一、大距离徙动情况下距离多普勒(RD)算法与后向投影(BP)算法的比较(论文文献综述)
郭贝贝[1](2021)在《斜视SAR成像的旁瓣抑制算法研究》文中认为
郭贝贝[2](2021)在《斜视SAR成像的旁瓣抑制算法研究》文中研究说明
程蒙[3](2021)在《基于压缩感知超宽带噪声SAR成像》文中提出雷达成像技术现已广泛应用于地面目标侦察、地球环境测绘以及海洋学和冰川研究等众多科学领域。其成像处理算法主要为匹配滤波过程,这需要信号接收机的采样频率工作在奈圭斯特采样定律要求的采样频率之上。为了进一步提高观测场景的成像分辨率,就需要采用更高采样速率的信号采集设备。从现阶段来看,雷达信号采集系统的采样速率已经很难大幅度的提升,同时较高的信号采集设备将产生庞大的采样数据,这将造成有限的存储设备只能测量更少的目标场景。压缩感知理论出现在2006年后,并被许多学者成功的应用到众多信号处理领域中。压缩感知理论表明利用待测信号的先验知识,只需要极小的测量集即可对信号达到唯一的描述并精确重建。应用到雷达高分辨率成像中,可以有效地减少信号的采样个数,以及显着降低信号采集设备的采样速率。本文研究采用超宽带噪声作为信号源的压缩感知雷达成像方法。与传统雷达系统和成像方法相比,该方法主要包含以下方面的优势。第一,超宽带噪声信号源的随机特性使其测量具有较低的可截获性和较强的抗电磁干扰特性。第二,当使用相同数量的采样数据信息时,利用压缩感知理论的成像方法可以有效提升成像质量,消除传统成像算法的旁瓣效应。第三,利用成像场景的稀疏特性,压缩感知成像方法可以实现在降采样的条件下对场景精确重建,采样频率可以远低于奈圭斯特采样定律,可以利用较低的采样设备获得较高的成像分辨率图像。第四,压缩感知理论的观测矩阵需要满足一定条件,当使用确定信号作为信号源时,需要采用随机采样方式来保证这一性质。而超宽带噪声信号源自身的随机特性,即使不采用随机的采样方式仍然可以使感知矩阵满足压缩感知重建的条件,因此可以简化系统设计。本文主要完成内容如下:(1)总结了雷达成像的发展历程,以及各种成像理论算法提出的时间背景,并重点介绍了超宽带噪声雷达的压缩感知成像发展现状及其面临的机遇与挑战。(2)简要介绍超宽带噪声SAR的传统成像理论方法,以及压缩感知理论基本原理和求解算法。(3)详细的介绍了一种基于压缩感知的超宽带噪声雷达成像方法,与传统成像算法相比它可以消除强反射点的旁瓣效应。在不影响最终成像质量的前提下,采样数据利用率可以降至36%,因而可以显着降低雷达系统的硬件成本。(4)针对压缩感知重建算法的算法复杂性,结合后向投影成像理论,提出了一种基于压缩感知理论的快速成像算法,该算法具有很好的运算效率,可以实现大尺度场景的成像问题,最终实现了成像像素为2048×2048的成像结果,成像规模提高了256倍。
胡远林[4](2021)在《机载多通道SAR动目标检测与运动参数估计方法研究》文中进行了进一步梳理SAR动目标检测与参数估计技术可实现动目标成像、检测及测速定位等功能,在军事、民用等方面具有重要的研究意义。然而,在SAR动目标检测方面,目前的各种检测方法,无论多通道VSAR方法还是双通道DPCA、ATI等方法,绝大多数是在正侧视模式下进行研究,极大的限制了应用范围,为此,针对斜视模式下动目标成像质量及重定位精度下降严重,多通道图像配准及相位误差补偿复杂困难,慢动杂波抑制等问题,开展了斜视模式下的动目标检测与运动参数估计研究。在SAR多动目标检测方面,针对多个动目标重叠在图像域中同一分辨单元,从而可能导致的“速度叠影”问题,为此,开展了多动目标分离与速度估计研究。本文主要内容与贡献如下:1、针对斜视模式下传统SAR动目标检测困难的问题,提出了基于后向投影算法的DPCA-ATI(BP-DPCA-ATI)动目标检测方法及基于后向投影算法的VSAR(BP-VSAR)动目标检测方法。首先建立了斜视多通道SAR几何模型,推导了基于BP成像的动目标在SAR图像中的位置偏移,表明在斜视模式下动目标同时存在方位向偏移和距离向偏移;然后结合DPCA-ATI检测技术,实现了斜视模式下动目标检测、径向速度估计及重定位,仿真验证了在斜视模式下BP-DPCA-ATI方法的有效性,然而在慢动杂波的环境下该方法检测性能变差。为此,提出了BPVSAR动目标检测方法,实现了斜视模式下慢动杂波环境中的动目标检测、径向速度估计及重定位,仿真验证了该方法的有效性。最后,与BP-DPCA-ATI方法进行了比较,实验结果表明:BP-VSAR方法不仅能有效抑制慢动杂波,且速度估计精度更高,抗噪性能更好。2、针对动目标“速度叠影”的问题,提出了基于迭代最小化稀疏贝叶斯(SBRIM)的多动目标分离与速度估计方法。首先研究了基于谱估计的多动目标分离与速度估计方法,将MVDR及MUSIC谱估计方法应用于多通道信号处理,分离了多重叠动目标并实现了高精度地径向速度估计。仿真实验验证了谱估计方法的有效性,但该方法在低信噪比时无法有效分离多个重叠的动目标。对此,提出了一种基于SBRIM的多动目标分离与速度估计方法。该方法通过提取图像域中动目标所在分辨单元的幅度和相位信息,构建了线性观测模型及相应的测量矩阵,利用动目标在速度谱中的稀疏性,通过SBRIM稀疏重构方法实现了多动目标的分离与速度估计。仿真实验验证了所提方法能有效解决“速度叠影”的问题。最后仿真对比了所提方法、谱估计方法及传统DFT方法,结果表明所提方法与谱估计方法可获得更高的速度分辨率,但谱估计方法在低信噪比(SNR?10d B)时无法有效分离多重叠动目标,而所提方法(即使SNR(28)0d B)依然可实现多重叠动目标分离与高精度地径向速度估计,表明所提方法抗噪性能更好。3、针对非均匀阵列下的动目标分离与速度估计问题,提出了一种非均匀阵列下的基于迭代最小化稀疏贝叶斯(SBRIM)的动目标分离与速度估计方法。首先分析了非均匀天线阵列时多重叠动目标的多通道信号特点,提取了相应的幅度、相位信息,构建了非均匀阵列下的观测模型及对应的测量矩阵,然后通过SBRIM稀疏重构方法实现了动目标分离与速度估计。仿真实验验证了所提算法的有效性。最后,与谱估计方法进行了仿真对比,仿真实验结果表明在非均匀阵列下,谱估计方法已完全失效,而所提方法可以有效解决速度叠影问题,实现多重叠动目标分离与高精度地径向速度估计。
