一、SIMULATION STUDY ON AIRBORNE SAR ECHO SIGNAL（论文文献综述）
赵文达,韩松[1]（2021）在《基于ZYNQ的机载SAR实时回波仿真研究》文中研究指明机载合成孔径雷达硬件架构和成像算法的不断发展对复杂大尺度目标的实时回波仿真提出了更高要求。为了实现雷达仿真器实时和多模式性能的提升,基于Xilinx可编程逻辑SoC平台ZYNQ设计了机载合成孔径雷达实时回波仿真器,将改进二维快速傅里叶变换的回波仿真算法与具体硬件实现流程结合,提出了基于AXI总线PS-PL互联的脚本式CORDIC回波仿真方法,实现了复杂面目标回波的实时仿真。对于雷达目标模型高精度仿真算法研究,高性能便携式实验室回波仿真器研制,以及多模式回波仿真方法与高性能硬件平台的结合具有重要的实践参考意义。通过对比计算机仿真结果与仿真器实验室测试结果,证明了基于上述方法的机载合成孔径雷达回波仿真器的高效性和完整性。
张璘[2]（2021）在《相控阵机载SAR海面动目标成像算法研究》文中研究指明我国是一个海洋大国,对海上舰船目标的探测不仅涉及到我国经济利益,也关系着国家领主主权和海防安全。相控阵机载合成孔径雷达利用阵列天线空域结构实现等效增加空间维采样频率的目的,从而扩大海域测绘带范围,使得广域海面舰船目标的高分辨率成像成为可能。目前,相控阵机载SAR存在着天线阵列结构复杂、数据运算处理量庞大以及舰船目标成像散焦等问题,影响广域海面动目标成像效率和成像质量。因此本文围绕相控阵机载SAR动目标高分辨成像算法,对天线波束扫描模式、多天线接收数据处理算法、动目标多普勒参数估计和时频分析算法进行深入研究,所取得的主要研究成果如下:第一,针对相控阵机载SAR成像扫描方式的选择,分别采用距离俯仰向扫描和方位向扫描两种模式对宽测绘带场景进行成像。首先,以宽测绘带场景为基础建立相控阵机载SAR成像模型,在发射信号脉冲重复频率有限的条件下,通过理论公式推导出信号处理过程,并建立DBF-SCORE模式和TOPS模式两种成像模型。随后,通过仿真实验和实测数据成像,验证上述两种模式可分别实现距离向波束形成高分辨成像和方位向宽幅快速扫描成像,明确了相控阵机载SAR波束控制所采用的扫描方式,为后续广域海面成像算法研究奠定基础。第二,针对相控阵机载SAR广域海面舰船成像过程中所面临的海量数据存储运算困难的问题,本文从舰船目标分布的稀疏属性入手,提出块稀疏压缩感知动目标成像算法。首先,以传统贪婪OMP算法为基础,建立海面舰船压缩感知成像算法模型,仿真结果表明舰船满足目标稀疏性特点,可以采用压缩感知算法进行成像。随后,利用天线阵列的分集增益以及舰船目标的块稀疏分布属性,提出联合块稀疏压缩感知成像算法。仿真和实测数据成像结果表明,采用块稀疏类算法可以获得较为统一的目标分布图,较大的降低了全景区域成像时间,同时有助于消除海面的虚假目标。第三,针对舰船自身运动引起的图像散焦和模糊问题,提出多普勒参数估计So WVD算法。首先,分析多普勒参数对动目标成像效果的影响,建立多普勒参数信号估计模型。仿真结果表明,传统算法有助于校正目标运动过程中的距离徙动,补偿掉与距离空变有关的方位向相位误差,但运算时间不适用于实时估计。随后,为降低运算复杂度,提出多普勒参数估计So WVD算法。仿真实验验证了该算法的有效性,与传统参数估计算法性能相比,So WVD算法适用于相控阵机载SAR对舰船等小型目标的多普勒参数实时估计。第四,针对不同海情舰船在偏航角、俯仰角和横滚角的三维摆动下存在图像散焦模糊的问题,在动目标自聚焦和时频分析类算法聚焦成像的基础上,提出同步压缩类时频变换算法。首先,采用最大对比度/最小熵自聚焦迭代算法和分块PGA聚焦算法,对实测数据中多艘舰船的模糊图像进一步聚焦,成像结果表明该算法可以很好地降低海杂波旁瓣和海面虚影。随后,建立SAR/ISAR混合成像模型,采用传统时频分析算法对单个舰船进行瞬时时频成像,引入同步压缩类时频变换算子,获得摆动舰船在某一瞬时的聚焦图像。通过仿真实验和实测数据性能参数比较可知,同步压缩类算法可以抵消舰船摆动所造成的图像散焦和模糊,获得高清舰船图像,能够看清舰船结构、尺寸、船头船尾等细致部分。第五,针对运动舰船存在定位误差的问题,利用相控阵天线阵列结构分布均衡的特点,提出用以校正动目标方位向位置的VSAR算法。首先分析了具有径向速度的海面舰船存在方位向位置误差的原因,推导出方位位置误差的数学表达式。随后,建立VSAR算法模型,通过对天线阵列接收数据的相位差进行分析,得出目标径向速度和方位向真实位置估计。仿真实验和实测数据验证了该算法的可行性,成像结果表明VSAR算法可以对动目标进行连续动态观测,实现在多普勒频带内有效区分静动目标,提高判断舰船运动趋势及航行轨迹的能力。
