作者中心
专家审稿
责编办公
编辑办公引用排行
（被引数据来源于全网，每月更新）
1
2012, 1(1): 1-10.
摘要
2369KB
星载合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种主动式微波成像传感器，能够不受天气、气候以及光线的影响，可以全天时、全天候地成像，因此，星载合成孔径雷达已发展成为一种不可或缺的对地观测工具。随着技术的进步，未来星载SAR将实现高分辨率宽测绘带、低成本、小型化、多基多模式微波成像，并具有地面运动目标指示的能力，在最小的成本下获得最丰富的地物信息。这迫切需要星载SAR系统在新模式、新体制、新技术方面取得重大突破。该文将围绕星载合成孔径雷达技术发展现状及未来趋势展开论述。
星载合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种主动式微波成像传感器，能够不受天气、气候以及光线的影响，可以全天时、全天候地成像，因此，星载合成孔径雷达已发展成为一种不可或缺的对地观测工具。随着技术的进步，未来星载SAR将实现高分辨率宽测绘带、低成本、小型化、多基多模式微波成像，并具有地面运动目标指示的能力，在最小的成本下获得最丰富的地物信息。这迫切需要星载SAR系统在新模式、新体制、新技术方面取得重大突破。该文将围绕星载合成孔径雷达技术发展现状及未来趋势展开论述。
2
2012, 1(1): 19-27.
该文着眼于历史、现实和未来的时间尺度，从目标、环境和任务等外因与方式、能力和资源等内因相互作用的视角，对雷达技术的发展动因和阶段特征进行分析寻证后认为，在通道构型、视角覆盖和信号维度等方面，实现由低维度探测向高维度探测的阶梯式演进，是雷达技术发展的基本规律，而改变信息获取方式、提升实现能力和增大资源利用，是雷达技术创新的主要途径。文中还据此推演了未来雷达技术的发展方向和主要特征，并提出了促进创新发展的建议。
该文着眼于历史、现实和未来的时间尺度，从目标、环境和任务等外因与方式、能力和资源等内因相互作用的视角，对雷达技术的发展动因和阶段特征进行分析寻证后认为，在通道构型、视角覆盖和信号维度等方面，实现由低维度探测向高维度探测的阶梯式演进，是雷达技术发展的基本规律，而改变信息获取方式、提升实现能力和增大资源利用，是雷达技术创新的主要途径。文中还据此推演了未来雷达技术的发展方向和主要特征，并提出了促进创新发展的建议。
3
2012, 1(2): 109-123.
该文从外辐射源雷达探测机理和特点出发，论述了基于低频段(HF/VHF/UHF)数字广播(含电视)信号外辐射源雷达(Digital Broadcasting-based Passive Radar, DBPR)的发展现状和趋势。结合数字广播电视的电波覆盖情况和技术特点，首先从实验系统、技术参数、比测实验等方面论述了国外(尤其是欧洲)的研究现状，接着介绍了国内在不同频段新体制外辐射源雷达理论与实验研究上的最新进展，并对DBPR 的研究热点和关键技术进行了评述，包括波形特性及其修正、参考信号获取、多径杂波抑制、目标检测跟踪与融合、实时信号处理等方面|最后对该外辐射源雷达的发展趋势和应用前景进行了展望。
该文从外辐射源雷达探测机理和特点出发，论述了基于低频段(HF/VHF/UHF)数字广播(含电视)信号外辐射源雷达(Digital Broadcasting-based Passive Radar, DBPR)的发展现状和趋势。结合数字广播电视的电波覆盖情况和技术特点，首先从实验系统、技术参数、比测实验等方面论述了国外(尤其是欧洲)的研究现状，接着介绍了国内在不同频段新体制外辐射源雷达理论与实验研究上的最新进展，并对DBPR 的研究热点和关键技术进行了评述，包括波形特性及其修正、参考信号获取、多径杂波抑制、目标检测跟踪与融合、实时信号处理等方面|最后对该外辐射源雷达的发展趋势和应用前景进行了展望。
4
2017, 6(2): 136-148.
