一种基于最大全变差准则的SAR图像自聚焦算法

研究了一种基于信号全变差的合成孔径雷达图像自聚焦算法．该方法从复图像域出发,通过在距离压缩相位历史域引入相位误差模型,改变图像的聚焦程度直至一维像的全变差达到最大,从而完成误差校正．同最小熵法相比,该自聚焦算法计算量较少,更易实现．     

基于最大锐度半正定规划的线阵SAR自聚焦三维成像

线阵合成孔径雷达（LASAR）三维成像技术是一种具有重要潜在应用价值的新型雷达成像技术。但在一个脉冲重复时间中,LASAR系统中需采用阵列天线多个天线相位中心同时接收回波,仅利用载荷单个测量位置的导航测量系统（如惯性测量系统或全球定位系统）数据难以精确补偿LASAR阵列天线多个相位中心的运动误差。为了克服运动误差对阵列多天线相位中心影响,该文提出了一种基于最大锐度半正定规划的LASAR后向投影自聚焦成像算法。该算法建立了后向投影成像算法处理的线性数学模型,结合LASAR三维图像锐度最大化原则,利用迭代逼近最优方法对阵列多天线相位中心运动误差引入的相位误差进行估计。另外,为了提高自聚焦算法运算效率,仅采用主散射目标区域进行相位误差估计。仿真数据和实测数据验证了该算法的有效性。     

基于支持特征点的SAR辅助导航反演点置信度估计

合成孔径雷达(SAR)由于全天候、全天时等特点使得它正成为飞行器导航的理想传感器之一.SAR辅助导航是利用SAR实时获取的目标散射图像与飞行器中存储的参考图像进行匹配运算,进而修正飞行器的位置数据.但由于SAR为侧视雷达,当地形存有较大起伏时,实时图中某些位置的像素将产生偏移,使整个反演精度下降.基于此,以F.Leberl构象模型为基础,提出了基于支持特征点的反演控制点置信度估计方法.实验结果显示,根据置信度对适合精确匹配区域的数据进行优化选取,能较大提高反演飞行器空间位置的精度.     

一种新的基于稀疏贝叶斯学习的ISAR成像方法

将BP(基寻踪)算法和FOCUSS(Focal underdetermined systemsolver)算法用于ISAR成像中,由于它们具有一些缺点,在实际应用中受到很大的限制.但是SBL(稀疏贝叶斯)方法可以克服这些缺点.本文首次提出可以将SBL代替BP和FOCUSS用于ISAR成像中.真实ISAR数据的成像结果表明SBL是一种比BP和FOCUSS更有效,更有潜力的成像方法.     

一种基于场景合成和锚点约束的SAR目标检测网络

随着深度学习方法在计算机视觉领域的崛起,如何将其应用于具有全天时、全天候等优点的SAR图像也成为一大研究重点.相较于传统图像,SAR图像由于其难判读、应用人群较少等原因难以获得大量标注数据.本文提出一种基于场景合成和锚点约束的SAR图标检测方法.通过区域生长算法和阈值法对SAR车辆目标及其阴影进行分割,然后随机嵌入SAR复杂场景中的合理区域来合成目标检测数据集.针对SAR车辆目标的几何特性、图像分辨率参数,对Faster-RCNN中的锚点大小进行约束,减少不符合SAR车辆目标检测框尺寸的候选框,大量约简冗余计算,提升训练、测试效率及精度.     

应用联合自聚焦实现低信噪比ISAR成像平动补偿

传统逆合成孔径雷达(ISAR)平动补偿中,由于低信噪比下包络对齐无法精确实现,因此会导致后续相位自聚焦的精度受到限制．针对该问题,提出了一种包络相位联合自聚焦算法．该算法可以实现低信噪比下对ISAR目标复杂的平动分量进行补偿．利用二维ISAR图像熵作为目标函数,结合阻尼牛顿法进行最优化求解,在低信噪比下完成对平动分量的精确估计．另外,考虑到直接采样模式下,ISAR回波包络的缓变特性,对应平动分量可用有限阶多项式进行拟合．因此,利用归一化多项式拟合实现估计参数规模的简化,提高了估计精度和效率．Yak-42实测数据验证了该算法在低信噪比下的有效性和可靠性．     

INS/SAR组合系统对捷联惯性元件的要求及系统性能分析

研究了惯性系统(INS)／合成孔径雷达(SAR)组合导航系统中导航误差的修正、雷达信号相位的调整及合成孔径雷达对捷联惯性元件误差的要求等问题,并给出了仿真结果。     

基于数据融合技术的多目标跟踪算法研究

针对多目标跟踪问题,提出了一种基于数据融合技术实现多目标定位、确定航迹的算法．经仿真实验,使用该算法可获得较为满意的效果．     

基于C/S模式的计算机考试系统的设计与实现

介绍了C／S模式设计开发的计算机考试系统,着重介绍了系统访问控制、试题属性参数控制和随机抽题算法等关键技术。该系统以SQL Server作为后台数据库引擎,以PowerBuilder作为前台开发工具,包括了题库管理、考试管理、成绩管理等功能。     

伪距、伪距率、航向角观测模型的AHRS/GPS QEKF算法

以微小型航姿参考系统/GPS紧耦合导航系统为研究对象,建立了基于伪距、伪距率、航向角的组合观测数学模型.针对微惯性传感器漂移过大的缺点,引入二阶EKF(QEKF) 方法,代替传统的EKF算法.根据Taylor展开原理,通过对Hessian矩阵的求解,补偿系统观测方程线性化的二阶截断误差.仿真表明,QEKF所建模型符合实际导航系统要求,可使姿态角、位置误差均方差分别控制在90 s和3 m以内,优于相同条件下标准EKF所解算的导航参数.