基于离散多项式相位变换的SAR高阶相位误差估计

离散多项式相位变换（DPT）是分析恒定幅度多项式相位信号的有力工具，其主要用途是估计相位多项式的系数，具有估计精度高、算法简单等特点。在SAR的回波数据中相位误差往往可以用幅度恒定的多项式相位来表示。补偿这种类型的相位误差，常用的方法是多孔径地图漂移法、多孔径相位差分法和相位梯度自聚焦算法。在SAR自聚焦中，运用DPT算法估计二阶和高阶相位误差系数是可行的。本文详细介绍了DPT算法的原理，通过实测数据验证了DPT算法的性能，并与多孔径地图漂移法、多孔径相位差分法和相位梯度自聚焦算法进行了比较，结果表明在信噪比较高的条件下，DPT算法的估计精度远远高于多孔径地图漂移法、多孔径相位差分法和相位梯度自聚焦算法。     

通过聚集探测SAR图像中的动目标

本文介绍的是一种在合成孔径雷达（SAR）图像中探测动目标的方法。这种方法是将SAR复图像分成若干分区，分别对各个分区进行聚焦，然后测量聚焦区域中锐度的增长情况，这种方法能敏锐地检测到目标的方位速度，对目标径向加速度的检测尤为敏锐，还能对任意方向的运动进行检测，对于只能检测快速运动目标径向速度的传统多普勒传感动目标指示器而言，这种方法是一种有效的补充。     

处理几何学在SAR原始数据聚焦中的作用

合成孔径雷达(SAR)系统要求对接收的回波信号(原始数据)进行聚焦处理以生成高分辨率微波图像。由于平台姿态的不稳定性，或者是由于地球自转效应都可能造成在“倾斜”的坐标系中获取SAR原始数据，即发射接收波束对于正测向存在偏向角。本研究报告利用以条带模式工作的SAR传感器所获得的斜视原始数据，分析了聚焦处理的效果。最后，关于圆锥形非正交参考系统，概括了二维频域SAR处理法。在根据要求选定的处理坐标系中，对由原始数据处理而来的图像，分析了几何、频谱、相位的误差。并证实所用聚焦处理使这些误差为最小值。依据仿真数据求得的实验结果证实了全部理论。而且，还研究了把这种分析推广到偏差具有显著作用的干涉测量的情况。     

基于lk范数正则化方法的SAR 图像超分辨

提高合成孔径雷达(SAR)图像的分辨率对自动目标识别等具有重要意义.为此改进了一种基于lk范数正则化方法,并用于SAR图像超分辨.该方法通过合理开发利用符合SAR成像工程背景的先验知识,构造附加约束,把图像超分辨问题规划为形式简单的带约束优化问题.仿真和实测数据计算结果证实了该方法的有效性.     

超宽带/宽波束SAR的后向投影(BP)算法

超宽带/宽波束(UWB/WB)SAR的相参积累角很大,会引起严重的距离徙动现象,使传统窄带/窄波束成像算法(RD算法等)不再适用。后向投影(BP)算法避免了菲涅耳近似,通过计算双程时延将信号进行相干累加,从而获得方位向高分辨率。文中对SAR成像以及BP算法的原理进行推导,然后通过计算机仿真验证理论分析的正确性和算法的有效性,最后详细讨论图像的像素间隔对成像的影响。     

同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象,针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题,提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式,利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项,完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿,理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

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YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

SAR图像伪加性相干斑噪声统计特性

研究了SAR图像加性模型中伪加性相干斑噪声分量的统计特性。分析了SAR图像中真实信号分量和乘性相干斑噪声分量的统计特性;在此基础上结合Edgeworth展开式和以Mellin变换为基础的第二类型特征函数及其对数累积量详细推导了伪加性相干斑噪声概率密度函数的近似表达式;各信号分量的概率密度函数中的参数采用对数累积量方法进行估计。最后利用SAR实测数据仿真分析了伪加性相干斑噪声的统计特性。实验结果表明,乘性的相干斑噪声转换为加性噪声后,其统计特性非常接近于高斯分布。