欧海峰[3]（2021）在《基于FPGA的雷达地面目标SAR成像方法研究》文中研究指明合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种全天候、全天时、远距离的主动式探测成像雷达,突破了实孔径天线成像时对方位向分辨率的限制,实现了探测目标的高分辨率成像,广泛应用于地面目标成像场景。针对SAR成像时大量回波数据的快速高效处理在传统结构的数字信号处理器中难以实现的问题,本文利用现场可编程门阵列（Field Programmable Gate Array,FPGA）模块化、高速并行的数据处理特性,研究了基于FPGA的雷达地面目标SAR成像方法,下面是研究内容和成果。第一部分,本文研究了SAR成像基本理论,搭建了机载SAR成像仿真平台并建立时域回波模型生成后续研究使用的SAR回波数据。研究对比了常规距离多普勒（Range Doppler,RD）算法、改进RD算法和线性调频变标（Chirp Scaling,CS）算法原理及成像效果。结合本文基于FPGA硬件平台实现SAR成像处理的前提,根据算法运算量和成像精度,选择了硬件资源消耗少、成像精度高、处理速度快的改进RD算法作为后续SAR成像信号处理算法。并对算法通过快速傅里叶变换（Fast Fourier Transformation,FFT）获取窄带回波信号频率时精度较低的问题,提出采用线性调频Z变换（Chirp-Z Transform,CZT）进行回波信号的频率细化,从而提高了窄带回波信号的频率精度。第二部分,设计了基于FPGA的SAR成像处理方案,主要包括SAR回波信号的预处理和SAR成像算法处理。预处理主要完成SAR中频回波信号的降频处理,降低后续成像算法处理时的数据量。SAR成像算法部分主要完成距离向脉冲压缩、距离徙动矫正和方位向脉冲压缩。第三部分,基于FPGA实现所设计的SAR成像方案。利用VIVADO软件中的VIVADO SIMULATOR工具对设计方案的各模块进行功能仿真,并与理论仿真结果对比。结果表明:FPGA处理得的SAR成像结果与MATLAB理论仿真结果存在的最大相对误差不超过0.14%,满足预期指标要求。另外,基于FPGA实现了CZT时频转换模块,并利用CZT完成距离向回波信号的脉冲压缩,脉冲压缩精度比利用FFT方法获得的距离向脉冲结果精度最多可提高2.52m。由此说明,本文设计的SAR成像处理方案及相关改进方法能够在FPGA硬件中正确实现,并满足SAR成像处理精度要求。
穆慧琳[4]（2021）在《多通道SAR地面运动目标检测与成像研究》文中研究指明合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天候、全天时、远距离、高分辨对地观测的优势,朝着多平台、多通道、多功能、多极化方向发展。利用多通道SAR系统,可增加回波信号的空间维信息,实现对观测区域的地面运动目标指示（Ground Moving Target Indication,GMTI）,极大提升了SAR系统对运动目标观测能力,在军事和民用方面具有重要的应用价值和发展前景。然而,机载和星载平台下的多通道SAR-GMTI系统在处理实际复杂观测场景时仍面临许多共性问题。首先,实际观测场景通常覆盖不同类型的地物杂波,其散射系数起伏较大,导致杂波分布非均匀,使得空时自适应杂波抑制能力下降,残余孤立强杂波点,虚警概率升高。其次,实际观测场景中通常包含多个运动目标,目标运动参数导致运动目标图像散焦和方位向偏移,临近目标容易产生混叠和旁瓣干扰,甚至造成虚假目标,使得多个运动目标同时聚焦成像困难。慢速目标与地物杂波的通道间干涉相位差异较小,目标多通道自适应滤波响应接近杂波抑制凹口,导致输出信杂噪比（Signal Clutter Noise Ratio,SCNR）降低,难以实现慢速目标检测,更加无法得到聚焦的目标图像。因此,针对实际复杂观测场景下存在的运动目标检测与成像问题,本文利用多通道SAR复数域数据在空间维和时间维的有效信息,并引入稀疏重构、深度学习等理论,开展多通道SAR地面运动目标检测和成像方法的研究,主要包含如下四个内容:1.本文利用运动目标稀疏先验知识提出基于DPCA-BCS的双通道SAR杂波抑制方法,首先对方位向少量观测数据进行偏置相位中心天线（Displaced Phase Center Antenna,DPCA）预处理以对消部分背景杂波,然后建立稀疏观测模型,对运动目标引入Laplace先验分布,采用贝叶斯压缩感知（Bayesian Compressive Sensing,BCS）方法实现运动目标重构和杂波抑制。进一步提出基于STAP-BCS的多通道SAR杂波抑制方法,将空时自适应处理（Space Time Adaptive Processing,STAP）技术与稀疏贝叶斯学习相结合。最后通过仿真实验和实测数据验证所提算法在降低观测数据量的同时获得较好的杂波抑制性能。2.针对非均匀复杂杂波环境下的运动目标检测问题,本文通过扩展信号空间维和时间维信息,提出基于改进高斯混合概率假设密度（Gaussian Mixture Probability Hypothesis Density,GMPHD）滤波器的多通道SAR运动目标检测方法。首先基于子孔径方式生成SAR多角度图像序列,并利用多通道杂波抑制和恒虚警初步检测获取运动目标观测信息。通过分析目标径向速度对目标位置的影响,建立多目标状态和观测的随机有限集模型。针对传统GMPHD滤波器在SAR-GMTI中的问题,提出适合SAR图像序列的改进GMPHD滤波器。最后通过仿真实验和实测数据验证所提算法在非均匀复杂杂波环境下具有较高检测概率和较低虚警概率,并实现目标重定位。3.针对SAR多运动目标聚焦成像问题,本文利用多运动目标信号的多分量线性调频信号形式和运动目标的稀疏特征,提出基于Chirplet-BCS的多运动目标成像方法。首先构建多目标稀疏观测模型,由于观测矩阵依赖于未知的目标运动参数,采用基于Chirplet基的自适应分解实现目标调频率参数估计,有效避免交叉项的干扰,利用调频率参数构造观测矩阵,然后采用BCS稀疏重构算法实现运动目标精确重构。通过仿真实验和实测数据验证所提算法具有较好的聚焦成像质量和剩余杂波抑制能力。4.本文将深度学习理论引入到SAR运动目标成像领域,研究了基于深度卷积神经网络的多通道SAR慢速多运动目标快速成像方法。