失效卫星远距离相对位姿估计与优化方法

针对远距离非合作慢旋目标位姿估计精度问题,提出一种融合图像超分辨与视觉SLAM的相对位姿估计方法。算法主要包含3个步骤：通过梯度引导生成式对抗超分辨技术,提升目标图像的质量以获取更多更高质量的特征点;构建特征数据库实现当前帧与特征数据库的匹配,提升旋转目标的特征跟踪稳定性;利用图优化对多帧图像进行联合位姿优化,消除累计误差,得到更为精确的估计结果。为稳定网络的训练,将自然进化算法引入到对抗训练中。为增强模型的泛化性和鲁棒性,实验中的数据集采用半物理仿真获得。实验结果表明,当等效距离为25 m且失效卫星以25（°）/s的速度旋转时,目标图像经超分辨网络增强后,能够实现连续稳定的长时间测量。     

微动目标跟踪成像一体化的雷达资源优化调度算法

相控阵雷达可以同时担负搜索、跟踪、识别与成像等多种雷达任务。为了提高雷达对战场环境的感知能力并减轻雷达资源分配的冲突,提出一种微动目标跟踪成像一体化的雷达资源优化调度算法。该算法建立了包含微动目标成像任务的雷达优化调度模型并利用启发式算法求解,利用跟踪脉冲与调度剩余的空闲时间资源,动态地构造感知矩阵并采用正交匹配追踪（OMP）算法对微动目标进行特征提取并成像。仿真结果表明：该算法可以实现稀疏孔径条件下的微动目标成像,并具有良好的鲁棒性,同时进一步提高了雷达系统的资源利用率。     

基于脉冲交错的数字阵列雷达任务优化调度算法

针对数字阵列雷达搜索、跟踪和成像任务的资源调度问题,提出一种数字阵列雷达(DAR)任务的优化调度算法。该算法以脉冲交错技术为基础,在对目标搜索与跟踪的同时,利用基于压缩感知的稀疏孔径认知逆合成孔径雷达(ISAR)成像方法对部分精密跟踪目标成像,并采用观测时间动态调整策略以提高雷达系统的自适应能力。仿真结果表明,与传统雷达资源调度算法相比,该算法可以将成像任务考虑到优化调度模型中并合理分配资源,实现雷达多任务并行的调度,获得更高的资源利用率与期望的成像质量。     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。     

一种红外多传感器对中段弹道空间邻近目标的联合超分辨弹道估计方法

 分析红外焦平面(IR FRA)对中段弹道空间邻近目标(CSO)的成像特点,指出星载红外传感器为实现对空间邻近目标的跟踪必须对其进行超分辨。提出了一种中段弹道空间邻近目标联合超分辨与弹道估计新方法。该方法结合红外焦平面成像模型和中段弹道动力学模型,使得能够同时利用红外多传感器的多帧信息,基于最小二乘准则建立联合超分辨弹道估计目标函数,并分析选择各目标的起始状态参数作为模型参数。针对目标函数的高维非线性特点,推导最小化意义下等价的降维目标函数,采用量子粒子群优化算法最优化该降维目标函数直接求解模型参数,进而计算出各目标的弹道和辐射强度,实现中段弹道空间邻近目标的联合超分辨与弹道估计。仿真结果验证了该方法的有效性,且相比于传统的先单传感器单帧超分辨、然后多传感器多帧测角数据关联与滤波方法,新方法在避免数据关联复杂问题的同时,其弹道估计精度更高、分辨能力更强。     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

超分辨成象信号处理的硬件实现

简要介绍线性预测数据外推的超分辨距离－多普勒成象方法,并以一片高速数字信号处理（ＤＳＰ）芯片—ＴＭＳ３２０Ｃ２５为核心设计了一个专用信号处理器,能完成数据外推、加窗和１２８复数点ＦＦＴ,实现超分辨二维成象。文中给出了对Ｂ－５２模型飞机微波暗室转台实测数据的成象结果,并作了比较。     

