基于系统函数优化的非规则天线阵列综合孔径辐射计亮温反演算法

为改善非规则天线阵列综合孔径辐射计反演图像质量,提出了基于系统函数优化的亮温反演方法。通过优化非规则天线阵列的系统函数,消除单元天线非规则排列对系统性能的影响,并在优化过程中引入正则化,稳定反演图像。为补偿正则化引起的反演图像质量损失,在反演算法中引入了迭代运算。仿真结果表明:所提出的反演算法能有效改善非规则天线阵列综合孔径辐射计的亮温反演图像质量,可应用于基于小卫星编队的分布式综合孔径遥感图像反演中,并能为基于小卫星编队的分布式综合孔径阵列优化提供理论基础。     

非圆信号虚拟阵列波束形成算法

利用非圆信号的实值特性,提出了一种利用信号共轭扩展阵列孔径的虚拟阵列构成方法,将其应用在自适应波束形成中,对其波束形成的性能进行了分析和改进,并提出了一种快速的实现方法。该虚拟阵列的构造方法能同时保留时间信息和方位信息,用于自适应波束形成中,可以改善波束图形状,提高阵列增益,对抗超自由度干扰。计算机仿真验证了该方法的优越性。     

一种分布式阵列波达方向估计方法

针对分布式MIMO雷达中的DOA估计问题,提出一种基于分布式子阵列作为发射,密布阵作为接收的DOA估计方法。发射阵元间隔为接收孔径大小。利用发射作为辅助提高阵列自由度,扩展阵列孔径,推导了DOA估计的过程。与密布阵MIMO雷达不同,在空间分集MIMO雷达中提高自由度并扩展阵列孔径。仿真结果表明了算法的正确性和有效性。     

机载阵列雷达抑制运动杂波的学习算法

一种称为自适应空时处理器(STP)的线性滤波器是一种相对比较新的方法，它使机载阵列天线雷达目标检测概率达到最大。理论上，全自适应STP可以实时获得最优解(一种维恩滤波器)。但是，实际上全自适应STP也存在一些问题。首先，线性滤波器的加权数可能非常大。其次，单一加权矢量的计算复杂度大约为O(MN)^3。再次，STP为线性滤波器但却工作在非线性不稳定的环境中。这些问题导致采用空时处理器传统技术的实时、最佳处理是现行计算技术内所不及的。为使运动杂波对目标检测的影响最小，本文探讨了人工神经网络和几种学习算法的可应用性。人工神经网络是一种自适应、并行、分布式处理系统，可以实时完成复杂计算。学习算法的机理是为了存储新的信息或变更信息，人工神经网络中的长期存储器要不断更新而又不被破坏。由于学习算法既能在系统的使用期内保留信息又能变更信息，所以对雷达系统的计算要求降到了最低，同时还能适应环境的变化。     

宽波束角大测绘带UWB SAR的子孔径子带运动补偿算法

VHF/UHF波段的正侧视条带式超宽带合成孔径雷达(UWB SAR)通常具有宽方位波束角和大处理测绘带特性,这些特点造成了雷达回波相位误差的距离空变和方位空变,使得传统的运动补偿算法失效。从载机视线误差对回波相位的影响出发,推导了一种在回波距离压缩后、距离迁徙校正前的子孔径子带补偿算法。通过将距离压缩后的回波沿距离向分块,沿方位向分子孔径,并将距离向和方位向的空变误差补偿紧密结合,提高了补偿效率。计算机点目标仿真结果,验证了该算法的有效性。文中还给出了子孔径和子带的划分原则及子孔径子带补偿算法与扩展ECS算法结合的方法。     

非模糊测向阵列设置算法研究

根据平面天线阵列模糊基本概念,讨论了一种设置非秩1模糊阵列的方法。给出了不为秩1的判断定理。仿真结果表明：该法可行且具一定的实用价值。     

卫星运动对压缩编码孔径光谱成像的影响

用于遥感光谱成像的光谱成像仪普遍存在信息获取慢、光子收集效率低、信噪比低或焦平面阵列大等问题,另外数据立方体庞大的数据量给数据传输造成了极大压力。为了从根本上解决这些问题,文章提出将压缩编码孔径应用于遥感光谱成像中,即压缩编码孔径遥感光谱成像。文章对卫星平台的俯仰、侧滚和偏航运动进行建模,然后利用此模型对成像过程进行仿真和重建,提高了成像品质。由于运动模型以及压缩编码孔径成像技术的引入,使得遥感光谱图像的压缩在成像过程中完成,从而大大提高了传统焦平面阵列的利用率,减小了数据传输的压力,减小了成像光谱仪的体积、质量与成本。     

扩展场景的SAR回波信号快速仿真算法

将SAR原始回波信号仿真的时域和频域生成算法进行对比,讨论这两种原始信号仿真生成算法所获得原 始数据的不同应用领域和研究方向。提出一种基于光学照片图像情况下,小平面单元后向散射系数的计算方法。将光 学照片应用于SAR回波信号的仿真,验证了频域生成算法的可行性。并利用RD算法对仿真数据进行成像,得到了这些 数据的SAR图像,验证了这种仿真方法在验证成像算法方面的有效性,该法能为SAR图像的后处理提供丰富的图像数 据。     

一种视频SAR运动目标成像算法

视频合成孔径雷达ViSAR(Video Synthetic Aperture Radar)成像模式与传统SAR成像模式不同,此模式需要持续监测目标区域.通过子孔径划分的方法将目标区域的回波划分孔径,然后针对每一个划分后的子孔径进行单独成像和配准,最后把每一帧图像进行处理形成视频,利用序列图像形成的视频去提取目标的运动信...     