针对SAR多运动目标快速聚焦成像问题,提出基于卷积神经网络的SAR多运动目标快速成像方法。所提成像网络Deep Imaging利用残差学习策略实现特征与梯度的有效传递,通过监督学习的方式实现网络参数更新,最终建立适用于成像场景的成像模型,实现运动目标快速聚焦成像。Deep Imaging依赖于多通道杂波抑制结果,对慢速目标难以检测与成像。针对该问题,本文将多通道杂波抑制任务集成到网络中,提出基于复数域卷积神经网络的多通道SAR慢速多目标成像方法,所提复数域成像网络CV-GMTINet将特征图和网络参数扩展到复数域,不仅把复数域数据作为网络输入,还在整个网络中传播相位信息。网络结合密集网络与残差网络的优点,自适应学习单通道和通道间有效特征,并提高特征与梯度的传递效率,缓解梯度消失问题。使用复数域反向传播算法求解网络复值参数的梯度,通过基于梯度的参数优化算法实现复值参数的更新。通过实测数据验证所提方法在运动目标成像性能和杂波抑制能力方面优于传统方法和实数域网络。
薛蒙[5]（2021）在《高分辨率毫米波SAR成像处理方法研究》文中提出毫米波SAR（Synthetic Aperture Radar）体积小,质量轻,适合无人机等小型灵活平台。但是无人机等平台运行不稳定,容易产生复杂的运动轨迹和较大的运动误差,对成像产生不利的影响。同时,随着对目标的检测、识别和认知能力的提高,为了获得更细节、更丰富的目标散射信息,对SAR成像分辨率提出了更高的要求。长合成孔径是实现SAR方位向高分辨率的基础,但是长合成孔径会导致严重的空变相位误差和运动误差积累。在同等分辨率下,毫米波SAR的波长较短,天线孔径更小,运动误差的影响更加突出,会严重影响成像的质量。如何抑制严重的空变误差的对成像质量的影响是高分辨率成像的难点。本论文针对高精度运动补偿问题,其主要内容和贡献点包括以下几个方面:针对长合成孔径带来的空变相位误差,综合考虑平台空间运动轨迹的任意性进行了成像运动误差几何建模和信号建模,进一步分析了不同运动误差对成像质量的影响,给出了典型成像参数下的运动补偿精度要求;在此基础上,深入研究了时域成像运动误差补偿方法,给出了相应的处理流程,通过补偿运动误差引起的非线性相位实现高精度聚焦成像,并通过点目标仿真实验验证了运动误差对成像质量的影响,以及本文处理流程的正确性和有效性。针对平台偏离理想航迹带来的运动误差问题,结合实际平台的运动轨迹数据分析了雷达平台非理想运动轨迹对成像质量的影响,分析了不同轨迹估计方法对运动轨迹重建精度的影响;在此基础上,提出了基于移动最小二乘的运动补偿方法,通过移动最小二乘降低了平台运动轨迹高次误差对成像聚焦相位精度的影响,避免了常规平滑处理引起运动轨迹估计精度下降的问题,并通过仿真和实测数据处理验证了本文方法的有效性和正确性。针对高分辨率成像的残余相位误差估计问题,研究了高分辨率自聚焦运动精补偿方法,提出了一种改进的最大范数运动补偿方法,通过改进最大范数运动补偿方法补偿多个特显点的初始相位中的随机相位,在此基础上,综合多个特显点估计残余相位误差并进行运动补偿,增强了多特显点联合确定运动误差的稳定性和适应性,大幅度提升了残余相位误差的估计精度,点目标仿真实验和实测数据处理证实了本方法的有效性。
杨佩[6]（2021）在《机载认知SAR二维波形设计方法研究》文中研究指明认知合成孔径雷达（SAR）是一种新型成像体制的雷达系统,它能够利用其结构上闭环反馈的特点,通过对环境信息的认知与运用,实现SAR接收、发射的一体化设计,使得SAR与目标及环境的匹配程度大大提高,克服了传统SAR工作模式单一且固定的弱点。认知发射是认知SAR区别于传统SAR的本质特征之一。波形设计是认知SAR实现认知发射的基本且关键的途径,因此本文以认知SAR的波形设计问题为核心,进行了相关的研究,主要内容如下:（1）研究了认知SAR系统的架构及其特点,对比分析了Haykin框架与Guerci框架的异同点,明确了认知SAR系统的组成部分以及各部分的关键技术,为认知SAR系统结构的设计提供了基础。（2）研究了基于杂波功率谱密度估计的环境杂波信息感知方法,解决了对环境中杂波信息的分类和提取的问题,为认知SAR进行收、发自适应设计奠定了基础。（3）研究了基于信杂噪比-分辨常数联合最优准则的快时间维波形设计方法,导出了联合最优准则下的认知SAR发射波形解析表达式,解决了面向成像需求的快时间维波形设计问题。（4）研究了基于目标匹配的认知SAR慢时间维波形设计方法,导出了基于目标匹配的认知SAR慢时间维信号相位解析表达式,实现了认知SAR二维波形优化设计,进一步提升了认知SAR快-慢维联合抗杂波性能。以上方法的有效性,均以通过了仿真实验的验证。结果显示,上述波形设计方法可以解决相应的需求和问题。
李高源,王晋宇,张长弓,冯博迪,高宇歌,杨海涛[7]（2021）在《SAR图像仿真方法研究综述》文中研究指明SAR图像仿真是一种在计算机平台上,通过模拟SAR图像特征或者SAR系统工作过程,从而得到仿真SAR图像的技术。它克服了真实SAR系统获取不同参数SAR图像成本高、周期长的缺点,在SAR系统研制和算法验证等方面起着重要作用。按照仿真流程,介绍了三种SAR图像仿真方法并对它们的优缺点进行了剖析,对其当前的发展状况做了较为全面的综述,对当前存在的问题进行了分析并对未来的发展趋势进行了展望。
