基于半正定约束的极化相似度最优模型匹配目标分解

目标分解是实现极化合成孔径雷达目标分类、检测与识别应用的重要手段。传统方法由于优先对体散射分量进行提取,其体散射能量的高估或二面角散射能量的低估现象较为严重。该文通过引入极化相似度量,基于数据驱动自适应地对基本散射机制的最优匹配模型进行选择。在此基础上,根据极化相似度量确定基本散射机制散射能量提取的优先顺序,并以各阶次剩余矩阵能量非负为约束,最终确定面散射、二面角散射、体散射这3种基本散射机制的能量贡献值。实测数据处理结果及其与光学图像的对比结果表明,该文方法获取的极化目标分解结果优于传统方法,能够准确地提取目标区域的基本散射特征。     

基于半正定秩松弛方法的稳健波束形成

现有的向量加权稳健波束形成方法只有在指向误差较小的情况下才能有效估计目标的信号功率;矩阵加权波束形成方法在指向误差较大时,虽然可以估计目标的信号功率,但是它的系统实现复杂度与向量加权稳健波束形成方法相比较大。针对以上问题,该文提出基于半正定秩松弛(SDR)方法的稳健波束形成,该方法优化模型中的目标函数与Capon算法的目标函数相同,优化变量为加权向量的协方差矩阵,并约束方向图的主瓣幅度波动范围、旁瓣电平,协方差矩阵的秩为1。应用SDR方法求得加权向量的协方差矩阵,将该矩阵中的每一行(列)转化为加权向量,然后选择使得方向图主瓣与0 dB之间失真最大值最小的一个加权向量。该方法的系统实现复杂度与传统向量加权方法一致,对信号功率的估计性能与矩阵加权方法相当。仿真实验验证了该文方法可以得到理想的方向图形状,并且可以在大指向误差条件下有效估计信号功率。     

BP神经网络在PDC钻头真空扩散焊接工艺试验中的应用研究

在PDC钻头真空扩散焊接工艺试验的基础上,采用基于MATLAB的BP神经网络,研究了PDC钻头真空扩散焊接温度、焊接压力和焊接时间等工艺参数对焊接接头抗剪强度的影响,优化了PDC钻头真空扩散焊接工艺参数,并对各种焊接工艺参数下的接头抗剪强度进行了预测,其结果与实际试验测试的结果较一致,误差均小于5％,在工程应用允许范围内,表明网络优化测试的结果非常准确,为PDC钻头真空扩散焊接的最佳工艺方案选择提供一种新的方法。     

层析SAR系统基线优化设计

自然场景3维影像重构是层析合成孔径雷达(TomoSAR)的重要应用。传统方法在沿高程维进行层析处理时,均通过对等距线阵模型进行加权的方式,以主瓣展宽为代价来抑制方向图旁瓣水平。针对该问题,该文建立一种基于非等距线阵的峰值旁瓣比极小极大优化模型,即在约束主瓣宽度一定的情况下,通过阵元位置的优化配置来获取观测场景视角范围内任意指向的最优旁瓣水平;提出一种目标函数离散栅格化方法,进而采用序列二次规划(SQP)方法并结合差分进化算法特有的全局记忆能力,以获取最优阵元配置方案。对PolSARpro全极化层析SAR仿真数据的处理结果表明该方法能够有效地应用于自然场景的3维影像重构。     

基于幅相一致性校正的稳健植被参数反演方法

植被参数反演是极化干涉合成孔径雷达(PolInSAR)的重要应用。传统反演方法未考虑观测样本数据幅度和相位的非平稳特性,以及观测信号非均匀分布对其散布区域线性变化主导方向估计的影响。针对这些问题,该文首先采用经过幅度和相位一致性校正的数据样本估计极化相干矩阵,提高了极化干涉复相干系数的估计性能,并提出了映射空间均衡化(MSR)处理技术以消除观测信号非均匀分布对主导方向提取的影响,通过引入主成分分析(PCA)方法进一步提高了参数反演算法的性能。利用欧空局(ESA)发布的软件PolSARPro仿真验证了该文方法在植被参数反演方面具有更好的稳健性和估计精度。