深度卷积网络等深度学习算法变革了计算机视觉领域，在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征，再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上，10类目标平均分类精度达到了99%。针对带相位的极化SAR图像，该文提出了复数深度卷积网络，将该算法应用于全极化SAR图像地物分类，Flevoland 15类地物平均分类精度达到了95%。
深度卷积网络等深度学习算法变革了计算机视觉领域，在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征，再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上，10类目标平均分类精度达到了99%。针对带相位的极化SAR图像，该文提出了复数深度卷积网络，将该算法应用于全极化SAR图像地物分类，Flevoland 15类地物平均分类精度达到了95%。
5
2020, 9(1): 1-33.
星载合成孔径雷达(SAR)以卫星等空间飞行器为运动平台，具有全天时、全天候、全球观测能力，已成为一种不可或缺的对地观测手段。当前，我国星载SAR已实现分辨率从米级到亚米级、系统体制从正侧视条带向方位扫描聚束、从单通道向多通道、极化方式从单一极化到全极化的技术跨越。随着技术的不断进步，未来星载SAR将在体制、概念、技术、模式等方面取得突破，包括高分辨率宽幅成像、多基地、轻小型化、智能化等，从而不断拓展星载SAR的观测维度，实现多维度信息获取。该文将围绕星载SAR的技术发展趋势展开论述。
星载合成孔径雷达(SAR)以卫星等空间飞行器为运动平台，具有全天时、全天候、全球观测能力，已成为一种不可或缺的对地观测手段。当前，我国星载SAR已实现分辨率从米级到亚米级、系统体制从正侧视条带向方位扫描聚束、从单通道向多通道、极化方式从单一极化到全极化的技术跨越。随着技术的不断进步，未来星载SAR将在体制、概念、技术、模式等方面取得突破，包括高分辨率宽幅成像、多基地、轻小型化、智能化等，从而不断拓展星载SAR的观测维度，实现多维度信息获取。该文将围绕星载SAR的技术发展趋势展开论述。
6
2021, 10(3): 467-484.
随着无线通信技术的发展，全球通信产业对于无线频谱的需求日益增加。在此背景下，雷达与通信的频谱共享(RCSS)引起了工业界和学术界的极大关注。其内涵不仅包括促成雷达与通信设备的同频共存、互不干扰，从而高效利用频谱，还包括设计一种兼容二者的新型一体化系统，使得该系统能同时完成信息传输与目标探测两种功能。该文围绕雷达与通信频谱共享的两种解决方案：(1)雷达与通信系统的同频共存(RCC); (2)雷达通信一体化(DFRC)系统设计，进行了深入而系统的综述。具体而言，该文首先讨论雷达通信在多个频段共存的实例，然后简要介绍了雷达通信一体化技术在多个领域的应用场景。进一步地，讨论雷达通信同频共存和一体化系统的研究进展。最后，总结全文并讨论了该领域内的若干开放问题。
随着无线通信技术的发展，全球通信产业对于无线频谱的需求日益增加。在此背景下，雷达与通信的频谱共享(RCSS)引起了工业界和学术界的极大关注。其内涵不仅包括促成雷达与通信设备的同频共存、互不干扰，从而高效利用频谱，还包括设计一种兼容二者的新型一体化系统，使得该系统能同时完成信息传输与目标探测两种功能。该文围绕雷达与通信频谱共享的两种解决方案：(1)雷达与通信系统的同频共存(RCC); (2)雷达通信一体化(DFRC)系统设计，进行了深入而系统的综述。具体而言，该文首先讨论雷达通信在多个频段共存的实例，然后简要介绍了雷达通信一体化技术在多个领域的应用场景。进一步地，讨论雷达通信同频共存和一体化系统的研究进展。最后，总结全文并讨论了该领域内的若干开放问题。
7
2019, 8(6): 852-863.