深空组阵Eigen算法及其低信噪比合成性能分析

根据深空组阵信号模型,分析了Eigen最优合成采用的两种准则即最大输出功率和最大 信噪比准则。为了快速计算最优权值,给出了两种迭代算法即PM和PMFM算法,同时为了改善 微弱信号合成效果,在PMFM算法中引入记忆因子,提出一种可以自适应跟踪信号相位变化的 自适应Eigen算法。仿真分析了基于最大输出功率准则的Eigen合成算法和自适应Eigen算法 对低信噪比组阵接收信号的合成性能,仿真结果表明自适应Eigen算法不但具有良好的合成 效果和自适应特性而且运算量小,具有重要的工程应用价值。
     

基于稀疏空间谱估计的星载SAR DBF算法

针对星载合成孔径雷达(SAR)系统利用俯仰向数字波束形成(DBF)技术接收场景回波时受地形的影响,会出现波束指向偏差的问题,提出了基于稀疏空间谱估计的星载SAR数字波束形成方法。该方法将目标场景高程估计问题转换为波达方向估计问题,考虑到回波信号的稀疏性,进而等效为稀疏空间谱估计问题,然后利用凸优化方法求解得到目标波达方向。最后,仿真实验验证了该方法的有效性,结果表明该方法可以降低传统自适应方法受小样本和低信噪比影响的限制,实现复杂地形下的正确波束指向,保证回波信号的接收增益。     

基于改进PCA的DOA估计方法

阵列信号处理中,MUSIC等高分辨率DOA估计方法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理.提出一种改进的PCA(principal component analysis)迭代算法,来逼近信号子空间.仿真实验表明该算法在估计弱信号时性能要比MUSIC算法好,且计算量要小得多.     

陆探一号全极化SAR散射特性分析与地物分类性能评估

陆探一号(LT-1)全极化合成孔径雷达(SAR)数据为我国自主极化SAR数据在地物分类与散射机理分析方面提供了新的数据基础。本文以吉林中高纬农林复合区与海南热带植被区为研究对象,首次系统分析了LT-1全极化数据的散射机制、极化统计特征及地物区分能力。实验结果表明:LT-1全极化数据在2类典型区域均表现出良好的地物区分能力。结合Fisher判别准则进行特征优选发现:在吉林地区,体散射分量及后向散射绝对强度特征占主导地位;而在环境较破碎的海南地区,极化比值与归一化机制比例参数有效克服了土壤水分干扰,展现出显著的区分价值。在分类性能评估中,吉林地区无监督分类总体精度达到0.785 0,Kappa系数为0.707 1;随机森林监督分类总体精度提升至0.897 3,Kappa系数为0.839 1;海南地区,无监督分类总体精度为0.716 6,Kappa系数为0.613 6;随机森林方法精度提升至0.867 0,Kappa系数为0.790 5。综合分析表明:LT-1全极化数据能够有效表征不同生态区地物的散射机理差异。研究结果为LT-1极化SAR数据在地物分类与资源环境监测中的应用提供了技术依据。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

天基干涉合成孔径雷达技术发展与展望

天基干涉合成孔径雷达(InSAR)技术发源自合成孔径雷达(SAR)技术,突破性地实现了平面向立体维度的拓展,并在此基础上衍生了差分干涉(D-InSAR)等一系列技术研究方向.经过近30年的技术积累和工程实践,InSAR技术已从理论走向工程实践,填补了天基高效测绘手段的空白,产生了极大的应用效益,其中,德国TerraSA...     

一种基于COTS的SAR分布式目标模拟方法

针对目前合成孔径雷达(SAR)目标模拟器通常只能模拟点目标,且通用化程度和实时性较低的问题,提出了一种基于商用现成品或技术(COTS)的SAR分布式目标模拟方法.利用NIPXI平台构建了一个基于电磁仿真的SAR分布式目标模拟器,由电磁仿真软件模拟获取目标散射特性,并通过高速网口输入硬件设备进行采样及卷积操作得到仿真SA...     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限,因此,采用多时相PolSAR数据,其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题,提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法,用于对分解后的特征数据进行压缩,以获得分类所需的有效特征。此外,构建了一种多尺度特征分类网络(MSFCN),该网络可以提高农作物的分类性能,且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验,对分类结果进行性能评估,并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

基于改进扩展分形特征的SAR图像目标检测方法

提出了一种新的纹理特征-改进扩展分形特征用于SAR图像目标检测.改进扩展分形特征通过度量SAR图像中物体表面四个方向的结构函数在双尺度上的增量水平,确定目标与杂波在特征空间的不同响应特性,实现目标的检测.采用模拟目标脉冲模型分析了改进扩展分形特征在不同信噪比条件下对不同尺寸目标的响应特性,分析结果表明改进扩展分形特征具有目标尺寸敏感性.利用SAR实测数据验证了改进扩展分形特征在强杂波和多目标环境下的优良检测性能与空间分辨率特性.     

基于微波光子技术的实时高分辨雷达成像

为克服传统雷达面临的带宽瓶颈,提升其分辨率,利用微波光子倍频与混频技术对宽带雷达信号进行处理,构建宽带雷达,成功实现了实时高分辨雷达成像。构建的微波光子雷达样机带宽高达12 GHz,实现逆合成孔径雷达成像的二维分辨率优于2 cm×2 cm,成像速率高达100帧/s。在该雷达架构基础上构建了多输入多输出微波光子雷达,在相同的相参累积时间内,能进一步提高雷达成像的方位向分辨率。研究结果表明:微波光子技术是突破传统雷达频率与带宽限制的有效手段,有望在未来实时高分辨雷达探测与成像中发挥重要作用。