唐欣欣[5](2021)在《SAR慢动目标检测与参数估计方法研究》文中认为合成孔径雷达地面动目标指示(SAR-GMTI)技术可以对地面动目标进行检测,运动参数估计和重定位,在军事侦察和民用交通监控等领域具有重要作用。然而,传统的机载SAR-GMTI方法主要是针对常规机载平台设计的。而对于高超声速平台,传统方法将面临慢速动目标检测困难和速度估计精度不高的问题。因此需要对高超声速平台下的慢速动目标检测和速度估计方法展开研究。另一方面,在机动SAR的应用场景,由于平台运动轨迹的复杂性,导致传统的SAR-GMTI方法失效。因此,需要研究适用于机动平台SAR的慢速动目标检测和速度估计方法。本文对于高超声速平台SAR,研究并提出了基于前后波束SAR的慢速动目标检测和方位速度估计方法,基于双通道前后波束SAR的慢速动目标方位速度估计方法,以及基于YOLO网络的前后波束SAR慢速动目标检测方法。对于机动平台SAR,本文以匀加速直线运动平台为例,研究并提出了一种匀加速直线SAR慢速动目标检测和距离-方位2D速度估计方法。本文的主要工作和创新总结如下:1.提出了前后波束SAR慢速动目标检测与方位速度估计方法。针对传统SAR-GMTI方法对高超声速平台下的慢速动目标检测困难和方位速度估计精度低的问题,提出了一种基于前后波束SAR新模式的慢速动目标检测与方位速度估计方法。首先建立了前后波束SAR工作模式,推导了该模式下慢速动目标后向投影(BP)成像模型。该成像模型根据驻定相位原理的近似,将动目标成像结果分为方位散焦和方位不散焦两种情况,并可获取引起动目标方位散焦的临界方位速度。同时,通过该成像模型,可获得前后波束中动目标的SAR成像位置和位置偏移等信息。分析表明:动目标在前后波束SAR图像之间仅存在方位位置偏移,且偏移量和动目标的方位速度成正比。然后利用前后波束两幅SAR图像的强度差抑制静止杂波并用恒虚警率检测器检测出动目标,再根据动目标的方位位置偏移量初步估计动目标的方位速度。在此基础上,为了进一步提高方位速度估计精度,提出了一种基于回波域的重聚焦方法。将已估计出的方位速度嵌入到BP成像过程中实现相位误差补偿,然后计算动目标的剩余方位速度并重新估计方位速度。重复以上重聚焦步骤,直到剩余方位速度小于临界方位速度。仿真实验验证所提方法的有效性。与传统方法相比,所提方法的估计精度可提高约一个数量级。2.提出了双通道前后波束SAR慢速动目标方位速度估计方法。针对基于前后波束SAR的慢速动目标方位速度估计方法对强杂波下的微弱目标速度估计精度低甚至失效的问题,提出了一种基于双通道前后波束SAR的慢速动目标方位速度估计方法。首先通过给前后波束各增加一个天线通道来构建一个双通道前后波束SAR工作模式,并建立了该模式的动目标回波信号模型及成像模型。然后推导了基于BP的偏置相位中心天线(DPCA)算法,该算法避免了传统DPCA算法所面临的通道配准和相位补偿的问题,打破了传统方法需满足的DPCA杂波对消的严格限制条件。经过杂波抑制并根据动目标方位位置偏移量可初步估计出动目标的方位速度。为了进一步提高动目标方位速度估计精度,针对回波域重聚焦方法在强杂波下不再适用的问题,提出了一种基于图像域的重聚焦方法。该方法将杂波对消后的图像变换到2D波数域,利用估计的方位速度构造相位补偿因子对动目标相位进行误差补偿,再反变换到图像域实现重聚焦并利用更精确的位置偏移量估计方位速度。重复以上步骤,直到前后两次方位速度估计之差小于设定的阈值,由此获得了高精度的动目标方位速度估计。仿真实验结果表明,所提方法在强杂波情况下仍能获得动目标高精度的方位速度估计。3.提出了匀加速直线SAR慢速动目标检测和2D速度估计方法。针对传统SAR-GMTI方法对机动平台不再适用的问题,以匀加速直线运动平台为例,提出了一种基于多通道的匀加速直线SAR慢速动目标检测与2D速度估计方法。首先,建立了多通道匀加速直线SAR动目标的回波信号模型。然后针对机动平台通道间方位时间校准和相位补偿困难的问题,提出了一种结合BP成像和速度合成孔径雷达(VSAR)的方法。该方法通过对目标多普勒相位的精确补偿,以及对动目标在多通道SAR图像中速度频率的估计,实现了机动平台SAR的动目标检测,以及真实位置和径向速度的估计。为了进一步实现动目标距离-方位2D速度的高精度估计,提出了一种基于速度辅助BP(VA-BP)成像算法及2D速度估计方法。首先利用估计出的动目标的真实位置信息获取成像子空间。然后设定方位速度的搜索区间与步长,以及利用与径向速度关系获取对应距离速度集。接着将2D速度数据集中的每一组分量嵌入到VA-BP成像过程中,得到具有不同聚焦深度的SAR子图像集,并通过VSAR方法分离杂波,得到仅包含动目标的SAR子图像集。最后通过最小熵准则,获取动目标聚焦最优的成像子图,与此对应的2D速度即为高精度的2D速度估计。所提方法不仅可估计出动目标的2D速度,还可提高动目标的成像精度。仿真实验验证了所提方法的有效性。4.提出了基于YOLO的前后波束SAR慢速动目标检测方法。针对高超声速平台SAR对慢速动目标检测困难的问题,提出了一种基于YOLO的前后波束SAR慢速动目标检测方法。首先构建了YOLO网络的训练集和测试集。对于训练集的构建,采用电磁仿真软件得到在不同照射角度下仿真目标的高精度散射特性,并与SAR图像背景信息结合生成SAR回波数据,通过成像得到网络的训练集。对于测试集的构建,将仿真的目标在前后波束照射模式下的散射特性与目标的速度以及SAR图像背景信息结合,生成SAR回波数据,通过成像得到网络的测试集。然后对YOLO网络进行训练和测试,测试的结果表明YOLO网络能将SAR图像中的静止目标和动目标均检测出来。为了进一步判断出动目标,针对获取的每一对前后波束SAR图像对,分别计算前波束图像中每一个目标检测框和后波束图像中所有目标检测框的交并比(IOU),得到对应的IOU向量,根据IOU向量是否为零矢量即可判断出是否为动目标。仿真结果表明该方法能在高超声速平台下检测出慢速动目标,并且极大地抑制了虚警和漏警目标。