近年来，深度学习技术得到广泛应用，然而在合成孔径雷达(SAR)舰船目标检测研究中，由于数据获取难、样本规模小，尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集，该数据集包含31景高分三号SAR图像，场景类型包含港口、岛礁、不同级别海况的海面等，背景涵盖近岸和远海等多样场景。同时，该文使用经典舰船检测算法和深度学习算法进行了实验，其中基于密集连接端到端网络方法效果最佳，平均精度达到88.1%。通过实验对比分析形成指标基准，方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。
近年来，深度学习技术得到广泛应用，然而在合成孔径雷达(SAR)舰船目标检测研究中，由于数据获取难、样本规模小，尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集，该数据集包含31景高分三号SAR图像，场景类型包含港口、岛礁、不同级别海况的海面等，背景涵盖近岸和远海等多样场景。同时，该文使用经典舰船检测算法和深度学习算法进行了实验，其中基于密集连接端到端网络方法效果最佳，平均精度达到88.1%。通过实验对比分析形成指标基准，方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。
8
2016, 5(3): 320-325.
针对合成孔径雷达(Synthetic Aperture Radar, SAR)的图像目标识别应用, 该文提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)的SAR图像目标识别方法。首先通过在误差代价函数中引入类别可分性度量, 提高了卷积神经网络的类别区分能力；然后利用改进后的卷积神经网络对SAR图像进行特征提取；最后利用支持向量机(Support Vector Machine, SVM)对特征进行分类。使用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition, MSTAR)SAR图像数据进行实验, 识别结果证明了所提方法的有效性。
针对合成孔径雷达(Synthetic Aperture Radar, SAR)的图像目标识别应用, 该文提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)的SAR图像目标识别方法。首先通过在误差代价函数中引入类别可分性度量, 提高了卷积神经网络的类别区分能力；然后利用改进后的卷积神经网络对SAR图像进行特征提取；最后利用支持向量机(Support Vector Machine, SVM)对特征进行分类。使用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition, MSTAR)SAR图像数据进行实验, 识别结果证明了所提方法的有效性。
9
2020, 9(3): 554-568.
我国西部山区滑坡灾害频发，具有强隐蔽性、高突发性、强破坏性等特点，对灾害隐患点进行早期识别是最为有效的防灾减灾措施。西部山区多为高山峡谷区域且范围辽阔，人不易至甚至人不能至，传统的人工排查早期识别方法较难实施。合成孔径雷达干涉测量技术(InSAR)作为新兴雷达遥感测量手段，可以高效准确地对高山峡谷区域进行滑坡灾害隐患早期识别。该文基于欧洲空间局(ESA)的哨兵一号(Sentinel-1)SAR遥感数据，利用时间序列InSAR技术对雅砻江流域雅江县-木里县段的高山峡谷区域进行了滑坡灾害隐患广域早期识别，成功探测到8处隐患区域。并结合滑坡隐患历史资料与光学影像遥感解译对识别结果进行了验证与分析，对灾害点风险等级进行了评定。并探讨了几何畸变因素对高山峡谷区域InSAR技术滑坡灾害隐患广域早期识别的影响。该案例可为当地的防灾减灾提供有力的数据与技术支持，并为高山峡谷区的滑坡灾害隐患早期识别提供思路与参考。
我国西部山区滑坡灾害频发，具有强隐蔽性、高突发性、强破坏性等特点，对灾害隐患点进行早期识别是最为有效的防灾减灾措施。西部山区多为高山峡谷区域且范围辽阔，人不易至甚至人不能至，传统的人工排查早期识别方法较难实施。合成孔径雷达干涉测量技术(InSAR)作为新兴雷达遥感测量手段，可以高效准确地对高山峡谷区域进行滑坡灾害隐患早期识别。该文基于欧洲空间局(ESA)的哨兵一号(Sentinel-1)SAR遥感数据，利用时间序列InSAR技术对雅砻江流域雅江县-木里县段的高山峡谷区域进行了滑坡灾害隐患广域早期识别，成功探测到8处隐患区域。并结合滑坡隐患历史资料与光学影像遥感解译对识别结果进行了验证与分析，对灾害点风险等级进行了评定。并探讨了几何畸变因素对高山峡谷区域InSAR技术滑坡灾害隐患广域早期识别的影响。该案例可为当地的防灾减灾提供有力的数据与技术支持，并为高山峡谷区的滑坡灾害隐患早期识别提供思路与参考。
10
2018, 7(5): 531-547.
