对比度最优自聚焦算法

该文研究了一种适用于SAR的自聚焦算法,称作对比度最优自聚焦算法(Contrast Optimiza-tion Autofocus Algorithm,COAA)。该算法是一种原理简单、收敛快、计算量小、鲁棒性强的自聚焦算法,该文着重研究了COAA的实现方法。通过计算机仿真模拟证明了该算法的有效性。将COAA运用于中关村地区L-SAR数据并得到了理想的图像,这说明该算法具有重要的实际应用价值。最后,该文通过一些具体例子验证了该算法与其他算法相比具有更强的鲁棒性。     

基于变步长搜索黄金分割优化的自聚焦算法

为了获得高分辨的合成孔径雷达(SAR)图像,需采用自聚焦算法对SAR图像进行处理。文中介绍了利用图像对比度最优准则进行自聚焦的原理方法,将对比度最优自聚焦过程等效为最优一维搜索模型。同时,介绍了变步长搜索黄金分割算法的原理,首先通过变步长搜索确定搜索区间,然后采用黄金分割法进行迭代收敛,当满足终止条件时,停止迭代并得到最终的多普勒调频率最优估计值。与现有的算法相比,基于变步长搜索黄金分割优化的自聚焦算法具有收敛速度快、鲁棒性强的优点。实测数据处理结果验证了算法的有效性。     

基于对比度最优准则的自聚焦优化算法研究

对比度最优自聚焦算法是一种基于图像幅度的自聚焦方法.本文将对比度最优自聚焦算法等效为一个求解局部最优解的优化模型.结合实际SAR(Synthetic Aperture Radar)系统的特征采用了两种解决此优化问题的算法:黄金分割和Fibonacci级数法,和传统方法相比,这两种优化方法明显提高了对比度最优自聚焦算法的运算效率.     

基于投影近似子空间跟踪技术的自聚焦算法

基于特征向量法的自聚焦算法具有比相位梯度自聚焦(Phase Gradient Autofocus,简称PGA)算法更好的算法性能,但该算法必须对协方差矩阵进行特征分解,所以运算量大.利用投影近似子空间跟踪(Projection Approxima-tion Subspace Tracking,简称PAST)技术的自聚焦算法可以解决上述问题.通过实际数据处理结果对比,证明基于PAST技术的自聚焦算法是一种可满足实时处理要求的有效自聚焦方法.     

一种易行的高分辨率机载SAR实时自聚焦算法

该文详细分析了距离徙动对频移相关自聚焦算法的影响,得出了高分辨率时距离徙动将严重影响频移相关法估计精度的结论。并结合距离多普勒算法提出了一种基于距离门限制的频移相关自聚焦算法,该算法减小了距离徙动对自聚焦的影响,提高了估计精度,仿真和实际数据均验证了该算法的有效性,可以达到高分辨率的要求,并且具有计算简单的优点,适合实时成像。     

双芯自聚焦透镜耦合分析

利用光线光学的原理，提出了求解双芯自聚焦透镜耦合损耗的数学模型，利用该模型得出了自聚焦透镜耦合损耗与双芯间距的关系曲线。实际制作的双芯自聚焦透镜耦合系统，两路光纤到光纤的耦合损耗分别为０．７９ｄＢ和０．８５ｄＢ。     

高分辨率SAR实时信号处理

介绍了高分辨率合成孔径雷达实时信号处理机硬件结构和实时信号处理算法及流程。该信号处理机的核心是G4模块，包含4个矢量处理芯片MPC7410，G4模块具有存储容量大和运算速度快的特点。算法上采用工程上较易实现的R-D算法及对比度最优自聚焦算法。利用机载SAR试飞数据验证，得到了高分辨率SAR图像，证明信号处理机稳定有效可靠。     

基于PHAF的多普勒参数估计

在通常情况下,多普勒参数是影响SAR成像质量的主要因素。目前,估计多普勒参数的算法主要有Mapdrift、相位梯度自聚焦以及对比度最优自聚焦等自聚焦算法,这些算法有一个共同的缺点,不能估计并补偿高阶多普勒参数。该文通过基于乘积型高阶模糊度函数(Product High-order Ambiguity Function, PHAF)算法来估计多普勒参数的新方法,该方法无需利用惯导数据预先计算多普勒调频斜率初值,可与杂波锁定并行完成,并且具有估计高阶多普勒参数的能力。仿真实验比较了PHAF和MapDrift分别在小信噪比,存在高阶误差时的自聚焦能力。结果说明该算法计算量小、鲁棒性强、估计精度高,在小信噪比情况下仍可得到较准确的估计结果。最后给出的成像结果说明该文提出的算法能够大大改善成像分辨率。     

一种基于图像对比度的自聚焦算法研究

在合成孔径雷达自聚焦中常用的图像对比度最优算法需反复迭代,导致该算法计算量大、收敛速度慢、效率 低。为此本文提出了一种新的基于图像对比度的自聚焦算法——抛物线法。该方法是根据图像对比度与方位向调频斜 率的关系,引入数学中的抛物线法来估计多普勒调频斜率,避免了传统算法中的反复迭代,大大提高了计算效率。本 文最后用机载SAR 实测数据验证了该方法的可行性和高效性。     

针对距离向处理的SAR自适应成像算法

在研究传统SAR成像处理过程的基础上,将自聚焦的概念加以拓广,提出了一种自适应成像算法.该算法摒弃了传统自聚焦算法对距离徙动已被完全纠正的假设,将自适应处理的时机前移到距离徙动校正阶段,通过修正若干系统参数使得距离徙动被完美地校正,这些被修正的参数将被应用到后续的处理过程中.该算法具有比传统自聚焦算法更好的成像精度及效果,令输出图像具有更好的相位保持特性.     