安洪阳[6](2020)在《基于高轨照射源的双基SAR成像与动目标检测技术研究》文中提出基于高轨照射源的双基合成孔径雷达(Synthetic Aperture Radar,SAR),采用高轨SAR卫星(GEO SAR)作为照射源、机载或低轨卫星(LEO SAR)等平台作为接收站,是一种新型的双基SAR体制,具有照射波束覆盖范围广、双多基构型灵活、接收站反侦测能力强等优势,在军事和民用领域具有十分重要的应用价值。GEO双基SAR的分辨能力与双基构型、回波特性、成像算法,是实现成像与动目标检测的基础和核心要素,也是国际研究的前沿热点。本文针对上述研究内容进行了理论分析、方法研究和仿真验证等研究工作,主要内容如下:1、建立了GEO双基SAR成像性能与双基几何构型的定量关系模型,提出了基于遗传算法的GEO双基SAR工作模式设计方法,可通过多目标优化方法自动解算出成像性能最优的双基几何构型,为GEO双基SAR高分辨成像奠定了理论基础。2、提出了两步非线性调频变标成像算法,通过第一步调频变标均衡空变多普勒质心以降低成像场景总多普勒带宽,减少了无模糊重构所需通道数,利用第二步调频变标均衡高阶空变多普勒参数,有效解决了回波二维空变和多普勒模糊情况下,GEO星机双基SAR的高精度频域成像处理问题。3、提出了加权快速因式分解后向投影算法,通过多通道加权,解决了方位多通道非均匀采样带来的成像模糊问题,实现了GEO星机双基SAR高效、高精度时域成像处理。4、提出了多接收与稀疏恢复相结合的无模糊成像算法,通过在压缩采样恢复方法迭代过程中利用多接收通道采样信息,可在大幅减少接收通道数的情况下,实现GEO-LEO双基SAR无模糊成像。5、提出了动目标检测与成像一体化处理方法,通过交替方向乘子法和粒子群优化相结合的联合优化方法,实现了稀疏分离与参数估计的两步优化求解,解决了杂波分离和动目标运动参数估计问题,实现了GEO星机双基SAR动目标检测与聚焦成像。以上模型和方法已通过理论分析和仿真实验进行了验证,结果表明,上述方法可有效解决多普勒模糊和回波二维空变时的成像模糊和动目标检测难等问题,可实现GEO双基SAR的高效高精度对地成像。
赵晨[7](2020)在《前侧视SAR三维成像算法研究》文中认为雷达三维成像技术是在垂直于二维SAR成像平面的方向增加了新的合成孔径从而能进行三维成像。两维的SAR平面图是通过对回波信号作二维匹配滤波得到的,是真实三维空间投影在距离-方位平面上的结果,它的每一个像素值都是三维空间中同一距离-方位单元内不同高度的所有散射点回波叠加的结果,存在叠掩、阴影、伸缩等几何失真,造成空间三维信息的缺失。三维SAR成像系统能够对观测场景进行三维重建,除具备距离-方位向的分辨能力之外,还能确定散射点在高度维的分布,在三维地形测绘、森林监控以及导引头制导等领域有很大的应用需求。发展三维成像已成了SAR成像技术方向的迫切要求。本文分别对雷达三维成像中的层析SAR成像和曲线SAR成像作了研究。具体工作如下:对SAR的成像原理作了研究,结合二维SAR的模糊模型对各种图像畸变产生的原因作了分析。根据SAR系统的几何关系及回波的相位特点,对SAR获取径向及方位向高分辨能力的方法进行了推导,分析了距离徙动产生的原因,并分别对频域和时域中具有代表性的成像算法作了点目标仿真。利用圆柱对称模糊模型,对两维平面SAR图像中的叠掩、伸缩、阴影等畸变产生的原因作了分析。为论文后续从距离-方位向聚焦扩展到三维成像作了理论上的铺垫。对前侧视层析SAR三维成像算法进行研究,提出适用于机动轨迹前侧视模式的超分辨层析SAR三维成像算法。通过对层析SAR回波信号的研究,将距离-方位向的聚焦算法扩展到了三维SAR成像。采用时域成像算法消除了前侧视模式下的距离-方位-高度向的三维空变耦合,将三维成像解耦为距离-方位二维成像和层析维聚焦分别进行。重点研究了层析向的聚焦方法。研究结果表明,层析向信号与散射点高度呈傅里叶变换关系,并且NUFFT算法对非均匀基线的回波能够实现良好的层析维聚焦效果。将压缩感知超分辨算法引入层析成像,仿真结果表明,压缩感知超分辨既能解决因孔径尺寸受限导致的分辨率低的问题,又能解决因基线稀疏导致的层析维散焦的问题。对现有的FFBP成像算法进行了改进,使之能更好地适应机动轨迹工作模式下的距离-方位向聚焦,结合层析向的压缩感知超分辨,使得层析SAR系统在做机动轨迹飞行时也能获得良好的三维成像效果,仿真实验验证了该算法的成像性能。研究前侧视曲线SAR三维成像算法。对基于FFT的曲线SAR三维聚焦原理进行了公式推导,定性地分析了孔径形状对成像效果的影响,并对几种典型曲线孔径的聚焦效果作了比较,为孔径形状选择提供了依据。利用观测场景的稀疏性,提出了适用于前侧视成像模式的自适应三维后向投影成像算法,降低了三维投影成像的复杂度,并利用CLEAN算法对曲线SAR成像的结果作图像质量增强。把孔径分割的思想引入到曲线SAR三维聚焦中,提出一种基于虚拟子孔径分割的快速曲线SAR三维成像算法。对曲线孔径进行分割将长孔径成像转化为短孔径成像并通过子孔径图像插值融合获得全孔径图像,计算量分析表明该算法复杂度明显降低,仿真实验证明了所提算法的有效性。
