秩-相位误差估计自聚焦方法的改进

本文提出了改进的秩-相位误差(IROPE)估计自聚焦算法。与ROPE算法相比,IROPE有两个优点:(1)它基于的模型更符合实际,所以具有更好的鲁棒性。(2)它对迭代过程初值的设定是近似准确的。本文通过近似分析证明,IROPE对相位误差差分的估计是最大似然(ML)估计,而相位梯度自聚焦(PGA)算法是IROPE的一个子集,即在满足一定条件时,IROPE和PGA对相位误差的估计都是线性无偏最小方差估计(LUMV)。     

基于先验知识的SAR两维自聚焦算法

传统的SAR(Synthetic Aperture Radar)两维自聚焦算法没有充分挖掘残留相位误差所特有的内部结构信息,是对残留相位误差的一种盲估计,实际应用时在估计精度和计算效率等方面还受到一定限制.本文以极坐标格式算法为例,详细分析了成像算法处理后残留两维相位误差的解析结构,并利用这种先验辅助知识,提出了一种基于一维估计/两维校正的自聚焦算法.算法只需直接估计方位一维相位误差,然后利用两维相位误差内部所特有的结构信息,将一维相位误差映射得到两维相位误差,从而实现精确的两维自聚焦.实测数据处理结果验证了本文算法的有效性.     

合成孔径雷达多孔径相位差分自聚焦算法

相位差分（PD）自聚焦算法是把处理孔径分为互不重叠的相等的子孔径,通过子孔径数据相位差函数的傅里叶变换来获得相位误差系数的估算,所能估计的相位误差的最高阶数由子孔径的数目决定,其一般做法是把处理孔径分成相等的两个子孔径,来获得二次相位误差系数的估值,并建立修正矢量补偿二次相位误差。通过将信号方位孔径分解到两上以上的子孔径,可以获得高阶（阶数大于二）相位误差系数的估值,故称之为多孔径相位差分聚焦算法。本文对多孔径相位差分自聚焦算法的原理进行了详细的阐述,最后用仿的相位误差验证了算法效果。     

基于PWE-PGA算法的条带SAR载机航迹估计

相位梯度自聚焦(PGA)算法是一种高效的自聚焦算法，然而距离向窄波束的假设条件，使其对某些工作体制参数的雷达系统并不适用。加权相位梯度自聚焦(PWE—PGA)算法考虑了距离变化对相位误差的影响，扩展了PGA算法的应用范围。文中对此算法进行了深入研究，提出了一种利用PWE-PGA算法进行条带SAR载机航迹估计的方法，并对影响估计精度的因素进行了深入的分析。     

半盲二维自聚焦SAR运动目标成像方法

在SAR对动目标成像时，由于目标运动的不确定性，针对静止目标的成像算法处理不能完全补偿由于目标运动引入的额外距离徙动（RCM）和方位相位误差（APE），因此，在SAR图像中，运动目标会出现二维散焦。已有方法都是针对残留距离徙动和方位相位误差分别进行估计和补偿，其补偿精度和计算效率还有待进一步改进。通过分析运动目标在SAR图像中的残留相位误差结构，提出一种针对运动目标散焦的二维自聚焦算法。新方法只需直接估计方位一维相位误差，然后利用先验的二维相位误差内部结构信息，将一维相位误差映射得到二维相位误差，从而实现精确的二维相位补偿。通过仿真实验验证了该方法在计算效率和估计精度上具有更明显的优势。     

机载UWB SAR图像中残余相位误差的补偿算法

已经初步聚焦的超宽带合成孔径雷达图像需要补偿残余的相位误差，才能进一步提高图像的聚焦性能。首先建立了适合机栽UWBSAR成像几何的相位误差模型，并分析了其特点；然后针对模型特点，对条带式相位梯度自聚焦算法作出改进，同时提出一种基于空不变因子估计的加权相位梯度自聚焦算法。最后，由一段实测UWBSAR图像补偿结果检验了算法的可行性。     

一种基于RELAX的SAR自聚焦算法

该文提出了一种基于RELAX的自聚焦算法。根据多个特显点和杂波同时存在的模型,该算法交替迭代地进行相位校正和散射点参数估计,在精确估计出散射点子回波参数的同时估计出自聚焦所需的相位误差。由于该算法未对杂波和噪声模型作任何假设,可应用于绝大多数成像场景,同时该算法可用于估计任何类型的相位误差,因此是一种稳健的自聚焦算法。实际数据处理结果表明该方法是有效的。     