微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。该文首先简要阐述了微动的相关概念，然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状，并介绍了几种典型前沿应用，最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了展望。
微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。该文首先简要阐述了微动的相关概念，然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状，并介绍了几种典型前沿应用，最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了展望。
11
2016, 5(5): 499-516.
海杂波是影响海用雷达目标探测性能的主要制约因素之一，其物理机理复杂，影响因素众多，且非高斯、非平稳特性显著，因此海杂波特性认知研究是一项极其复杂的系统工程。该文从数据层海杂波特性认知出发，围绕目标检测算法所关注的海杂波幅度分布特性、谱特性、相关性及非平稳与非线性特性，回顾和总结了海杂波特性认知研究进展，梳理了主要研究结论。在此基础上，从海杂波影响因素的深化分析、海杂波精细化建模与检测器需求的博弈、海杂波与目标差异特性认知等4个方面展望了有待于进一步探索的问题。
海杂波是影响海用雷达目标探测性能的主要制约因素之一，其物理机理复杂，影响因素众多，且非高斯、非平稳特性显著，因此海杂波特性认知研究是一项极其复杂的系统工程。该文从数据层海杂波特性认知出发，围绕目标检测算法所关注的海杂波幅度分布特性、谱特性、相关性及非平稳与非线性特性，回顾和总结了海杂波特性认知研究进展，梳理了主要研究结论。在此基础上，从海杂波影响因素的深化分析、海杂波精细化建模与检测器需求的博弈、海杂波与目标差异特性认知等4个方面展望了有待于进一步探索的问题。
12
2018, 7(5): 565-574.
该文利用深度学习的高维特征泛化学习能力，将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先，在海面微动目标模型的基础上，在实测海杂波背景中分别构建4种类型微动信号的2维时频图，并作为训练和测试数据集；然后，分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类，并进行比较，研究信杂比对检测和分类性能的影响。最后，与传统的支持向量机方法进行比较，结果表明，所提方法能够智能学习微动特征，具有更好的检测和分类性能，可为杂波背景下的雷达动目标检测和识别提供新的技术途径。
该文利用深度学习的高维特征泛化学习能力，将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先，在海面微动目标模型的基础上，在实测海杂波背景中分别构建4种类型微动信号的2维时频图，并作为训练和测试数据集；然后，分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类，并进行比较，研究信杂比对检测和分类性能的影响。最后，与传统的支持向量机方法进行比较，结果表明，所提方法能够智能学习微动特征，具有更好的检测和分类性能，可为杂波背景下的雷达动目标检测和识别提供新的技术途径。
13
