基于ISAR技术的太赫兹目标RCS测量

对目标RCS的研究主要包括电磁计算与基于成像的测量方法.由于受到计算机内存与运行时间的限制,电磁计算方法难以在太赫兹波段得到广泛应用.在基于图像的测量中常使用逆合成孔径雷达成像技术.后向散射算法(BP)常用于目标的反射图的重建.由于BP算法不能在图像中反映太赫兹波段目标显著的角闪烁现象,因此,使用子孔径成像技术对太赫兹目标RCS进行测量,并进行了仿真验证所提出算法的有效性.     

平面子孔径拼接测量实验研究

通过椭圆形口径（长轴225mm，短轴161mm）SiC平面反射镜的全口径面形测量加工实验，验证了一种新的子孔径拼接测量算法—子孔径拼接迭代算法（SASL算法）的有效性。首先用100mm口径平面平晶的子孔径拼接测量与全口径测量的对比实验，确定了拼接测量相关参数及测量装置的精度指标。在此基础上设计了SiC平面反射镜的子孔径拼接实验，在搭建的拼接装置上实现了五次离子束迭代加工过程中和最终的全口径面形测量。这是国内首次将子孔径拼接测量方法用于指导加工实践，加工过程中的测量结果为面形误差修正提供了准确的数据，保证了最终全口径面形误差快速收敛到RMS 50nm。实验证明，SASL算法能大大放宽拼接装置对准运动的精度要求，并减少拼接过程对拼接结果的影响。     

基于迭代梯度算法的子孔径拼接检测技术研究

为了解决粗大调整误差下大口径光学平面镜的子孔径拼接检测问题,基于迭代梯度算法,建立了一套合理的拼接算法和数学模型,同时编制了拼接程序。结合工程实例,利用Φ600mm干涉仪实现了对Φ800mm平面镜的拼接测量。检测中,基于靶标对各子孔径实现对准,拼接所得面形光滑连续无狭缝。实验结果表明,利用迭代梯度算法可以高精度地完成粗大调整误差下大口径平面镜的拼接检测。     

基于子孔径斜率离散采样的波前重构

由于现有评价与测试方法不能满足3~4m地基光电探测系统在不同仰角下对光学系统波前检测的需求,本文提出了基于子孔径斜率离散采样,再重构全口径波面轮廓的波像差测试方法。采用光学模拟与数学分析协同仿真的方法,研究了波面重构算法的不确定度以及扫描运动引起的子孔径倾斜误差、子孔径扫描位置误差、像点坐标测量误差与波前复原精度间的作用规律。仿真结果显示,迭代算法的相对误差ΔPV为0.002 8λ(λ=632.8nm),模式算法的相对误差ΔPV为0.002 7λ。当子孔径倾斜误差小于0.2″,波面重构误差ΔPV约为0.02λ。当子孔径采样位置精度优于0.2mm,其引入的波面重构误差小于0.04nm(PV);当子孔径像点坐标提取精度优于5μm,波面重构误差ΔPV约为0.03λ。研究结果表明,当考虑波面重构过程中的实际测量误差时,模式算法的误差容限较高,收敛性更好。此外,构建实际测试装置时,需引入角度监测与算法误差补偿机制,子孔径倾斜角度监测系统的测角精度需优于0.2″。     

圆周SAR子孔径频域成像处理方法研究

圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)因具有超高分辨率、三维成像能力、全方位信息获取等优势已经成为雷达领域的研究热点.在实际应用中,场景中目标通常仅在较小观测角度内具有近似恒定的散射特性.为此本文提出了一种基于子孔径划分的CSAR频域成像处理方法,该方法相比于时域成像处理具有更高的处理效率.文中给出了CSAR回波的频谱表达形式并深入分析了其特性;提出了CSAR子孔径频域成像处理的基本流程,理论上详细论证了文中所提算法的可行性.最后仿真试验证实了文中所提信号模型及成像处理流程的正确性.     

用聚束SAR对慢速运动目标进行轨迹跟踪和参数估计的方法

针对聚束式合成孔径雷达（SAR）动目标检测的问题，把回波信号进行连续重叠地时域分组，每组信号可以看成是来自一个时域子孔径，然后在每个子孔径内分别成像。地面固定目标在每幅图像上的成像情况是相同的，通过彼此相减就可以消去，达到了抑制杂波的目的，而运动目标由于每个时刻的位置都在变化，在每幅图像上的位置是不同的，从而在相减后剩余下运动目标的图像，把这些图像拼接起来就再现了运动目标的运动轨迹，根据运动轨迹就可以对其运动参数进行估计。该文给出了这个方法的原理推导和具体的检测过程。仿真结果证明了该方法的有效性。     

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.     

一种子孔径ωK聚束SAR成像算法的GPU实现

合成孔径雷达(SAR)的数据运算量不断增加,图形处理器(GPU)为其处理提供了新的运算平台。但是GPU显存小,不足以容纳大场景SAR数据。通过研究聚束SAR成像模式特点,提出了一种适合GPU加速的子孔径成像方案,降低了该算法对GPU显存的要求。在Tesla C2075上的实验结果表明,该方案能够取得良好的成像效果,与CPU上的处理效率相比,有数10倍的速度提升。     

Robust registration based compensation method based on sparse recovery

The loss of the degree of system freedom and mismatch of prior information based on the registration based compensation (RBC) method will result in a decline in computational performance. In order to solve above problems, a robust method named SRBC is proposed where the sparse recovery method is applied instead of the sub-aperture smoothing operation. First, the SRBC utilizes the sparse recovery to get the super resolution clutter space-time spectrum. Then the transition covariance matrix is calculated. Finally, the clutter covariance matrix is reconstructed by the Capon spectrum. Compared with the traditional RBC method, the SRBC proposed does not depend on sub-aperture smoothing operation and prior information and maintains the performance of clutter range-dependence. In addition, it is also steadier when the sensor error exists. Experimental simulation demonstrates the correctness and feasibility of this method.     

Wide angle SAR imaging via sparse non-negative matrix factorization

This paper proposes a novel WASAR imaging scheme, which divides the full aperture data into several overlapping sub-apertures and uses the Polar Format Algorithm (PFA) to obtain sub-images at different aspects. Finally we perform full aperture image composition via Non-negative Matrix Factorization (NMF) with a sparse regularization term. The target feature of the synthesized image is enhanced and the SNR is improved. Simulation results verify the effectiveness of the novel approach.