闫敏[8](2020)在《星机双基地线阵SAR高精度三维成像方法研究》文中认为星机双基地线阵合成孔径雷达(SA-BiLASAR)是一种结合星机双基SAR(SABiSAR)和线阵SAR(LASAR)优势,具有重要应用价值的新概念、新体制SAR,在机理上具备正下视、前视和侧视等多视角高分辨三维成像的能力,突破了传统侧视SAR成像模式限制,能够实现观测目标的三维成像。新兴的压缩感知理论指出只要原始信号具有稀疏性或者可压缩性,那么远低于传统Nyquist采样率的测量信号就可以恢复出原始信号。并且原始信号稀疏性越强,观测数据需要的越少。因此针对传统成像理论及方法在SA-BiLASAR新体制成像的不足,可与稀疏信号处理理论良好结合,在机载接收系统仅采用稀疏线阵天线接收回波,再借助稀疏信号重构方法实现SA-BiLASAR稀疏目标的高精度三维成像。本文主要介绍了一种新体制SAR-SA-BiLASAR,并研究了SA-BiLASAR的高精度三维成像方法。论文的主要研究内容和创新点如下:1.简述了压缩感知及SA-BiLASAR三维成像基础理论。首先,介绍了压缩感知的基本理论,同时介绍了线阵三维SAR的几何模型和基于压缩感知的回波测量模型。其次,在上述基础理论的依据下,构建了结合SA-BiSAR和LASAR的新体制三维成像雷达SA-BiLASAR的几何模型和线性回波测量模型,并对SABiLASAR系统的经典理论分辨率进行了分析。最后,介绍了两种传统成像算法用于SA-BiLASAR三维成像,分别是三维距离多普勒算法和三维后向投影(BP)算法。2.研究了SA-BiLASAR三维高精度稀疏成像算法。首先,简述了稀疏重构算法中常见的几类算法原理及流程,结合SA-BiLASAR成像模型,重点研究了适用其三维高精度稀疏成像的三种算法,包含了基于贪婪追踪算法中正交匹配(OMP)算法、基于贝叶斯重构算法类中的迭代最小化稀疏贝叶斯重构(SBRIM)算法和近似消息传递(AMP)算法。然后通过不同仿真模型及模拟实验结果,对比分析和验证算法性能。另外,针对上述稀疏成像算法在SA-BiLASAR等距离切片三维成像时面临的成像几何空间畸变等问题,联合SA-BiLASAR几何模型及等距离切片三维成像原理,提出了一种适用于SA-BiLASAR的等距离切片成像几何畸变校正方法,并通过仿真实验验证了有效性。3.研究了SA-BiLASAR误差估计与补偿方法。首先,分析了SA-BiLASAR成像中常见的误差形式给成像带来的影响,导出了SA-BiLASAR的运动误差模型。然后,针对传统自聚焦算法在SA-BiLASAR稀疏三维成像无法适用的问题,研究了一种基于贝叶斯学习迭代极大值的稀疏自聚焦算法,分析了该算法性能及适用条件。最后,为了进一步提高SA-BiLASAR三维自聚焦成像能力,提出了一种基于最小均方误差准则和最大锐度准则联合的SA-BiLASAR运动误差估计和补偿算法。仿真实验和实测实验验证了本文算法的有效性。
蔡雪莲[9](2020)在《高低轨协同双基Video-SAR成像与目标跟踪方法研究》文中指出低轨SAR(Synthetic Aperture Radar)卫星对热点地区的成像时间通常为秒级,但重访周期长,无法对观测场景内的运动目标进行长时间持续监测;高轨SAR卫星重访周期短,但成像分辨率低,难以获得成像区域内高分辨率的目标像。为同时解决对观测场景内运动目标的高分辨成像和长时间持续监测的问题,本文提出高低轨卫星协同工作的双基Video-SAR成像体制,开展的主要工作概括如下:1.研究了高低轨协同双基Video-SAR系统的参数设计,给出了合成孔径时间、成像分辨率、脉冲重复频率、归一化噪声等效后向散射系数、帧率等参数的计算过程,为高低轨协同双基Video-SAR运动目标成像提供支撑。2.为实现观测场景内运动目标成像,分别研究了基于双通道和单通道接收的高低轨协同Video-SAR运动目标成像方法。针对双通道接收模型,采用双基RD算法进行成像,通过DPCA(Displaced Phase Center Antenna)和ATI(Along Track Interferometry)算法完成杂波抑制和运动目标参数估计,并利用最小熵法估计目标的方位向速度实现运动目标的重聚焦。针对单通道接收模型,采用时域子孔径BP(Back Projection)算法,利用子孔径并行运算提高运算速度,减少算法复杂度,通过实验仿真验证了两种算法的有效性。3.为实现对运动目标的实时跟踪,分别研究了基于先检测再跟踪和检测前跟踪的高低轨协同Video-SAR运动目标检测跟踪方法。针对先检测再跟踪模型,采用双通道模型,利用动目标本身的特性进行跟踪,提出了基于高低轨平台的联合多帧目标跟踪算法。使用双通道相位偏置中心和沿航迹干涉的目标检测和参数估计,利用视频SAR的回波分帧特性通过检测估计每一帧目标的参数,实现对动目标的跟踪。针对检测前跟踪的方法,采用了基于动态规划的方向加权的算法,并在进行加权处理前,利用目标速度范围和状态数对目标的可能运动范围进行估算,实现目标轨迹跟踪。通过仿真对比了检测前跟踪技术和先检测再跟踪方法的有效性,并分析了两种方法的优缺点。
王武[10](2019)在《机载圆周SAR-GMTI关键技术研究》文中认为圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)是一种特殊模式的合成孔径雷达(SAR),CSAR通过平台做圆周运动实现合成孔径,具有全方位角观测、波长级高分辨以及三维成像的能力。CSAR可以实现对观测区域的长时间侦察,尤其是对重点区域的地面动目标而言,利用CSAR可以实现地面动目标长时间跟踪,获得其运动轨迹信息。具有上述地面动目标指示(Ground Moving Target Indication,GMTI)功能的CSAR系统简记为CSAR-GMTI。CSAR-GMTI要求同时实现静止目标成像与GMTI功能,其主要研究内容包括成像、地面动目标检测、地面动目标轨迹重构以及地面动目标重聚焦等。本文对上述问题进行了深入研究,主要工作以及取得的成果如下:在CSAR系统特性方面,从CSAR离散脉冲响应函数(Impulse Response Function,IRF)出发,首次指出了CSAR中特有的环形栅瓣现象,并分析了其特性,给出了环形栅瓣的半径、宽度以及幅度大小的表达式。