基于聚束照射SAR成像算法的条带SAR数据处理

为实现聚束照射合成孔径雷达（SAR）与条带模式SAR成像算法上的统一，本文利用两种模式之间的内在联系，将条带模式SAR数据分块处理，等效成聚束模式数据。然后，用聚束照射SAR成像算法实现条带数据的成像处理。针对具体数据，文中还对成像区大小的选择作了分析，并推导出成像长度与滤波器带宽应当满足的关系式。包场数据的处理严格证实了理论分析并验证了本文运用的方法。     

机载SAR成像信号处理研究和实践

成像信号处理是合成孔径雷达(SAR)的核心．必须根据SAR系统战技指标的要求，设计先进、合理和实用的成像信号处理方案和算法。某型机载SAR旁视成像模式综合运用二维可分离成像算法、预处理和运动补偿，前斜视成像模式综合运用线性距离多普勒成像算法、天线扫描和运动补偿，满足了全数字化、机上实时成像的要求。样机试飞中，在国内首次获得高清晰度3m分辨率的旁视SAR图像和首次实现高分辨率前斜视SAR成像。试飞数据在地面处理后，在国内首次获得方位分辨率优于0．5m的成像结果。     

基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。     

敏捷SAR卫星滑动聚束模式姿态控制分析

敏捷合成孔径雷达（Synthetic aperture radar，SAR）卫星机动能力强、图像质量高，可以实现条带模式、滑动聚束模式、大角度侧视及大角度斜视成像。滑动聚束成像模式图像几何分辨率高、图像质量高，是敏捷SAR卫星的典型应用模式。根据滑动聚束模式的成像特点，本文分析了两种典型的滑动聚束成像模式姿态控制实现方式，并分别进行仿真、测试和比较分析，以支持卫星在轨滑动聚束成像模式的应用。     

通过天线波束扫描扩大SAR区域成像范围

研究通过天线波束扫描扩大SAR区域成像范围的方法，以适应较大区域中等分辨率成像的要求。推导了天线扫描角速度、角度范围与所需成像范围和方位分辨率的关系。选择天线扫描角速度，使得在一个合成孔径时间内，波束恰好扫过3分贝波束宽度，而合成孔径长度由要求的方位分辨率、波长、斜距和斜视角决定。天线扫描角度范围由要求的成像区方位宽度、斜距、斜视角、载机速度和波束方位宽度决定。最后，介绍了某机载SAR试飞得到的成像结果。在运动补偿之后．采用线性距离多普勒算法成像。     

超高分辨率机载SAR成像算法及其GPU实现

雷达成像分辨率的不断提高,给SAR高精度实时成像处理带来了新的挑战。采用高效精确的成像算法以及对算法进行硬件加速是解决该问题的有效途径。本文提出了一种适用于超高分辨率机载SAR成像的精确高效成像处理方案,并利用并行化硬件平台GPU对该成像方案进行了硬件加速。实测数据处理结果充分验证了该处理方案的聚焦精度和处理效率。     

地面目标多角度SAR数据集构建与目标识别方法

南京航空航天大学雷达探测与成像技术研究团队利用自主研制的无人机（Unmanned aerial vehick, UAV）机载高分辨率微小型合成孔径雷达（Mini synthetic aperture radar, MiniSAR）系统,针对多类具有代表性的地面目标进行全方位回波录取及成像处理,构建了拥有自主知识产权的复杂目标SAR数据集,并依托该数据集开展了基于人工智能的目标识别方法研究。针对无人机运动姿态不稳定、辅助传感器精度受限导致的图像散焦问题,本文提出了新型运动补偿及新型二维自聚焦算法。实验表明,虽然AlexNet、ResNet-18、AConvNet和VGG等经典神经网络在MSTAR十类目标分类问题中取得了接近100%的分类准确率,但将其应用于南航MiniSAR数据集时分类准确率均明显低于90%。由于本文采取的实验方法与SAR目标识别技术的实际应用场景较为接近,该MiniSAR数据集对于面向工程应用的SAR目标识别算法研究将会具有重要参考价值。     

机载合成孔径雷达动目标检测与成像技术的发展(英文)

基于机载合成孔径雷达 (SAR)的地面运动目标检测与成像技术已经成为现代雷达技术发展的一个重点。本文首先建立了运动目标回波的数学模型 ,在此基础上分析了机载 SAR对运动目标成像的特点 ,然后对近年来这一技术的发展过程和研究现状进行了全面的综述 ,最后对这一领域今后的发展方向进行了展望。     

环视SAR成像处理中的几何失真校正算法

环视合成孔径雷达(SAR)图像用于导弹精确来制导中的景象匹配处理,需要满足几何精度的要求.校正由雷达平台不规则运动和天线圆周扫描导致的图像几何失真,是环视SAR成像处理中的关键步骤.文中在利用线性距离多普勒算法生成子图像的前提下,提出了一种基于像源与像点映射关系的距离多普勒域图像几何失真校正算法.该算法无需复杂的坐标系转换计算,实现了360°范围内任意波束指向上SAR子图像几何失真校正.地面点目标仿真和实测教据成像结果证明了该算法的有效性.     

