基于DCT的SAR原始数据压缩算法分析

根据合成孔径雷达(SAR)原始数据经离散余弦变换(DCT)后的系数特性,分析了在DCT域按各子带能量分布作变比特块自适应量化的算法--DCT域块自适应量化(DCT-BAQ),并将该方法与时域BAQ算法作了比较.结合一组实测SAR原始数据,用两种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了两种压缩算法所成的图像.实验证明,在相同的比特率下,DCT-BAQ算法的数据域和图像域信噪比均比时域BAQ算法高.数据域信噪比增加1.38～1.94 dB,图像域信噪比增加1.56～1.91 dB.加之DCT变换是实数运算、有快速算法,所以将它用于SAR原始数据压缩有一定的优越性.     

合成孔径雷达原始数据量化编码的分析

本文详细地讨论了合成孔径雷达原始数据量化编码的原理以及对压缩算法进行了分析,并对块自适应量化编码原理进行了讨论。     

自适应量化编码的研究

本文详细地讨论了信源编码的原理，介绍了最优量化的方法以及自适应量化编码的原理。本文还给出一个自适应量化编码的实例。     

星载SAR原始数据的生成技术

本文首先介绍了合成孔径雷达角分辨率的基本原理,进而详细地讨论了星载SAR原始数据生成的基本原理,给出了目标回波模型,介绍了原始数据产生的基本方法,并对产生的原始数据与实际数据进行了对比分析。     

提升小波变换和编码在音频压缩中的应用

小波变换的提升算法以其通用性和灵活性及高效的实现方法,成为目前小波领域研究的热点问题.本文分析了用提升方法实现整数到整数的小波变换,选取daubechies(9,7)小波和分层树集合分割算法(spiht)作为音频压缩的算法,并在dsp上实现音频数据的压缩和解压缩.     

一种新的小波变换零树图象编码

本文在对图象的小波变换进行讨论的基础上，充分利用了小波变换后各子图象的系数对重构图象的重要程度和人眼的视觉特性，对“嵌入式零树编码”进行改进，提出了一种更加实用的图象压缩方案。该方案可获得具有较高压缩比、信噪比和较好视觉效果的恢复图象。     

无线信道下的视频编码压缩与传输方法

无线视频通信是无线通信的一个新的需求，这需要稳定的，大的数据带宽和高效的频压缩方法。小波变换是一种新型的压缩方法，能够满足无线视频通信的低速率要求。本文针对小波变换压缩方法的实现、容错和纠错处理进行了研究，并对系统进行了实验测试，结果表明基于小波变换的无线视频通信可以实现视频信息的有效传输。     

宽带音频压缩编码技术的新进展

首先介绍现行的宽带音频压缩编码技术，指出存在的问题。然后介绍进一步的发展情况，并重点介绍应用小波变换于宽带音频压缩编码方面的研究动向     

基于小波变换的嵌入式编码在图像压缩中的应用

由于图像数据量的巨大会使图像在存储和传输中受到制约,因此,图像压缩成为必然。图像压缩的关键技术包括对图像数据的变换、对变换数据的量化以及对量化后数据的熵编码。其中压缩中编码占有非常重要的位置。本文主要分析其中一种很流行的编码形式一嵌入式编码,分别比较分析了三种嵌入式编码的优缺点以及嵌入式编码的发展前景。     

基于Chirplet变换和压缩感知的空中颤振目标稀疏成像

针对在逆合成孔径雷达（ISAR）成像过程中目标非合作性机动导致的方位孔径稀疏现象与目标主体颤振引起的微多普勒效应相叠加对成像造成的影响,建立了颤振目标稀疏ISAR成像模型,分析了孔径稀疏和目标颤振对成像造成的影响,提出了一种基于Chirplet变换和压缩感知（CS）重构的成像方法,获得了颤振目标的高质量成像结果。仿真实验验证了该方法的有效性。     

分块自适应量化算法的仿真和实现

介绍了分块自适应量化(BAQ)算法的基本原理,结合机载合成孔径雷达(SAR)原始数据,对其分布特性、均值、量化信噪比等进行了分析,给出了3bitBAQ的压缩仿真和解码成像,并对原始数据、3bitBAQ压缩结果进行了成像比较。研究了该算法在FPGA内的实现方法。     