从理论上分析了脉冲重复频率(Pulse Repetition Frequency,PRF)与环形栅瓣之间的关系,对CSAR系统参数的设计有一定指导意义。在CSAR成像方面,重点介绍了极坐标格式化(Polar Format Algorithm,PFA)成像方法,并将二维自聚焦算法引入了CSAR成像,有效克服传统自聚焦算法忽略包络误差的问题。慢速地面运动目标会在高频SAR图像中留下阴影,通过阴影检测可以间接实现地面慢速运动目标轨迹重构。本文提出了一种基于超像素分割的地面动目标阴影检测方法,该方法可以充分保留阴影结构信息,有利于阴影检测。随后,利用CSAR长时间观测能力,通过多个子孔径间检测结果关联聚类,获得目标阴影运动轨迹,通过对轨迹进行判别,滤除虚假目标轨迹,达到虚警抑制目的。快速地面运动目标在SAR图像中的阴影较弱甚至不存在,因此前述基于阴影检测的方法难以实现快速地面运动目标轨迹重构。针对这一问题,本文提出了一种单通道体制下,基于动态规划的路网约束下动目标轨迹重构算法。该方法首先通过多普勒滤波实现动目标检测,随后获得目标在距离多普勒域内的运动轨迹,并利用动态规划方法将其投影到道路网格上,实现动目标轨迹重构。目前,该算法仍有一定的局限性,如依赖于先验道路信息以及算法实时性方面仍有一定欠缺。下一步将致力于解决上述问题,进一步提高算法的实用性和适用范围。在地面动目标重聚焦方面,本文首先基于传统直线SAR-GMTI地面动目标成像思路,提出了适合于CSAR-GMTI的基于参数估计的动目标成像方法。随后,将ISAR技术引入CSAR-GMTI地面动目标成像,通过利用CSAR系统的相干性以及地面动目标强信噪比的特性,提出了一种基于频域相位提取的地面动目标成像方法。此外,利用勒让德多项式的正交性,提出了基于勒让德多项式拟合的改进方法,克服了所提相位提取方法需要预先假设多项式阶数的缺点。本文所提算法均采用实测数据进行了验证,部分成果已应用于L、Ku、Ka、THz等不同频段下机载实测数据成像处理及GMTI处理,证明了算法的正确性和有效性。
二、大距离徙动情况下距离多普勒(RD)算法与后向投影(BP)算法的比较(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、大距离徙动情况下距离多普勒(RD)算法与后向投影(BP)算法的比较(论文提纲范文)
(3)基于压缩感知超宽带噪声SAR成像(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 雷达成像理论发展历程 |
1.1.2 压缩感知超宽带噪声雷达研究意义 |
1.2 压缩感知雷达成像发展现状 |
1.3 压缩感知超宽带噪声雷达成像难点与挑战 |
1.4 本文内容安排 |
第2章 超宽带噪声SAR与压缩感知理论 |
2.1 超宽带噪声SAR成像原理 |
2.1.1 快时间域脉冲压缩 |
2.1.2 超宽带噪声SAR成像 |
2.2 压缩感知理论 |
2.2.1 信号稀疏性 |
2.2.2 感知矩阵 |
2.2.3 内点法重构算法 |
2.3 本章小节 |
第3章 基于压缩感知超宽带噪声SAR成像 |
3.1 超宽带噪声SAR特性 |
3.2 基于压缩感知的成像方法 |
3.2.1 观测模型的转化 |
3.2.2 压缩感知成像 |
3.3 成像结果分析 |
3.3.1 采样方式对感知矩阵的影响 |
3.3.2 成像对比分析 |
3.4 本章小节 |
第4章 基于压缩感知超宽带噪声SAR快速重建算法 |
4.1 后向投影成像理论与成像算法 |
4.2 基于压缩感知的成像算法 |
4.2.1 一维快时间域重构 |
4.2.2 二维SAR成像 |
4.2.3 零延拓近似快速重建算法 |
4.3 成像结果分析 |
4.3.1 一维距离向重建 |
4.3.2 二维成像分析 |
4.3.3 零延拓近似算法性能分析 |
4.4 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(4)机载多通道SAR动目标检测与运动参数估计方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 SAR-GMTI系统发展与现状 |
1.2.2 SAR动目标检测技术发展与现状 |
1.2.3 SAR动目标运动参数估计发展与现状 |
1.3 论文主要工作与结构安排 |
第二章 SAR-GMTI基本理论 |
2.1 引言 |
2.2 合成孔径雷达基本理论 |
2.2.1 SAR成像基本原理 |
2.2.2 距离多普勒算法 |
2.2.3 后向投影算法 |
2.3 双通道SAR动目标检测技术 |
2.3.1 DPCA基本原理 |
2.3.2 ATI基本原理 |
2.4 多通道VSAR动目标检测技术 |
2.4.1 VSAR基本原理 |
2.4.2 VSAR处理流程 |
2.5 本章小结 |
第三章 机载多通道SAR动目标检测与速度估计 |
3.1 引言 |
3.2 斜视多通道SAR动目标回波模型 |
3.3 动目标BP成像模型与位置偏移 |
3.4 BP-DPCA-ATI动目标检测与速度估计 |
3.4.1 DPCA-ATI联合动目标检测原理 |
3.4.2 仿真实验 |
3.5 BP-VSAR动目标检测与速度估计 |
3.5.1 速度频率 |
3.5.2 动目标检测与速度估计 |
3.5.3 仿真实验 |
3.6 本章小结 |
第四章 VSAR多动目标分离与速度估计 |
4.1 引言 |
4.2 基于谱估计的多动目标分离与速度估计方法 |
4.2.1 谱估计方法理论概述 |
4.2.2 基于MVDR的多动目标分离与速度估计 |
4.2.3 基于MUSIC的多动目标分离与速度估计 |
4.2.4 仿真实验 |
4.3 基于稀疏重构的多动目标分离与速度估计方法 |
4.3.1 稀疏重构基本理论 |
4.3.2 多重叠动目标的多通道信号线性表示 |
4.3.3 基于迭代最小化稀疏贝叶斯的多动目标分离与速度估计 |