SAR图像小波域多尺度模型

针对面向ATR应用的SAR图像压缩需要将图像压缩与图像自动分析相结合,本文研究小波域SAR图像MAR模型并应用于图像鉴别.与SAR复图像分辨单元相干平均形成多尺度图像序列建立多尺度模型不同,本文对SAR对数检测图像小波变换形成多尺度图像序列建立MAR模型.通过实例辨识了SAR图像中自然杂波(草地)与人造物(战略目标)模型,应用该模型推导了小波域多分辨率判别,对MSTAR图像鉴别实验验证了模型的有效性.其中db2小波域多分辨率判别鉴别性能好而计算复杂度低.小波域多分辨率判别可用在图像压缩有损量化前鉴别出人造物与自然杂波.     

弹载SAR信号处理及其硬件实现

针对空对舰导弹的情况，研究一种将合成孔径雷达技术用于弹戴制导雷达的方案，以提高其横向分辩率，实现对舰船目标的成象。弹载ＳＡＲ采用的一是一种聚束照射成象模式，通过站偿，可以转化为转台成象。     

SAR图像中恒速动目标的定位

分别利用恒速动目标的信号幅度和信号相位估计动目标信号的频谱中心和多普勒调频率,结果不受动目标位置影响,解决了"方位位置不确定问题"。根据动目标方位向信号的频谱中心、调频率和动目标像位置,实现定位动目标。将聚焦良好的静止背景和动目标像以正确的相对位置绘制到同一幅图像中,是对动目标定位的最好表达方式。     

SAR图像中动目标自聚焦检测的方法改进

构造了各聚焦图像块的对比图像块,对比图像块内的静止背景与聚焦图像块内的静止背景图像保持同步变化,它们的锐度始终相等,而对比图像块内的动目标与聚焦图像块内的动目标图像有很大差异,以聚焦图像块与对比图像块锐度比检测动目标,可排除静止背景锐度下降的影响,提高检测性能。实测数据表明该算法有效。     

基于波束锐化技术的SAR图像增强方法

在对给定的合成孔径雷达图像进行增强处理时 ,遇到的主要问题就是相位信息的丢失和对成像系统参数的一无所知。本文将波束锐化技术与合成孔径辐射方向性图的估计相结合 ,为处理此类数据提高图像的视在分辨率提供了一种方法。该处理过程由一个优化的有限冲激响应滤波器构成。滤波器的设计思想基于最小均方误差准则 ,系数对称分布 ,系数取值决定于原图像中孤立强散射点的方位向响应 ,因为此响应可以被近似视为成像系统的合成孔径辐射方向性图。点目标仿真表明雷达角分辨率能够提高近 2倍。实测数据处理结果证明了该方法的有效性     

Evaluation of Trajectory Error Effects in BP Based Space Target ISAR Imaging

The space target imaging is important in the development of space technology.Due to the availability of trajectory information of the space targets and the arising of rapid parallel processing hardware,the back projection (BP) method has been applied to synthetic aperture radar (SAR) imaging and shows a number of advantages as compared with conventional Fourier-domain imaging algorithms.However,the practical processing shows that the insufficient accuracy of the trajectory information results in the degrading of the imaging results.On the other hand,the autofocusing algorithms for BP imaging are not well developed,which is a bottleneck for the application of BP imaging.Here,an analysis of the effect of trajectory errors on the space target imaging using microlocal technology is presented.Our analysis provides an explicit quantitative relationship between the trajectory errors of the space target and the positioning errors in the reconstructed images.The explicit form of the position errors for some typical trajectory errors is also presented.Numerical simulations demonstrate our theoretical findings.The measured position errors obtained from the reconstructed images are consistent with the analytic errors calculated by using the derived formulas.Our results will be used in the development of effective autofocusing methods for BP imaging.     

利用电磁仿真数据研究ISAR运动补偿和成像

本文利用板块法对运动目标进行电磁仿真,根据Stratton-Chu积分,通过目标CAD造形和表面板块生成,每一板块元与目标实际表面之间的最大误差不得大于入射雷达波波长的十六分之一,从而将目标的三维曲面矢量电磁散射积分简化为每一板块面元上的二维平面矢量积分之和,获得静止目标的散射场,然后通过目标运动轨迹模拟,考虑由于目标的运动而引起的雷达回波相位的变化,实现运动目标的电磁仿真。利用这种电磁仿真方法模拟产生64×128个回波数据,用频域法进行距离对准,用最大似然方法进行相位补偿,目标轨迹运动引起的距离变化用时间的二次函数拟合,研究了用X波段雷达对一架匀速直线飞行飞机的ISAR运动补偿和成像。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

基于序列图像的非合作目标自主导航及验证

针对空间自旋或章动运动的非合作目标运动感知与估计问题,给出了一种基于序列图像的运动测量与状态估计方法。所给出的方法由两部分组成:(1)采用立体视觉测量目标三个非共线的特征点,建立目标参考系并实现相对姿态的测量;(2)采用目标运动学和动力学方程,推导了扩展卡尔曼滤波器,实现目标角速度和惯量比的估计。最后,分别给出了数学仿真和物理试验:(1)利用数学仿真验证了所给出的卡尔曼滤波估计算法在不同目标运动情况下的收敛性;(2)利用机械臂模拟目标的自旋运动,利用双目相机采集目标运动图像,试验结果验证了所给出的运动测量与状态估计方法可以连续的给出目标角速度的精确估计。