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。     

面向SAR图像处理的生成式对抗网络应用综述

针对缺少合成孔径雷达（Synthetic Aperture Radar,SAR）目标图像数据导致的识别网络难以训练的问题,总结了现有的基于深度学习方法的解决方案。归纳了现阶段生成式对抗网络（Generative Adversarial Network,GAN）的发展情况,以及主要的衍生模型及其特点与优势。综述了GAN在SAR图像生成与风格迁移两方面的应用情况,并合理分析了应用中的技术难点和问题。最后结合深度学习的发展趋势,展望了GAN在SAR智能解译方面的应用。     

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。     

以非负矩阵分解提取局部特征的SAR目标稀疏表示分类

合成孔径雷达（SAR）目标分类是自动目标识别系统的核心功能之一,对于战场监视等应用具有重要意义。利用SAR图像局部散射明显的特点,提出了通过训练样本的非负矩阵分解获得低维数局部特征编码,并以该编码作为字典进行稀疏表示分类的方法。采用Gotcha项目民用车辆目标的实测数据进行了验证,结果显示在不同信噪比条件下该方法的分类正确率均优于广泛采用的由降采样、随机投影、主成分分析提取低维数特征的稀疏表示分类方法,表明了该方法的性能优势。另外,还通过实验对比分析了非负约束的稀疏表示与标准稀疏表示在分类性能上的差别,结果显示非负约束的稀疏表示导致分类正确率下降,故针对分类问题不宜在稀疏表示时进行非负约束。     

深度卷积神经网络在SAR自动目标识别领域的应用综述

深度卷积神经网络（DCNN）可自动学习目标层次化特征,在合成孔径雷达（SAR）自动目标识别（SAR-ATR）领域具有广泛应用前景。首先,介绍了DCNN的基本原理以及DCNN在光学图像上的应用与发展;然后,介绍了SAR-ATR的基本概念,综述了DCNN在SAR图像语义特征提取、片段级SAR图像分类、基于数据增强技术的SAR自动目标识别、异质图像变化检测等领域中的前沿应用研究及代表性网络架构;最后,总结并讨论了DCNN在SAR-ATR应用中存在的参数设置经验化、算法泛化能力较弱等不足,并对未来研究方向进行了展望。     

结合多源特征与高斯过程模型的SAR图像目标识别

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像目标识别问题,提出结合多源特征和高斯过程模型的方法。分别利用主成分分析（Principal Component Analysis,PCA）、非负矩阵分解（Non-negative Matrix Factorization,NMF）以及单演信号提取SAR图像的特征矢量,并将它们串接为单一矢量。三类特征从不同角度描述SAR图像目标特性,从而为目标识别提供更为有效的信息。决策分类过程采用高斯过程模型进行多元分类,基于融合特征矢量获得概率意义上的最佳决策。实验中,采用MSTAR数据集设置3类目标、10类目标、型号差异以及俯仰角差异识别问题,结果验证了提出方法的优越性能。     

基于Pauli基展开的联合极化SAR微多普勒分析

为获取不同极化通道的微多普勒元素,建立了双通道极化合成孔径雷达微动信号获取模型,详细推导了采用相位中心偏置天线(DPCA)技术剔除地杂波后的极化微多普勒参数化表述。在此基础上,为充分融合各极化通道信息,提出了一种基于Pauli基展开的联合极化微多普勒矢量提取方法,据此可显著增强低信噪比下的微多普勒特征。仿真数据验证了该方法的有效性。     

基于Linux的嵌入式高速SAR数据存储技术

为了实现对SAR 原始回波数据的实时存储,提出了在以PowerPC为硬件核心的嵌入式L inux软件平台上,使用SSD硬盘实现高速数据存储的方案。采用Linux驱动程序控制SAS硬盘 控制器,将SAR原始回波数据记录在SSD硬盘阵列上。模拟实验测试中数据存储速度可以达到 200 Mbyte/s。分析了影响数据存储速度的因素,实验表明该方案可以满足SAR原始回 波数据实时存储的要求。     

超高分辨率PolSAR图像去噪对极化特征的影响

随着超高分辨率极化合成孔径雷达(PolSAR)图像数据的出现,有必要对PolSAR图像的去噪过程对于极化分解结果的影响进行评测。相干斑去噪过程的实施将对观测场景中的PolSAR图像原有极化属性产生不同程度的影响,这将会导致分解结果出现偏差。以非相干分解模型为评估对象,以喷气推进实验室(JPL)提供的开源机载超高分辨率PolSAR系统数据为实验样本,提出了一种利用绝对相对误差的定量评测方法。评测结果显示：对于超高分辨率图像,相干斑噪声的影响明显变小,分解窗口可相应的缩小为7×7的尺寸。研究结果对于PolSAR图像的后期遥感应用中的参数选择具有重要参考意义。