4.3.4 仿真实验 |
4.4 方法性能比较 |
4.4.1 速度估计分辨率 |
4.4.2 信噪比对估计的影响 |
4.5 非均匀阵列下多动目标分离与速度估计 |
4.5.1 非均匀阵列下基于SBRIM的多动目标分离与速度估计 |
4.5.2 仿真实验 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(5)SAR慢动目标检测与参数估计方法研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 SAR-GMTI的发展与现状 |
1.2.1 SAR-GMTI系统的发展现状 |
1.2.2 SAR-GMTI方法的研究现状 |
1.3 本文的主要贡献与创新 |
1.4 本文的结构安排 |
第二章 SAR-GMTI信号处理基础 |
2.1 SAR-GMTI信号处理相关理论 |
2.1.1 等效相位中心原理 |
2.1.2 驻定相位原理 |
2.1.3 后向投影算法 |
2.1.4 卷积神经网络的基本原理 |
2.2 经典的多通道SAR-GMTI方法 |
2.2.1 偏置相位中心天线 |
2.2.2 速度合成孔径雷达 |
2.3 本章小结 |
第三章 前后波束SAR慢速动目标检测与方位速度估计 |
3.1 前后波束SAR动目标回波信号模型 |
3.2 动目标成像检测与方位速度估计 |
3.2.1 动目标成像模型 |
3.2.2 动目标成像位置分析 |
3.2.3 动目标检测与方位速度估计 |
3.3 仿真结果与分析 |
3.3.1 动目标方位速度估计结果 |
3.3.2 方位速度估计结果分析 |
3.4 本章小结 |
第四章 双通道前后波束SAR慢速动目标方位速度估计 |
4.1 双通道前后波束SAR动目标回波信号模型 |
4.2 动目标成像模型与DPCA算法 |
4.2.1 双通道前后波束SAR动目标成像模型 |
4.2.2 双通道前后波束SAR DPCA算法 |
4.3 动目标方位速度估计 |
4.3.1 基于图像域重聚焦方法的基本原理 |
4.3.2 基于迭代重聚焦的动目标方位速度估计 |
4.4 仿真结果与分析 |
4.4.1 动目标检测结果 |
4.4.2 动目标方位速度估计结果与分析 |
4.5 本章小结 |
第五章 机动平台SAR慢速动目标检测与2D速度估计 |
5.1 机动平台SAR动目标回波信号模型 |
5.2 动目标成像检测与径向速度估计 |
5.2.1 机动平台SAR动目标成像模型 |
5.2.2 机动平台SAR动目标成像特点的分析 |
5.2.3 动目标检测与径向速度估计 |
5.3 动目标基于速度辅助BP成像与2D速度估计 |
5.3.1 动目标基于速度辅助BP成像模型 |
5.3.2 动目标基于速度辅助BP成像特点的分析 |
5.3.3 动目标距离-方位2D速度估计 |
5.4 仿真结果与分析 |
5.4.1 正侧视模式仿真实验 |
5.4.2 斜视模式仿真实验 |
5.5 本章小结 |
第六章 基于YOLO的前后波束SAR慢速动目标检测 |
6.1 YOLO网络的基本原理 |
6.2 基于YOLO-v2 的动目标检测方法 |
6.2.1 仿真数据集的构建 |
6.2.2 动目标检测方法 |
6.3 仿真结果与分析 |
6.3.1 YOLO-v2 的检测结果 |
6.3.2 动目标检测结果 |
6.4 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
附录 A |
附录 B |
攻读博士学位期间取得的成果 |
(6)基于高轨照射源的双基SAR成像与动目标检测技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究动态 |
1.2.1 GEO SAR星载照射源 |
1.2.2 双基SAR |
1.2.3 GEO双基SAR |
1.3 本文的主要工作与特色创新 |
1.3.1 主要工作 |
1.3.2 主要特色与创新 |
第二章 GEO双基SAR特性分析与工作模式设计 |
2.1 GEO双基SAR特性分析 |
2.1.1 GEO SAR轨道特性 |
2.1.2 GEO双基SAR应用模式 |
2.2 GEO双基SAR分辨率模型 |
2.2.1 GEO双基SAR空间分辨率 |
2.2.2 GEO双基SAR辐射分辨率 |
2.3 GEO双基SAR工作模式设计 |
2.3.1 工作模式设计建模 |
2.3.2 最优工作模式设计方法 |
2.3.3 工作模式设计示例 |
2.4 本章小结 |
第三章 GEO星机双基SAR成像方法 |
3.1 GEO星机双基SAR回波模型与特性分析 |
3.1.1 回波模型 |
3.1.2 多普勒特性 |
3.1.3 空变特性 |
3.2 GEO星机双基SAR频谱重构 |
3.2.1 多通道传递函数 |
3.2.2 多通道频谱重构 |
3.3 两步NLCS成像方法 |
3.3.1 第一步NLCS |
3.3.2 第二步NLCS |
3.3.3 仿真验证 |
3.4 加权快速因式分解后向投影算法 |
3.4.1 多通道加权因子 |
3.4.2 加权快速因式分解后向投影算法 |
3.4.3 仿真验证 |
3.5 本章小结 |
第四章 GEO-LEO双基SAR成像方法 |
4.1 “非停走停”时延模型与回波模型 |
4.1.1 “非停走停”时延模型 |
4.1.2 回波模型 |
4.2 无模糊成像问题建模 |
4.2.1 多普勒模糊特性 |
4.2.2 多通道观测模型 |
4.2.3 无模糊成像问题建模 |
4.3 多通道无模糊成像算法 |
4.3.1 多通道无模糊成像方法 |
4.3.2 仿真验证 |
4.4 本章小结 |
第五章 GEO星机双基SAR动目标检测与成像方法 |
5.1 动目标回波建模与特性分析 |
5.1.1 动目标回波模型 |
5.1.2 动目标徙动特性 |