海杂波背景下的雷达目标检测对民用和军事都有着重要的意义。随着海面目标的小型化和隐身化，海面慢速、漂浮小目标已经成为了雷达警戒的重点对象。关于此类小目标的检测一直以来都是海杂波背景下目标检测中的难题。通常，漂浮小目标的雷达散射横截面积(RCS)微弱，并且运动速度慢，常常在时域和频域均存在“超杂波检测”的困难。传统目标检测方法对漂浮小目标的检测存在明显的性能瓶颈。对于海面漂浮小目标的检测，采用高多普勒和高距离分辨体制(“双高”体制)是从雷达体制上解决这个问题的有效途径。在双高体制下，雷达接收的目标回波提供了更多的可用信息。然而，如何将这些更加精细化的信息转化为探测性能的提升，一直以来都是雷达届关注的难点，相关科研成果也一直在不断地推陈出新。近些年，在双高雷达体制下，学者们提出了多种基于特征的目标检测方法，作为对海智能检测的人工特征工程阶段，这些方法缓解了仅依靠能量信息较难检测小目标的困难局面，极大程度地改善了对漂浮小目标的检测性能。为了更好地让相关雷达从业者了解该领域这些年的发展和未来的趋势，该文首先总结了对海检测的难点和常用的目标检测方法，然后分析了特征检测的原理和通用框架以及国内外几种典型的基于特征的检测方法，最后对特征检测方法发展趋势进行了展望。
海杂波背景下的雷达目标检测对民用和军事都有着重要的意义。随着海面目标的小型化和隐身化，海面慢速、漂浮小目标已经成为了雷达警戒的重点对象。关于此类小目标的检测一直以来都是海杂波背景下目标检测中的难题。通常，漂浮小目标的雷达散射横截面积(RCS)微弱，并且运动速度慢，常常在时域和频域均存在“超杂波检测”的困难。传统目标检测方法对漂浮小目标的检测存在明显的性能瓶颈。对于海面漂浮小目标的检测，采用高多普勒和高距离分辨体制(“双高”体制)是从雷达体制上解决这个问题的有效途径。在双高体制下，雷达接收的目标回波提供了更多的可用信息。然而，如何将这些更加精细化的信息转化为探测性能的提升，一直以来都是雷达届关注的难点，相关科研成果也一直在不断地推陈出新。近些年，在双高雷达体制下，学者们提出了多种基于特征的目标检测方法，作为对海智能检测的人工特征工程阶段，这些方法缓解了仅依靠能量信息较难检测小目标的困难局面，极大程度地改善了对漂浮小目标的检测性能。为了更好地让相关雷达从业者了解该领域这些年的发展和未来的趋势，该文首先总结了对海检测的难点和常用的目标检测方法，然后分析了特征检测的原理和通用框架以及国内外几种典型的基于特征的检测方法，最后对特征检测方法发展趋势进行了展望。
14
该文首先提出了软件化雷达(Software Radar)这一新技术概念, 并对软件化雷达的定义、定位、技术特点以及可能带来的影响进行了系统阐述。文中指出, 数字化雷达、软件化雷达和智能化雷达是现代雷达系统技术发展的3个不同阶段, 目前正处于从数字化雷达向软件化雷达过渡的重要时期。软件化雷达的核心特征体现在：标准化、模块化和数字化特征, 开放式的体系架构以及以软件技术为核心, 面向应用需求的开发模式。和传统的以硬件技术为核心, 面向专用功能的开发模式不同, 软件化雷达注重软件和硬件的解耦, 从而使得可以通过软件定义方式快速开发雷达系统, 并灵活地实现系统资源配置、功能扩展和性能提升, 以满足实际应用的需求。然后, 为了进一步阐述软件化雷达系统的技术特点, 该文对清华大学研制的软件化雷达信号处理系统RadarLab2.0进行了介绍。最后, 结合对空情报雷达的应用需求, 对软件化雷达技术的发展给出了建议。
该文首先提出了软件化雷达(Software Radar)这一新技术概念, 并对软件化雷达的定义、定位、技术特点以及可能带来的影响进行了系统阐述。文中指出, 数字化雷达、软件化雷达和智能化雷达是现代雷达系统技术发展的3个不同阶段, 目前正处于从数字化雷达向软件化雷达过渡的重要时期。软件化雷达的核心特征体现在：标准化、模块化和数字化特征, 开放式的体系架构以及以软件技术为核心, 面向应用需求的开发模式。和传统的以硬件技术为核心, 面向专用功能的开发模式不同, 软件化雷达注重软件和硬件的解耦, 从而使得可以通过软件定义方式快速开发雷达系统, 并灵活地实现系统资源配置、功能扩展和性能提升, 以满足实际应用的需求。然后, 为了进一步阐述软件化雷达系统的技术特点, 该文对清华大学研制的软件化雷达信号处理系统RadarLab2.0进行了介绍。最后, 结合对空情报雷达的应用需求, 对软件化雷达技术的发展给出了建议。
15
2018, 7(2): 153-166.
