受Faraday旋转影响的极化SAR数据的校准

合成孔径雷达的极化校准的根本目的是校正各个极化通道的极化不纯度和通道间的不平衡量,而对于星载系统,还要考虑受到Faraday旋转引入的极化矢量偏移的影响。文章首先利用电磁数值计算的方法获得点目标的极化散射矩阵,利用Kroneker积的性质得到极化校准模型,从而得到极化校准矩阵。由于不需要得到各个通道具体的失真特性,以及Faraday旋转的具体大小,因此该方法更容易实现。最后利用计算机仿真,验证了该方法的有效性。     

基于舰船目标的极化SAR改进滤波算法研究

针对传统极化白化滤波(PWF)算法在处理极化SAR数据时的缺陷,提出一种改进的方法,该方法利用边缘模板检测和Freem an散射特性分解等技术对存在结构特征区域的图像采取特殊处理,提高了存在结构特征区域图像的滤波性能。实验证明,改进方法具有更强的自适应性,可有效降低相干斑噪声,特别是在边缘区域,能更好地保持舰船目标的结构信息。     

改进的极化SAR图像三分量分解方法

针对原始三分量分解方法中,偶次散射和表面散射类地物的体散射分量可能会过估计的问题,提出了一种基于H/α珔参数和一般散射机理模型的改进的三分量分解方法。首先在进行极化分解之前利用H/α珔参数判定目标的主导散射类型。对于主导散射类型明确的像素点,利用一般散射机理模型优先计算主导散射成分的相关扩展系数,然后再从剩余成分中提取非主导散射分量。对于主导散射类型不明确的像素点,采用传统的去取向三分量分解方法进行分解。对实测极化SAR图像进行实验表明,新方法不仅继承了传统三分量分解方法的优点,而且能在分解结果中更加有效地突出雷达目标的主导散射特征。     

基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。     

基于极化神经网络的雷达舰船检测识别方法

相参雷达捕获的全极化海面目标距离-多普勒(RD)回波数据中,目标区域占比小、信噪比低,且海况环境与干扰种类多变,使得经典的深度神经网络在此种条件下检测识别精度较低。为此,本文提出了一种基于极化深度神经网络的全极化相参雷达海面目标检测识别算法。首先,引入极化特征提取模块挖掘目标与干扰的差异化特征;其次,通过特征金字塔网络解决小目标检测识别的问题;最后,使用级联结构进一步提升算法性能。在全极化相参雷达回波数据集上的测试结果表明:基于特征值与特征矢量的极化特征对于数据集中两类舰船目标的平均精度分别达到0.907 9与1.0,相比不采用极化特征有着显著提高。     

基于极化敏感阵列的高效DOA与极化参数联合估计算法

提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法.首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计.最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计.算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度.此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度.仿真实验结果验证了算法的有效性和良好的估计性能.     

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。     

基于雷达散射矩阵的多模型融合极化目标识别

雷达目标极化特性测量在目标极化增强和极化识别等领域都具有重要应用。研究了功率矩阵的相似度与共交极化比,并据此对各种目标进行识别,提出了一种新的雷达散射矩阵多模融合目标识别模型。通过仿真分析验证了该模型的可行性和有效性。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

Ku波段机载极化SAR数据定标

针对极化合成孔径雷达(SAR)数据采集过程中出现的通道串扰、通道不平衡问题,利用Ku波段机载全极化SAR数据进行定标试验研究。进行了极化通道间干涉相位去除,以及包含相位校正、串扰校正和通道不平衡校正的极化SAR定标处理。对三面角反射器后向散射的分析表明:经定标处理后,极化通道不平衡降至1 dB以内,通道串扰降至-17 dB以下,极化特征图与理想三面角更为接近。Freeman-Durden分解结果表明:经定标处理后,极化SAR数据能较为准确地反映地物主要散射机制信息。     

一种基于实数域特征值分解的前后向平滑算法

为减小算法的运算量,对常规前后向空间平滑(FBSS)算法进行改进,提出了一种基于实数域特征值分解的前后向平滑(RDFBSS)算法。算法根据前后向平滑算法协方差矩阵的中心-厄米特对称特点,通过实值化变换,使FBSS算法的特征值分解从复数域转为实数域,大幅减少了算法的运算量,且不影响解相干和统计性能,提高了实用性。仿真结果证实了算法的有效性。     