罗星林[8]（2021）在《机载SAR性能诊测系统设计与实现》文中进行了进一步梳理机载合成孔径雷达具备全天候、全天时、多极化、高分辨、体积小、隐秘性高等特点,在民用与军事领域中发挥着愈来愈重要的作用。因此,保障机载SAR雷达的性能成为了机载SAR使用过程中的关键步骤。目前,保障机载SAR雷达性能的诊测系统智能化水平较低、故障定位能力较弱,同时缺少任务环境模拟和智能故障诊断等诊测功能。针对于此,本文设计并实现了一套机载SAR性能诊测系统。此外,为了获得更好的诊测性能,对诊测系统进行了相应优化。本文的主要研究内容如下:（1）针对现有机载SAR保障问题进行需求分析,根据需求分析结果设计并实现了一套机载SAR性能诊测系统。该系统采用微服务架构思想设计,具备高稳定性、高可用性以及强扩展性等特点,能够为机载SAR雷达提供稳定且高效的回波模拟、任务适应性评估与任务失效成因推理等诊测服务,保障机载SAR雷达的可靠性、可维护性和执行效率。（2）针对机载SAR性能诊测系统中回波模拟器与诊测仪之间数据传输耗时长的问题,提出了基于可用带宽估计的自适应拥塞避免方法。该方法对诊测系统网络传输过程中的可用带宽进行估计,并根据估计的可用带宽值自适应调整拥塞避免的加性因子以改变拥塞窗口增长趋势。实验结果表明,该方法相对于传统拥塞控制算法具有更好的性能,数据传输耗时更少。（3）完成了机载SAR性能诊测系统的集成,并对机载SAR性能诊测系统开展了相应的功能与性能测试。测试结果表明,机载SAR性能诊测系统具备了任务参数设置、回波模拟、机载SAR成像展示、任务适应性评估、任务失效成因推理以及多种数据可视化等功能;本文提出的基于可用带宽估计的自适应拥塞避免算法相比于传统拥塞避免算法,在传输耗时指标上缩减了6%,有效提升了机载SAR性能诊测系统的诊测效率。
杨军[9]（2021）在《小卫星SAR子孔径成像技术研究》文中提出合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种全天时、全天候、远距离观测的主动式微波遥感技术,具有一定的穿透能力、很强的信息获取能力和高分辨率成像能力,在军事和民用领域都具有重要的实际应用价值。小卫星SAR具有发射灵活、研制周期短、反应能力强、成本低等优点,在编队和组网运行方面具有明显优势,并日渐成为研究热点。高分辨率宽测绘带（High Resolution Wide Swath,HRWS）成像是SAR的一个重要发展目标。随着分辨率和测绘带宽度的不断提高,雷达录取的回波数据势必会激增,这给体积和重量均有限的小卫星在数据存储和处理方面带来困难和挑战。因此需要在满足成像需求的同时尽量减小雷达的回波数据负荷。对此,本文对小卫星SAR子孔径成像技术进行了研究,设计并仿真实现了低回波数据量下的成像处理算法。本文主要研究内容如下:（1）针对单站小卫星SAR聚束模式,提出一种基于改进的距离徙动算法（Range Migration Algorithm,RMA）的子孔径实时成像算法。通过处理子孔径信号来降低被处理信号的多普勒带宽,使得脉冲重复频率（Pulse Repetition Frequency,PRF）只需大于子孔径多普勒带宽即可避免方位模糊,大大降低了星载SAR在方位向需要采集的回波数据量,并解决了单站SAR高分辨率与宽测绘带之间相互矛盾的问题,从而实现HRWS成像;通过将全孔径划分为若干个子孔径,使得雷达在录取当前回波信号的同时,可以对已录取的子孔径信号进行成像处理,从而实现实时成像。所提算法采用改进的RMA进行距离单元徙动校正和脉冲压缩。相比于传统的RMA,改进的RMA的插值区域要小得多,大幅度降低了stolt插值的计算量,在实时成像方面更具优势。（2）针对分布式小卫星多发多收合成孔径雷达（Multiple-input Multiple-output SAR,MIMO-SAR）的聚束工作模式,提出一种子孔径成像算法,能够在多通道高分辨率模式下降低卫星的存储压力以及成像负荷。该算法将各通道的全孔径信号划分为子孔径信号;然后使用空域滤波技术对子孔径信号进行解模糊处理,并利用改进的时域带宽合成（Time-domain Bandwidth Synthesis,TBS）算法获得大带宽信号;最后使用子孔径图像融合技术获得子孔径图像,并将子孔径图像进行相干融合获得高分辨率图像。仿真实验表明:改进的TBS算法能够有效地合成带宽,并且所提成像算法的成像效果良好,该成像算法的有效性和可靠性得以验证。
李腾[10]（2020）在《基于稀疏表示的机载SAR超分辨率成像处理研究》文中认为机载合成孔径雷达（Synthetic Aperture Radar,SAR）系统平台灵活性高,具备二维高分辨率测绘性能和全天时、全天候工作的特点,在军事领域和民用领域都得到了极为广泛的应用。然而,由于诸多因素的限制,如硬件成本、自然环境等,SAR系统重建图像质量可能会达不到预期目标。利用图像后处理实现分辨率的改善成为近年来遥感成像领域的热点之一。针对机载圆迹SAR系统,本文分别研究了子孔径和全孔径数据的超分辨率成像技术,实现重建点目标响应函数的旁瓣抑制以及图像分辨率改善。首先,研究了基于非线性调频信号的稀疏成像处理,利用非线性调频特性和稀疏约束共同实现重建响应函数的旁瓣抑制,从而避免强散射点目标对邻近弱目标的掩蔽。然后,对聚束模式下的极坐标格式算法（Polar Format Algorithm,PFA）进行研究。提出基于迭代阈值算法（Iterative Threshold Algorithm,ITA）的二维稀疏约束重建,实现点目标响应函数的旁瓣抑制。最后,研究了基于字典稀疏表示的SAR图像超分辨率处理。通过一阶梯度、二阶梯度特征方法进行图像特征提取,对高分辨率图像和低分辨率图像联合训练产生联合训练字典,通过局部稀疏约束方法进行求解。仿真实验结果对本文的研究提供了可靠的验证。