迭代收缩阈值雷达前视成像方法

针对机载多通道雷达的扫描前视成像问题,研究了利用迭代收缩阈值算法实现单个通道前视成像的方法,在此基础上提出一种扩展的多通道迭代收缩阈值算法来解决多通道前视成像问题,在理论上证明其收敛性,并给出加快收敛速度的方法。该算法首先通过对各个通道的加权叠加,获得多通道雷达最小均方误差意义下的最优解;然后利用目标的稀疏表示,获得最优解在相应稀疏约束下的稀疏解。理论分析和仿真实验表明,相对于现有扫描雷达前视成像方法,所提方法在算法稳定性、场景复原能力和噪声抑制能力等方面具有明显的优势。     

基于元胞自动机的飞机低空突防航路动态优化

提出了一种新型的航路动态优化算法——多层元胞自动机算法，描述了应用元胞自动机搜索飞机动态优化航路的策略。利用元胞自动机的计算并行性，使该算法大大减少了计算时间，提高了动态优化的实时性。最后用计算机进行了仿真，取得了较好的仿真结果。     

一种提高风洞动态试验数据质量的模型姿态控制和测量技术

低速风洞动态试验装置通常采用“电机+减速器+偏心机构+线性传动机构”的方式,存在传递环节多、机械间隙大等问题,给模型运动的精确控制和模型姿态的精确测量带来较大困难。为满足大型客机等大飞机对低速风洞动态试验的要求,基于现有的静态试验通用支撑平台,采用“电子凸轮”技术,建立了一套迎角/侧滑角解耦、可进行飞机小振幅动导数和大振幅非定常气动特性研究的动态试验装置。利用该动态试验装置进行了某飞机大尺度动态试验模型动导数试验和大振幅振荡试验,获得了试验数据的重复性,并研究了动态试验数据和静态试验数据之间的相关性。试验结果表明：利用该装置获得的某飞机动态试验数据重复性较好、规律合理,能满足大型飞机动态试验要求。     

双基地角时变下的ISAR等效旋转中心估计

双基地逆合成孔径雷达（ISAR）距离-多普勒算法成像时，容易引起越分辨单元徙动问题，影响成像质量，为了抑制越分辨单元徙动，需要估计目标的等效旋转中心。本文针对双基地角时变下的ISAR等效旋转中心估计问题，提出了一种等效旋转中心估计算法。该算法首先将运动补偿后的一维距离像序列分为两组并分别成像，得到两幅图像；其次，假定某个距离单元为等效旋转中心位置，对两幅图像进行畸变校正，使得两幅图像只存在一个视角差，按视角差旋转其中的一幅图像，并与另一幅图像作相关，得到相关系数；然后，假定下一个距离单元为等效旋转中心位置，重复上述步骤，直至遍历结束，相关系数最大值对应的假定位置就是估计的等效旋转中心。最后进行了仿真对比实验，表明本文算法能够有效估计双基地角时变下的ISAR等效旋转中心位置。     

基于稀疏分解的空间目标双基地ISAR自聚焦算法

空间目标双基地逆合成孔径雷达（ISAR）成像中,双基地角时变会造成二维图像的散焦。针对此问题,在三大同步理想可实现的条件下,以平稳空间目标为研究对象,分析了空间目标双基地ISAR成像原理,研究了双基地角时变对二维图像散焦的影响机理,提出了利用稀疏分解实现高精度自聚焦的算法。首先,将半双基地角的余弦进行泰勒展开;其次,结合目标的平动及转动条件,将成像相位项用多项式建模;然后,利用稀疏分解算法估计多项式的二次项系数,据此构建补偿项完成相位补偿。算法利用L-曲线准则选取正则参数,基于目标尺寸的先验信息构建冗余基的高分辨因子,利用推广的正则化欠定系统聚焦求解（FOCUSS）算法实现稀疏表示系数的估计,在恰当选取词典分辨率的条件下,算法可实现二次相位项的精确补偿,仿真实验验证了算法性能优于常用的非参数化自聚焦算法。     