ADAPTIVE KURTOSIS OPTIMIZATION AUTOFOCUS ALGORITHM

This paper proposes an autofocus algorithm used for Synthetic Aperture Radar （SAR） images, called Adaptive Kurtosis Optimization Autofocus Algorithm （AKOAA）. The AKOAA can reduce the difference between initial value and real value in focusing by adaptively adjusting the initial value, therefore effectively improve the local extremum problem in the Contrast Optimization Autofocus Algorithm （COAA） and speed up the convergence velocity. The principle and realization method of AKOAA are thoroughly investigated, and experimental results using real L-band SAR data show that the focus speed of AKOAA is nearly doubled compared with that of the COAA, and the image contrast of AKOAA is improved as well.     

用一种新的独立分量分析算法实现极化SAR图像相干斑抑制

极化SAR图像为雷达图像中的信息处理和获取提供了更为便捷的途径。本文在研究极化SAR成像特点的基础上，介绍了用一种新的独立分量分析(ICA)方法—Infomax算法来进行相干斑抑制，完成了从极化SAR图像中分离相干斑噪声的仿真试验。实验表明，Infomax算法收敛速度较慢，但稳健性好。经ICA处理后的图像其相干斑噪声得到了有效的抑制，具有较低的相干斑指数，明显地改善了图像的质量。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法,提出了基于独立分量分析的多分辨率遥感图像融合方法,分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息）,给出了独立分量分析的优化快速算法,并详细描述了提取源信息独立分量的具体步骤。最后,将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合,与采用主分量分析法融合的图像相比,图像质量得到很大的提高。     

基于峰度的ICA算法

独立分量分析(ICA)是一种通过最大化多维观察向量元素的统计独立性寻找一个线性变换的统计方法，其作为有效的盲源分离技术是信号处理领域的热点。提出了一种基于峰度的快速ICA算法，此算法常用于盲信号分离和特征抽取。先从峰度的定义入手说明峰度作为代价函数的可行性，并详细介绍如何将神经网络学习规则转换成固定点准则，从而使得算法简单，且不依赖任何人为定义的参数。选取3个非高斯独立向量作为信号源进行Matlab仿真，分离效果良好。     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于符号-最小平均峭度的自适应谱线增强器

从误差信号峭度的性质和误差符号(SE)算法的特点出发,提出了基于符号一最小平均峭度(Sign-LMK)的自适应谱线增强算法。该谱线增强器的结构与基于LMS算法的自适应谱线增强器(ALE)相同,但它是用误差峭度的符号和输入信号作为权向量的更新因子的。仿真结果表明具有计算量小、抑制非高斯噪声和增强谱线性能强、收敛后均方误差小等优点。     

一种基于ICA的盲信号分离快速算法

基于ICA(独立成分分析:Independent Component Analylsis)原则,给出一种盲信号分离的快速学习算法.通过寻求观测变量线性组合的四阶累积量(即kurtosis系数)局部极值,得出该算法的模型和步骤.将该算法用于盲信号分离实验,实验结果表明,该算法在盲信号分离和信号特征提取方面具有收敛速度快、无需动态参数等优点.该算法能有效地分离出任意分布的非高斯盲源信号的各个独立成分,是信号处理的一种新的、高效可靠的方法.     

基于遗传算法的有序盲信号提取

本文针对盲信号分离中,如何根据信号特征进行有序提取的问题进行了探讨,提出了一种基于遗传算法的有序盲信号提取算法.该方法能够确保源信号按照四阶累计量的绝对值降序提取,解决了目前一些基于梯度的提取算法容易陷入局部极值而不能保证有序提取的问题;另外,在信号提取的消源过程中,我们还提出了一种基于Schmidt正交化的消源去相关算法,该方法不仅简化了Cichocki-Thawonmas-Amari(1997)消源算法的复杂计算,同时还对消源后的混叠信号进行了白化.仿真结果表明,该算法能够保证实现盲信号的有序提取.     

峰度最大准则ISAR成像快速包络对齐方法

通过对逆合成孔径雷达回波相邻包络和的峰度图进行分析,得到回波包络峰度图的一致性分布规律。然后依据分级快速搜索算法,结合大小步长对峰度图进行分级搜索,得到峰度最大位置所对应的回波移位比特数,将待对齐回波进行相应循环移位,实现回波包络的快速对齐。从实测数据结果可以看出,基于峰度最大准则的快速包络对齐方法与原始算法相比较,运算速率上有很大提高,并且包络对齐结果没有差别。文章同时对搜索时大步长的选取进行了讨论,得到了准最优的大步长值。     

基于独立分量分析的极化SAR图像非监督分类方法

提出了一种针对极化合成孔径雷达(SAR)图像的新的分类方法--基于独立分量分析(ICA)的非监督分类方法.该方法将ICA和基于模糊集理论的非监督分类方法结合起来.用ICA方法对原始极化SAR图像进行特征提取,并用模糊C均值(FCM)算法对提取出的独立分量图像进行分类.该算法可对极化SAR图像进行自动分类,并减少由相干斑噪声所引起的分类错误,且其收敛速度快、稳定性高.采用SIR-C/X-SAR数据的试验证明了该算法的有效性.