与传统的相控阵只形成方位角依赖性的发射波束不同，频控阵通过在阵元间采用一个小频差来实现波束的自动扫描功能。频控阵能够形成具有距离依赖性和时变性的发射波束，克服了传统相控阵阵列因子不包含距离和时间变量的缺点，因而带来很多独特的应用优势。该文在作者的“频控阵雷达：概念、原理与应用”(《电子与信息学报》，2016, 38(4): 1000–1011)基础上，简要介绍频控阵雷达的基本原理，全面梳理近3年来国内外关于频控阵雷达技术及其应用方面的最新研究进展，讨论几种新的频控阵雷达技术应用前景，主要包括雷达对抗和雷达-通信一体化应用，并指出目前亟待研究解决的波束时变性、有效接收机设计、自适应信号检测与估计和原理样机研制等几个关键问题。
与传统的相控阵只形成方位角依赖性的发射波束不同，频控阵通过在阵元间采用一个小频差来实现波束的自动扫描功能。频控阵能够形成具有距离依赖性和时变性的发射波束，克服了传统相控阵阵列因子不包含距离和时间变量的缺点，因而带来很多独特的应用优势。该文在作者的“频控阵雷达：概念、原理与应用”(《电子与信息学报》，2016, 38(4): 1000–1011)基础上，简要介绍频控阵雷达的基本原理，全面梳理近3年来国内外关于频控阵雷达技术及其应用方面的最新研究进展，讨论几种新的频控阵雷达技术应用前景，主要包括雷达对抗和雷达-通信一体化应用，并指出目前亟待研究解决的波束时变性、有效接收机设计、自适应信号检测与估计和原理样机研制等几个关键问题。
16
2016, 5(2): 119-131.
雷达极化学是研究雷达波与目标相互作用过程中的变极化效应、揭示其作用机理的一门应用基础科学，在微波遥感、对地勘察、气象探测、战场侦察、抗干扰、目标识别等领域有重大应用前景。该文简要回顾了雷达极化理论与技术的发展历程，综述了雷达极化信息精确获取、极化敏感阵列信号处理、目标极化特性、极化抗干扰、目标极化分类识别等关键技术的研究现状，最后对雷达极化技术的发展做了展望。
雷达极化学是研究雷达波与目标相互作用过程中的变极化效应、揭示其作用机理的一门应用基础科学，在微波遥感、对地勘察、气象探测、战场侦察、抗干扰、目标识别等领域有重大应用前景。该文简要回顾了雷达极化理论与技术的发展历程，综述了雷达极化信息精确获取、极化敏感阵列信号处理、目标极化特性、极化抗干扰、目标极化分类识别等关键技术的研究现状，最后对雷达极化技术的发展做了展望。
17
2012, 1(2): 124-135.
