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。     

基于多DSP的机载SAR距离徙动校正实现方法

针对机载合成孔径雷达(SAR)数据量大、运算复杂、实时性能要求高等问题，提出了一种基于多片多核DSP并行的方式实现机载SAR距离徙动校正的方法。重点介绍实现过程中的片间及片内并行和同步处理、数据交互、数据分配，距离徙动校正的距离向脉冲压缩和惯导补偿，以及多普勒中心估计实现的具体步骤，利用点仿真和实测数据验证了该方法的有效性，并提出优化模块，进一步提高运算的实时性。     

星地激光通信链路中的极化码性能研究

在星地激光通信链路中，激光在大气信道中传输时容易受湍流作用，导致信号功率衰落。考虑到极化码在短码下的优良性能和较低的实现复杂度，将其应用于星地激光通信系统中来对抗大气湍流引起的信号衰落。基于对湍流信道的分析，搭建了星地激光通信系统仿真平台，并在其中引入了极化码。实验结果表明在中等湍流和强湍流下，极化码分别降低了13%和25%的通信中断概率，极大地改善了星地激光通信系统的性能。