二、SIMULATION STUDY ON AIRBORNE SAR ECHO SIGNAL（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、SIMULATION STUDY ON AIRBORNE SAR ECHO SIGNAL（论文提纲范文）
（1）基于ZYNQ的机载SAR实时回波仿真研究（论文提纲范文）
| 1 引言 |
| 2 回波仿真算法 |
| 2.1 回波仿真算法与优化 |
| 2.2 回波仿真算法性能对比 |
| 3 机载SAR回波仿真方法 |
| 3.1 合成孔径雷达频域仿真技术 |
| 3.2 合成孔径雷达时域仿真技术 |
| 4 回波仿真器设计与分析 |
| 4.1 硬件实现平台 |
| 4.2 脚本CORDIC仿真方法 |
| 5 实验结果及分析 |
| 6 结论 |
（2）相控阵机载SAR海面动目标成像算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外相控阵雷达的研究现状及分析 |
| 1.2.1 国外相控阵雷达主要发展阶段研究 |
| 1.2.2 国内相控阵雷达发展情况 |
| 1.3 机载SAR动目标成像研究现状 |
| 1.4 本文的主要内容与结构安排 |
| 第2章 相控阵机载SAR成像机理研究 |
| 2.1 引言 |
| 2.2 SAR动目标成像基本理论及回波模型建立 |
| 2.3 DBF-SCORE波束控制成像方法 |
| 2.3.1 DBF-SCORE俯仰向波束控制原理 |
| 2.3.2 俯仰向自适应Capon谱估计法 |
| 2.3.3 方位向非均匀PRF采样重构算法 |
| 2.3.4 仿真实验与结果分析 |
| 2.3.5 实测数据与结果分析 |
| 2.4 TOPSAR方位向扫描成像方法 |
| 2.4.1 TOPSAR方位向波束控制原理 |
| 2.4.2 TOPSAR扫描模式成像算法 |
| 2.4.3 仿真实验与结果分析 |
| 2.5 本章小结 |
| 第3章 海面舰船动目标压缩感知成像算法研究 |
| 3.1 引言 |
| 3.2 舰船目标CS成像机理 |
| 3.2.1 海面舰船的正交匹配追踪算法 |
| 3.2.2 仿真实验与结果分析 |
| 3.3 块稀疏压缩感知成像算法 |
| 3.3.1 海面舰船的块稀疏BOMP成像算法 |
| 3.3.2 仿真实验与结果分析 |
| 3.4 块稀疏贝叶斯学习BSBL成像算法 |
| 3.4.1 海面舰船的块稀疏BSBL成像算法 |
| 3.4.2 仿真实验与结果分析 |
| 3.5 联合块稀疏JBOMP成像算法 |
| 3.5.1 海面舰船的联合块稀疏JBOMP成像算法 |
| 3.5.2 仿真实验与结果分析 |
| 3.5.3 实测数据与结果分析 |
| 3.6 本章小结 |
| 第4章 海面舰船动目标的多普勒参数估计及自聚焦 |
| 4.1 引言 |
| 4.2 多普勒参数估计 |
| 4.2.1 Radon-Wigner估计多普勒参数 |
| 4.2.2 SoWVD变换估计多普勒参数 |
| 4.2.3 仿真实验与结果分析 |
| 4.3 舰船目标自聚焦成像 |
| 4.3.1 最大对比度/最小熵算法 |
| 4.3.2 分块PGA自聚焦算法 |
| 4.3.3 实测数据与结果分析 |
| 4.4 舰船目标时频分析瞬态像 |
| 4.4.1 传统时频类成像法 |
| 4.4.2 仿真实验与结果分析 |
| 4.4.3 实测数据与结果分析 |
| 4.5 同步压缩时频变换成像法 |
| 4.5.1 同步压缩SST-CWT变换 |
| 4.5.2 同步压缩SST-Chirplet变换 |
| 4.5.3 同步压缩SST-STFT变换 |
| 4.5.4 同步压缩时频变换的误差分析 |
| 4.5.5 仿真实验与结果分析 |
| 4.5.6 实测数据与结果分析 |
| 4.6 本章小结 |
| 第5章 海面舰船动目标的方位向定位算法 |
| 5.1 引言 |
| 5.2 基于VSAR的海面舰船动目标定位算法 |
| 5.2.1 VSAR算法概述 |
| 5.2.2 VSAR算法运动目标成像模型 |
| 5.2.3 VSAR算法运动目标定位机理 |
| 5.3 仿真实验与结果分析 |
| 5.4 实测数据与结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）基于FPGA的雷达地面目标SAR成像方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 第二章 SAR成像理论及算法研究 |
| 2.1 SAR成像理论 |
| 2.1.1 SAR成像原理 |
| 2.1.2 SAR成像性能指标 |
| 2.1.3 SAR回波信号处理技术 |
| 2.2 地面点目标成像模型建立 |
| 2.2.1 SAR回波信号模型建立 |
| 2.2.2 SAR成像模型参数设置 |
| 2.2.3 SAR回波数据生成 |
| 2.3 SAR成像算法研究及仿真结果对比 |
| 2.3.1 RD算法 |
| 2.3.2 改进RD算法 |
| 2.3.3 CS算法 |
| 2.4 算法选择及频率分析方法改进 |
| 2.4.1 基于FPGA的SAR成像算法选择 |
| 2.4.2 频率分析方法改进 |
| 2.5 本章小结 |
| 第三章 基于FPGA的SAR成像方案设计 |
| 3.1 方案设计 |
| 3.1.1 基于FPGA的SAR成像方案 |
