极化合成孔径雷达的模拟研究

该文介绍了作者在极化合成孔径雷达模拟研究方面的初步成果。建立了点阵目标的极化合成孔径雷达回波的数学模型;对模拟的回波数据进行了成像处理,得到了四种不同极化组合的复数图像;从复数图像中计算出了每个点目标的散射矩阵;利用极化合成技术生成了圆极化状态下的四幅图像;最后对仿真结果进行了分析。分析结果表明文中的方法是有效的。     

基于散射模型的极化SAR数据分解

该文提出一种描述极化SAR散射机制的散射模型。该模型由四种基本散射模型构成:布拉格散射,偶次散射,奇次散射和体散射。该散射模型成功地描述了人造目标和自然目标对电磁波的散射机制。本文利用美国空气动力实验室(JPL)的机载多极化合成孔径雷达系统获得的SAR图像数据对该模型进行了检验,结果表明该散射模型可以很好地描述建筑和植被覆盖地区对电磁波的散射机制。     

基于Mueller矩阵分解的非监督聚类算法

该文描述了一种利用极化SAR图像的Mueller矩阵分解系数进行非监督聚类的算法。根据关于各种地貌目标散射电磁波机理的先验知识,该算法可以在不需要任何实地勘测的条件下将图像粗略地分割为三种完全不同的、物理含义明显的类别,即建筑区域、茂密植被和微粗糙表面(例如水面)。与利用单极化灰度图像的非监督分类算法相比,该算法的突出特点是不仅仅将每个像素按照其特征紧密地聚集在一起,而且还能确定每个聚类的散射机理,进而确定目标类型。     

基于最优状态的多波段全极化SAR数据ML分类方法

该文描述了一种对多波段、全极化AIRSAR图像中的地物目标进行分类的最大似然(ML)分类算法。该算法的特点是利用极化SAR图像的最优状态进行分类。本文描述了最优状态的搜索算法和地貌分类算法,并利用美国AIRSAR获得的多波段(P,L和C)、全极化图像数据对本算法进行检验。与利用单波段、单极化图像数据得到的分类结果相比,本文提出的基于最优状态的分类算法可以显著地提高分类精度。     

散射矩阵同时测量的一种新方法

该文提出了散射矩阵同时测量的一种新方法频域分割法。这种方法的基本原理是:发射时水平极化天线和垂直极化天线同时发射两个中心频率不同、调频斜率相同的线性调频信号,中心频率的差值等于或略大于信号带宽,接收时上述的两个天线同时接收,那么每个天线接收的回波是两个不同极化组合回波的叠加,我们利用两个回波信号频谱的差异,将之分离,从而实现散射矩阵的同时测量。这种方法避免了测量不同时以及极化开关造成的极化耦合而引起的测量误差,与散射矩阵同时测量的信号编码法相比,更容易实现高极化隔离度。     

部分极化电磁波的最佳接收

描述实际散射体散射特性的散射矩阵一般是时间的函数。因此,即使入射电磁波是完全极化电磁波,散射电磁波也不再是完全极化电磁波,而是部分极化电磁波。本文讨论了对部分极化电磁波的最佳接收问题,并给出计算天线接收功率的简化算法。