共查询到17条相似文献,搜索用时 140 毫秒
1.
由于实波束地图方位分辨率低,从中很难分离出如机场、舰船及海岸线等目标的有用信息,使得战机无法实施对地、对海火力攻击。文中提出了一种基于实测数据处理的统计优化反卷积实波束锐化算法。该算法通过运动补偿及迭代算法,对实波束地图进行锐化,以实现方位超分辨。从仿真数据分析及实测数据处理的结果可以看出,所提方法能有效提高实波束地图的方位分辨率,具有很高的工程应用价值。 相似文献
2.
Relax超分辨算法基于信号和噪声参数化模型的谐波恢复方法,具有比傅里叶变换更高的分辨率。本文讨论了Relax超分辨方法,并把它应用于实测数据多普勒波束锐化(DBS)成像中;提出了一种基于Relax超分辨算法的目标特征提取方法。实验表明Relax超分辨算法比传统的基于傅里叶变换的多普勒波束锐化(DBS)方法具有较好的效果. 相似文献
3.
4.
5.
6.
机载雷达多普勒波束锐化算法改进 总被引:3,自引:1,他引:2
在对机载雷达多普勒波束锐化(DBS)原理进行分析的基础上,提出了在不增加雷达系统复杂性的同时,通过改进信号处理算法,根据天线扫描角等参数,实时调整成像的脉冲积累个数及参与积累脉冲的抽取方式来保证波束锐化比的恒定,从而提高DBS成像质量的实现方法;经过实时记录数据的仿真分析,证明了此算法的可行性和有效性。 相似文献
7.
8.
9.
该文提出了一种结合稀疏低秩矩阵恢复技术以及基于匹配滤波结果的反卷积算法的高分辨率雷达成像方法。对雷达回波信号进行匹配滤波操作可以最大化回波信噪比,通过推导发现经过匹配滤波操作后的回波信号可以建模为两维卷积的形式,对该结果做维纳滤波解卷积可以获得较高的分辨率。然而典型的解卷积算法面临着病态性问题,该问题会放大解卷积后的噪声、限制解卷积后的成像分辨率。文中证明了在目标稀疏分布的先验下,经过匹配滤波后的回波矩阵满足稀疏低秩的特性。在这种情况下,利用回波矩阵的稀疏低秩矩阵特征可以进一步提高信噪比,以减轻解卷积的病态性问题以及点扩散函数的平滑卷积造成目标散射低分辨率的影响。仿真实验以及实测数据证明了所提方法的有效性。 相似文献
10.
机械扫描雷达DBS模式下的锐化比恒定技术研究 总被引:3,自引:0,他引:3
多普勒波束锐化(DBS)是提高机载雷达横向分辨率的一种技术。对于扫描速度和重频不能随扫描角度改变的机械扫描雷达,采用重频不变FFT法进行DBS处理更能满足实时处理要求。为了保证处理过程中图像分辨率即锐化比恒定,本文分析对比了预滤波法和频域插值法,并基于就近取整的思想对频域插值法进行了改进。该改进方法弥补了现有方法的不足,改善了DBS成像质量。实测试飞数据的处理结果验证了该方法的有效性。 相似文献
11.
12.
为了获得大幅宽多普勒波束锐化(DBS)图像,现有的DBS成像算法往往需要进行复杂图像拼接.此外,现有成像方法为了保证DBS图像的锐化比恒定,除了要实时调整波束扫描速度外,还需要实时调整脉冲重复频率或积累脉冲个数,使得系统复杂度显著增加.文中在深入研究DBS成像机理的基础上,提出了一种基于方位Deramp处理的宽覆盖DBS全孔径成像方法.该方法利用方位Deramp消除了全场景回波的多普勒频谱混叠,无需进行图像拼接,通过一次全孔径FFT就能获得宽覆盖DBS图像.同时,只需实时调整波束指向,该方法就能实现恒定锐化比成像.实测数据处理结果证明文中方法的有效性. 相似文献
13.
在详细分析多普勒波束锐化(DBS)方位高分辨率实现的基础上,提出能够保持近似恒定锐化比的新预处理滤波算法,给出了基于FPGA的具体算法实现,仿真验证了算法的有效性. 相似文献
14.
逆合成孔径雷达三维成像技术可有效揭示雷达目标散射源的空间分布;相比于传统的距离向和方位向二维成像,三维成像又增加了俯仰向的分辨能力,可以识别雷达目标高度方向的散射源分布情况。从雷达目标回波信号分析出发,探讨了三维成像的基本公式及算法。距离向分辨采用传统的FFT(快速傅里叶变换)实现,方位向和俯仰向分辨运用卷积反投影算法实现。讨论了两种实现方位向和俯仰向成像的投影插值算法,即二维投影插值法和直接投影法,与传统的二维投影插值算法比较,直接投影法具有计算速度快和计算精度高的优点。 相似文献
15.
扫描方式下DBS子图像拼接算法 总被引:1,自引:0,他引:1
针对扫描工作方式下多普勒波束锐化(DBS)成像的子图像拼接问题进行了分析,提出了一种在脉冲重复频率固定情况下的图像拼接算法。仿真分析表明,该算法能在天线转动较快的情况下实现子图像的无缝拼接。 相似文献
16.
针对基于正则优化的高分辨SAR成像惩罚项系数自学习难点问题,本文提出一种贝叶斯边缘估计(Marginal Estimation Bayes,MEB)算法,以实现目标多先验模型的高精度特征拟合,提升成像特征恢复精度。该方法根据观测数据进行交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)凸优化框架建模,并利用贝叶斯理论推导参数的最大边缘似然分布,同时采用Moreau-Yoshida未经调整的朗之万算法(Moreau-Yoshida Unadjusted Langevin Algorithm,MYULA)实现后验采样求解,引入梯度投影法解决正则参数自学习问题,最后利用自学习参数进行优化成像。该算法可实现多正则项优化多参数协同自适应参数估计。另外,针对可能存在的目标先验非可微问题,本文利用近端算法中的次梯度优化,通过邻近算子来求解非可微先验的次梯度,可实现非可微正则函数的参数自学习。实验部分利用点目标仿真与美国Sandia实验室公布的实际数据。实验结果表明,相对于遍历最优结果,本文所提方法得到的结果与最优值的误差均在15%之内。另外,通过相变热力图(Phase Transition Diagram,PTD)定量验证了算法的有效性,同时将本文算法与其他自学习算法进行对比,验证了算法的实用性。 相似文献
17.
为获得ISAR方位向高分辨成像性能,基于压缩感知理论,提出了一种具有方位向高分辨能力的算法。该算法基于线性Bregman迭代(LBI)实现ISAR方位向高分辨。首先将重构精度高的LBI推广到复数域;然后进行了算法的理论分析,与正交匹配追踪算法对比分析了LBI算法的有效性以及稀疏度和采样率对重构精度的影响,仿真结果表明推广到复数域后的LBI能够有效实现复数稀疏信号的重构,验证了算法的优越性;最后将算法运用于ISAR方位向成像。仿真结果验证了LBI算法可明显提高ISAR方位向分辨率。 相似文献