超宽带机载SAR利用距离迁移算法成像

文中详细推导了超宽带机载合成孔径雷达利用距离迁移算法成像的公式,并进行了计算机仿真,仿真结果验证了该算法的正确性和有效性.     

合成孔径雷达马赛克模式成像算法

针对马赛克模式边缘成像模块存在斜视成像以及不同成像块拼接存在像素间隔不一致的问题,提出了一种合成孔径雷达马赛克模式成像处理算法。该算法在方位向采用改进的去斜处理方法,去除了信号方位频谱混叠,在此基础上,利用距离多普勒算法进行距离向压缩,距离徙动校正,再使用基于Chirp Z变换（CZT）消除了不同成像块的像素间隔差。仿真实验表明,该算法对马赛克模式具有良好的成像效果。     

弹载SAR大斜视扩展CS成像算法

针对弹载合成孔径雷达大斜视工作模式下图像几何失真和成像匹配过程中的图像失配问题展开研究,通过分析巡航导弹攻击末段飞行特性,提出了一种采用距离向变标处理的扩展CS算法.该算法可以校正因大斜视带来的图像几何失真,能够用于末制导景象匹配.点目标和分布式目标仿真结果证明了算法的有效性,与传统的CS算法的对比证明了算法的优越性.     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

时延转发干扰对RD成像算法性能影响研究

根据干扰信号与雷达回波信号的相关性,利用合成孔径雷达（SAR）RD成像算法,分析了固定时延转发干扰和随机时延转发干扰对SAR成像系统的影响,以便找出干扰SAR的有效途径。     

基于压缩感知理论的微动目标成像算法

为了解决由于微动导致正弦相位误差的存在,传统的匹配滤波和Fourier变换不能获得聚焦的目标方位图像的问题.文中将压缩感知理论(CS)引入到微动目标成像中,对SAR微动目标回波进行AM-LFM分解,构造SAR微动目标回波的稀疏模型.并在利用CS理论进行成像时采用子孔径CS成像方法消除速度变化导致的图像散焦,对微动目标重新聚焦成像.仿真结果验证了改进算法成像效果.     

弹载斜视SAR高分辨率成像算法研究

针对弹载SINS/SAR组合导航系统中,导弹机动性会影响SAR成像质量的问题,提出了一种新的Burg-Chirp Scaling-Dechirp成像算法。文中构造改进的相位补偿因子,补偿距离徙动造成的影响,采用Dechirp技术对部分孔径数据进行方位聚焦处理,优化算法结构;同时,建立回波信号观测数据的自回归模型,对图像的二维频谱进行外推,弥补经典CS成像算法空间分辨率受限的不足。将新的算法与CS算法进行仿真比较,结果表明,新的成像算法能有效改善点目标成像质量,提高SAR的成像质量。     

改进的距离-多普勒算法

合成孔径成像算法是合成孔径雷达技术中的关键技术之一，距离一多普勒算法是成像算法中最经典最常用的算法。通过引入检测改进了距离-多普勒算法的执行结构，利用任务处理实现了距离向处理和方位向处理的分开，保证了方位向处理的实时性，保留了原有算法数据流程的串行结构。仿真实验表明，改进算法比传统算法在时间上得到了改善。最后指出了改进算法所具有的特点。     

压缩感知合成孔径雷达射频干扰抑制方法

压缩感知合成孔径雷达成像技术能够利用少量采样数据恢复目标图像,大大减少数据存储系统的负担,但受到射频干扰时成像品质会严重下降;在目标场景稀疏条件下,分别构建目标回波信号原子库和射频干扰原子库,设计了压缩域合成孔径雷达成像射频干扰抑制算法,并对该算法进行理论分析,最终通过仿真实验验证了算法的有效性;仿真结果表明：该算法在较大干信比条件下,能有效抑制合成孔径雷达射频干扰,达到较好的成像效果。     

SAR场景目标原始回波数据仿真

合成孔径雷达（SAR）原始数据在SAR系统设计、成像算法研究的过程中是必不可少的,但真实数据的获取既昂贵又不灵活．文中以机载SAR系统回波信号模型为基础。详细阐述了回波数据的时域模拟方法,该方法真实地模拟了雷达发射、接收信号的过程,不需要另外注人距离徙动。给出了模拟的步骤和场景目标的仿真结果,并通过与频域法模拟数据的比较证明了时域方法的有效性。     