5.1.3 动目标多普勒特性 |
5.2 动目标检测与成像问题建模 |
5.2.1 静止目标与动目标分离 |
5.2.2 动目标参数估计 |
5.3 动目标分离与成像方法 |
5.3.1 交替方向乘子法 |
5.3.2 粒子群优化方法 |
5.3.3 分离与成像联合优化方法 |
5.3.4 仿真验证 |
5.4 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(7)前侧视SAR三维成像算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题研究背景 |
1.2 国内外研究现状 |
1.2.1 多基线层析SAR成像 |
1.2.2 曲线SAR成像 |
1.3 论文主要工作与内容安排 |
第二章 SAR成像技术基础 |
2.1 引言 |
2.2 SAR回波信号研究 |
2.2.1 SAR成像几何模型 |
2.2.2 高分辨一维距离像 |
2.2.3 合成孔径与方位高分辨 |
2.2.4 距离徙动分析 |
2.3 SAR成像算法 |
2.3.1 频域成像算法 |
2.3.2 时域成像算法 |
2.4 几何失真 |
2.5 本章小结 |
第三章 前侧视层析SAR三维成像算法研究 |
3.1 引言 |
3.2 前侧视层析SAR三维成像原理 |
3.2.1 前侧视层析成像模型 |
3.2.2 层析向信号聚焦 |
3.2.3 前侧视层析三维成像原理仿真 |
3.3 非均匀基线基于NUFFT的层析成像 |
3.3.1 NUFFT算法原理 |
3.3.2 NUFFT算法推导 |
3.3.3 基于NUFFT的前侧视层析成像算法仿真 |
3.4 基于压缩感知的超分辨前侧视层析成像 |
3.4.1 压缩感知理论概述 |
3.4.2 压缩感知超分辨层析成像算法 |
3.4.3 成像算法仿真结果分析 |
3.5 机动轨迹前侧视层析成像算法 |
3.5.1 成像算法原理 |
3.5.2 仿真数据成像实验 |
3.6 本章小结 |
第四章 前侧视曲线SAR三维成像算法研究 |
4.1 引言 |
4.2 基于FFT的曲线SAR三维成像算法 |
4.2.1 基于FFT的曲线SAR三维成像原理 |
4.2.2 孔径形状分析 |
4.2.3 仿真实验与分析 |
4.3 前侧视曲线SAR自适应三维成像算法 |
4.3.1 改进后向投影成像算法 |
4.3.2 基于自适应后向投影的三维成像 |
4.3.3 基于CLEAN算法的三维成像优化 |
4.3.4 成像仿真实验 |
4.4 基于虚拟孔径分解的快速三维成像算法 |
4.4.1 虚拟子孔径分解原理 |
4.4.2 运算量分析 |
4.4.3 仿真实验 |
4.5 本章小结 |
第五章 结束语 |
5.1 本文工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(8)星机双基地线阵SAR高精度三维成像方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 论文研究背景和意义 |
1.2 国内外研究现状与发展趋势 |
1.2.1 星机双基地SAR成像技术 |
1.2.2 线阵SAR三维成像技术 |
1.2.3 稀疏SAR成像技术 |
1.3 论文的结构安排 |
第二章 星机双基地线阵SAR三维成像基础理论 |
2.1 引言 |
2.2 压缩感知与线阵SAR三维成像基础理论 |
2.2.1 压缩感知理论 |
2.2.2 线阵SAR三维成像理论 |
2.3 星机双基地线阵SAR三维成像模型 |
2.3.1 几何与回波模型 |
2.3.2 分辨率分析 |
2.4 经典SAR成像算法 |
2.4.1 三维距离多普勒算法 |
2.4.2 三维后向投影算法 |
2.5 本章小结 |
第三章 星机双基地线阵SAR高精度稀疏三维成像方法 |
3.1 引言 |
3.2 正交匹配追踪算法 |
3.3 贝叶斯重构算法 |
3.3.1 迭代最小化稀疏贝叶斯重构算法 |
3.3.2 近似消息传递算法 |
3.4 算法及实验分析 |
3.4.1 等距离切片几何畸变校正方法 |
3.4.2 实验分析 |
3.5 本章小结 |
第四章 星机双基地线阵SAR误差估计与补偿方法 |
4.1 引言 |
4.2 星机双基地线阵SAR误差模型 |
4.2.1 误差形式分析 |
4.2.2 运动误差模型分析 |
4.3 星机双基地线阵SAR误差补偿方法 |
4.3.1 贝叶斯学习迭代极大值稀疏自聚焦算法 |
4.3.2 基于联合准则的稀疏自聚焦成像算法 |
4.4 实验分析 |
4.4.1 仿真实验分析 |
4.4.2 实测实验分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(9)高低轨协同双基Video-SAR成像与目标跟踪方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究动态 |
1.2.1 地球同步轨道双基SAR |
1.2.2 Video-SAR成像与检测 |
1.3 论文结构安排 |
第二章 GEO-LEO Video-SAR的参数设计 |
2.1 引言 |
2.2 高低轨协同视频SAR的几何模型 |
2.3 高低轨协同视频SAR的系统设计分析 |
2.3.1 合成孔径时间 |
2.3.2 测绘带宽 |
2.3.3 分辨率 |
2.3.4 脉冲重复频率(PRF) |
2.3.5 归一化噪声等效后向散射系数 |
2.3.6 帧率 |
2.3.7 参数设计结果 |
2.4 系统同步特性分析 |
2.5 本章小结 |
第三章 GEO-LEO Video-SAR的运动目标成像 |
3.1 引言 |
3.2 高低轨协同视频SAR运动目标回波模型 |
3.2.1 运动目标成像的几何模型 |
3.2.2 运动目标回波建模 |
3.2.3 距离徙动与多普勒特性分析 |
