正交解调中频误差对脉间变频雷达成像结果的影响

针对采用固定中频正交解调方法的脉间变频雷达可能存在的中频误差进行分析,得到在中频上进行正交解调不会对成像造成影响的结论。推导存在中频频率误差条件下的成像公式,分析误差影响的主要表现。通过仿真对比不同中频频率误差对二维成像结果的影响,得出成像结果随频率误差变化的规律,给出可以忽略此误差的条件。     

干涉式合成孔径微波辐射测量技术

干涉式合成孔径微波辐射测量技术是对地无源微波遥感技术的一个重大发展。在微波频段的低端，采用此技术天线无需扫描就能以较小的收集面积获得高空间分辨率的亮温分布图像。较深入地阐述了此技术的系统性能，较详细地介绍了电扫描稀薄阵列辐射计（ＥＳＴＡＲ）的构成原理和基本参数，并概述其原型的某些试验结果。     

星载合成孔径雷达的ScanSAR技术

星载扫描波束合成孔径雷达技术可以扩展星载合成孔径雷达一次通过观测地区时的观测带宽度。对ＳｃａｎＳＡＲ成像的天线波束位置数目，扫描角度范围和方位分辨率等性能进行了分析，阐述了ＳｃａｎＳＡＲ的某些设计考虑，并介绍了若干个应用实例。     

光学采样成像系统传递函数补偿的仿真研究

简要概述了光学采样成像系统组成及调制传递函数补偿(MTFC)概念;采用计算机仿真的方法模拟成像链路,MTFC是成像链路的一个重要环节,通过改变成像链路中的参数,研究链路中的混叠、光学遥感器噪声、量化、有损压缩对MTFC的影响。     

红外热波成像法测量薄板局部换热系数

通过连续激光调制对薄板试样进行局部周期加热，采用红外扫描测温技术记录动态温度分布。利用博里叶变换分析温度基波相位和幅值变化，进而推算壁面的局部换热系数。介绍了该方法的测量原理，在风洞中对两种不同厚度的薄板进行了实验研究，并对实验结果进行了分析和讨论。     

弹道雷达目标的三维snapshot成像

介绍了基于弹道目标识别的三维snapshot散射中心成像方法。结合弹道导弹弹头的运动规律,建立了3D snapshot成像的数学模型。分析了影响成像质量的因素,并提出了解决散射中心匹配和映射矩阵选择的方法。最后,利用计算机仿真验证了该方法的可行性。     

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

W波段FMCW SAR系统实现与试验

与C波段、X波段和Ka波段相比,W波段的调频连续波(FMCW)合成孔径雷达(SAR)系统因具有更高的分辨率,更易实现低功耗与小型化而备受关注。W波段波长短,因此该波段的FMCW SAR更适用于短距离成像。提出一种W波段FMCW SAR系统的设计方案,根据提出的系统方案与指标,实现W波段FMCW轨道SAR系统的样机研制。该系统分辨率可达5 cm。系统样机试验在上海交通大学的多功能船模拖拽水池完成。设置不同目标进行成像试验,最终得到多组有效试验数据,并基于改进的RD算法进行数据处理,得到理想的SAR图像。经分析可知,系统实际分辨率优于5 cm。试验结果证明了W波段FMCW SAR系统的可行性与有效性。     

光学采样成像系统传递函数补偿的试验研究

简要介绍了传递函数补偿（MTFC）验证试验，通过物理仿真和基于ISO20462的最小可觉差（JND）主观评价，对光学采样成像系统MTFC进行了研究。在实验室建立模拟采样成像系统进行物理仿真；通过对7次JND评价数据之间的相互验证，说明JND主观评价具有客观性，试验数据和MTFC验证结论准确可信。     

Developing a dust storm detection method combining Support Vector Machine and satellite data in typical dust regions of Asia

Enhancing the dust storm detection is a key part for the environmental protection, human healthy and economic development. The goal of this paper is to propose a new Support Vector Machine (SVM)-based method to automatically detect dust storms using remote sensing data. Existing methods dealing with this problem are usually threshold-based that are of great complexity and uncertainty. In this paper we propose a simple and reliable method combining SVM with MODIS L1 data and explore the optimal band combinations used as the feature vectors of SVM. The developed method was evaluated by MODIS and OMI data qualitatively and quantitatively on three study sites located in the Arabian Desert, Gobi Desert and Taklimakan Desert, and it was also compared to three other traditional methods based on their accuracy, complexity, reliability and sensitivity to thresholds. The detection results demonstrated that the combination of (Band7 − Band3)/(Band7 + Band3) ((B7 − B3)/(B7 + B3)), Band20 − Band31 (B20 − B31), and Band31/Band32 (B31/B32) can detect the dust storms more precisely than other individual bands or their combination. The comparison among those cases indicated that the proposed automatic method exhibited an advantage of minimizing the uncertainty and complexity, which were the limits of defining thresholds based on the threshold-based methods. The conclusions can provide references for studies that focus on statistical-based dust storm detection.