基于实验室定标和均匀景统计的相对辐射定标方法

提出了一种基于实验室定标和均匀景统计的定标方法,并应用于CBERS-02卫星遥感图像相对辐射校正。首先分析宽视场成像仪(Wide Field Imager,WFI)实验室基础定标系数;然后结合均匀景的定标方法,生成一组新的相对辐射定标系数;最后评价WFI图像相对辐射校正的效果。结果表明:文章提出的定标方法有效,可以较好地解决宽幅遥感图像辐射校正问题,同时为遥感卫星相对辐射校正提供了一种新的途径。     

基于频域的低频UWB SAR辐射校正

低频UWBSAR系统具有的超宽带特性,大处理角特性和低频特性使得常规SAR辐射校准技术不再适用。针对系统特性,本文给出了低频UWBSAR的辐射校准方法,并在计算机仿真中验证了该方法的有效性。     

一种基于卫星敏捷特性的在轨辐射定标方法

文章对一种基于卫星敏捷特性的在轨辐射定标方法(国外文献通常将此种方法称之为"Side-slither calibration method")进行了原理介绍,并分析了其相对于传统在轨辐射定标方法的优点,然后介绍了该方法目前国外已有的应用实例。最后对基于Side-slither定标方法的在轨定标工作进行过程中地球自转、地面场景、卫星平台、光学系统等因素对定标效果的影响作了相关分析,分析结果对基于Side-slither定标方法的定标工作开展具有一定的参考价值。     

三星时差定位系统的有源校正算法

针对三星时差（TDOA）定位系统中,由星历误差和时间同步误差导致无法精确定位的问题,提出一种基于正交投影的两步迭代有源校正算法。该算法首先利用正交投影将时间同步误差从观测方程剔除,然后引入一个与辐射源位置和星历误差有关的中间变量,通过对中间变量的最优估计消除星历误差对定位精度的影响,最后利用中间变量求解出目标辐射源位置。仿真结果表明,所提算法定位性能的仿真值和理论值均可以达到克拉美-罗界（CRLB）,当TDOA观测噪声较小且有3个以上参考源时,可以完全校正星历误差和时间同步误差对定位精度的影响。     

空间CCD相机辐射校正算法分析

空间 CCD 相机对均匀景物响应的不一致在图像中表现为条带现象,相对辐射校正可以减弱或消除条带效应。相对辐射校正可以使用不同的算法,但效果不同。文章选取了某空间 CCD 相机的实验室辐射定标数据,采用基准的归一化系数法和最小二乘法,分别计算该相机的3组相对辐射校正系数,并对实验室原始辐射定标数据进行相对辐射校正,验证3种算法的校正效果。通过相对辐射校正后的图像和3种算法的辐射校正残余误差分析,认为以所有辐亮度DN（digital number）均值为基准的归一化系数法的校正效果在多数辐亮度级下好于最小二乘法。最后分析了相机像元响应线性度和算法辐射校正残余误差的关系。     

基于LabView的电容测微仪静态参数在线虚拟标定方法的研究

电容测微仪是将位移的微变转换为电压的微变的仪器。准确快速标定电容传感器静态参数是实现精密测量的前提和关键。根据传感器标定理论要求与电容式传感器的实际情况,提出一种对电容式传感器静态参数进行标定的方法。该方法采用了LabView软件编写数据采集程序,对逐次采集的电压进行存储并计算,按照不同的评价原理自动得到性能参数。实验结果证明,此种标定方法精确、快速,可推广到其他类传感器的标定。     

基于LabView的电容测微仪静态参数在线虚拟标定方法的研究

电容测微仪是将位移的微变转换为电压的微变的仪器.准确快速标定电容传感器静态参数是实现精密测量的前提和关键.根据传感器标定理论要求与电容式传感器的实际情况,提出一种对电容式传感器静态参数进行标定的方法.该方法采用了LabView软件编写数据采集程序,对逐次采集的电压进行存储并计算,按照不同的评价原理自动得到性能参数.实验结果证明,此种标定方法精确、快速,可推广到其他类传感器的标定.