第1章 随机过程简介 1
1.1 随机过程的起源与发展 1
1.1.1 随机试验与随机事件 2
1.1.2 概率公理化定义的提出 3
1.1.3 随机过程的提出和发展 5
1.2 随机变量 6
1.2.1 定义 6
1.2.2 随机变量的概率分布函数 7
1.2.3 随机变量的数字特征 9
1.3 随机过程的基本概念 11
1.3.1 定义 12
1.3.2 随机过程的统计特性 12
1.3.3 平稳随机过程及其各态历经性 15
第2章 微波成像雷达基本原理 19
2.1 微波成像雷达介绍 19
2.1.1 雷达的提出与发展 19
2.1.2 微波成像雷达的提出和应用 20
2.2 微波成像雷达系统模型 21
2.2.1 SAR成像机理 21
2.2.2 SAR成像系统模型 24
2.3 微波成像雷达干涉处理模型 31
2.3.1 SAR干涉高程测量处理模型 31
2.3.2 SAR干涉形变测量处理模型 32
第3章 地面场景散射特性建模——白噪声过程 34
3.1 白噪声过程 34
3.2 目标散射特性分析 36
3.2.1 强散射体目标 37
3.2.2 扩展目标散射 38
3.3 特定场景的随机过程建模及其散射统计特性 41
3.3.1 均匀场景面目标 41
3.3.2 孤立强散射体目标 42
3.3.3 场景仿真 43
第4章 微波成像雷达回波信号统计特性——窄带随机过程 45
4.1 窄带随机过程 45
4.1.1 定义 45
4.1.2 统计特性 46
4.2 中频回波信号统计特性 47
4.2.1 一维中频回波信号统计特性 47
4.2.2 二维中频回波信号统计特性 51
4.3 窄带随机过程用于视频回波信号统计特性分析 53
4.3.1 一维视频回波信号统计特性 53
4.3.2 二维视频回波信号统计特性 65
4.4 SAR回波的统计特性分析 67
4.4.1 真实的SAR回波统计特性分析 67
4.4.2 SAR回波生成与统计特性分析 70
第5章 微波成像雷达图像统计特性分析——随机过程的线性变换 77
5.1 随机过程线性变换的分析方法 77
5.1.1 时域分析方法 77
5.1.2 频域分析方法 78
5.2 随机过程的线性变换用于微波成像雷达图像的统计特性分析 78
5.2.1 均匀场景图像的统计特性分析 80
5.2.2 孤立强散射体目标场景图像的统计特性分析 81
5.2.3 多视SAR图像的统计特性分析 83
5.3 SAR图像统计特性的应用 87
5.3.1 在图像噪声抑制中的应用——Lee滤波 87
5.3.2 在图像目标检测中的应用——CFAR检测 90
5.4 SAR图像仿真及其统计特性 93
第6章 微波成像雷达干涉相位的统计特性分析——高斯随机过程 97
6.1 高斯随机过程 97
6.1.1 定义 97
6.1.2 高斯分布的发展历史 101
6.2 高斯随机过程用于均匀场景干涉相位的统计特性分析 102
6.2.1 单视SAR干涉相位的统计特性分析 102
6.2.2 多视SAR干涉相位的统计特性分析 112
6.3 高斯随机过程用于孤立强散射体目标干涉相位的统计特性分析 116
6.4 微波成像雷达干涉相位的统计特性应用 120
6.4.1 在干涉相位均值估计中的应用——最大似然估计 121
6.4.2 在干涉相位精度分析中的应用——克拉美-罗界 123
6.5 微波成像雷达干涉相位仿真及其统计结果分析 126
参考文献 128