| 3.1.2 预期技术指标 |
| 3.2 预处理模块设计 |
| 3.2.1 AD采样控制模块设计 |
| 3.2.2 数字下变频模块设计 |
| 3.3 基于FPGA的RD算法模块设计 |
| 3.3.1 RD算法模块设计 |
| 3.3.2 脉冲压缩模块的FPGA设计 |
| 3.3.3 距离徙动校正模块设计 |
| 3.4 基于CZT的脉冲压缩模块改进设计 |
| 3.5 本章小结 |
| 第四章 基于FPGA的SAR成像方法实现 |
| 4.1 FPGA仿真验证平台简介 |
| 4.2 基于FPGA的AD采样控制模块实现 |
| 4.3 数字下变频模块实现 |
| 4.3.1 两路正交信号产生 |
| 4.3.2 抽取滤波模块实现 |
| 4.3.3 低通滤波器实现 |
| 4.3.4 数字下变频模块全程仿真结果 |
| 4.4 距离向脉冲压缩模块实现 |
| 4.4.1 基于FPGA的FFT模块实现 |
| 4.4.2 复数乘法器模块搭建 |
| 4.4.3 IFFT计算模块实现 |
| 4.4.4 距离向脉冲压缩模块仿真结果分析 |
| 4.5 距离徙动校正模块实现 |
| 4.6 方位向脉冲压缩模块实现 |
| 4.7 基于FPGA的CZT模块实现 |
| 4.7.1 基于CZT的回波信号时频转换 |
| 4.7.2 FFT与CZT的脉冲压缩结果对比 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究内容及成果 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（4）多通道SAR地面运动目标检测与成像研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号对照表 |
| 缩略语对照表 |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多通道SAR-GMTI系统发展现状 |
| 1.2.2 SAR运动目标检测研究现状 |
| 1.2.3 SAR运动目标成像研究现状 |
| 1.2.4 目前存在的问题 |
| 1.3 本文研究内容与结构安排 |
| 第2章 多通道SAR回波信号模型和杂波抑制方法 |
| 2.1 引言 |
| 2.2 多通道SAR回波信号模型分析 |
| 2.2.1 多通道SAR运动目标成像几何构型 |
| 2.2.2 运动目标与杂波信号模型 |
| 2.2.3 运动目标与杂波多普勒特性分析 |
| 2.3 地物杂波统计特性分析 |
| 2.4 基于DPCA-BCS的双通道SAR杂波抑制方法 |
| 2.4.1 压缩感知理论 |
| 2.4.2 双通道DPCA技术 |
| 2.4.3 基于稀疏贝叶斯学习的重构算法 |
| 2.4.4 实验结果与分析 |
| 2.5 基于STAP-BCS的多通道SAR杂波抑制方法 |
| 2.5.1 多通道STAP技术 |
| 2.5.2 BCS重构算法 |
| 2.5.3 实验结果与分析 |
| 2.6 本章小结 |
| 第3章 非均匀杂波环境下多通道SAR运动目标检测与重定位 |
| 3.1 引言 |
| 3.2 基于子孔径的图像序列生成 |
| 3.3 径向速度对目标位置影响 |
| 3.4 多目标随机有限集模型 |
| 3.5 基于改进GMPHD滤波器的SAR运动目标检测 |
| 3.5.1 GMPHD滤波器 |
| 3.5.2 改进GMPHD滤波器 |
| 3.6 实验结果与分析 |
| 3.6.1 仿真结果与分析 |
| 3.6.2 Gotcha SAR实测数据实验 |
| 3.7 本章小结 |
| 第4章 基于稀疏贝叶斯学习的SAR多运动目标成像 |
| 4.1 引言 |
| 4.2 多目标稀疏观测模型 |
| 4.3 基于CHIRPLET-BCS的SAR多运动目标成像方法 |
| 4.3.1 基于Chirplet基的自适应分解 |
| 4.3.2 基于BCS的多目标稀疏重构算法 |
| 4.4 实验结果与分析 |
| 4.4.1 仿真结果与分析 |
| 4.4.2 机载SAR实测数据实验 |
| 4.4.3 星载TerraSAR-X实测数据实验 |
| 4.4.4 Gotcha SAR实测数据实验 |
| 4.5 本章小结 |
| 第5章 基于DCNN的多通道SAR慢速多运动目标快速成像 |
| 5.1 引言 |
| 5.2 深度学习对逆问题的求解 |
| 5.3 基于卷积神经网络的SAR多运动目标快速成像 |
| 5.3.1 基于DCNN的多运动目标成像原理 |
| 5.3.2 成像网络架构 |
| 5.3.3 成像网络的反向传播 |
| 5.3.4 实验数据与结果分析 |
| 5.4 基于复数域卷积神经网络的多通道SAR慢速多目标成像 |
| 5.4.1 基于CV-CNN的多通道SAR慢速多目标成像原理 |
| 5.4.2 复数域成像网络架构 |
| 5.4.3 复数域成像网络的反向传播 |
| 5.4.4 实验数据与结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（5）高分辨率毫米波SAR成像处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究概况 |
| 1.2.1 毫米波SAR的发展概况 |
| 1.2.2 高分辨率SAR成像发展概况 |
| 1.3 论文的研究内容与结构安排 |
| 1.4 论文的主要创新点 |
