可变先验贝叶斯学习稀疏SAR成像

针对合成孔径雷达(synthetic aperture radar, SAR)在稀疏成像中, 传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题。提出一种可变成像先验贝叶斯(varying imaging prior Bayes, VIP-Bayes)学习稀疏SAR成像算法。首先, 引入可动态灵活表征目标散射特征的广义高斯分布先验。然后,在贝叶斯推理框架下进行分层建模, 后验分布推导。最后, 针对常规吉布斯采样算法无法采样复杂后验分布的问题, 引入哈密顿蒙特卡罗(Hamiltonian Monte Carlo, HMC)采样算法进行求解。另外, 考虑到HMC算法对非平滑后验分布无法采样,因此引入近端算子, 进行近端梯度近似, 提出近端-HMC(proximal-HMC, P-HMC)算法。P-HMC算法可有效解决非平滑后验采样问题。因而可实现VIP-Bayes稀疏成像。通过仿真数据进行算法有效性验证, 选取SAR实测数据与多种算法进行成像对比实验, 利用相变热力图对算法成像性能进行定量分析,验证了所提算法的实用性和优越性。     

基于World Wind的RNP飞行程序三维可视化仿真

针对所需导航性能(RNP)飞行程序的虚拟现实验证问题,结合RNP飞行程序的特点重点解析了航线及RNP隧道的结构和计算方法。利用World Wind三维地理信息系统的二次开发功能,提出了一种RNP飞行程序三维可视化及模拟飞行的方法,实现了高分辨率地理环境下飞行航迹、包容区隧道的三维可视化及动态的模拟飞行。最后利用该方法对典型的RNP飞行程序进行了仿真,结果表明该方法能够方便快速地完成RNP飞行程序三维仿真,可用于RNP飞行程序的设计及验证。