一种经验模式分解下的海杂波小目标检测方法

利用海杂波有效探测海上小目标是目前雷达探测领域的热点问题，具有重要的应用价值。鉴于海杂波是一种非线性非平稳性的雷达回波信号，充分发挥整体平均经验模式分解的优势，将海杂波分解为若干个不同尺度的独立分量。通过研究发现有目标时，分解出的前5个分量与未分解前信号的相关系数明显减小，因此提出了一种新的海杂波背景下的目标检测方法。通过实测和模拟的海杂波数据进行训练和测试，研究结果表明，该方法能有效地实现海杂波下目标的探测，性能优于经典时域下、分数阶傅里叶变换域下以及平均经验模式分解后的广义Hurst指数的目标检测方法。     

基于星载极化SAR数据的农作物分类识别进展评述

［目的］农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障，还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响，在农作物遥感监测方面具有巨大的应用潜力，有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。［方法］以星载极化SAR技术的发展过程为论述主线，从单、双极化SAR数据，单、双极化SAR数据结合光学影像，全极化SAR数据三个发展阶段，对极化SAR数据在农作物分类识别中的研究与应用进行总结，并对比分析不同的识别特征、融合算法以及分类算法的优缺点。［结果］以往研究存在以下不足：当前研究多以识别水稻为主，对于难以识别的旱地作物研究较少；目前对旱地作物识别精度不高，平均识别精度不足85%；缺乏对不同作物散射机制及其随时相变化的研究，导致分类算法机理性不足，普适性较差。［结论］在今后的研究中，旱地作物散射机制的定量确定，如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性；目前分类算法大都是基于光学影像设计，如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法，得到更高的分类精度；如何更好的跟光学遥感等多源数据（光学数据、GIS数据等）结合来提高精度，将成为未来极化SAR农作物识别中三个亟需重点解决的问题。     

决策可靠性分析及在SAR图像目标识别中的应用

决策融合是提高合成孔径雷达（Synthetic Aperture Radar,SAR）目标识别性能的重要手段，然而，可靠性较弱的决策往往会导致最终决策融合的效果变差。将可靠性分析引入基于决策融合的SAR目标识别方法中，分别计算各个决策的可靠性系数并选取可靠性的决策参与最终的决策融合。为了验证方法的有效性，分别将提出的可靠性分析应用于多特征决策融合以及多分类器决策融合并基于MSTAR（Moving and Stationary Target Acquisition and Recognition）数据集进行了目标识别实验。在基于主成分分析、线性鉴别分析和非负矩阵分解三种特征进行多特征决策融合的条件下，所提方法和直接进行决策融合的方法的识别率分别为97.47%和96.50%。在基于K近邻、支持向量机和稀疏表示分类器的多分类器决策融合中，所提方法和直接进行决策融合的方法的识别率分别为97.10%和96.28%。实验结果充分证明了所提方法的有效性。     

朱敏慧:芳心似火 用激情照亮科研人生

一口吴侬软语,一脸温婉的笑容,谁能想象这温文尔雅的女性不仅领导电子所摆脱了困境还参与了我国第一颗遥感卫星顺利升空。她是撑起了中国电子科研半边天中的杰出代表,她就是朱敏慧。谁说女子不如男生于一个渴望当科学家年代的朱敏慧,年少时就把居里夫人作为人生的目标。1960年她考入中国科技大学无线电电子学专业,当时全系190多人,却只有40位女生,毕业时仅剩28位。     

菲涅耳非相干全息术3D全息成像探讨

全息成像提供了一种从单一观察点捕捉具有完整三维信息画面的可靠、快捷的方法。本文回顾了近期提出的单通道菲涅耳数字全息光学系统,该系统能获得由非相干光照射的三维实物体的全息图。在这一静态全息技术中,由三维物体反射或发射光,在通过空间光调制器（SLM）后,用数码相机记录。SLM被用作单通道非相干干涉仪的分束器,使来自物体上各点的球面波被分成两束具有不同曲率半径的球面波。所有球面波干涉结果的非相干总和,即可生成被观测物体的三维菲涅耳全息图。在计算机中可再现该全息图,使其三维特征得以呈现。     

一种混合模式干扰SAR的方法研究

本文分析讨论了一种对SAR进行多模式干扰的方法。文中首先简要分析了SAR的多模干扰的方式及种类，详细讨论了对SAR进行无源、有源功率压制和欺骗式干扰的具体方法，建立了在三种不同干扰模式下的回波信号的数学模型，为今后的研究奠定了重要的理论基础。最后结合文中建立的相关理论完成了对多点阵目标干扰的成像仿真实验，取得了较为满意的结果。     

极化SAR旱地作物分类的后向消除特征选择研究

[目的]作物遥感分类是作物面积监测的核心问题,也是进一步开展农作物长势、产量等专题监测的前提。特征选择是作物遥感分类的关键步骤之一,能够有效提高作物遥感分类精度和效率。文章使用后向消除的特征选择方法明确最优特征集的大小和内容,比较不同优选特征集的分类效果分析4种特征排序方法的优劣。[方法]（1）提取河北省深州市旱地作物关键生长期（6月3日、6月27日、7月21日） RADARSAT-2数据的3类特征变量共114个。（2）比较基于不同度量方式的4种特征重要性排序方法,根据特征排序结果采用后向消除方法逐步简化特征变量,确定最优特征个数,得到优选特征集。（3）比较不同优选特征集在随机森林方法下的分类效果。[结果]特征排序方法中极限树的效果最好。使用极限树算法优选的特征集参与随机森林分类,能用最少的特征（11个）,达到最高的精度（92.63%）。并且与全部特征（114个）的分类结果相比,总体精度只下降了1.78%。[结论]后向消除特征选择优选出的特征集能够明确最优特征个数,能够在保障分类精度的同时有效提升分类效率,优选出的特征集可为同种种植结构下的旱地作物分类提供参考。     

一种改进的星载聚束SAR子孔径ECS算法

在分析原有ECS算法的基础上，提出了一种适合于星栽聚束SAR成像的子孔径ECS算法。该算法对数据进行子孔径划分，可降低系统对PRF及运算存储量的要求。距离压缩采用斜视等效距离模型，实现精确的距离徙动校正。方位压缩采用方位scaling和频谱分析来实现，并分析推导了合理的方位scaling因子取值。最后，通过仿真验证了算法的有效性。