基于MC-CNN网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立了磁性运动目标三分量投影模型,并据此生成了磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。进一步,设计了多通道卷积神经网络（MC-CNN）对目标的正横距离和运动速度进行了估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响,结果表明Adam+tanh的组合方式的估计性能要优于其它的组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。     

一种改进方位向非线性CS大斜视角SAR成像算法

大斜视角SAR成像时存在严重的距离走动现象,慢时域的距离走动校正在解决这一问题同时导致了聚焦深度问题.分析了二维频域解耦合后残余相位误差以及时域走动校正后的多普勒调频率误差,提出一种改进的方位向非线性CS算法,校正了三次以上距离迁徙带来的相位误差,同时采用改进非线性CS扰动方程补偿了随方位偏移量线性变化的调频率误差.仿真结果表明,改进算法的大斜视角大场景成像性能优于传统的高分辨大斜视角成像算法.     

滑动聚束SAR步进扫描影响分析

滑动聚束SAR系统在实际工作中通过步进扫描的方式来实现天线照射波束在方位向的扫描,然而该扫描方式会在滑动聚束SAR的成像结果中引入成对回波。为分析该成对回波的形成物理机制,建立滑动聚束SAR步进扫描的数学模型,通过泰勒展开和傅里叶级数分析具体解释了成对回波的成因,并给出了成对回波幅度及位置与步进脉冲控制数之间的定量关系。理论分析和信号仿真结果表明,该模型能够准确有效地解释这一现象,并可为滑动聚束SAR的波束扫描系统参数设计提供理论依据。     

载机扰动下SAR/GMTI旋转目标微多普勒特性分析

目标微动部件激励的雷达微多普勒信号稳定而独特,反映了该目标的本质特征。针对采用相位中心偏置技术(DPCA)的SAR/GMTI系统,研究存在载机扰动下的旋转目标的微多普勒特性。构建飞行平台与微动目标的几何模型,推导旋转目标的微多普勒信号模型,分析典型的载机纵向扰动对微多普勒时频特性构成的影响;并通过仿真实验,验证了上述理论分析的正确性。     

合成孔径雷达三维成像技术及特点评述

常规合成孔径雷达只能实现二维高分辨率成像,无法得到景物的高度信息。与其他技术结合的合成孔径雷达可以实现三维高分辨成像,逐渐成为研究热点。介绍了干涉SAR(InSAR)、双/多基地SAR、复杂路径SAR以及阵列SAR等几种不同的SAR三维成像模式,对它们的技术特点以及发展的重点问题进行了分析,可为新体制的合成孔径雷达三维成像技术提供参考。     

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。     

一种新的并行多通道数据采集系统时序偏差校正技术

介绍了多通道并行采样技术在高速数据采集系统的应用和其局限性 ,然后给出了一种测量多通道系统各通道间时序偏差的方法 ;接着提出了一种在数字域校正通道间时序偏差的新方法 ,可以大大提高多通道并行采样技术的性能 ;最后对该方法进行了仿真以验证其可行性和性能。     

UWB-SAR建模及波数域成像方法研究

本文首先简单地总结了UWB—SAR成像处理中的困难;然后根据其工作原理建立了适合于计算机仿真的回波信号模型;接着在介绍了波数域成像算法(ω—k算法)的原理之后,对其中存在的Stolt插值等问题进行了详细分析和深入探讨。在此基础上将该算法引用到UWB—SAR成像处理中,从理论上扼要地分析了其有效性;最后结合所建立的回波模型对ω—k算法进行了仿真,结果表明这种成像方法具有较好的聚焦效果。     

圆周SAR与线性SAR成像特性分析与对比

圆周合成孔径雷达因其独特优势已经成为雷达领域的研究热点。分析圆周合成孔径雷达与线性合成孔径雷达在成像区域大小、点散布函数特性、回波频谱特点、三维成像能力等方面的差异,凸显了圆周合成孔径雷达的成像特点。发现单航过圆周合成孔径雷达频域成像处理的难点在于其回波频谱的空变性。为提高频域成像处理的效率,分析了平面圆周合成孔径雷达与多航过圆周合成孔径雷达成像模式,并指出这两种模式易于在频域开展一致化处理。仿真试验证明了分析内容的正确性。     

一种高分辨率SAR图像水上桥梁目标识别新方法

首先采用灰度均值和方差二维特征模糊分割SAR图像,其次基于8邻域链码跟踪边界法剔除植被、阴影等虚警,然后通过水体轮廓搜索潜在桥梁ROI点并进行直线拟合、线段连接和线段延拓,消除河心洲、船只和条纹干扰等影响确定疑似桥梁ROI,最后采用双参CFAR检测法分割桥梁ROI,根据目标主轴方向和周长等特征消除桥梁ROI内的虚假目标,识别和定位桥梁。实验表明,该算法能够准确识别水上桥梁目标,对条纹干扰的桥梁和灰度梯度较弱的桥梁同样有效。