排序方式: 共有18条查询结果,搜索用时 31 毫秒
1.
2.
精密单点定位作为一种全球卫星导航系统高精度定位方法,模糊度固定是决定其定位精度和收敛时间的关键因素,也是实现精密单点定位完好性监测的前提条件。传统的精密单点定位模糊度固定方法采用星间差分的形式,忽略了卫星端相位偏差的快速变化特性,当切换基准卫星时导致用户计算复杂度增加,甚至需要重新固定模糊度。针对上述问题,设计了一种零基准非差相位模糊度固定方法:服务端采用零基准条件估计卫星端硬件偏差小数部分,用户端使用服务端产品固定非差载波相位模糊度,从而得到精密单点定位模糊度固定的坐标解。创新设计一种偏差零基准精密单点定位模糊度固定策略,实现了非差形式的模糊度固定,从而避免参考星的切换所带来的精密单点定位模糊度重新固定问题,并且能够为精密单点定位完好性监测提供算法基础。实验验证结果表明,零基准模糊度固定方法的坐标估计精度优于3cm,相比浮点解精密单点定位方法提高30%~44%,并且能够改善E方向与N方向的精度差异。 相似文献
3.
在现有的ROSAR(Synthetic Aperture Radar with Rotating antennas)成像算法中,基于斜距泰勒级数展开的算法存在方位向失配问题,时域相关卷积算法不能快速校正距离弯曲.频域ROSAR成像算法采用驻相点原理,直接对ROSAR回波信号进行二维频域变换,保留回波信号的频谱特征,进而构造相应的频域去耦函数和频域匹配函数,实现频域距离弯曲校正和目标场景重构.仿真结果表明,该算法能够快速校正距离弯曲及有效克服方位向失配问题. 相似文献
4.
同时地形高程测量和地面运动目标检测的分布式InSAR最优编队构形 总被引:3,自引:4,他引:3
分布式小卫星干涉SAR为了同时获得时间基线(用于地面运动目标检测)和空间基线(用于地形高程测量),采取空间立体编队构形(即非沿航向直线编队),然而这种混合基线的情况会导致地面运动目标与地形杂波存在相位耦合,而且只靠信号处理方法很难分离,这对于检测地面运动目标极为不利。提出几种最优编队构形,在保证获得两种干涉基线的同时,通过对消两对干涉SAR图像来抑制掉固定杂波,从而可以检测地面运动目标,这种方法具有处理简单和性能较好等优点。最后给出了仿真结果。 相似文献
5.
6.
研究了一种基于离散余弦变换(DCT, Discrete Cosine Transform)的SAR(Synthetic Aperture Radar)图像自聚焦算法.该方法从复图像域出发,通过在距离压缩相位历史域引入相位误差模型,改变图像的聚焦程度直至一维像的DCT序列在高序数区域的权值达到最大,从而完成误差校正.同相位梯度自聚焦算法相比,该方法无需在图像域分离出强点目标,因此特别适用于无任何明显特征的图像.由于DCT存在快速算法,使得该自聚焦算法计算量较少,更易实现.实测数据及仿真数据的成像结果证明了此方法的可行性. 相似文献
7.
合成孔径雷达(SAR)主瓣杂波在时频平面中呈带状分布,散布宽度与雷达波束有关;目标距离向速度引起回波信号中心频率的偏移,当此速度较大时则导致目标在时频平面内偏出主瓣杂波散布范围;目标方位向速度引起它与杂波调频率的差异,当沿着动目标调频率方向进行相干积累时检测效果最佳,主、副瓣杂波得到一定的抑制,抑制效果还与雷达相干积累时间、目标方位向速度有关。针对动、静目标如此之不同,文章提出以动、静目标调频率、中心频率之间的差异为核心的杂波抑制方法,最后在低信杂比的条件下进行了SAR模拟场景仿真研究,在时频域实现杂波抑制和动目标信号的有效积累。 相似文献
8.
9.
在相控阵机载预警(AEW)雷达杂波抑制中三维空时自适应处理(3D-STAP)的性能最优,然而,三维处理存在两个方面的缺点一是自适应权的计算量较大,二是估计杂波协方差矩阵时需要大量的训练样本(这在实际非均匀环境中很难满足),因而无法应用.先时后空自适应处理(T-SAP)不但计算量低,而且性能接近最优.现提出了一种基于直接数据域(DDD)的三维先时后空自适应处理(3D-T-SAP)方法,即先对每个二维空域通道用具有超低旁瓣的多普勒滤波器将杂波作局域化预处理,再对各个或相邻几个多普勒通道的输出作基于直接数据域的二维空域自适应处理.此外,由于该方法对阵元误差比较敏感,因此还提出了一种实用的误差校正方法.计算机仿真结果验证了该方法的有效性. 相似文献
10.
X波段单发多收体制下用于解距离模糊的时变二相码波形优化设计 总被引:7,自引:0,他引:7
针对小卫星雷达系统由于天线尺寸受限、宽波束照射面积大而带来的方位模糊,通过采用高脉冲重复频率来解方位模糊,然后利用发射波形的时变特性来解决高重频带来的距离模糊。基于此,采用了一种梯度遗传算法对多发射二相码波形进行优化,使其自相关峰值、积分旁瓣电平和互相关主副比、积分旁瓣电平尽可能的低。同时对多约束构成的适应度函数进行自适应尺度因子加权,以克服不同约束带来的不同数量级所造成的优化倾向问题。仿真结果和性能分析验证了该算法的有效性和可行性。 相似文献