展提供参考,并对提升精确制导武器的打击与拦截作战效力具有重大意义。     

基于深度学习的SAR图像目标检测实验

针对目前SAR图像目标检测算法只能进行单一目标检测和检测精度不高的问题,对深度学习目标检测框架在SAR图像目标检测的应用进行了实验研究,并结合SAR图像特点进行了优化。比较了基于区域建议的Faster-RCNN和无需区域建议的SSD目标检测框架在SAR图像上的目标检测精度和速度,分析优缺点;研究了预训练模型对SAR图像目标检测精度的影响;最后通过零均值规整化提高收敛速度和检测精度。实验结果表明优化后的目标检测框架,实现了SAR图像多目标识别并提高了检测精度,可以有效地应用于SAR图像多目标检测。     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.     

基于多域卷积与自注意机制的SAR图像变化检测

针对基于深度卷积神经网络的合成孔径雷达(synthetic aperture radar, SAR)图像的变化检测方法,在利用图像块分析特征的过程中易将噪声引入到边缘区域,造成SAR图像变化检测精度较差等问题。提出了一种基于多域卷积与自注意机制的SAR图像变化检测方法。该方法先通过多域卷积模型增强输入SAR图像块的中心区域,减少边缘噪声的影响;然后,再利用注入空洞卷积的改进自注意机制模型充分挖掘SAR图像的重要空间结构信息,来提高变化检测的性能;最后采用3种不同类型的SAR数据集进行实验结果表明,本文中所提出方法能获得较高的检测准确率和KC系数,优于各种对比方法。