基于Hankel矩阵填充的稀疏孔径ISAR成像

在稀疏孔径(SA)逆合成孔径雷达(ISAR)成像中,传统压缩感知(CS)方法使用稀疏信号处理来处理数据缺失下的成像问题。这类方法存在模型不匹配这一固有问题,在一定程度上会限制成像质量。提出了一种利用Hankel矩阵填充(HMC)的基于结构化稀疏ISAR成像方法。该方法是一种典型的无网格方法,可以有效地提高稀疏孔径ISAR成像性能。首先,建立ISAR稀疏孔径成像信号模型,根据每个距离单元的回波构造Hankel矩阵;其次,通过证明所构造Hankel矩阵的低秩性质,作为方位稀疏成像的先验信息约束;最后,通过逐步迭代求解基于增广拉格朗日乘子(ALM)的矩阵填充(MC)来实现重构方位维成像。提出的基于低秩约束的方法,可以避免过完备基的假设,有效地克服了CS方法的离网格效应。基于实测数据的实验分析,进一步验证了所提算法的有效性。     

压缩感知与最小二乘联合的卫星姿态抖动估计

卫星在轨运行时姿态存在一定频率的抖动,目前的星敏感器和陀螺等测量仪器受限于测量频率,无法直接测量高频抖动。提出了一种压缩感知和最小二乘相结合的卫星姿态抖动估计方法。根据姿态抖动中的频率稀疏信息,通过压缩感知方法从姿态欠采样数据中恢复出抖动频率,进一步利用最小二乘方法,精确估计出卫星姿态的高频抖动。与单纯采用压缩感知方法或最小二乘方法相比,该方法提高了卫星姿态抖动的估计精度。     

一种新的BDS—BSAR多星融合目标监测算法

近年来,基于卫星导航信号(GNSS)的双基地合成孔径雷达(GNSS-BSAR)以其低成本、实时的全球覆盖能力在遥感应用中发挥着越来越重要的作用.北斗导航卫星(BDS)作为GNSS系统的重要组成部分,以其更高的信号带宽为特点,理论上能够为SAR系统提供更高的分辨率.一种新的基于北斗GEO卫星导航信号的双基地合成孔径雷达(GEO-BDS-BSAR)卫星的多星融合目标监测算法,通过结合北斗GEO的信号特性以及相对稳定及几何构型,能够有效提高目标监测的分辨率,同时有效避免了传统基于全球导航信号的双基地合成孔径雷达(GNSS-BSAR)系统的距离单元偏移误差校正处理,降低了传统反投影算法(BPA)的运算复杂度.通过仿真结果验证了该方法的可行性与有效性.     

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。     

基于弱目标积累检测的MSK-LFM一体化信号性能分析

通信数据会改变最小频移键控-线性调频(MSK-LFM)雷达通信一体化信号的模糊函数,影响回波的相参积累性能和雷达的弱目标检测性能。分析了MSK-LFM一体化信号的脉冲压缩处理过程,提出了通过设置每个脉冲传输不同数量的通信数据,即通信数据长度不同,来提高检测概率;同时分析了MSK-LFM信号的相参积累效果,结果表明,对于同一距离门的目标,不同脉冲间的相位改变只由多普勒频率引起;最后通过仿真实验对MSK-LFM信号在非理想情况下通信数据长度相同或不同时的检测概率进行了比较,同时与相同条件下直接序列chirp扩频(DS-CSS)一体化信号进行了对比分析。仿真结果表明:MSK-LFM信号在非理想情况下通信数据长度不同时的检测概率优于通信数据长度相同时的检测概率,同时也优于DS-CSS信号的检测概率。     

基于SURE准则的参数自适应InSAR相位非局部滤波

干涉相位滤波是干涉合成孔径雷达(InSAR)处理中的关键步骤,然而传统滤波方法难以兼顾噪声抑制和细节保持的效果,故提出了一种改进的非局部滤波器。滤波参数由Stein无偏风险估计(SURE)准则自适应地选择,在有效降低InSAR相位噪声的同时,保留干涉条纹细节和城市建筑的边缘。通过在仿真数据和TanDEM-X实测数据上分别进行实验,并与传统滤波方法对比分析,验证所提出方法的有效性。     

P(BAMO/AMMO)及其粘结体系力学性能的MD模拟

基于分子动力学方法,研究了在328、298、233 K时设计的5种不同单体摩尔比的P(BAMO/AMMO)的力学性能、P(BAMO/AMMO)分别与不同质量比Bu-NENA或TMETN组成的粘合体系的力学性能以及P(BAMO/AMMO)对HMX安全性能的影响。298 K时,5种P(BAMO/AMMO)的密度为1.135～1.172 g/cm~3,且P(BAMO/AMMO)~5为最大(BAMO与AMMO摩尔比为3∶1);当BAMO与AMMO摩尔比为2∶1时,对应P(BAMO/AMMO)~4的力学性能在3种温度下均为最好;相对于TMETN,Bu-NENA与5种P(BAMO/AMMO相容性更好,但Bu-NENA对P(BAMO/AMMO聚合物的增塑效果均较差,而除P(BAMO/AMMO)~4外,TMETN在较多的特定质量分数下,均可改善P(BAMO/AMMO)聚合物力学性能,增塑效果较Bu-NENA好。5种P(BAMO/AMMO)粘结剂均能改善HMX安全性,其中当BAMO与AMMO摩尔比例为3∶1时,降感效果最好。     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

基于多目标优化的星空认知网络鲁棒波束成形算法

卫星通信(SC)网和无人机(UAV)通信网之间频谱共享、相互融合，能较大提升频谱效率，有望成为第6代移动通信的关键技术之一。与现有文献不同，本文在系统非完美信道状态信息(CSI)的条件下，考虑了次级用户可达速率最大化和发射功率最小化2种准则，利用加权切比雪夫方法构建满足概率约束的多目标优化问题(MOO);由于该问题较为非凸，利用概率公式、半正定松弛等方法将其转化为凸问题，并进一步通过半正定规划(SDP)求解，得到鲁棒波束成形权矢量，获得2种性能指标间的帕累托最优权衡。计算机仿真验证了所提鲁棒波束成形算法的有效性和优越性。     

基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。