稀疏孔径和大转角下ISAR对目标转动的估计

逆合成孔径雷达（inverse synthetic aperture radar，ISAR）对非合作目标做成像时图像质量依赖于对目标运动参数的准确估计.针对在稀疏孔径和非均匀转动条件下现存的参数估计方法计算量过大或者方法适用条件不满足，提出了一种基于神经网络的参数估计方法.此方法以成像问题的模型知识指导数据的生成过程，然后训练通用的神经网络，最终实现将数据中隐含的知识转化为转动估计器.从仿真实验结果来看，所得到的网络对满足一定信噪比要求的回波数据可以提供较准确的估计，所得参数可以帮助成像算法提高聚焦效果，大量的样例表明网络可以部分学习到回波与转动之间的关系.     

极化SAR图像解译中的不相似性度量

不相似性度量常用来描述极化合成孔径雷达(SAR)样本数据之间的差异性,已被广泛应用于滤波、目标检测、分割分类和变化检测等多种极化SAR图像解译技术中。基于极化SAR数据的矩阵表达形式,从特征、统计分布、假设检验、信息论散度和信息几何等多角度出发,总结回顾了极化SAR图像解译问题中常见的不相似性度量,简要分析了其优势、存在的问题以及适用范围,并对极化SAR不相似性度量的研究趋势进行了展望。     

基于两层均匀媒质的GPEN SAR地下目标成像方法及其性能分析

地表穿透合成孔径雷达(Ground PENetration SAR,GPEN SAR)为了探测掩埋在地下的目标,通常工作在多层媒质的环境中。传统成像模型是建立在同一均匀媒质的假设上,不再适合于GPEN SAR的实际情况。本文首先建立了两层分区均匀媒质中的成像模型,然后利用后向投影(BP)算法定量分析了成像几何参数、土壤参数等对成像的影响,进而提出了一种修正的后向投影(MBP)算法。MBP算法不仅能够校正两层分区均匀媒质对成像定位的影响,还能估计目标的掩埋深度,提供目标三维位置坐标。仿真结果验证了MBP算法在不同信噪比环境下,对多目标的三维定位精度能满足实际的需要。     

基于扩展分形和CFAR特征融合的SAR图像目标识别

研究了多信息融合技术在SAR图像目标识别中的应用。将扩展分形特征(Extended Fractal)与双参数恒虚警特征(Double Parameter CFAR)形成的多信息进行融合处理。运用Dempster-Shafer证据理论，在决策层对SAR图像中的像素进行识别分类。实验结果表明通过融合对像素分类的准确性明显好于单特征的检测结果，减少了虚警概率，提高了系统的识别能力。     

海岸逆合成孔径雷达宽带信号探讨

基于在海岸警戒雷达上工程实现ISAR的重要意义，本文介绍了如何实现ISAR宽带系统，比较了各种宽带信号形式的特点，给出了线性调频信号波形和步进频率信号波形都适用于海岸逆合成孔径雷达宽带系统的结论。     

合成孔径雷达（SAR）的最新发展

全文分若干单元分别论述了机载2D-SAR自聚焦技术，降低斑点技术，MTI-SAR和3D-SAR（含机载和空载），对上述各种SAR分别讨论了工作原理，列出了多个实例以及应用情况。