扩频测控体制信号捕获方法分析

扩频综合基带设备集成了遥控、遥测、测距、测速等多种通用功能,在扩频测控体制的发展中占据重要的地位.针对综合基带设备的复杂需求,分析了传统信号捕获方法的局限性,在此基础上提出一种改进的扩频测控信号捕获方法.对载波多普勒范围进行子区间划分,采用二次频率调谐和分段积分累加来扩展频率捕获范围.引入非线性变换解决非相干测控体制下基带数据翻转造成的捕获性能恶化问题.通过仿真结果验证方法的有效性.最后分析了改进方法的捕获性能,可以为综合基带设备研制和测控体制参数设计提供参考.     

二维分形海面电磁后向散射系数的分析与计算

根据改进的二维分形海面模型推导了一种在不同极化方式下(HH水平极化,VV垂直极化)新的电磁后向散射系数计算方法,对多个海浪波长区域内所有分辨单元后向散射系数进行平均统计.在时域内研究了海水介电常数、电磁波入射角、入射频率以及风速风向对后向散射系数的影响,运用盒维数方法计算了该散射系数的分形维数.最后通过数值分析方法证明了该散射系数实部与虚部曲线是分形的,并且与二维分形海面的分形维数相等,从而表明该海面的雷达回波信号也具有分形特性,为运用分形理论研究海面微弱目标检测提供了一个重要方法.     

基于深度学习的SAR图像质量提升方法研究

提升合成孔径雷达(SAR)图像质量以增强其可判读性,一直是SAR图像处理中的关键问题。近年来,深度学习在光学图像处理中取得显著的成功,并逐步应用到SAR图像质量提升领域。对深度学习在SAR图像质量提升中的关键应用进行综述,对深度学习在SAR图像质量提升中采用的典型网络进行了介绍,并从SAR图像旁瓣抑制、超分辨(SR)处理和图像融合3个方面对深度学习的应用进行阐述。最后,分析与探讨了基于深度学习的SAR图像质量提升中的关键问题及进一步研究方向。     

基于星上实时信号处理机的Chirp Scaling算法实现方法

基于改进的Chirp Scaling算法,提出了一种适用于星上实时信号处理机的高效成像处理实现方法,其核心思想也可应用于其它高分辨率星载SAR的精确成像算法.首先介绍了实时信号处理机的结构,分析了数据处理粒度及其并行流水处理结构.在此基础上,针对单个粒度的成像处理重新设计了算法流程,提出了一种高效的实现方法.利用实时信号处理机,对仿真的回波数据进行了成像处理实验,结果表明:在41?s内能够完成成像处理,成像处理速度和图像质量满足系统设计要求,从而验证了该方法的有效性.     

高分辨率星载聚束式SAR的极坐标格式成像处理

极坐标格式算法是应用于聚束式 SAR成像处理的经典算法。基于极坐标格式算法 ,研究了高分辨率星载聚束式 SAR的成像处理及相关问题 ,分析了非平面运动、运动测量误差对成像质量的影响。最后 ,通过计算机仿真 ,给出高分辨率的星载聚束式 SAR的成像结果。     

星载SAR数据成像的并行处理研究——SGI机的应用实例

星载合成孔径雷达 (SAR)成像处理数据量大 ,实时性要求高 ,文中阐述在 SGIOrigin2 0 0多 CPU计算机上完成星载 SAR改进 RD算法的并行处理 ,并利用该机完成了对改进RD算法成像的并行算法的系统仿真。试验结果表明 ,所提出的并行算法可在 SGI多 CPU机上获得很好效果。     

分布式小卫星合成孔径雷达多基线干涉技术

研究分布式小卫星合成孔径雷达中的多基线干涉技术问题。现有的多基线干涉技术提高三维地形成像性 能的办法主要有两种——利用多幅单视复图像提高干涉图像质量和利用迭代法提高地形高度估计精度。讨论这两种技 术在分布式小卫星合成孔径雷达中的应用。指出分布式小卫星合成孔径雷达中多基线干涉之所以提高干涉图像质量主 要在于:①干涉相位具有更高的估计精度;②干涉相位具有更大的模糊基;③干涉图具有更大的极限平均视数。给出分 布式小卫星合成孔径雷达多基线干涉迭代法提高地形高度估计精度的数据处理流程。     

基于方位向多通道星载ScanSAR的MCECS算法

针对如何实现星载合成孔径雷达(SAR,Synthetic Aperture Radar)超宽测绘带的问题,对多通道星载SAR扫描模式开展研究.在分析该模式特点的基础上提出了实现超宽测绘带的方法,并推导了多通道扫描模式成像处理算法(MCECS,Multiple Channels Extended Chirp Scaling).该算法利用内定标数据校正通道间的幅相不一致性,通过滤波方法完成了方位向非均匀采样信号的重构.在采用修正的天线长度进行"扇贝效应"校正以及精确聚焦处理后,通过求解四次方程的方法对图像进行快速地理编码,并完成图像的拼接.最后利用计算机仿真验证了算法的有效性.      

基于奇异值分解的遥感图像融合性能评价

研究遥感图像融合性能的客观评价问题,分析当前遥感图像融合效果评估方法特点的基础上,提出一种新的遥感图像融合效果评估方法——基于奇异值分解(SVD, Singular Value Decomposition)的方法.利用源图像与融合结果图像的奇异值差异,测量它们之间能量信息失真情况,从而进行融合算法的评估.仿真实验从两方面入手,当融合源图像中含有SAR(Synthetic Aperlure Radar)图像时,对比Piella和Xydeas评估方法较为有效;另一方面,对多类型传感器、不同方法的像素级融合结果进行评估,与主观评价结果对比具有较高的一致性.这种客观评估方法能够较好地反映多类遥感图像融合的质量,是一种实现简单、高效、较为通用的遥感图像融合效果评估方法.