一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

面向立方星的相对位姿测量视觉传感器设计

针对立方星在轨服务任务中的近距离相对导航问题，提出一种相对位姿测量视觉传感器设计。为应对空间复杂的光照条件，设计一种具有多层结构的立体靶标，选取波长为850nm的LED灯作为立体靶标的光源。在相机镜头处安装850nm的红外窄带滤镜以提高立体靶标成像质量。为提高视觉传感器的测量精度，提出一种迭代直接求解(iterative direct solution, IDS)的相对位姿估计算法。该算法直接利用立体靶标上的非共面点提供的深度信息获得初始相对位姿，然后引入Haralick迭代算法来优化初始测量结果。搭建六自由度实验平台对该视觉传感器进行性能测试。实验结果表明,该视觉传感器能克服背景光的干扰，且提出的 IDS相对位姿估计算法的精度优于经典的P3P算法和EPnP算法。     

ROPE算法在ISAR运动补偿中的应用

运动补偿是逆合成孔径雷达成像的关键。现已有许多相关算法。秩-相位估计(ROPE)是一种性能较好的相位误差估计器，正被广泛地应用于SAR图像处理。本将ROPE算法用于ISAR相位补偿，给出了具体实现的步骤，详细分析了ROPE算法在ISAR相位补偿中的性能。在ISAR数据基本符合ROPE算法模型时，ROPE算法可获得高质量的补偿效果，而且实现简单，速度快。中最后用ISAR外场实测数据比较了ROPE与其他相位补偿方法的成像结果。     

适用于非合作发射源的合成孔径雷达无源成像方法

 合成孔径雷达(SAR)具有突出的高分辨率成像能力,在民用和军用领域体现出重要的应用价值。在复杂的作战环境中,提高SAR的电子对抗性能成为SAR技术发展考虑的重要方面。提出一种新的SAR无源成像方法,该成像方法将单部机载SAR接收机或多部机载SAR接收机在不同位置处接收到的回波信号相关,对相关后的信号采用滤波反投影方法进行成像,可重建场景的辐射率。该成像方法不需要已知发射源的波形和位置信息,适用于非合作发射源,具有良好的电子对抗性,并且适用于任意载机飞行轨迹、多基SAR等情形。仿真验证以双基情形为例,验证了该SAR无源成像方法的有效性,并分析了影响成像质量的各关键因素。     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

基于复数深度神经网络的逆合成孔径雷达成像方法

压缩感知（Compressive sensing， CS）理论框架下逆合成孔径雷达（Inverse syntheitic operture radar， ISAR）成像的结果具有超分辨、无旁瓣干扰等特点，但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神经网络（Deep neural network， DNN）的欠采样或不完整信号重建方法取得了瞩目的表现。DNN能够自主学习最优网络参数并挖掘出输入数据的抽象高层特征表示，但目前已有的DNN都为实数域的模型，无法直接用于复数形式数据处理。为了利用DNN的优势提高ISAR欠采样数据成像的质量，本文通过级联不同类型的复数网络层的方式，构建具有多级分解能力的复数深度神经网络（Complex value DND， CV-DNN），利用CV-DNN实现ISAR成像。实验结果表明，基于CV-DNN的ISAR成像方法在成像质量和计算效率方面都优于传统压缩感知成像方法。     

一种基于最大修正峰度的ISAR距离对准算法

距离对准是逆合成孔径雷达(ISAR)运动补偿的关键。本文提出了一种基于修正峰度的ISAR距离对准算法。首先对应用于离散信号序列的峰度定义进行了修正,然后以修正峰度衡量回波包络之间的对准程度,对距离偏移量进行搜索。当两回波和包络的修正峰度达到最大时,以此时的距离偏移量进行补偿,就可将回波对齐。分析表明该算法具有良好的抗闪烁性能和抗噪性能。实测ISAR数据验证了算法的有效性。结果表明,基于最大修正峰度的距离对准算法可以准确地估计出回波的距离偏移量,实现距离对准。     

一种新颖的超高分辨率SAR频率域反投影成像算法

超高分辨率条件下,机载合成孔径雷达（SAR）发射信号带宽大,合成孔径时间比较长,对成像处理算法的精度和效率要求较高。现有近似频率域处理和时间域滤波反投影（FBP）算法聚焦SAR数据时均存在诸多问题。基于微局部分析方法,提出了一种新颖的频率域滤波反投影（FD-FBP）成像处理方案。首先,利用Keystone变换简化了数据距离多普勒（RD）域徙动表达式。然后,在RD域进行反投影操作,对参考位置处反投影数据进行移位、相位补偿和FFT等操作即可以得到图像,从而在保证算法精确性的前提下有效降低了运算效率,实现了频率域方法的高效率和时间域方法的精确性特点的结合。最后,点目标仿真和实测数据处理以及与FBP等算法的对比验证了该方法的有效性。     

基于多普勒频率反投影的NCW-SAR动目标成像方法

传统合成孔径雷达(Synthetic aperture radar,SAR)成像依赖大带宽发射信号,研究证明SAR也可利用窄带连续波形(Narrowband continuous wave,NCW)具有的高多普勒分辨率实现场景的高分辨成像。NCW-SAR成像的优势在于占有很少的频带资源、降低系统成本和规模,更适用于通常带宽较窄的利用外辐射源波形的无源SAR。文中首先指出NCW-SAR的应用前景,简要回顾窄带动目标成像的发展,并分析NCW-SAR成像技术的现状。然后给出通用的SAR回波模型,提出NCW-SAR动目标成像方法,实现静止场景中动目标的聚焦,获得目标的速度估计,并分析速度分辨率。实验验证了NCW-SAR动目标成像方法的有效性。