双基角时变下的空间目标BISAR自聚焦算法

以空间目标为研究对象,针对双基地逆合成孔径雷达(BISAR)成像中双基角变化及同步误差导致的二维ISAR像散焦问题,提出了基于粒子群优化(PSO)的非参数自聚焦算法。算法首先将回波中平动和转动及同步误差等因素导致的相位变化项统一建模,其次将二维图像对比度最大作为优化目标,利用PSO算法对所有高次项相位进行整体优化估计,然后对高阶相位项进行补偿,最后基于补偿后剩余的一阶线性相位项进行方位压缩得到目标的二维ISAR像。算法可解决参数相位误差估计法中因模型误差导致的聚焦精度下降问题,同时也降低了BISAR自聚焦算法的复杂度。通过与参数法自聚焦算法的性能进行对比仿真实验,验证了算法的有效性。     

双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

匀转速逆合成孔径雷达的越距离徙动补偿

针对ISAR系统中的匀转速目标,本文提出了一种有效的校正由目标均转速旋转引起的越距离徙动(MTRC)的方法,对方位向上越距离徙动进行校正。它采用基于PD算法的Radon变换在方位向上得到精确的二次相位系数估计值,然后直接在时域上对越距离徙动校正,获得了更高的分辨率。Outlier-delete算法是一种在时域校正方位向越距离徙动的算法,在高信噪比条件下可以实现很好的聚焦效果,而在低信噪比条件下,该算法会出现严重误估计,导致聚焦失败。本文提出的Radon-PD算法具有很好的抗噪性,通过仿真并与Outlier-delete算法进行性能比较,验证了算法的有效性和可行性。     

Superresolution HRR ATR with high definition vector imaging

A new 1-D template-based automatic target recognition (ATR) algorithm is developed and tested on high range resolution (HRR) profiles formed from synthetic aperture radar (SAR) images of targets taken from the Moving and Stationary Target Acquisition and Recognition (MSTAR) data set. In this work, a superresolution technique known as High Definition Vector Imaging (HDVI) is applied to the HRR profiles before the profiles are passed through ATR classification. The new I-D ATR system using HDVI demonstrates significantly improved target recognition compared with previous I-D ATR systems that use conventional image processing techniques. This improvement in target recognition is quantified by improvement in probability of correct classification (PCC). More importantly, the application of HDVI to HRR profiles helps to maintain the same ATR performance with reduced radar resource requirements     

Automatic target recognition using enhanced resolution SAR data

Using advanced technology, a new automatic target recognition (ATR) system has been developed that provides significantly improved target recognition performance compared with ATR systems that use conventional synthetic aperture radar (SAR) image-processing techniques. This significant improvement in target recognition performance is achieved by using a new superresolution image-processing technique that enhances SAR image resolution (and image quality) prior to performing target recognition. A computationally efficient two-level implementation of a template-based classifier is used to perform target recognition. The improvement in target recognition performance achieved using superresolution image processing in this new ATR system is quantified     

基于虚拟慢时间的双基地ISAR成像算法

针对双基地角时变引起的逆合孔径雷达（ISAR）图像畸变和散焦问题，提出了一种基于虚拟慢时间的成像算法。首先，分析了双基地角时变对ISAR成像的影响机理。然后，基于图像对比度最大准则估计等效旋转中心位置，完成初次相位补偿。最后，通过虚拟慢时间构建基于非均匀虚拟采样的补偿系数矩阵，并通过方位向非均匀傅里叶变换得到目标的ISAR像。算法基于图像对比度最大准则解决等效旋转中心位置估计问题，通过虚拟慢时间消除转动相位项的高次项影响，利用非均匀傅里叶变换解决随机虚拟采样的谱估计问题。理论分析和仿真结果验证了算法的有效性和鲁棒性。