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。     

一种基于时间调制的弹性化SAR卫星系统

星载合成孔径雷达(SAR)系统能全天时、全天候观测,在地震、洪涝、台风等自然灾害监测中具有重要作用。双基、多基SAR卫星更具有极高的经济、科学、安全价值。然而,目前在轨的大型星载SAR卫星造价昂贵,且双基SAR卫星需数颗同等规模的卫星。双基SAR卫星系统存在星间同步链路,因此卫星可扩展性不强。提出了一种基于时间调制的低成本弹性化Ka波段调频连续波(FMCW)SAR小卫星星座系统。该系统基于一组独立、模块化的发射卫星和接收卫星。采用Ka FMCW SAR体制和时间调制天线(TMA)技术,可减轻接收星2/3以上的质量。该系统采用自主任务规划技术,具备多样化的工作模式,为单发多收、多发多收等应用需求提供了一种弹性化的解决方案。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

基于稀疏空间谱估计的星载SAR DBF算法

针对星载合成孔径雷达(SAR)系统利用俯仰向数字波束形成(DBF)技术接收场景回波时受地形的影响,会出现波束指向偏差的问题,提出了基于稀疏空间谱估计的星载SAR数字波束形成方法。该方法将目标场景高程估计问题转换为波达方向估计问题,考虑到回波信号的稀疏性,进而等效为稀疏空间谱估计问题,然后利用凸优化方法求解得到目标波达方向。最后,仿真实验验证了该方法的有效性,结果表明该方法可以降低传统自适应方法受小样本和低信噪比影响的限制,实现复杂地形下的正确波束指向,保证回波信号的接收增益。     

基于驱动机构作动的太阳翼振动控制原理与实验研究

针对航天器在调姿或变轨过程中太阳翼长时间、低频振动引起航天器系统无法正常工作的问题,以太阳翼自身驱动机构为作动器,提供反馈控制力,进行振动抑制。在原理性研究的基础上,建立了贴近工程实际的真实尺寸太阳翼有限元模型,改进了控制算法,实现了太阳翼在振动控制结束后的正确复位,并利用动力学缩比模型对振动抑制方法的有效性开展了实验验证。结果表明:该方法不需引入额外的非有效载荷,能够在保证太阳翼不偏离目标位置的同时,有效抑制太阳翼的低频振动。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

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。     

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。     

相控阵超声检测方案设计关键技术及其在航空航天领域的应用

相控阵超声检测技术是一种多通道超声检测方法,与常规单通道水浸超声检测技术相比,检测方案的制定更加灵活也更加复杂。在针对复杂型面结构进行检测方案设计时,错误的检测方案将可能产生缺陷的误检、漏检等严重问题。为了针对航空航天领域广泛存在的复杂结构试件制定最优的相控阵超声检测方案,本文提出了一套针对复杂型面结构的相控阵超声检测方案设计流程,并对其中涉及的关键技术和应用进行介绍。首先,对流程框架进行总体概述,表明检测方案设计的重要性和必要性;然后针对其中涉及的5项关键理论方法的核心原理及用途进行介绍;最后搭建相控阵超声软硬件平台,实现上述关键理论方法,并用于航空航天典型结构件的检测研究。研究结果表明,所制定方案能够准确检出结构内部的预埋缺陷,满足被测对象的检测要求,并且所提出的检测方案设计流程及采用的关键理论方法有效地提高了检测方案的设计效率,对航空航天等重要领域复杂结构试件的检测应用具有一定的理论指导及应用价值。     

互质阵中空间谱估计研究进展

阵列信号处理技术是信号处理领域一个重要分支,广泛应用于雷达、声呐、水电天文等领域。空间谱估计是阵列信号处理中一个主要研究热点,为了避免角度模糊,要求阵元间距要小于等于载波波长的一半。互质阵突破半波长的限制,其阵元间距一般大于半波长。因此,互质阵能够在阵元数固定的情况下,获得更大的阵列孔径。互质阵空间谱估计算法可以利用互质特性辨识目标源,且能够获得更高的测向精度与分辨率。互质阵空间谱估计研究逐渐成为当今阵列信号处理领域的热点。本文总结了互质线阵与互质面阵下的空间谱估计的研究进展,分析了互质阵列相对于普通均匀阵列在阵列孔径扩展以及提高空间自由方面的优势。仿真结果展现了互质阵下高效的波达方向估计性能。