基于RCNN的双极化气象雷达天气信号检测

为检测混杂在地杂波、生物杂波中的天气信号, 提高定量降水精度, 提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先, 将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移率堆叠为三维数组后进行预处理, 将其分为天气信号与杂波信号。然后, 开发并优化RCNN, 给出详细的网络结构。最后, 通过多次实际的降水过程对所提算法的检测效果进行评价。结果表明, 相比支持向量机以及卷积神经网络(convolutional neural network, CNN), 所提算法对天气信号的检测效果更好, 并且在不同仰角以及全年的实测数据上均表现出良好的检测性能。     

An Efficient Topography Adaptive Filter for Insar Processing

An efficient implementation of the topography adaptive filter based on local frequency estimation is proposed, where chirpz transform is applied to enhance the accuracy of the frequency estimation. As a byproduct of this adaptive filter, the linear approximated phase model of the interferogram is employed to improve the coherence estimation. The impacts of the adaptive filter on global and local phase unwrapping algorithms are discussed. Finally, aiming at the negative effect that the adaptive filter can bring to local phase unwrapping algorithms, a fusion scheme that takes advantage of least square and several local phase unwrapping algorithms is presented.     

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。     

基于时空记忆解耦RNN的雷暴预测方法

使用循环神经网络进行雷暴的外推预测，利用气象雷达历史反射率因子资料给出未来一小时的雷暴预测结果。网络的核心是时空长短时记忆(spatiotemporal long short-term memory, ST-LSTM)单元，加入了记忆解耦结构以分离时间记忆和空间记忆状态。在香港天文台(Hong Kong Observatorg, HKO)的HKO-7数据集的基础上筛选雷暴数据，构建训练及测试数据集。将有记忆解耦结构、无记忆解耦结构的ST-LSTM网络和MIM(memory in memory)网络以及传统的单体质心法进行比较。预报评分因子数值比较和个例分析检验结果表明，预测神经网络在探测成功概率、临界成功指数上均高于单体质心法，虚警率低于单体质心法。加入记忆解耦结构的网络预报因子评分高于ST-LSTM网络和MIM网络，雷暴回波外推的预测效果更好，尤其是强回波的预测效果更好。     

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar, SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题, 提出基于稀疏优化理论的重建成像方法。该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理, 利用SAR回波模拟算子, 避免了二维回波信号矩阵变成向量的操作, 从而减小了内存占用和计算量。所提出的基于SAR近似观测模型的迭代优化重建算法能够实现对观测目标幅度的高精度重建。和传统基于匹配滤波的SAR成像算法相比, 提出的算法能够明显地消除SAR方位向随机丢失部分数据引起的目标模糊和目标能量分散。和迭代软阈值收缩算法相比, 提出的算法重建的目标幅度误差更小。理想的点目标回波数据和真实的星载SAR稀疏观测场景的回波数据处理表明了所提算法在减少重建目标误差、提高观测目标区域的目标背景比等方面有较大的优势。     

基于距离徙动轨迹的空间目标ISAR距离对准算法

针对空间目标的运动特征,通过研究目标距离徙动轨迹与等效运动模型,构建了一个欠定的运动方程组,基于全局熵最优化准则求解出目标运动参数,提出了一种全新的距离对准算法。实验结果表明,该算法具有较高的准确性,更重要的是,距离对准过程中不会引入距离像随机偏移误差和高频相位误差,这也是应用大转角高分辨成像方法的前提条件。     

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。     

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。     

基于压缩感知的条带SAR缺失数据恢复成像方法

针对条带模式合成孔径雷达回波缺失数据,提出了一种利用压缩感知恢复缺失数据并成像的方法。将条带数据分块为多个子孔径数据,对子孔径利用压缩感知恢复缺失数据并拼接得到条带数据,缩短了整个数据的恢复时间,推导了压缩感知处理的基矩阵和测量矩阵。运用最大似然估计的特征向量方法(eigenvector method for maximum- likelihood estimation, EMMLE)实现了子孔径缺失数据的自聚焦,满足了压缩感知对图像的稀疏要求。利用压缩感知恢复完整的相位误差信号,解决了子孔径补偿相位误差数据的拼接问题。最后通过对恢复的雷达回波数据成像并自聚焦校正了距离徙动,得到了聚焦良好的完整图像,提高了缺失数据的成像质量。     

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。