雷达SAR极坐标格式算法与距离徙动算法的比较

聚束SAR是SAR的一种重要成像模式,它突破了传统条带SAR方位分辨率受限于真实天线孔径长度的约束,可获得更高的方位向分辨率。主要研究极坐标格式算法(PFA)与距离徙动算法的比较,重点讨论PFA中的二维插值原理,在理论分析基础上用IDL软件进行了点目标仿真和比较。     

斜视滑动聚束SAR成像的ECS算法

建立典型滑动聚束SAR(合成孔径雷达)斜视成像模型.在考虑不同方位目标回波信号多普勒空变性的情况下,详细分析两步算法方位滤波恢复滑动聚束SAR方位欠采样信号的原理.对结合两步算法和传统CS算法的ECS算法进行了在斜视成像模型下的修正.针对滑动聚束工作模式的特点,讨论其中关键处理参数的选择问题,给出算法的处理流程.最后,用计算机仿真实验验证了方法的有效性.     

斜视聚束模式下的DCS算法

聚束SAR回波的多普勒带宽通常大于方位向采样率. 为避免方位频谱混叠,首先进行方位deramp消除频谱混叠,然后利用CS算法进行精确聚焦.在距离压缩前增加了距离频率3次和4次相位补偿,通过分析仿真结果发现该算法不仅能在大斜视下取得良好的聚焦图像,而且还能消除原DCS算法存在的距离压缩信号左右旁瓣不对称现象.基于斜视聚束模型,给出了一种改进的DCS算法的详细推导过程. 仿真结果表明,该算法可用于大斜视聚束SAR成像处理.     

一种适合机载SAR变换模式的PFA成像处理方法

针对机载合成孔径雷达(SAR)的实际需求,在详细分析条带转聚束模式的工作特点和对模式变换中的雷达回波信号进行精确建模的基础上,提出一种高效的成像处理方法.该方法通过运动补偿将条带成像与聚束成像相结合,并利用极坐标格式成像算法(PFA)对条带聚束变换模式进行成像,实现了模式变换前后数据处理结果的共用,既可以节省处理运算量和时间,也可以节省数据缓存空间,适合于机上实时成像处理器的实现.分析和仿真结果验证了方法的高效性和有效性.     

条带模式、聚束模式和滑动聚束模式的比较

条带模式、聚束模式和滑动聚束模式是SAR的3种工作模式.系统地论证了3种成像模式的区别,包括在成像几何模型、方位向频率历程、距离徙动、天线扫描速度及方位向测绘带宽度、方位分辨率和回波方程等方面的区别,并通过对3种模式回波的模拟,进一步阐述了三者之间的区别.通过对条带SAR、聚束SAR和滑动聚束SAR的比较,可以看出条带SAR和聚束SAR都是滑动聚束SAR的特例.     

TerraSAR-X卫星聚束模式数据干涉处理研究和分析

TerraSAR-X卫星可以向用户提供最高分辨率和高质量的遥感数据。TerraSAR-X采用有源相控阵天线,具备多种成像模式和多极化成像能力,可以获取地物细节信息,但成像模式也增加了干涉处理的难度。本论文主要讨论聚束模式的干涉处理问题。     

聚类算法的分析与研究

本文对聚类分析中聚类算法的基本理论进行了详细分析研究,并在此基础上,提出了一个聚类算法的通用算法框架。     

编目数据由文本格式处理成MARC格式的C语言算法

阐述了西安电子科技大学图书馆如何处理从老系统中导出的文本数据，并生成标准的CNMARC格式这一难题；说明了在数据处理中面临的问题和解决问题的方法；最后给出了C语言实现的算法。     

基于逆成像算法的SAR分布目标原始数据仿真

通过对合成孔径雷达（SAR）成像原理的分析,提出了一种基于逆成像算法的SAR分布目标原始数据的高效仿真方法。该方法根据CS（chirp scaling）成像算法的思想,采用逆推的方法,由目标散射系数计算得到的SAR聚焦成像数据,经过方位向解压缩、距离向解压缩以及距离弯曲补偿,反演模拟出SAR原始数据。给出了利用ICS（inverse chirp scahng）方法获取SAR原始数据的仿真模型和实现步骤,并仿真出SAR分布目标原始数据,经距离多普勒成像算法处理后,给出了原始数据成像结果,仿真结果表明该方法可以快速准确的模拟SAR分布目标原始数据。     

通用的多模式SAR处理算法

标准条带成像处理算法不适用于新的合成孔径雷达成像模式.基于方位频率去斜原理,对多模式回波进行处理,使其具有一致的时频历程,从而实现通用的成像处理过程.对多模式SAR仿真回波数据的处理结果表明,采用这种算法能够实现各种模式的精确成像.     

