一种基于最小熵准则的SAR图像自聚焦算法

研究了一种新颖的SAR图像自聚焦算法。该方法从复图像域出发 ,利用最小熵准则盲解卷积原理 ,通过多维搜索完成相位误差校正。同相位梯度自聚焦算法相比 ,最小熵算法无需在图像域分离出强点目标 ,因而特别适用于无任何明显特征的图像。仿真及实测数据处理结果证明了该方法的有效性     

使用矢量量化技术压缩SAR原始数据

该文研究基于矢量量化技术的合成孔径雷达（SAR）原始数据压缩算法，提出了块自适应树型矢量量化（BATSVQ）算法和块自适应球形矢量量化（BASVQ）算法。与块自适应矢量量化（BAVQ）算法相比较，该文提出的算法采用约束型矢量量化技术，能够充分利用SAR原始数据经过自适应块处理后在较小的范围内具有稳定高斯分布的特性。采用以上算法对SAR实测数据进行了验证，并比较图像及其性能参数，结果表明BATSVQ算法和BASVQ算法能够获得算法性能和实现复杂度之间的合理折衷。     

一种改进的SAR原始数据压缩算法

针对SAR原始数据的特点,采用二级小波变换进行数据压缩。对低频分量作DCT再作Huffman编码;对高频分量采用一种改进的嵌入式小波零树编码方法。结合一组实测SAR原始数据,用两种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了两种压缩算法所成的图像。实验表明,改进算法数据域及图像域信噪比均比原算法高,改进算法在性能上优于原算法。     

非均匀环境下雷达动目标检测的空时自适应处理

研究一种非均匀环境下地面动目标检测的STAP算法. 该算法将直接数据域内基于正弦曲线幅相估计的检测算法从空域维扩展到空时二维,提高目标回波幅度的估计精度,改善输出信杂噪比,有效地克服了原算法对弱目标检测性能差和虚警率高等缺陷. 仿真结果验证了这种方法的有效性.     

基于STRUCTURED网的AR模型谱估计方法

本文着重分析了文献[1]中提出的用于求解线性方程组的STRUCTURED同的结构及其所使用的学习算法,改进了STRUCTURED网的收敛性能,并基于STRUCTURED网提出了一种自回归(AR)模型建模方法。这种建模方法的基本思想是用STRUCTURED网求解Yule-Walker型矩阵方程来得到AR模型系数。与现有的其它确定AR模型系数的方法相比,本文方法的优点在于:采用并行处理结构,能直接用VLSI硬件直接实现;不包含常用除法运算,能求解病态Yule-Walker型矩阵方程。     

在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。     

高分辨雷达目标识别的研究

本文研究基于一维距离像的高分辨雷达目标识别方法。文中讨论了三种识别方法(频率域RBF神经网络方法、频率域相关滤波器和距离域相关滤波器),并用我国实验ISAR录取的数据比较了这三种方法在不同信噪比下的识别性能。     

块自适应预测量化算法压缩SAR原始数据

分析了使用块自适应预测量化(block adaptive predictive quantization,BAPQ)算法压缩SAR原始数据,分别讨论了使用均匀量化器、Lloyd-Max量化器及阈值量化器时,BAPQ算法的性能情况。提出的使用阈值量化器量化输入信号与预测信号差值信号的算法,可以充分利用差值信号接近零值个数增多以及阈值量化器量化高斯分布信号性能更优的特点,增加压缩系统的性能。通过进一步分析BAPQ算法的复杂度,认为BAPQ算法在低编码比特率条件下是算法性能与算法复杂度之间较好的折中,能适应现代SAR系统数据压缩的需求。     

均匀圆阵多约束实数权直接数据域处理

研究了均匀圆形天线阵列STAP处理中一种改进的直接数据域方法. 该方法仅通过幅度加权即能有效抑制杂波和干扰,实现对目标信号的正确估计. 当目标信号的方向与天线波束指向有偏差时,采用多约束的方法,保证系统在目标信号方向的增益. 实验结果表明了该方法的有效性.     

一种改进的二端口杂波抑制干涉仪

分析了二端口杂波抑制干涉仪的工作原理 ,讨论了系统中的误差及噪声对主杂波抑制的影响。在此基础上 ,对二端口杂波抑制干涉仪方案中最关键的对消因作做了改进。分析和仿真结果表明 :经改进的二端口杂波抑制 ,干涉仪对误差及噪声的敏感程度显著下降 ,能够稳健地抑制主杂波 ,进而使检测淹没在主瓣杂波中的慢动军事目标成为可能。