共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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. 相似文献
3.
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. 相似文献
4.
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. 相似文献
5.
条带模式、聚束模式和滑动聚束模式的比较 总被引:2,自引:0,他引:2
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. 相似文献
6.
7.
8.
9.
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。 相似文献
10.
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. 相似文献
11.
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. 相似文献
12.
基于社会演化算法的聚类新算法 总被引:1,自引:0,他引:1
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。 相似文献
13.
14.
15.
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。 相似文献
16.
17.
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。 相似文献
18.
19.
20.
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。 相似文献