合成孔径雷达景象匹配中制导导弹定位

研究了合成孔径雷达景象匹配中制导中的导弹定位问题。部分孔径成像是景象匹配中制导合成孔径雷达有效的成像模式,为便于利用多匹配点定位,提出了聚焦多普勒波束锐化成像方法。建立了基于匹配点距离差和多普勒差,并考虑了高度、速度和匹配点位置测量误差的定位模型。推导了位置估计的克拉美-罗下限（Cramer-Rao lower bound, CRLB）。提出了一种基于最小二乘的闭式求解算法。理论分析表明,在一定近似条件下,这一算法的估计精度到达CRLB。仿真分析了各种误差因素对CRLB的影响,验证了算法的理论分析结果及其有效性。     

利用Cameron分解进行极化干涉图像对的配准研究

针对常规极化干涉SAR配准仅仅用一个通道的极化数据进行干涉数据对配准,导致配准精度不高的问题,提出了一种利用Cameron相干目标分解进行极化干涉图像对的配准方法。该算法充分利用了全极化数据丰富的信息,进行极化干涉图像对的配准。利用SIR-C天山地区的数据对提出的算法进行了验证,结果证明该算法能提高配准的精度和鲁棒性,有利于后续的数据处理。     

子孔径相关算法研究

目的为了选用快速高效的自聚焦算法对机载SAR数据进行聚焦处理。方法针对子孔径相关算法（Map-Drift，简称：MD），利用中国科学院电子研究所机载L波段合成孔径雷达（SAR）的实际数据，进行了算法的可行性分析和试验研究。结果给出了精确度和地形适应性较好的点目标仿真和实际SAR图像。结论这种算法能有效地消除相位误差对成像的影响，精确度高，适于SAR图像处理。     

基于平均周期图的InSAR复图像配准方法

提出了一种新的干涉合成孔径雷达(InSAR)复图像配准算法,新算法使用干涉相位图的平均周期图作为配准的评价测度函数,采用数据分段求平均的方法降低了评价函数的估计方差,从而提高了配准的精度与可靠性。还分析了评价函数的估计偏差对配准的影响。最后使用平均周期图法进行了配准实验,试验结果验证了新算法在提高配准精度方面的有效性。     

适于"Tandem"模式双基地SAR修正距离多普勒算法

基于"Tandem"模式双基地SAR几何关系及其信号模型,完成了对距离多普勒算法在"Tandem"模式双基地SAR中的扩展,给出了一种适用于该模式下的修正距离多普勒算法,详细地推导成像算法的每个步骤,成功地解决了由于接收、发射平台分置而产生的不同于单基地SAR的距离徙动校正和方位聚焦问题。仿真表明在任意双基地角情况下,该算法均能得到很好的成像结果。     

结合边缘和统计特征的末制导SAR图像匹配

提出一种用于末制导的合成孔径雷达（synthetic aperture radar, SAR）图像实时匹配方法。考虑参考图与实时图尺度、方向等差异,制备多幅参考图像,基于最小错误概率准则,对每幅参考图像提取边缘,由边缘图形成用于匹配的包含边缘两侧地物区域信息的参考模板。提出一种利用边缘信息和SAR图像统计特性的相似性度量准则。采用金字塔分层结构的搜索策略,提高了匹配速度。该方法综合利用了边缘和灰度统计信息,避免了对实时图的边缘提取。实验验证了算法的有效性。     

末制导合成孔径雷达信号分析及成像处理

研究了末制导合成孔径雷达（synthetic aperture radar, SAR）宽波束高分辨率成像问题,提出一种基于频谱分析的算法。将初始距离相同的目标作为多普勒分辨的处理对象,建立成像几何模型,分析了回波相位、方位分辨率、距离徙动。将波束照射区域分为若干方位角带,针对每一方位角带,采用相应参数进行距离徙动校正、二次相位补偿和频谱分析,根据各处理结果,合成波束照射区域内所有目标的高分辨率图像。给出了算法流程,仿真实验验证了算法的有效性。     

一种有效的二维MUSIC超分辨SAR成像算法

多重信号分类(MUSIC)方法是一种高分辨率到达角(DOA)估计方法,将MUSIC方法应用于合成孔径雷达(SAR)可以很好地提高图像质量。提出了一种简单有效的2D MUSIC超分辨成像算法,该方法对已聚焦的SAR图像进行处理,减小了处理过程的复杂性,并结合幅度估计完成超分辨率图像重建。实验结果验证了这种超分辨率方法的有效性。     

一种极化SAR图像模糊分类方法

针对极化合成孔径雷达图像模糊非监督分类问题,给出了一种改进的极化合成孔径雷达图像模糊分类方法。该方法通过引入极化总功率参数--span,改进极化合成孔径雷达图像模糊H/α分类方法,进行极化合成孔径雷达数据模糊H/α/span非监督分类。利用机载极化合成孔径雷达数据进行实验。实验结果表明,改进的方法提高了分类性能,聚类中心更为合理。     

基于模糊聚类的PolInSAR数据非监督分类方法

提出了一种结合Freeman分解和模糊聚类的极化干涉合成孔径雷达(polarimetric interferometric synthetic aperture radar, PolInSAR)数据非监督分类方法。针对基于Freeman分解的极化SAR图像分类方法中提取的3种散射机理：表面散射、体散射、偶次散射占主导的区域之间存在模糊的缺点,利用PolInSAR处理中的最优干涉相干系数引入的参数--最优相干熵H Int和最优相干各项异性度A Int,将每种散射机理主导区域划分为单个散射机制或多个散射机制共同作用的区域。并将模糊理论引入到H Int/A Int平面的区域边界划分,得到初始分割图像。对初始分割图像进行合并,模糊聚类等操作,得到最终分类结果。采用ESAR Oberpfaffenhofen地区PolInSAR数据实验的结果验证了本文方法的有效性。