基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

超模式斜采样遥感图像超分辨复原方法

超模式斜采样成像技术通过将两排探测器阵列倾斜成像提高相机空间分辨率。由于不满足香农采样定理．图像中出现混叠。为了降低混叠对遥感图像超分辨复原的影响,文章提出了一种结合最佳倒易晶胞的超分辨复原方法。该方法根据超模式斜采样频域对偶网格建立相应的混叠模型．通过权重函数衡量噪声和混叠在频谱中的分布,得到噪声、混叠最小最佳倒易晶胞;并基于Huber—MRF（Markov Random Field）图像先验模型建立了耦合最佳倒易晶胞的MAP（Maximuma Posterior）超分辨复原模型。实验表明,该方法降低了超模式斜采样成像中混叠对复原的影响,获得了良好的超分辨复原效果。     

DOA估计算法性能分析及仿真

分析了几种常见空间谱估计算法的结构,提出了一种未知信源数的高分辨DOA估计算法。该算法继承了求根MUSIC算法优越的性能,直接利用阵列接收数据的协方差矩阵,无须预判信源个数和进行特征值分解,实现高分辨谱估计,同时在信噪比较小时,仍能保持较高的角度分辨力。最后通过大量的计算机仿真实验比较了各种算法的性能,证明了新算法理论的正确性和有效性。     

基于迁移学习的SAR目标超分辨重建

针对合成孔径雷达(SAR)目标超分辨重建问题,提出了一种基于迁移学习的超分辨方法。在光学图像梯度域中联合训练超完备字典与稀疏编码映射,利用半耦合字典联系SAR图像与光学图像,寻找SAR图像在半耦合字典下的稀疏编码,并在高分辨率字典下完成重建。结合SAR图像的先验信息,使用正则化方法对SAR目标进行特征增强。所提方法在TerraSAR-X数据和MSTAR数据上进行了仿真实验,重建结果表明,相比目前的插值方法和稀疏表示方法,所提方法空间分辨率可提高0.5~1.5个像素。正则化增强结果表明,引入稀疏先验的正则化增强能够进一步提高空间分辨率并抑制杂波比,最后分析了正则化参数的选取对图像质量的影响。     

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。     

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。     

制导雷达低频反隐身采用超分辨技术探讨

探讨了制导雷达低频反隐身采用超分辨技术的可能性,介绍了典型隐身目标(F-117A)的测试情况和米波雷达超分辨的方法及一些试验情况,表明该技术的可行性,提出了尚需解决的问题。     

快速迭代反卷积算法的超分辨性能分析

传统观念认为,扫描体制下的实孔径雷达方位分辨力决定于3dB波束宽度,这使得雷达难以从方位上区分同一波束内的两个等距目标。迭代反卷积算法是一种简单实用的超分辨算法,为分析迭代反卷积算法的超分辨性能,文章对线性迭代算法和P阶决速迭代算法进行了比较并对此做了仿真实验。仿真实验表明,P阶快速迭代反卷积算法的超分辨效果较佳,而且...     

机载单通道雷达实波束扫描的前视探测

针对机载单通道雷达采用合成孔径雷达(SAR)技术、多普勒波束锐化(DBS)技术等途径难以实现载机飞行路线正前方高分辨率成像问题,研究了一种利用方位实波束重叠扫描的新型机载单通道雷达前视探测方法,讨论了提高方位分辨率的可行性和适用条件。该方法根据目标回波强度受到波束扫描增益调制的特点,通过计算修正的Capon空间谱来实现方位超分辨。模拟实验表明,所提方法能够实现机载单通道雷达的前视成像,可以显著提高波束主瓣区域内强弱临近目标的分辨能力。