基于先验相位结构信息的双基SAR两维自聚焦算法

两维自聚焦是高机动条件下机载合成孔径雷达(SAR)高分辨率成像的重要保障。现有的双基SAR两维自聚焦算法没有充分利用相位误差的先验结构信息,是对相位误差的一种盲估计,在计算效率和参数估计精度方面仍然存在很大限制。该文从双基SAR极坐标格式成像算法新解释入手,从残留距离徙动(RCM)校正的观点出发,将极坐标格式(PFA)算法的实现解释为距离频率和方位时间两个变量的解耦过程。利用这一观点分析了极坐标格式算法中的距离和方位重采样对两维相位误差的影响,揭示了残留两维相位误差固有的解析结构。基于这一固有的先验信息,该文提出了一种结合先验信息和图像数据的双基SAR两维自聚焦算法。算法通过引入先验知识,将两维相位误差估计降维成一维方位相位误差的估计;同时,在估计方位相位误差时,通过多子带数据平均,充分挖掘了所有数据的信息。相比于已有算法,无论是参数估计精度还是计算效率都有明显改善。实验结果验证了该文理论分析的正确性以及所提两维自聚焦方法的有效性。      

一种用于条带式SAR的自聚焦算法

本文将相位梯度法（Phase Gradient Algorithm,PGA）用于条带式合成孔径雷达（SAR）的自聚焦。根据条带SAR与聚束SAR回波信号差异并参考经典相位梯度法提出了一种适用于条带SAR的自聚焦算法SPGA。用这种新的条带SAR自聚焦算法聚焦所得SAR图像不会发生传统条带SAR下PGA常有的拼接问题:同时由于相位误差曲面的引入,对于任何场景SPGA均能达到良好的聚焦效果。     

一种适用于机载SAR的改进PACE自聚焦算法

PACE算法是一种新的非模型的高性能SAR图像自聚焦算法,可以有效提取SAR图像中高频相位误差。由于PACE算法直接以图像相位误差校正值系列为待估计参量,计算量巨大,该文从提高PACE算法的执行效率的角度出发,提出了一种插值PACE算法(IPACE)。IPACE算法以图像对比度函数为目标函数,以待估计的相位校正矢量中的若干个相位校正值为自变量,通过拟牛顿算法迭代获得它们的最优估计,然后通过插值获得整个相位误差校正矢量的最优估计值。IPACE算法可以有效地减少待估计变量的个数,提高算法的执行效率,同时几乎不降低算法的聚焦性能。实际相位误差未知的超宽带SAR回波数据的聚焦结果表明了该算法能显著改善图像的质量,是一种鲁棒性良好的图像自聚焦算法。     

基于二维空变运动补偿的机动平台大斜视SAR稀疏自聚焦方法

大斜视角和空间3维加速度的存在使机动平台SAR的运动误差具有明显的2维空变性,极大地增加了成像难度。为此,该文提出了一种基于2维空变运动误差估计与补偿的稀疏自聚焦方法。该方法基于Keystone变换和频域相位滤波法构造了能够校正成像参数空变性的频域近似观测算子。在自聚焦过程中,首先,构建基于频域近似观测算子的稀疏自聚焦模型并采用迭代软阈值方法(ISTA)进行求解,从而实现图像的粗聚焦和非空变运动误差的估计;然后,采用稀疏自聚焦模型估计多个子区域的精确相位误差曲线,并基于最小二乘法估计空变的运动误差参数;最后,通过对近似观测算子的修正实现空变运动误差的补偿。仿真实验验证了该方法的有效性。     

基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法

线阵合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR)3维成像技术是一种具有重要潜在应用价值的新体制成像雷达,压缩感知稀疏重构是近几年实现LASAR高分辨3维成像的热点研究之一。但相对于传统2维SAR,受线阵稀疏分布及阵列-平台2维联动,压缩感知LASAR成像面临回波数据欠采样、多维度高阶相位误差等问题,传统SAR自聚焦算法难以适用于压缩感知LASAR 3维稀疏自聚焦成像。为克服欠采样条件下多维度高阶相位误差对LASAR成像的影响,该文提出了一种基于半正定规划的压缩感知LASAR自聚焦成像算法。首先,结合压缩感知成像理论、图像最大锐度及最小均方误差准则,构造欠采样条件下稀疏目标的相位误差估计模型;其次,利用松弛半正定规划方法估计相位误差;最后,利用迭代逼近方法提高相位误差估计精度,实现压缩感知LASAR高精度稀疏自聚焦成像。另外,通过主散射目标区域提取,仅采用主散射区域进行相位误差估计,进一步提高自聚焦算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于二维空变运动补偿的机动平台大斜视SAR稀疏自聚焦方法

大斜视角和空间3维加速度的存在使机动平台SAR的运动误差具有明显的2维空变性,极大地增加了成像难度.为此,该文提出了一种基于2维空变运动误差估计与补偿的稀疏自聚焦方法.该方法基于Keystone变换和频域相位滤波法构造了能够校正成像参数空变性的频域近似观测算子.在自聚焦过程中,首先,构建基于频域近似观测算子的稀疏自聚焦模型并采用迭代软阈值方法(ISTA)进行求解,从而实现图像的粗聚焦和非空变运动误差的估计;然后,采用稀疏自聚焦模型估计多个子区域的精确相位误差曲线,并基于最小二乘法估计空变的运动误差参数;最后,通过对近似观测算子的修正实现空变运动误差的补偿.仿真实验验证了该方法的有效性.     