| 第二章 毫米波SAR成像理论基础 |
| 2.1 引言 |
| 2.2 毫米波SAR运动误差几何模型 |
| 2.3 高分辨率SAR运动补偿精度综合分析 |
| 2.4 高分辨率成像算法 |
| 2.4.1 去调频处理方法 |
| 2.4.2 后向投影算法 |
| 2.5 仿真实验 |
| 2.6 本章小结 |
| 第三章 基于移动最小二乘法的运动补偿方法 |
| 3.1 引言 |
| 3.2 实测数据运动误差分析 |
| 3.3 运动误差补偿方法 |
| 3.3.1 移动最小二乘法 |
| 3.3.2 运动误差补偿方法 |
| 3.4 仿真与实测数据成像实验 |
| 3.5 本章小结 |
| 第四章 高分辨率自聚焦运动补偿方法 |
| 4.1 引言 |
| 4.2 改进最大范数运动补偿方法 |
| 4.2.1 特显点样本信号 |
| 4.2.2 多普勒线性相位补偿方法 |
| 4.2.3 相位误差补偿方法 |
| 4.3 仿真与实测数据成像实验 |
| 4.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的学术成果 |
| 个人简历 |
（6）机载认知SAR二维波形设计方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 认知雷达研究现状及其关键技术 |
| 1.2.2 认知SAR研究现状 |
| 1.3 论文的内容与安排 |
| 第二章 认知SAR与环境感知 |
| 2.1 传统机载SAR成像 |
| 2.1.1 传统机载SAR回波建模 |
| 2.1.2 传统机载SAR的局限与发展 |
| 2.2 认知SAR系统架构 |
| 2.2.1 认知雷达架构 |
| 2.2.2 认知SAR系统架构 |
| 2.3 认知SAR的环境感知 |
| 2.3.1 环境的静态和动态信息 |
| 2.3.2 环境信息的感知方法 |
| 2.3.3 杂波的建模与仿真 |
| 2.4 本章小结 |
| 第三章 认知SAR一维波形设计方法 |
| 3.1 成像最优波形 |
| 3.1.1 成像最优波形原理推导 |
| 3.1.2 BP成像算法 |
| 3.1.3 成像仿真实验 |
| 3.2 检测最优波形 |
| 3.2.1 检测最优波形原理推导 |
| 3.2.2 波形设计仿真 |
| 3.2.3 成像实验仿真 |
| 3.3 基于最大信杂噪比的联合最优波形 |
| 3.3.1 联合最优波形原理推导 |
| 3.3.2 波形设计仿真 |
| 3.3.3 成像实验仿真 |
| 3.4 本章小结 |
| 第四章 认知SAR二维波形设计方法 |
| 4.1 认知SAR方位维波形设计 |
| 4.1.1 SAR方位向信号特性分析 |
| 4.1.2 基于目标匹配的联合最优方位向波形设计方法 |
| 4.1.3 仿真实验验证 |
| 4.2 认知SAR二维波形设计 |
| 4.2.1 问题分析 |
| 4.2.2 仿真实验 |
| 4.3 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（7）SAR图像仿真方法研究综述（论文提纲范文）
| 1 基于特征的SAR图像仿真方法 |
| 1.1 目标几何建模 |
| 1.2 电磁散射计算 |
| 1.3 仿真生成SAR图像 |
| 2 基于回波信号的SAR图像仿真方法 |
| 2.1 SAR几何模型 |
| 2.2 SAR回波仿真 |
| 2.3 仿真生成SAR图像 |
| 3 基于SAR图像的仿真方法 |
| 4 结语 |
（8）机载SAR性能诊测系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 文章结构安排 |
| 第二章 机载SAR性能诊测系统的关键技术 |
| 2.1 机载SAR性能诊测系统基本原理 |
| 2.1.1 回波模拟 |
| 2.1.2 性能诊测 |
| 2.2 机载SAR性能诊测系统软件平台技术 |
| 2.2.1 微服务架构 |
| 2.2.2 自动化部署技术 |
| 2.3 拥塞控制算法概述 |
| 2.3.1 TCP协议 |
| 2.3.2 TCP拥塞控制 |
| 2.3.3 拥塞控制算法 |
| 2.3.4 评价标准 |
| 2.4 本章小结 |
| 第三章 机载SAR性能诊测系统的设计 |
| 3.1 需求分析 |
| 3.1.1 系统功能分析 |
| 3.1.2 系统性能分析 |
| 3.2 设计开发原则 |
| 3.3 系统硬件平台 |
| 3.3.1 系统硬件组成 |
| 3.3.2 系统硬件通信 |
| 3.4 系统软件技术方案 |
| 3.5 系统服务设计 |
| 3.5.1 网关服务 |
| 3.5.2 服务注册中心 |
| 3.5.3 算法服务 |
| 3.5.4 回波模拟服务 |
| 3.5.5 用户管理服务 |
| 3.5.6 数据管理服务 |
| 3.5.7 文件传输服务 |
| 3.6 本章小结 |
| 第四章 拥塞控制算法的改进 |
| 4.1 问题描述 |
| 4.2 拥塞避免分析 |
| 4.3 可用带宽估计 |
| 4.3.1 带宽与可用带宽 |
| 4.3.2 可用带宽估计的方法 |
| 4.4 自适应拥塞避免机制 |
| 4.5 改进拥塞控制算法性能分析 |
| 4.5.1 测试环境搭建 |
| 4.5.2 吞吐量分析 |
| 4.5.3 往返时延分析 |
| 4.5.4 数据传输效率分析 |
| 4.6 本章小结 |
