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。     

SAR雷达干扰效果的度量

合成孔径雷达(Synthetic Aperture Radar)是一种高分辨率成像雷达。它通过发射线性调频(LFM)的脉冲压缩信号实现距离上的高分辨率，利用脉冲之间的多普勒信息获得方位上的高分辨率。本文提出了对SAR雷达干扰效果度量的准则，并分析、检验了几种典型干扰样式的作用效果。     

干涉SAR成像中地形高度估计及基线估计方法的研究

本文在地形高度估计及基线估计等方面作了一些研究,提出了一种ＳＡＲ成像地形高度估计方法和一种基线估计方法。本文首先讲述了如何将干涉相位差转换成地形高的方法。通过模拟实验分析了地球的曲面效应对星载ＳＡＲ地形高度估计的影响．利用该方法能提高高度估计精度并且不需考虑去除平地效应。本文还给出了一种利用地面定标点估计基线参数的方法,通过模拟实验表明,在一定条件下我们能得到比较满意的结果。     

基于SDRAM的星载SAR星上实时成像转置存储器

论述了合成孔径雷达(Synthetic Aperture Radar,SAR)实时成像处理转置存储器(Corner Turning Memory,CTM)的功能和原理,提出了一种基于SDRAM的星载SAR星上实时成像处理CTM系统实现方案。考虑到星上环境对器件的抗辐照要求,系统选用一片XQB2V500 FPGA做控制器,主存储器选用三片Micron公司的MT48LC16A2 SDRAM。系统采用三页式结构,输入输出并行处理。文章分析了系统输入、输出接口时序,给出了详细的硬件实现和测试结果。实验结果表明该CTM系统方案可行,能够应用在星上实时成像处理器中。     

HJ-1-C 卫星SAR 全功率辐射试验的设计及实现

该文面向HJ-1-C SAR 全功率辐射试验设计,阐述了SAR 大功率集中发射所带来的新问题,从保证雷达接收通路的安全性出发,提出全功率辐射试验的接收通道漏过功率测试的必要性,给出构成雷达系统收发通道闭环测试的方法。试验结果表明,所提出的HJ-1-C SAR 系统全功率辐射试验的方案合理可行,试验达到了预期的效果。      

一种快速SAR真实场景原始数据模拟方法

在合成孔径雷达信号处理理论的基础上，提出了复杂真实场景的SAR原始数据信号的模拟方法，因而可以利用二维FFT的快速算法计算SAR原始数据的算法。并用这种方法进行了仿真，验证了其正确性和实用性。     

前斜视SAR成像几何形变校正方法研究

针对弹载合成孔径雷达(SAR)成像存在运动参数抖动的问题,分析了不规则运动造成图像几何失真的机理,提出了一种基于多项式逼近的弹载SAR线性调频(LFM)信号前斜视成像几何形变校正方法。挂飞试验证明,该方法能从雷达回波数据中准确消除几何形变,提高成像质量。     

星载-机载混合双站SAR回波信号的仿真

对于星载-机载双站合成孔径雷达（SA-BiSAR）系统,回波模拟的关键是计算出卫星、飞机和目标这三者之间的距离。在考虑地球自转的情况下,提出了用坐标变换的方法,解决了近地空间与外太空之间距离的计算问题,实现了任意几何模型下更为精确的SA-BiSAR回波模拟。同时,利用此方法也可获得直达波信号。点目标的仿真展示了SAR回波信号的特征,该方法得到了验证。     

一种基于EfficientNet与BiGRU的多角度SAR图像目标识别方法

合成孔径雷达(SAR)的自动目标识别(ATR)技术目前已广泛应用于军事和民用领域。SAR图像对成像的方位角极其敏感,同一目标在不同方位角下的SAR图像存在一定差异,而多方位角的SAR图像序列蕴含着更加丰富的分类识别信息。因此,该文提出一种基于EfficientNet和BiGRU的多角度SAR目标识别模型,并使用孤岛损失来训练模型。该方法在MSTAR数据集10类目标识别任务中可以达到100%的识别准确率,对大俯仰角(擦地角)下成像、存在版本变体、存在配置变体的3种特殊情况下的SAR目标分别达到了99.68%, 99.95%, 99.91%的识别准确率。此外,该方法在小规模的数据集上也能达到令人满意的识别准确率。实验结果表明,该方法在MSTAR的大部分数据集上识别准确率均优于其他多角度SAR目标识别方法,且具有一定的鲁棒性。      

基于结构保持的星载SAR图像超分辨重构算法

星载合成孔径雷达（SAR）可以实现全天候、全天时、大幅宽的对地观测,但受天线尺寸和数据有损传输影响,高分辨率SAR图像的获取十分困难。针对该问题,提出一个基于结构保持的图像超分辨重构网络（SP-SRNet）,以实现SAR图像从低分辨（LR）图像到高分辨（HR）图像的重构：使用一个轻量级深度卷积神经网络提取图像梯度图特征,为超分辨重构网络提供更多的结构信息;设计一个由像素损失和梯度损失组成的多目标函数优化SP-SRNet。利用ICEYE公司卫星高分辨SAR图像,采用双3次下采样算法构建SAR图像的LR-HR数据集,并在该数据集运用多种现有算法对比仿真验证。结果表明,提出的SP-SRNet在定量评估指标和主观视觉上均优于现有的超分辨重构算法。