雷達成像技術(shù)具有全天時、全天候和遠距離成像等特點,在地形測繪、海域檢測和災難預報等眾多領(lǐng)域中取得了廣泛應用。隨著目標識別技術(shù)的日益成熟,獲得高質(zhì)量的成像結(jié)果成為重中之重,復雜運動目標成像算法研究成為了本領(lǐng)域的研究熱點。本文對復雜運動目標成像算法的研究主要分為三個部分:大轉(zhuǎn)角成像、機動目標成像和海面艦船目標SAR/ISAR成像。高質(zhì)量圖像的衡量標準之一是圖像的分辨率。高分辨率ISAR圖像的獲取是以增大成像時間為代價的,這意味著越距離單元徙動(MTRC)現(xiàn)象的加劇。因此,研究不受MTRC影響的大轉(zhuǎn)角成像算法具有重要的實用價值。本文主要研究了兩種大轉(zhuǎn)角成像算法:后向投影算法和極坐標格式算法,分別介紹了兩種算法的成像原理,對仿真和實測數(shù)據(jù)進行成像,得到了高分辨率的ISAR圖像。一直以來,獲得高質(zhì)量的機動目標成像結(jié)果一直是本領(lǐng)域的難點和挑戰(zhàn)�，F(xiàn)有的機動目標成像算法主要圍繞著參數(shù)化的距離——瞬時多普勒(RID)算法展開研究和改進。然而,現(xiàn)有的參數(shù)化RID算法沒有考慮到回波信號的幅值隨時間變化,獲取的ISAR圖像可能存在模糊和重影現(xiàn)象,降低了成像質(zhì)量。本文提出了一種基于自適應高斯窗的時變幅值估計方法...

【文章頁數(shù)】：111 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 國內(nèi)外文獻綜述的簡析
    1.3 本文的主要研究內(nèi)容
        1.3.1 ISAR成像理論與算法研究
        1.3.2 ISAR大轉(zhuǎn)角成像算法研究
        1.3.3 機動目標成像算法研究
        1.3.4 機載雷達對艦船目標SAR/ISAR成像研究
第2章 ISAR成像理論與算法研究
    2.1 引言
    2.2 ISAR成像的二維分辨率
    2.3 ISAR回波建模及RD算法
    2.4 平動補償方法
        2.4.1 包絡(luò)對齊方法
        2.4.2 相位補償方法
        2.4.3 實測數(shù)據(jù)成像
    2.5 本章小結(jié)
第3章 ISAR大轉(zhuǎn)角成像算法研究
    3.1 引言
    3.2 后向投影算法
        3.2.1 算法基本原理
        3.2.2 仿真與實測數(shù)據(jù)實驗
    3.3 極坐標格式算法
        3.3.1 算法基本原理
        3.3.2 仿真實驗
    3.4 本章小結(jié)
第4章 機動目標成像算法研究
    4.1 引言
    4.2 方位向回波建模及RID算法
    4.3 參數(shù)估計方法
        4.3.1 積分三次相位函數(shù)法
        4.3.2 變尺度傅里葉變換法
    4.4 基于自適應高斯窗的時變幅值估計方法
        4.4.1 基本原理及流程
        4.4.2 仿真實驗
    4.5 基于時變幅值估計的RID算法
        4.5.1 算法流程及基本步驟
        4.5.2 一般機動目標成像
        4.5.3 高機動目標成像
    4.6 本章小結(jié)
第5章 機載雷達對艦船目標SAR/ISAR成像研究
    5.1 引言
    5.2 信號模型建模及SAR成像處理
        5.2.1 成像場景建模
        5.2.2 回波信號的二維頻譜
        5.2.3 SAR處理算法
    5.3 剩余相位分析
    5.4 圖像自動分割算法及數(shù)據(jù)提取方法
        5.4.1 圖像自動分割算法及數(shù)據(jù)提取方法
        5.4.2 自聚焦的層次聚類算法
    5.5 ISAR重聚焦技術(shù)
    5.6 仿真與實測數(shù)據(jù)實驗
        5.6.1 仿真實驗與結(jié)果
        5.6.2 實測數(shù)據(jù)實驗與結(jié)果
    5.7 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的學術(shù)論文
致謝



本文編號：3738605