基于运动误差补偿的弹载SAR成像CS算法

针对弹载SAR在成像过程中复杂的运动状态,建立了斜视匀加速运动模型,在此基础上,通过补偿运动误差,将运动模型简化为正侧视匀速运动模型,进而应用经典CS算法,对点目标进行成像。仿真结果表明该方法可有效完成加速度补偿,实现点目标的清晰成像。     

基于改进快速区域卷积网络的目标检测轻量化算法

基于深度学习的目标检测算法已成为合成孔径雷达（SAR）图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法快速区域卷积神经网络进行轻量化改进,比较不同改进方法对算法速度与精度的影响。结合SAR图像的特点,优化轻量化模型,与单阶段目标检测算法的单脉冲多盒检测网络对比。仿真实验结果表明,改进轻量化模型在保持原有精度水平下,模型占用内存和算法运算量大大减少,可有效满足SAR图像目标检测的实时性要求。     

基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法

传统合成孔径雷达（SAR）图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的自动检测。制作SAR图像中建筑物数据集,针对建筑物的尺寸特点,通过改进的K均值聚类算法重新设置先验框大小;在结构上借鉴深度神经网络的聚合残差转换思想,将YOLOv3骨架网络中用于构建特征层的单路卷积残差模块改进为多路卷积残差模块,提高通道信息利用率的同时降低计算量;加入浅层特征融合模块,增加特征图中建筑物的形状特征所占比重,在特征融合层之前,使用转置卷积进行上采样,增加细节特征;使用改进YOLOv3算法进行建筑物检测模型的训练,并在测试集上进行测试。实验结果表明,相比原始YOLOv3算法,改进YOLOv3算法在SAR图像中建筑物数据集上平均检测精度提高了9.2%,召回率提高了6.3%,同时保持了较快的检测速度。     

基于多尺度GAN 网络的SAR 舰船目标扩充

针对构建合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标数据集的过程中,某些舰船类型样本 不足的问题,提出一种基于多尺度生成对抗网络(IC-ConsinGAN)的SAR 舰船目标扩充方法。通过将注意力机制引 入并行多阶段多尺度GAN 网络中,提取SAR 舰船目标的关键特征,抑制背景特征,使得生成的SAR 图像舰船目标 不仅具有精细化结构,而且弥补了单幅图像生成过程中多样性不足的问题。实验结果表明：SIFID 指标比原始 ConsinGAN 网络模型下降了0.02,将扩充数据加入到SAR 舰船目标识别任务中,10 类舰船目标平均识别率提升了 8.4%,证实了IC-ConsinGAN 模型的有效性,具有一定的工程应用价值。     

斜式模式距离-多普勒-距离星载合成孔径雷达成像算法

距离一多普勒一距离(R-D-R)成像算法是根据雷达回波信号的傅里叶谱的相位特性进行相位补偿和聚焦的,且运算量不大。本文对该算法进行了修正,使该算法适用于斜视模式的机载和星载SAR成像。在数学推导的基础上,给出了算法流程和该算法的点目标成像仿真结果,并把该算法应用于星载SAR成像,给出了它的Radarsat-l原始数据的成像结果,验证了该修正算法可应用于机载和星载SAR成像处理。     

合成孔径雷达全景干扰与局部干扰效果评估

对SAR干扰效果的评估是比较复杂和困难的。文中从欧几里德距离空间的概念出发，首先提出了一种对SAR干扰效果的评估方法，并采用这种方法对全景干扰和局部干扰的效果分别进行了仿真及分析，其结论对干扰模式的选择有一定的指导意义。     

基于模糊超球面支持向量机的超宽带SAR地雷检测

机载或车载超宽带合成孔径雷达(UWB SAR)可以大区域快速探测单个地雷和雷场,是探雷的发展趋势。虚警太多是UWB SAR探雷实用化的主要问题。本文提出了模糊超球面支持向量机( FHS-SVM)地雷检测器。FHS-SVM在高维核特征空间中构造封闭的超球面区分地雷和杂波,并在学习过程中利用隶属度定量表征地雷和杂波误判风险不同及地雷埋设环境变化等因素对检测器的影响。轨道地表穿透SAR(Rail-GPSAR)系统实测数据处理结果表明,FHS-SVM比传统超球面SVM(HS-SVM)和超平面SVM(HP-SVM)具有更好的检测性能。