简介：雷达可发射频域高分辨信号，如单频连续波信号，从回波信号中估计目标各散射中心的多普勒频移，从频域分辨各散射中心。引入了高分辨一维多普勒像的概念，介绍了高分辨一维多普勒像成像基本原理，理论推导说明高分辨一维多普勒像为目标散射强度分布的横向投影。基于成像公式得到了目标多普勒像分辨率大小，以及不进行非线性相位补偿条件下，成像积累时间内目标转角或积累时间的约束条件，推导了高分辨一维多普勒像不模糊条件对数字采样率的约束，仿真试验验证了理论推导的正确性。

简介：逆合成孔径雷达（InverseSyntheticApertureRadar,ISAR）可以实现对目标全天时、全天候、远距离和高分辨率的观测,在军事和民用领域中具有广泛的应用价值。首先,系统地总结了近年来在ISAR二维成像方面的研究进展。其次,从包络对齐与自聚焦两方面对平动补偿的研究现状进行了分析。再次,在分析传统ISAR成像方法的基础上,对4种超分辨成像方法进行归纳总结。然后,对大转角成像算法进行对比分析,给出不同算法的适用范围。同时,对多目标成像和微动目标成像的研究进展进行了综述和分析。最后,对未来ISAR成像的热点问题和发展趋势进行了展望。

简介：星载多发多收合成孔径雷达（MIMO-SAR）可以解决方位向高分辨和大测绘带之间的矛盾。为了在扩大测绘带宽度的基础上进一步实现距离向超高分辨，首先选用正交频分线性调频信号（0FD-LFM）作为发射信号形式，对MIMO-SAR的发射体制进行了初步设计；然后针对大带宽、宽测绘带对成像算法的限制，选用精确度高的距离徙动算法（RMA）对回波数据进行处理，给出了结合空频域带宽合成的RMA成像流程，相比时域带宽合成方法，在确保成像精确性的同时，文中的成像流程计算步骤更少，运算量更低，大大提高了计算效率。

简介：对用四川自贡地区的高分辨率机载SAR影像制作1：10000比例尺正射影像图作了实验研究，描述了制作过程，讨论了其中的一些关键技术。制作了一幅1：10000南溪县正射影像图，并对影像图的精度进行了检核。结果表明，所制作的1：10000正射影像图完全满足1：10000正射影像图的精度要求。

简介：讨论了高分辨率星载SAR系统关键参数的设计,针对条带宽度与方位分辨率之比对系统设计的限制进行了具体分析.

简介：随着合成孔径雷达（SAR）图像的分辨率提高,基于高分辨率SAR图像的舰船检测成为海洋遥感应用中的一个重要课题。针对高分辨率SAR图像,为获取精确的、完整的舰船目标信息而提出一种基于改进的相干散射点（CS）提取的舰船检测方法。该方法的核心是利用SAR图像复数据的确定目标特性,提取出CS,该方法不仅利用了图像复数据的幅度信息,同时利用了相位信息。首先对于原始高分辨率SAR图像复数据进行距离向子视处理,获取子视图像像素的相关系数;然后,由于SAR图像分辨率较高,为获取完整的舰船目标信息,引入局部图像平均相关系数处理;最后设定相关系数阈值,从海域中提取出舰船目标,完成舰船检测。仿真实验结果验证了该检测方法的有效性。

简介：在传统微带线Wilkinson型功分器难以实现大分配比的情况下，通过引入改善因子c的方法降低过大的特性阻抗，并通过T型结构代替特性阻抗过小的四分之一波长传输线，使最终的电路结构用传统的平面微带线结构易于实现。应用这些设计方法计算出功分比为5：1的不等功分器的各段阻抗最大和最小之比仅为2．7：1，较传统结构得出的比值5．5：1有了很大改善。最后，利用ADS软件设计出一个中心频率为1.3GHz的微带5：1不等分功分器，仿真结果证明了这种设计方法的有效性和可行性。

简介：改进的CS算法和等效斜视的波数域算法是适用于大距离徙动高分辨率星载SAR成像的两种算法.为了给算法的选择提供一些参考,本文对两种算法进行了性能分析和比较,给出了两种算法在成像精度、算法的适应性和运算量三个方面的特点,并利用大量的仿真实验验证了分析结果.

简介：在超宽带穿墙雷达成像领域，交叉极化雷达能有效识别建筑物角散射中心，而交叉极化接收到的回波信号较弱，成像中的耦合信号得到增强，角散射信号不易识别。对此提出一种基于方位散射熵的建筑物特征提取方法。该方法首先利用散射体交叉极化相关性对交叉极化成像结果进行加权提取角散射中心，然后通过方位散射熵滤除墙体杂波影响、增强墙角散射幅度，最后使用循环迭代的中心定位算法得到精确的墙角散射中心。仿真和实验数据结果表明，该方法通过角散射体的极化特性和方位角属性可以准确地提取建筑物角散射中心。

简介：为了能够从单一SAR图像中提取出建筑物的三维信息,基于SAR成像原理提出了从图像中建筑物叠掩和阴影区域计算平面矩形屋顶尺寸以及高度的方法。针对SAR平面矩形屋顶建筑物仿真图像,利用灰度直方图信息定位建筑物二次散射区域,通过线灰度累加分割出叠掩和阴影区域,再采用恢复公式计算屋顶尺寸和高度。实验结果表明,对于具有明显几何形变的平面矩形屋顶建筑物单一SAR图像,此方法有效恢复屋顶尺寸和高度,提高了建筑物检测识别的准确度和精度。

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。