用于步进频连续波雷达旁瓣抑制的自适应CLEAN技术

为了解决步进频连续波雷达中的强目标距离旁瓣掩盖弱小目标问题,对步进频自适应脉压算法(SFCW-RMSMIL)进行修正,并联合修正SFCW-RMSMIL算法和CLEAN技术,提出了一种新的自适应CLEAN算法(A-CLEAN)。该算法解决了弱小目标能量严重压制问题,同时还能精确估计各目标的幅度和位置,提高了雷达对弱小目标的检测能力。最后利用仿真数据、实测数据以及蒙特卡洛实验验证了新提出的A-CLEAN算法的有效性和实用性。

基于L-BFGS-B局部极小化的自适应尺度CLEAN算法

干涉阵列存在的点扩展函数旁瓣使得观测到的射电源出现不同程度的失真,对重建宇宙真实结构图景和理解宇宙起源造成影响。为解决观测中出现的伪影,本文在现有的CLEAN算法的基础上,提出了基于L-BFGS-B局部极小化的自适应尺度CLEAN算法。首先,基于L-BFGS-B局部极小化算法通过最小化目标函数,寻找最优分量,构建自适应尺度模型;其次,通过CASA实现对测试图像的重建,对比目前广泛使用的Hogbom CLEAN算法的重建图像,评估本文算法性能;最后,对反卷积算法在射电天文图像处理领域的发展做出展望。测试结果表明:相比于传统的算法,本文提出的算法能够构建更加精准的天空亮度分布,为天文图像重建提供一种新的方案。

基于CLEAN算法的毫米波全息二维像研究

针对近程毫米波全息成像算法过程中的点函数扩散以及旁瓣过宽问题,提出了基于加窗的二维自适应CLEAN算法。该算法提取所得＂脏图＂的最亮像素点,减去该像素点以及周围小目标的部分能量,之后在清洁图像上重建目标处的精准信息,有效抑制点函数扩散与旁瓣展宽。区别于传统CLEAN算法,二维自适应CLEAN算法根据当前图像的能量均值实时更新减去因子,具有很强的自适应性,此外,依据图像最暗目标像素点动态获取全局噪声门限,提高了目标提取速度。通过对多个单目标进行一维与二维方位像的仿真实验,证明了算法的有效性。