基于子孔径拼接的超大型光学遥感器检测技术

针对超大型光学遥感器的系统检测问题,文章在常规方法的基础上提出了子孔径拼接检测法,即采用小口径自准直平面镜代替全口径自准直镜在光轴竖直状态下进行系统检测,通过子孔径拼接算法可以高精度地还原系统全口径的波前信息。文章对该方法的基本原理进行了分析和研究,完成了相关仿真实验,利用口径为1.8m的自准直平面镜对口径为3.2m的光学系统进行了子孔径拼接检测,检测结果验证了该方法的理论可行性。     

子孔径拼接检测方法的目标函数优化

子孔径拼接检测技术是一种利用小口径干涉仪实现对大口径光学系统检测的有效方法.在子孔径拼接算法中,需要对子孔径重叠区域的采样数据进行最小二乘拟合,得到各孔径的相对误差,从而将它们统一到同一参考面上,完成拼接.最小二乘拟合目标函数的优劣将直接影响拼接精度的高低.文章利用光学仿真软件,提取对误差敏感的Zernike多项式的项,并推导得到具有较高精度的目标函数,通过仿真计算验证了该目标函数能满足高精度子孔径拼接的要求.     

基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。     

基于子孔径波面拼接的直接波前解卷积效率

为提高气动光学效应下目标图像清晰化处理的运行效率,提出了子孔径拼接波前复原方法。分析了波面拼接下的直接波前解卷积效果,研究了波面拼接与传统泽尼克模式法在运行效率上的差异。仿真结果表明:子孔径拼接方法具有良好的波前复原能力,与泽尼克模式法相比具有更低的算法复杂度。基于子孔径波前拼接的直接波前解卷积方法可有效提高点源图像探测的斯特列尔比(Strel ratio),可应用于高超声速飞行器的红外寻的系统中,抑制气动光学相位畸变的影响,增强目标探测、识别和跟踪性能。     

基于SIFT子图像融合的直角坐标FBP算法

针对合成孔径雷达实测数据成像算法计算数据量大的问题,提出一种基于SIFT子图像融合的直角坐标系下的FBP算法。算法首先在直角坐标系下对SAR子孔径信号进行后向投影成像得到对应的子图像,然后对各子图像进行相位梯度自聚焦实现相位补偿,最后采用基于尺度不变特性变换(SIFT)的SAR图像配准方法对聚焦后的子图像进行融合得到全孔径图像。算法计算量比传统极坐标系下的快速后向投影算法小,并且由于基于SIFT的融合是针对复图像的融合,因此融合后图像的分辨率较传统的融合方法有所提高。机载实测数据的处理结果验证了算法的有效性。     

一种基于数字聚束的极坐标格式算法波前弯曲补偿

提出了一种基于数字聚束技术的PFA波前弯曲误差补偿新方法,该方法首先对回波数据进行两维空域滤波和降采样,将原始的宽波束大场景数据分解成若干窄的子波束子场景数据,再结合PFA的非共面运动补偿能力,能够有效解决在雷达任意航迹条件下的PFA波前弯曲误差补偿问题,显著提高PFA有效成像场景范围。仿真数据处理表明了算法的有效性。     

一种聚束SAR回波数据压缩成像方法

针对聚束合成孔径雷达(SAR)成像中的海量数据问题,提出了一种基于压缩感知的聚束SAR回波数据压缩成像方法。首先对回波信号进行分析,利用波前匹配字典构造方法得到回波观测矩阵,其次通过构造二维离散余弦变换(2D\|DCT)等效矩阵得到回波信号的稀疏变换矩阵,然后利用平滑L0算法重构得到观测场景的二维像。本文方法可以在采集远小于传统聚束SAR成像方法所需回波数据量的基础上实现准确成像,最后的仿真结果表明了方法的可行性和有效性。     

北京三号B卫星相机光学系统波前探测技术

介绍了一种波前探测技术在北京三号B卫星相机光学系统地面高精度测试中的应用,通过计算传感器接收到的相位差异信息进行波前反演,可以获得稳定且精度较高的波前信息。相位差异(PD)法是其中一种波前探测技术,在北京三号B卫星项目中进行了初步尝试,文章对其进行了介绍、分析和评估,该方法具有较好的稳定性和可靠性,并有潜在的应用前景。研究结果解决了现有国外商业测量软件对复杂结构的相机光学系统波前测量计算不足的问题,具有较高的工程应用价值。     

一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。     

基于稀疏重构的杂波环境下红外图像空间邻近目标超分辨方法

基于稀疏重构的超分辨方法是应对空间邻近目标的有效方法之一,但是当目标处于杂波环境下时,杂波会布满在整个视场范围内,导致场景原有的稀疏性被破坏。针对这一现象提出了一种在杂波环境下的超分辨方法。该方法充分利用了传感器的结构特性以及重构算法中的参数,通过建立观测信号的红外成像模型并利用像元网格划分的方式,建立空间邻近目标群的位置和幅度信号的稀疏表示,并利用其光学系统的点扩散函数来构造超完备字典,最后通过控制重构场景中非零元素的个数比例来使重构参数处于一个合理的区间范围,以此来达到去除杂波干扰并准确重建稀疏目标的目的。