机载单天线SAR动目标检测与参数估计

对机载单天线SAR/GMTI模式下动目标参数估计精度较低的问题进行研究.首先,用多普勒频移量和距离走动量来估计动目标径向速度,根据估计的结果校正距离走动.然后,用改进的反射特性位移法来估计动目标的多普勒调频率,在不存在加速度时估计出动目标方位向速度.这样就可以在进行动目标参数估计的同时实现聚焦成像.仿真结果验证了该方法的有效性.     

基于社会演化算法的聚类新算法

K均值聚类算法通常只能以局部最优结束,很难找到全局最优。提出了一种基于社会演化算法和K均值算法相结合的聚类新算法。在该算法中提出了认知主体在聚类中对范式学习的新的方式。实验证明该算法能大大提高聚类的效率和精度。     

模糊c均值聚类在wav格式音频检索中的研究

应用模糊c均值聚类方法对wav格式的音频检索。不同于以前为音频建模和分类的监督机制,而是通过对音频数据的特征进行模糊聚类形成聚类质心,根据聚类质心的相似度匹配来实现非监督机制的音频检索,并优化参数以提高检索准确度。     

文本聚类算法的比较研究

本文对K-means和CURE聚类算法的算法思想和优缺点进行了深入的理论研究,并对这两类算法的性能进行了分析与比较。     

基于Web日志的数据挖掘聚类算法研究及应用

针对FCM算法主要应用于点数据聚类,不能直接处理关系型数据的缺点。本文提出了一种基于Web日志的数据挖掘聚类算法,首先对FCM算法进行改进使其能够处理关系型数据,并对算法进行了健壮性改进。然后针对传统FCM算法需要在没有先验知识的基础上,事先确定聚类类别数的缺点,引入了竞争凝聚算法(CA),与FCM算法相结合,形成了CA-FCM算法,使之能够自动确定最佳分类类别数。实验表明,CA-FCM算法的挖掘结果与FCM算法的结果相近,在用户访问会话数量不太大时性能优于FCM算法。     

基于k-means聚类算法的专利地图制作方法研究

利用专利文献,制作专利地图是有效监测和了解技术发展现状和趋势的重要手段之一,因此最近几年以来,关于专利地图的研究在知识产权领域引起了广泛的关注。本文分析了专利地图在国内外的研究现状,归纳了专利地图的功能,剖析了当前专利地图制作方法的不足,利用了专利文献中的结构化项目和非结构化项目,通过k-means聚类算法,形成语义网络,并最终制作完成可视化专利地图。而根据该专利地图,可以清晰而直观的看出所研究目标技术领域的技术发展路径。     

空间数据挖掘中的聚类算法

较为系统的综述了当前空间聚类算法的相关研究。依据这些算法的特点,将它们归纳为两类：划分聚类算法、层次聚类算法。针对划分聚类算法,重点分析了PAM、CLARA和CLARANS算法。针对层次聚类算法,重点分析了BIRCH、CURE算法。比较了这些算法的复杂度,并介绍了相关应用。     

聚类算法在评估区域水资源中的应用

本文首先阐述了聚类分析的基本原理,归纳层次聚类分析的步骤和方法,并使用它对我国部分区域水资源进行了科学的分类。     

科学计量学常用工具的聚类算法分析

介绍聚类算法的过程以及聚类有效性指标的分类,分别评述科学计量学常用软件中的几种聚类算法,分析聚类算法的特性并采用基于类内紧密度和类间分离度对聚类结果的有效性进行探讨,总结各聚类算法的效果并对应软件分析的结果进行案例分析。     

核空间二次蚁群聚类算法的研究

传统的聚类算法在处理复杂特征数据时效果不理想,为此提出使用高斯径向基核函数将原空间上的数据映射到高维特征空间后,再用蚂蚁算法进行第一次聚类,针对第一次聚类结果得到较多簇等问题,提出再用马赛克算法进行二次聚类,得到较为接近真实情况的簇数目。