圆迹SAR(Circular SAR, CSAR)是近年来提出并发展起来的一种高分辨3 维成像模式，通过传感器平台的曲线运动，获取被观测目标多方位乃至360全向观测信息，以满足越来越高的精细观测需求。2011 年8 月，中国科学院电子学研究所微波成像技术国家级重点实验室利用自行研制的P 波段全极化SAR 系统开展了国内首次机载圆迹SAR 飞行实验，成功获取了全方位高分辨圆迹SAR 图像，实验结果初步展示了圆迹SAR 成像技术在高精度测绘、灾害评估和精细资源管理等领域的应用潜力。该文详细讨论了圆迹SAR 成像技术的研究进展，介绍了近年来国内外开展的若干次机载飞行实验以展示圆迹SAR 的独特应用优势，总结分析了圆迹SAR 的关键技术，最后对其发展趋势进行了展望。
圆迹SAR(Circular SAR, CSAR)是近年来提出并发展起来的一种高分辨3 维成像模式，通过传感器平台的曲线运动，获取被观测目标多方位乃至360全向观测信息，以满足越来越高的精细观测需求。2011 年8 月，中国科学院电子学研究所微波成像技术国家级重点实验室利用自行研制的P 波段全极化SAR 系统开展了国内首次机载圆迹SAR 飞行实验，成功获取了全方位高分辨圆迹SAR 图像，实验结果初步展示了圆迹SAR 成像技术在高精度测绘、灾害评估和精细资源管理等领域的应用潜力。该文详细讨论了圆迹SAR 成像技术的研究进展，介绍了近年来国内外开展的若干次机载飞行实验以展示圆迹SAR 的独特应用优势，总结分析了圆迹SAR 的关键技术，最后对其发展趋势进行了展望。
18
2018, 7(2): 167-182.
频率分集阵(Frequency Diverse Array, FDA)雷达不同天线单元的发射载频存在微小的差异，从而带来了发射方向图距离角度时间依赖的特性，这一特性提供了FDA雷达新的信息和信号处理灵活度，也带了新的技术问题。该文综述了FDA天线技术及雷达应用的相关研究进展，并重点从雷达系统理论与工程应用的角度，着重分析了相干FDA雷达和正交FDA雷达两种体制的技术特点，指出FDA雷达在抗干扰、抗模糊中的应用优势，梳理了FDA雷达技术的难点和研究方向。
频率分集阵(Frequency Diverse Array, FDA)雷达不同天线单元的发射载频存在微小的差异，从而带来了发射方向图距离角度时间依赖的特性，这一特性提供了FDA雷达新的信息和信号处理灵活度，也带了新的技术问题。该文综述了FDA天线技术及雷达应用的相关研究进展，并重点从雷达系统理论与工程应用的角度，着重分析了相干FDA雷达和正交FDA雷达两种体制的技术特点，指出FDA雷达在抗干扰、抗模糊中的应用优势，梳理了FDA雷达技术的难点和研究方向。
19
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
20
2017, 6(2): 195-203.
传统的合成孔径雷达(Synthetic Aperture Radar, SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割，从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征，进而导致目标的不精确定位和大量虚警的产生。基于上述问题，该文构建了一个全新的SAR图像飞机目标检测算法框架。首先，针对大场景SAR图像应用需求，提出了改进的显著性预检测方法，从而实现SAR图像候选飞机目标多尺度快速粗定位；然后，设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network, CNN)，实现对候选目标的精确检测和鉴别；最后，因为SAR数据量有限、易导致过拟合，提出4种适用于SAR图像的数据增强方法，具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率TerraSAR-X数据集上效果显著，与传统的SAR飞机检测方法相比，该方法检测效率更高，泛化能力更强。
传统的合成孔径雷达(Synthetic Aperture Radar, SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割，从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征，进而导致目标的不精确定位和大量虚警的产生。基于上述问题，该文构建了一个全新的SAR图像飞机目标检测算法框架。首先，针对大场景SAR图像应用需求，提出了改进的显著性预检测方法，从而实现SAR图像候选飞机目标多尺度快速粗定位；然后，设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network, CNN)，实现对候选目标的精确检测和鉴别；最后，因为SAR数据量有限、易导致过拟合，提出4种适用于SAR图像的数据增强方法，具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率TerraSAR-X数据集上效果显著，与传统的SAR飞机检测方法相比，该方法检测效率更高，泛化能力更强。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:46页
微信 | 公众平台 
