基于改进LS-ESPRIT算法的GTD模型参数估计与RCS重构

针对传统LS-ESPRIT算法在估计GTD模型参数时抗噪效果差,估计精度不高这一问题,该文提出了一种改进的LS-ESPRT算法,有效地提高了算法的参数估计性能与抗噪性。首先,根据雷达目标的回波数据构建Hankel矩阵;其次,采用核范数凸优化方法对上述Hankel矩阵进行降噪处理,得到低秩的重构Hankel矩阵;最后,利用传统的LS-ESPRIT算法对降噪后的数据进行处理,估计出GTD模型参数。基于改进算法与传统算法分别得到重构RCS,并针对不同带宽对参数估计精度的影响作以仿真探究。仿真结果表明,与传统LS-ESPRIT算法与传统TLS-ESPRIT算法相比,改进LS-ESPRIT算法的参数估计性能更高,抗噪性更强,且重构RCS的幅值与相角误差更小。对不同带宽下的参数估计精度也进行了探究,并得出:带宽越大,估计精度越高。

高分辨率SAR图像地物分类算法研究

本文给出了一种关于高分辨率、单极化SyntheticApertureRadar(SAR)图像目标分类的完整算法 .首先 ,利用基于改进的相关邻域模型的RadarCross Section(RCS)重构算法进行目标和阴影检测 ,通过非线性积累把图像分割为“阴影区”、“背景区”和“目标区” ;接着通过形态学算子进行地貌滤波和边缘提取 ,应用改进的Hough变换和细线化措施进行线段的连接和编组 ;