一种SAR运动目标的自聚焦算法

基于SAR成像中散射点模型的参数估计,提出了一种适用于经过距离走动校正之后,在方位向上仍存在两次及两次以上相位误差的动目标的自聚焦算法.该方法在方位数据域上结合离散多项式相位变换(DPT)方法和最小二乘估计法估计相位误差,用CLEAN算法估计散射点参数,并通过交替迭代运算,可以较少的距离单元实现较为精确的误差补偿,因而运算量小.经过实测数据验证,该算法获得了理想的自聚焦.     

基于最小全变差的SAR图像自聚焦算法

该文分析了方位一维图像的全变差范数随二次相位误差的变化情况,得到全变差范数是二次相位误差的单峰函数的结论,且在二次相位误差等于零时全变差范数最小。从而利用全变差范数作为性能函数,采用黄金分割最优化算法,通过循环迭代得到自聚焦的SAR图像。实验结果表明此算法在处理二次相位误差时优于相位梯度自聚焦算法。通过算法复杂度的分析表明该算法的计算量约为相位梯度自聚焦的二分之一。     

基于多普勒域多通道的机载合成孔径雷达自聚焦算法

在多通道自聚焦(MCA)和傅里叶域多通道自聚焦(FMCA)的基础上,该文提出一种基于多普勒域多通道的机载合成孔径雷达自聚焦算法。该算法同样是直接在线性代数的理论框架下推导得到,能够在不迭代的情况下进行相位误差的估计和补偿以实现SAR图像的聚焦。该算法不像MCA和FMCA那样在图像域估计相位误差,而是在距离压缩方位多普勒域(方位未压缩)里进行相位误差估计。同时该算法不需要SAR成像场景中含有低散射区的假设,从而使其能够应用于条带模式SAR。不同情况下条带SAR数据的处理结果验证了该算法的有效性和可行性。     

一种用于条带式RD算法的组合实时PGA方法

随着合成孔径雷达(SAR)分辨率的提高,方位向相位误差的影响逐渐增大,传统的相位梯度自聚焦(PGA)方法虽然可以估计出高次误差,但是通常都需要迭代,给实时成像造成了很大困难。该文结合条带式RD算法和PGA自聚焦算法的特点,提出了一种组合的实时PGA方法。这种方法将频移相关距离门算法(SACGS)算法与PGA算法结合,不仅大大降低了计算量,可以不用迭代而达到良好的效果,而且降低了对运动初始参数的精度要求。仿真和实际数据均验证了这种方法的有效性。     

复数FIR DF设计的神经网络优化方法

本文基于人工神经网络（ＡＮＮ）能量函数优化理论，提出了一种ＦＩＲ数字滤波器（ＤＦ）神经网络优化设计（ＮＮＯ）方法的理论框架。该理论将实数与复数ＦＩＲ ＤＦ设计工作统一起来。表征设计质量的加权均方误差被当作ＡＮＮ能量函数，以此导出ＦＩＲ－ＮＮＯ的Ｌｙａｐｕｎｏｖ方程，文中说明了算法实现的基本原则，并给出了两个实数线位和一个复数非线性相位ＦＩＲ ＤＦ设计实例。通过与其它几种方法的比较证明了该方法的有效     

基于加权最大范数的SAR自聚焦方法

基于最大似然估计的特征向量分解自聚焦算法利用最大特征值对应的特征向量实现对相位误差的估计。该方法虽然具备精确和稳健的性能,但需要对协方差矩阵进行特征分解,导致实际数据在处理中运算量巨大,对内存要求也很高,难以在实时合成孔径雷达(SAR)成像处理中应用。该文提出一种基于加权最大范数的自聚焦方法,通过求解二范数最大化的优化函数对目标特征向量进行估计,避免了特征值的分解过程,有效提升了运算效率;利用信噪比加权的思想,对不同距离单元赋予不同的权值,增强了优质特显点样本对相位误差的估计贡献,有效改善了自聚焦精度。通过实测SAR和ISAR数据处理验证了算法的有效性。     

EMX—500交换机系统带数据丢失的原因分析

ＥＭＸ－５００交换机系统带数据丢失的原因分析江苏省徐州邮电局朱小枫ＥＭＸ－５００交换机的系统带最初是由ＭＯＴＯＲＯＬＡ公司提供的，它共有３个组成部分，即ＰＡＴＣＨ，ＳＹＳＧＥＮ（ＳＹＳＴＥＮＧＥＮＡＲＡＴＩＯＮ）和空的ＣＨＡＮＧＥＪＯＵＮＡＬ。前两部...