排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
当采样率较低以及重建散射点数量较多时, 基于两步优化的稀疏自聚焦方法收敛速度较慢且容易陷入误差较大的局部最优解, 导致自聚焦失败。针对此问题,提出了一种基于近似观测和最小熵约束的稀疏自聚焦方法。首先, 为解决测量矩阵规模大、内存占用高的问题, 构建了一种基于近似观测的稀疏自聚焦模型, 在聚焦图像的傅里叶变换域引入误差相位。然后, 在采用最大似然估计器估计误差相位时增加了最小熵约束, 同时采用相位梯度自聚焦法提供误差相位的初始解, 有效降低了迭代次数并使迭代结果更接近全局最优解。机载合成孔径雷达的实测数据成像结果表明, 与常规自聚焦方法相比, 所提方法具有更快的收敛速度和更稳定的自聚焦性能。 相似文献
2.
基于6槽VXI测试仪的雷达故障专家诊断推理机的设计 总被引:2,自引:0,他引:2
雷达故障专家诊断推理机利用VXI测试仪器为硬件平台,设计了基于征兆(测试点)的集成推理软件平台。它可对征兆的测试数据(含结果)进行采集、处理,再进行故障的合理推理和判断,推断出正确的结果。 相似文献
3.
无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息,但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。 相似文献
4.
无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息,但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。 相似文献
5.
为降低合成孔径雷达(synthetic aperture radar, SAR)成像系统的数据量并提高其平台适应性,提出了一种基于频域近似观测算子的机动平台大斜视压缩感知SAR成像方法。在构建近似观测算子的过程中,首先,基于等斜视角曲线构建了一种能够精确描述地面散射点成像参数空变性的斜距模型。然后,引入距离走动校正函数和高阶时域扰动因子实现了距离方位的解耦和空变距离徙动的校正,并通过构建时频域的相位滤波因子校正了方位压缩参数的空变性。最后,采用复近似信息传递(complex approximation message passing, CAMP)算法对稀疏和非稀疏场景进行快速、高精度重建。该方法通过校正成像参数的空变性,提高了近似观测算子的精度,实现了扩展场景的机动平台大斜视压缩感知SAR成像,仿真结果支撑了理论分析并验证了所提方法的有效性。 相似文献
6.
7.
分析了现有故障检测率RFD和故障隔离率RFI验证方法存在的问题,改用故障检测覆盖率RFDC和故障隔离覆盖率RFIC作为测试性指标参数,提出了测试性评估与验证的超几何分布法.基于故障检测(隔离)成功数的超几何分布,利用极大似然法思想研究了RFDC(RFIC)指标的点估计方法,利用贝叶斯公式研究了区间估计方法,并给出了测试性验证规则.仿真结果表明,与传统的二项分布法相比,对于样本总体确定情况下的测试性验证,超几何分布法的评估和验证结果更加准确,更加适应当前电子装备检测设备的特点,适用于测试性指标RFDC和RFIC的评估和验证. 相似文献
8.
9.
小型旋翼无人机载合成孔径雷达在运动中易受大气湍流等因素影响,产生二维空变的运动误差,影响SAR成像质量。本文提出一种基于拟极坐标系的快速因子分解反向投影(QPG-FFBP)成像自聚焦方法。该方法基于斜距波数子带划分,采用基于加权的相位梯度自聚焦模型估计每个子带的方位相位误差,并融合非系统距离单元徙动的相干性估计,完成全图像的运动补偿,解决二维空变误差补偿问题,提升图像的聚焦效果。通过仿真实验以及小型旋翼无人机载实测SAR数据验证了该方法的有效性。 相似文献
10.
一种多传感器数据时空融合估计算法 总被引:2,自引:0,他引:2
当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,数据融合存在时间性与空间性。为了提高测量精度,基于参数估计理论,提出一种多传感器数据时空融合算法。该算法将数据融合分解为两次估计,第一次是基于时间的递推融合估计,第二次是基于空间的自适应加权融合估计。该算法不要求知道测量数据的任何先验概率分布知识,编程简单,计算量小。计算机仿真表明,该算法在减少测量误差方面优于目前已有的基于时间或基于空间的多传感器数据融合算法。 相似文献