混沌噪声调频信号对UWB—SAR／ISAR成像的干扰

建立了n-Way Bernoulli混沌调频信号模型,分析了UWB-SAR/ISAR的成像特点,提出利用Bernoulli混沌噪声调频信号对UWB-SAR/ISAR进行成像干扰。仿真结果表明,利用Bernoulli混沌噪声调频信号干扰UWB-SAR/ISAR是可行的。     

SAR目标模拟器硬件平台设计与实现

针对当前国内大多数雷达目标模拟器不能模拟大时带宽积合成孔径雷达（SAR）目标回波问 题,提出了一种SAR目标模拟器硬件平台架构,采用FPGA控制DDRII存储器来存储和输出数字 回波,通过数模转换后可以输出带宽150 MHz以上模拟回波信号。由于主机与目标模拟板通 信采用CPCI总线,其数据吞吐率比采用USB接口的注入式SAR目标模拟器高。该平台可以3个 通道同时输出不同信号,因此可模拟聚束、条带和扫描SAR等工作模式回波。测试结果表明 该平台满足系统指标设计要求。     

海洋综合微波遥感技术

本文介绍了当前星载微波辐射计、雷达高度计、微波散射计和合成孔径雷达等微波遥感器对海洋的综合观测技术的进展及其遥感应用的巨大潜力。同时预测了未来发展的趋势     

资源卫星的数据传输系统

本文介绍了国外遥感卫星地面站的发展情况，针对高速数传提出了技术上的难点，对发展我国自己的资源卫星数传系统提出了几点建议。     

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。     

使用变换域编码技术压缩SAR原始数据

首先分析了在合成孔径雷达（SAR）原始数据中通常使用的块自适应量化（BAQ）算法，然后在此基础上详细讨论了两种基于块自适应量化的变换域编码算法，即基于快速傅里叶变换块自适应量化（FFT-BAQ）和基于小波变换块自适应量化（WT-BAQ），并对这两种算法压缩得到数据解压缩获得图像与块自适应量化得到的图像进行分析比较，结果显示变换域编码技术能改善SAR原始数据压缩性能。     

基于VPX架构和第四代Sharc DSP的SAR信号处理系统

给出了一种基于VPX架构和ADSP-21469的合成孔径雷达（SAR）实时信号处理机的设 计与实现。处理机分别采用基于FPGA的交换机和各Lane接收缓冲再同步技术解决板内外数据 交换和多Lane Serial RapidI/O同步难点,实现了实时宽带雷达回波中频采样变换和SAR成 像处理。测试表明,该信号处理机比相同处理能力的传统处理机至少减少40 W功耗,并 具有高达1 Gbyte/s的I/O吞吐力。     

基于RWC的斜视机载SAR CS算法仿真

通过建立机载合成孔径雷达（Synthetic Aperture Radar,SAR)工作模型,介绍了SA R成像的原理,详细分析了斜视条件下距离徙动产生的原因以及对成像的影响,针对调频变 标算 法（Chirp Scaling,CS）算法的实现过程及特点,指出其在斜视角情况下成像存在的缺陷 ,提出使用改进的算法即在傅里叶变换之前进行距离徙动校正（Range Walk Correction,RW C）的处理,重点推导了改进后的算法实现过程,并通过Matlab仿真实现了CS算法正侧视及 斜视时成像,证明改进后的算法在侧斜视情况下成像质量有较大的改善。     

多通道SAR-GMTI技术的研究进展

基于合成孔径雷达的多通道运动目标检测系统（SAR-GMTI）可以在对地面静止场景进行高分辨率成像的同时完成强杂波环境下的慢速运动目标检测，在军事和民用领域中具有很高的应用价值。首先，简要介绍了多通道SAR-GMTI系统的基本概念，对比了机载与星载、SAR成像与GMTI的同时与分时处理等不同系统的特点，并系统梳理了国内外研究现状；然后，选取分布式SAR-GMTI系统和基于MIMO的SAR-GMTI系统两个方向进行重点分析；最后，探讨了SAR-GMTI系统的研究重点，并对其发展进行了展望。     

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。