| 第五章 机载SAR性能诊测系统的实现与测试 |
| 5.1 机载SAR性能诊测系统的实现 |
| 5.1.1 开发环境 |
| 5.1.2 服务管理实现 |
| 5.1.3 后台服务与客户端交互 |
| 5.1.4 回波模拟实现 |
| 5.1.5 算法服务实现 |
| 5.1.6 数据管理服务实现 |
| 5.2 机载SAR性能诊测系统部署 |
| 5.3 机载SAR性能诊测系统测试 |
| 5.3.1 功能测试 |
| 5.3.2 性能测试 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（9）小卫星SAR子孔径成像技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 SAR国内外的研究现状和发展状况 |
| 1.2.1 机载SAR的发展 |
| 1.2.2 星载SAR的发展 |
| 1.3 子孔径成像算法研究现状 |
| 1.4 本文主要研究内容及结构安排 |
| 第二章 SAR成像基本原理 |
| 2.1 星载SAR几何关系 |
| 2.2 二维分辨率 |
| 2.2.1 距离向分辨率 |
| 2.2.2 方位向分辨率 |
| 2.3 最小天线面积约束 |
| 2.4 本章小结 |
| 第三章 基于子孔径处理的单站星载SAR实时成像算法 |
| 3.1 单星聚束SAR的子孔径信号模型和多普勒分析 |
| 3.2 单星聚束SAR子孔径实时成像算法 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第四章 小卫星MIMO-SAR聚束模式的子孔径成像算法 |
| 4.1 小卫星聚束模式MIMO-SAR工作模式及信号模型 |
| 4.2 多普勒特性分析 |
| 4.3 信号处理流程 |
| 4.3.1 基于空域滤波的无模糊方位信号恢复 |
| 4.3.2 改进的时域频带合成技术 |
| 4.3.3 子孔径图像融合成像算法 |
| 4.4 仿真实验及结果分析 |
| 4.4.1 验证改进的TBS方法 |
| 4.4.2 点目标仿真 |
| 4.4.3 分布式目标仿真 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（10）基于稀疏表示的机载SAR超分辨率成像处理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 国内外研究现状及发展趋势 |
| 1.2 课题背景及研究意义 |
| 1.3 本文的研究内容及安排 |
| 第二章 机载SAR成像原理 |
| 2.1 机载SAR成像原理 |
| 2.1.1 机载SAR信号模型 |
| 2.1.2 线性航迹SAR分辨率 |
| 2.1.3 圆迹SAR分辨率 |
| 2.2 BPA成像 |
| 2.3 本章小结 |
| 第三章 基于非线性调频信号的稀疏成像处理 |
| 3.1 相位驻留原理 |
| 3.2 非线性调频信号的设计 |
| 3.3 稀疏约束成像 |
| 3.4 仿真实验及结果 |
| 3.5 本章小结 |
| 第四章 基于ITA的 PFA |
| 4.1 PFA成像处理 |
| 4.1.1 距离向插值 |
| 4.1.2 方位向插值 |
| 4.1.3 两维傅里叶变换成像 |
| 4.2 两维稀疏约束成像 |
| 4.2.1 基于ITA的稀疏成像 |
| 4.3 仿真实验及结果 |
| 4.4 本章小结 |
| 第五章 基于字典稀疏表示的SAR图像超分辨率 |
| 5.1 稀疏字典的构造 |
| 5.1.1 图像库的选取 |
| 5.1.2 字典学习算法 |
| 5.1.3 低分辨率图像块特征表示 |
| 5.2 基于稀疏的图像超分辨率重建 |
| 5.2.1 雷达图像重建算法流程 |
| 5.2.2 局部稀疏约束模型 |
| 5.2.3 仿真实验及结果 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作内容总结 |
| 6.2 前景展望 |
| 参考文献 |
| 附录 攻读硕士学位期间发表的论文 |
| 致谢 |
四、SIMULATION STUDY ON AIRBORNE SAR ECHO SIGNAL（论文参考文献）
- [1]基于ZYNQ的机载SAR实时回波仿真研究[J]. 赵文达,韩松. 计算机仿真, 2021(08)
- [2]相控阵机载SAR海面动目标成像算法研究[D]. 张璘. 哈尔滨工业大学, 2021(02)
- [3]基于FPGA的雷达地面目标SAR成像方法研究[D]. 欧海峰. 西安石油大学, 2021(09)
- [4]多通道SAR地面运动目标检测与成像研究[D]. 穆慧琳. 哈尔滨工业大学, 2021(02)
- [5]高分辨率毫米波SAR成像处理方法研究[D]. 薛蒙. 内蒙古工业大学, 2021(01)
- [6]机载认知SAR二维波形设计方法研究[D]. 杨佩. 电子科技大学, 2021(01)
- [7]SAR图像仿真方法研究综述[J]. 李高源,王晋宇,张长弓,冯博迪,高宇歌,杨海涛. 计算机工程与应用, 2021(15)
- [8]机载SAR性能诊测系统设计与实现[D]. 罗星林. 电子科技大学, 2021(01)
- [9]小卫星SAR子孔径成像技术研究[D]. 杨军. 合肥工业大学, 2021(02)
- [10]基于稀疏表示的机载SAR超分辨率成像处理研究[D]. 李腾. 南京邮电大学, 2020(02)