一种遗传-梯度混合算法

本文提出一种函数全局优化的遗传-梯度混合算法。该算法由选择、交叉和诱导变异算子组成。通过对自适应滤波和前向神经网络权值训练两个典型问题的数字仿真，表明该算法是一种快速有效的全局优化算法。     

基于杂波跟踪的CFAR检测研究

通过设立专门通道将图像处理技术应用于雷达检测域杂波功率数据处理,对特征杂波进行跟踪,为恒虚警处理提供背景信息.本文介绍了对抗杂波边缘的自适应CFAR检测器设计中的研究工作,设计了基于杂波跟踪的杂波属性CF(clutter feature)-CFAR检测器和结构元素SE(structuring element)-CFAR检测器,对其检测性能进行了分析.并通过蒙特卡罗(Monte Carlo)仿真方法对上述两种检测器的检测性能进行了仿真.     

一种适用于调频步进信号SAR的2维子孔径处理算法

为了将机载SAR超高分辨率(0.1 m)条件下的超大带宽信号的实现和成像信号的处理进行有效结合,首先深入分析了基于PFA的2维重叠子孔径处理算法(PFOSA),并对算法中采用的不合理近似进行了改进;然后将PFOSA应用于调频步进信号的SAR成像处理,在此基础上,提出了一种基于调频步进信号的2维子孔径处理算法.该算法不仅能够将调频步进信号处理与距离子孔径处理相结合,使之无需常规的脉冲合成过程,而且还能够利用子孔径处理获得的目标粗分辨位置信息来有效补偿脉冲簇内由载机运动引起的空变相位误差,从而克服了常规脉冲合成方法无法补偿空变相位误差的缺点.仿真数据处理结果表明,该算法是有效的.     

BP网络进化及其在雷达目标识别中的应用

针对常规ＢＰ神经网络的ＢＰ算法只能训练固定结构的神经网络,存在诸如易落入局部极值、没有引入提高泛化能力的训练机制等固有不足之处,以及一些神经网络进化算法的进化机制中存在的缺陷,本文提出一种ＢＰ神经网络进化算法,并用于高分辨雷达目标一维距离像的识别问题。实验结果表明,经所述方法优化后的神经网络结构简单、泛化能力优于ＢＰ算法和一些进化算法训练的网络。     

基于信号子空间处理的和/差波束干涉SAR/GMTI技术研究

该文研究了和/差波束干涉SAR/GMTI技术在通道不平衡条件下地杂波对消问题.文中阐述了和/差波束干涉SAR/GMTI的原理,推导了理想条件下地杂波空域对消因子.实际系统中,由于存在通道幅相不一致等误差,直接空域对消并不能有效抑制地杂波.该文研究了基于信号子空间处理的和/差波束干涉SAR/GMTI方案,通过二维信号子空间处理自适应地校正通道误差,进而对地杂波进行空域对消.仿真实验表明该方案对系统误差的敏感度显著下降,具有很好的鲁棒性,更适合于工程实施.     

逆合成孔径雷达横向距离定标

确定逆合成孔径雷达的横向距离因子，即横向距离定标，是利用ＩＳＡＲ获取正确的目标像和进行雷达目标识别的一个前提。ＩＳＡＲ的横向距离因子取决于雷达波长和目标相对于雷达视线在相参处理区间内的转角。     

同时运动补偿和雷达成象

本文把运动补偿和雷达成象作为多散射点定位来处理,利用最大似然技术同时完成对目标运动参数和雷达图象的估计。本文引入DFT,利用FFT大大提高了计算效率。当目标同雷达之间的距离为时间的二次函数时,我们给出了一种同时实现运动补偿和成象的算法。最后通过计算机模拟给出了对直线飞行飞机成象的结果。     

一种用于ISAR成像的转角采样不均匀补偿方法

转角采样不均匀是固定脉冲重复频率逆合成孔径雷达中经常出现的问题，它会影响ＩＳＡＲ的成像质量。给出了一种角采样不均匀补偿方法。该方法通过分估氦事估计出目标相对于雷达视线的转角变化转迹，再通过改变采样间隔使转角采样均匀，达到补偿目的。     

基于多级维纳滤波器的非均匀∑△-STAP研究

该文提出了基于多级维纳滤波器的非均匀∑△-STAP并行块处理算法,在非均匀环境下能快速有效检测动目标.文中基于多级维纳滤波的广义旁瓣对消器结构,提出了联合主波束检测和自适应功率剩余检测的两级级联非均匀检测算法,能有效增强对弱干扰目标样本的检测能力.同时,将改进的并行块处理引入非均匀∑△-STAP算法,极大地降低了系统运算量.理论分析和仿真实验表明,该算法能有效剔除干扰样本,提高动目标检测性能,收敛速度快,运算量小,鲁棒性强,易于工程实施.     

基于Chirp Scaling的双基SAR成像PFA算法研究

该文研究了基于Chirp Scaling原理实现双基聚束SAR成像的极坐标格式算法(Polar Format Algorithm, PFA)。PFA通过两个一维插值来实现数据的极坐标格式转换,插值计算量较大。该文基于发射信号的线性调频特性,在距离向对极坐标格式数据进行变标处理,仅包含信号复乘和FFT,从而避免了插值运算。文中对于接收Chirp信号和Dechirp信号分别进行了讨论,依照不同流程实现了极坐标格式算法。同插值方法相比,二者聚焦结果相当,但是CS(Chirp Scaling)的方法速度有显著提高。点目标仿真实验验证了此方法的有效性。