3.3 杂波抑制 |
3.3.1 DPCA和 ATI方法 |
3.3.2 帧间杂波抑制方法 |
3.4 频域RD成像算法 |
3.4.1 RD算法原理 |
3.4.2 双基RD成像 |
3.4.3 重聚焦成像 |
3.4.4 算法流程图 |
3.5 子孔径BP成像 |
3.5.1 BP算法原理 |
3.5.2 子孔径BP成像 |
3.6 仿真实验 |
3.6.1 双通道RD成像仿真 |
3.6.2 单通道BP成像仿真 |
3.7 本章小结 |
第四章 GEO-LEO Video-SAR目标检测与跟踪方法 |
4.1 引言 |
4.2 运动目标模型 |
4.2.1 目标运动模型 |
4.2.2 目标量测模型 |
4.3 基于多帧联合的双通道GEO-LEO Video-SAR目标检测与跟踪 |
4.3.1 双通道多帧检测算法 |
4.3.2 算法流程 |
4.4 基于动态规划的GEO-LEO Video-SAR检测前跟踪方法 |
4.4.1 回波数据预处理 |
4.4.2 基于局部加权的动态规划检测前跟踪算法 |
4.4.3 算法流程 |
4.5 仿真实验 |
4.5.1 双通道多帧联合跟踪仿真 |
4.5.2 检测前跟踪仿真 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士期间取得的成果 |
(10)机载圆周SAR-GMTI关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状及存在问题 |
1.2.1 机载CSAR试验介绍 |
1.2.2 机载CSAR静止目标成像研究现状 |
1.2.3 机载CSAR-GMTI技术研究现状 |
1.3 本文主要工作及内容安排 |
第二章 机载CSAR特性及静止目标成像 |
2.1 CSAR系统特性 |
2.1.1 回波信号 |
2.1.2 成像性能 |
2.1.3 环形栅瓣 |
2.2 CSAR成像算法 |
2.2.1 时域成像算法 |
2.2.2 极坐标格式化算法 |
2.2.3 PFA成像误差分析 |
2.2.4 PFA二维自聚焦方法 |
2.3 CSAR多子孔径图像融合 |
2.4 机载实测数据成像处理结果 |
2.4.1 BP成像结果 |
2.4.2 PFA成像结果 |
2.5 本章小结 |
第三章 单通道CSAR地面慢速运动目标阴影检测 |
3.1 背景知识 |
3.1.1 SLIC超像素分割算法 |
3.1.2 雷达图像中目标阴影 |
3.1.3 视频SAR生成方法 |
3.2 基于超像素分割的地面动目标阴影检测 |
3.2.1 阴影检测 |
3.2.2 虚警抑制 |
3.3 实测数据处理及性能分析 |
3.3.1 单帧图像阴影检测结果 |
3.3.2 基于多帧图像目标跟踪的虚警抑制结果 |
3.4 本章小结 |
第四章 单通道CSAR地面快速运动目标轨迹重构 |
4.1 CSAR地面动目标信号模型 |
4.2 CSAR地面动目标图像特性分析 |
4.2.1 位置偏移 |
4.2.2 图像散焦 |
4.2.3 仿真分析 |
4.3 基于LM算法的动目标轨迹重构方法 |
4.3.1 算法原理 |
4.3.2 仿真分析 |
4.4 基于DP的路网约束下动目标轨迹重构方法 |
4.4.1 地面动目标检测 |
4.4.2 RD域动目标点迹测量 |
4.4.3 RD域多目标跟踪算法 |
4.4.4 地面动目标轨迹重构 |
4.5 机载实测数据动目标轨迹重构结果 |
4.6 本章小结 |
第五章 机载CSAR地面运动目标成像 |
5.1 基于参数估计的动目标成像方法 |
5.1.1 算法原理 |
5.1.2 实测数据验证 |
5.2 参数化动目标成像方法 |
5.2.1 算法原理 |
5.2.2 仿真数据验证 |
5.3 基于ISAR技术的地面动目标成像方法 |
5.3.1 算法原理 |
5.3.2 实测数据验证 |
5.4 基于频域相位提取的地面动目标成像方法 |
5.4.1 算法原理 |
5.4.2 近似误差分析 |
5.4.3 基于勒让德多项式的改进方法 |
5.4.4 实测数据验证 |
5.5 性能分析 |
5.5.1 成像性能及效率对比 |
5.5.2 SNR影响 |
5.6 本章小结 |
第六章 结束语 |
6.1 本文工作总结 |
6.2 未来研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录 A 符号使用说明 |
附录 B Levenberg-Marquardt算法 |
附录 C 多普勒模糊情况下Keystone变换 |
四、大距离徙动情况下距离多普勒(RD)算法与后向投影(BP)算法的比较(论文参考文献)
- [1]斜视SAR成像的旁瓣抑制算法研究[D]. 郭贝贝. 西安电子科技大学, 2021
- [2]斜视SAR成像的旁瓣抑制算法研究[D]. 郭贝贝. 西安电子科技大学, 2021
- [3]基于压缩感知超宽带噪声SAR成像[D]. 程蒙. 太原理工大学, 2021(01)
- [4]机载多通道SAR动目标检测与运动参数估计方法研究[D]. 胡远林. 电子科技大学, 2021(01)
- [5]SAR慢动目标检测与参数估计方法研究[D]. 唐欣欣. 电子科技大学, 2021(01)
- [6]基于高轨照射源的双基SAR成像与动目标检测技术研究[D]. 安洪阳. 电子科技大学, 2020(03)
- [7]前侧视SAR三维成像算法研究[D]. 赵晨. 西安电子科技大学, 2020(05)
- [8]星机双基地线阵SAR高精度三维成像方法研究[D]. 闫敏. 电子科技大学, 2020(07)
- [9]高低轨协同双基Video-SAR成像与目标跟踪方法研究[D]. 蔡雪莲. 电子科技大学, 2020(07)
- [10]机载圆周SAR-GMTI关键技术研究[D]. 王武. 国防科技大学, 2019(01)