当前位置:首页 > 工业技术
超宽带SAR浅埋目标成像与检测的理论和技术研究
超宽带SAR浅埋目标成像与检测的理论和技术研究

超宽带SAR浅埋目标成像与检测的理论和技术研究PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:金添著;王振国主编;王维平,吴丹,王雪松等副主编
  • 出 版 社:长沙:国防科技大学出版社
  • 出版年份:2011
  • ISBN:9787810998406
  • 页数:178 页
图书介绍:本书重点研究和设计了高效、抗噪声、可实现性强以及具有特殊功能的新的量子密码协议,并从安全性和效率等方面对所设计的协议进行分析。
《超宽带SAR浅埋目标成像与检测的理论和技术研究》目录

第一章 绪论 1

1.1 课题研究背景及意义 1

1.1.1 超宽带SAR浅埋目标成像与检测研究的兴起与发展 1

1.1.2 超宽带SAR浅埋目标成像与检测研究的意义 3

1.2 国内外研究现状 4

1.2.1 典型的超宽带SAR浅埋目标探测系统 4

1.2.2 浅埋目标成像技术研究现状 7

1.2.3 浅埋目标检测技术研究现状 9

1.3 超宽带SAR浅埋目标成像与检测中存在的问题 12

1.4 本书主要工作及内容安排 13

第二章 超宽带SAR成像与检测一体化框架 16

2.1 引言 16

2.2 几种典型的超宽带SAR发射波形 19

2.2.1 冲激脉冲信号 19

2.2.2 线性调频脉冲信号 20

2.2.3 步进频率信号 20

2.3 超宽带SAR目标回波模型 21

2.4 超宽带SAR成像模型 24

2.4.1 典型的频域成像算法:距离迁移(RM)算法 25

2.4.2 典型的时域成像算法:后向投影(BP)算法 28

2.4.3 统一的超宽带SAR成像模型 30

2.4.4 RM算法与BP算法进一步比较 34

2.5 超宽带SAR成像与检测一体化框架的理论和实现技术 38

2.5.1 时频表示成像算法(TFRIF) 38

2.5.2 成像与检测一体化框架原理和基于TFRIF的实现技术 42

2.5.3 1D-TFRIF性能分析及其在面向检测的成像中的应用 45

2.5.4 2D-TFRIF性能分析及其在基于成像的检测中的应用 49

2.6 本章小结 53

第三章 浅埋目标成像算法及干扰抑制技术 54

3.1 引言 54

3.2 浅埋目标回波畸变及其对成像的影响 55

3.2.1 折射和色散引起的浅埋目标回波畸变定量分析 55

3.2.2 折射和色散对浅埋目标聚焦和定位的影响 59

3.3 回波域折射和色散影响校正方法 62

3.3.1 修正波前重构(MWR)算法 62

3.3.2 浅地表BP(SBP)算法 63

3.4 图像域折射和色散影响校正方法 64

3.5 基于二维频域支撑区特性的射频干扰(FRI)抑制技术 69

3.5.1 RFI抑制方法研究现状 70

3.5.2 RFI信号二维频域支撑区特性 71

3.5.3 自适应RFI抑制滤波器设计 73

3.5.4 实测数据RFI抑制结果 74

3.6 基于多视处理的相干斑噪声抑制技术 75

3.6.1 不同俯视角成像平面的畸变关系分析 76

3.6.2 浅埋目标不同俯视角多视图像的配准方法 77

3.6.3 实测数据相干斑噪声抑制结果 79

3.7 本章小结 80

第四章 超宽带SAR浅埋目标特征提取 82

4.1 引言 82

4.2 超宽带SAR浅埋金属地雷二维电磁特征建模 83

4.2.1 基于物理光学法的浅埋金属地雷一维回波解析表达式 84

4.2.2 浅埋金属地雷二维电磁特征分析 86

4.2.3 理论建模结果与实测结果对比 87

4.2.4 金属地雷电磁建模方法进一步讨论 89

4.3 金属地雷双峰特征增强算法 90

4.3.1 金属地雷双峰结构对方位聚焦的影响 90

4.3.2 基于后滤波器的双峰特征增强算法 91

4.3.3 实测数据处理结果 92

4.4 金属地雷目标特征提取方法 95

4.4.1 金属地雷目标四维散射函数估计 95

4.4.2 金属地雷目标特征选择 96

4.4.3 金属地雷和杂波特征提取结果对比 98

4.5 未爆物目标特征提取方法 100

4.5.1 未爆物目标散射方位特性分析 101

4.5.2 未爆物目标四维散射函数估计 104

4.5.3 基于幅度和图像不变矩构造未爆物鉴别特征向量 105

4.5.4 基于实测数据的特征有效性比较 107

4.6 本章小结 108

第五章 超宽带SAR浅埋目标鉴别器设计 109

5.1 引言 109

5.2 统计学习理论和支持向量机 110

5.2.1 经典模式识别方法的局限性 111

5.2.2 统计学习理论(SLT)简介 112

5.2.3 最大边缘算法 115

5.2.4 超平面支持向量机(HP-SVM)原理简述 117

5.3 模糊超球面支持向量机浅埋目标鉴别器 119

5.3.1 超球面支持向量机(HS-SVM)浅埋目标鉴别器 119

5.3.2 模糊超球面支持向量机(FHS-SVM)浅埋目标鉴别器 124

5.3.3 地雷实测数据鉴别结果 126

5.4 高斯核FHS-SVM超参数优化 129

5.4.1 证据框架简介 130

5.4.2 FHS-SVM学习过程的贝叶斯解释 131

5.4.3 超参数迭代优化算法 132

5.4.4 实测数据处理结果 134

5.5 HMM核FHS-SVM未爆物鉴别器 135

5.5.1 描述未爆物散射多方位特征的HMM 135

5.5.2 HMM核的计算 137

5.5.3 未爆物实测数据鉴别结果 138

5.6 本章小结 139

第六章 结束语 140

6.1 本书工作总结 140

6.2 超宽带SAR浅埋目标成像与检测的理论和技术发展展望 142

附录 145

附录A RM和BP算法的点扩展函数 145

附录B RM和BP算法的变口径加权窗 147

附录C 2D-TFRIF和1D-TFRIF关系式证明 148

附录D 式(3.34)的推导 149

附录E 式(5.86)的推导 150

附录F 英文缩写词对照表 152

致谢 155

作者在学期间取得的学术成果 156

参考文献 160

后记 175

返回顶部