宽测绘带的合成孔径声呐宽带Chirp Scaling成像算法

合成孔径声呐要实现高分辨率成像不可避免地需采用宽带发射信号,但目前大部分快速算法都是建立在窄带近似基础上的,采用宽带信号作为发射信号使得现有大量的成像算法不再适用。针对此问题,本文提出了一种改进的基于宽测绘带条件下的宽带非线性Chirp Scaling算法,它通过引入三次和四次预滤波使得频域二维传递函数的三阶耦合项随距离时变,并同时引入四次Chirp scaling因子控制新的距离向调频率随距离二次变化。仿真表明,改进的算法可在保证较高测绘带宽度的前提下提高合成孔径声呐的成像分辨率。

一种改进的Chirp Scaling成像算法

常规CS算法在算法推导过程中存在两个近似，即二维频率域泰勒展开忽略了距离频率的高次项以及二次距离压缩没有考虑调频斜率随距离的变化。随着SAR分辨率的进一步提高，由这些近似而引入的误差已不能忽略，不进行补偿成像效果将明显下降。该文提出了一种改进的CS算法，通过补偿距离频率的三次项，明显减小了算法的相位误差，使成像效果有明显改善，仿真结果验证了该方法的有效性。

高分辨星载SAR改进Chirp Scaling成像算法

本文提出了一种用于星载合成孔径雷达 (SAR)的改进ChirpScaling成像处理算法 .本文分析了三种星载SAR距离模型 ,根据误差最小的斜视等效距离模型 ,推导了改进ChirpScaling算法 ,给出了实现步骤 .该算法适用于大距离徙动高分辨率星载SAR精确成像 .并且基于改进的ChirpScaling算法 ,分析了多普勒参数误差对成像质量的影响 .最后通过计算机仿真 。

机载前视合成孔径雷达Chirp Scaling成像算法研究

针对目前机载侧视合成孔径雷达(SAR)无法对飞行路线正前方进行高分辨率成像的问题,该文研究了一种新型机载前视SAR,分析了前视SAR的工作原理和方位分辨率提高的可行性。基于空间几何模型和回波信号形式,推导并给出了适用于机载前视SAR成像的chirp scaling算法,给出了各相位补偿因子表达式及算法实现步骤。模拟了前视SAR点目标回波数据,并利用该方法对分布于场景中心及边缘的点目标阵进行了成像仿真,分析了成像效果,成像质量指标与理论值基本吻合,证实了算法的有效性。

合成孔径声呐Chirp Scaling成像算法

在合成孔径声呐领域中经典的成像处理方法是距离-多普勒算法。距离-多普勒算法的主要缺点是在进行方位处理时需要进行距离二次脉压和在进行距离徙动校正时需要进行插值处理,这样将导致运算量迅速增加,并且降低了成像精度。而ChirpScaling算法是在二维频域中精确实现距离门徙动校正和二次距离压缩,避免了插值运算,用该算法处理了仿真点目标的回波数据,结果表明该算法既能够实现更加精确的成像又能够避免插值运算而提高运算效能。

高分辨率星载聚束式SAR的Deramp Chirp Scaling成像算法

基于两步处理算法和ChirpScaling算法 ,提出一种适用于高分辨星载聚束式合成孔径雷达 (SAR)的Der ampChirpScaling(DCS)算法 .该算法结合了谱分析 (SPECAN)算法和ChirpScaling算法的优点 ,算法先采用具有固定多普勒调频率的deramp处理实现方位的粗聚焦 ,消除了星载聚束式SAR特有的方位频谱混迭现象 ,然后应用ChirpScal ing原理实现距离的精确聚焦 ,并补偿deramp处理引起的方位相位误差 ,实现方位精聚焦 .基于斜视等效距离模型 ,该模型更好地拟合了星载聚束式SAR的空间几何关系 ,推导了DCS算法 ,给出了实现步骤 ,整个算法无需任何插值操作 ,只需复乘和FFT即可完成 .该算法适用于宽测绘带高分辨率星载聚束式SAR的精确成像处理 .最后 ,通过计算机仿真 。

基于Chirp Scaling成像算法的高分辨聚束式合成孔径声呐

基于两步处理算法和ChirpScaling算法,提出一种适用于条带式成像算法的通用高分辨聚束式合成孔径声呐(SAS)模型。该模型结合了谱分析(SPECAN)算法和ChirpScaling算法的优点,算法首先采用deramp和升采样处理技术实现方位的粗聚焦,消除了聚束式SAS特有的方位频谱混迭现象,然后应用ChirpScaling原理实现距离的精确聚焦,并补偿deramp处理引起的方位相位误差,实现方位精聚焦。基于该通用模型,给出了实现的步骤,整个算法无需任何插值操作,只需复乘和FFT即可完成。该算法适用于宽测绘带高分辨率聚束式SAS的精确而高效成像处理。最后,通过计算机仿真,验证了该通用模型的有效性。

斜视聚束模式合成孔径雷达的频率Scaling成像算法

作为一种新的聚束模式合成孔径雷达 (SpotlightSAR)成像算法 ,频率Scaling算法 (FSA)在不进行插值操作的情况下 ,可以对距离单元徙动 (RCM)实现精确校正 .本文详细研究了频率Scaling算法在大斜视角情况下SpotlightSAR的成像算法 .在原有算法的基础上提出了斜视模型下的频率Scaling算法 .

Chirp Scaling成像算法应用研究

首先对ChirpScaling算法产生相位误差的原因进行了分析推导 ,对雷达有效作用距离、相干积累角和信号相对带宽这三个导致相位误差的因素及它们对成像质量的影响分别进行了分析 ,指出只有在较小的雷达作用距离以及较小的信号带宽和较小的方位向处理角的条件下 ,才能用ChirpScaling算法对合成孔径雷达进行有效的成像 。

双基地合成孔径雷达扩展Chirp Scaling成像算法

根据传统SAR处理中的扩展CS算法原理,推导了适用于同轨迹飞行模式双基地SAR的扩展ChirpScaling算法,解决了接收、发射分置引起的雷达响应函数从距离-方位域向二维频域变换的复杂性问题,分析了算法推导中各种误差的影响.通过计算机仿真验证了算法在小斜视角情况下,对双基地SAR数据成像的有效性.

星载聚束式SAR改进的Frequency Scaling成像算法

本文提出一种适用于星载聚束式合成孔径雷达 (SAR)的改进FrequencyScaling算法 .基于斜视距离等效模型 ,推导出改进的FS算法 ,给出改进的FS因子和相关因子以及算法的实现步骤 .在斜视情况下改进的FS因子可避免距离向频谱混迭 ,并可进行更精确的二次距离压缩 ,改进的方位因子可以减小算法所需要的方位时间展宽 ,提高方位处理效率 .为解决高分辨率星载聚束式SAR脉冲重复频率 (PRF)过高等问题 ,在算法中结合了子孔径处理 ,并分析了采用子孔径处理的必要性及其实现方法 .最后 ,通过计算机仿真 ,验证了算法的有效性 .

顺轨双基地合成孔径雷达Chirp Scaling成像算法

根据传统SAR处理中的Chirp Scaling原理,采用二阶距离近似模型推导了适用于顺轨飞行模式双基地SAR的Chirp Scaling算法,解决了接收、发射分置引起的雷达响应函数从距离-方位域向二维频域变换的复杂性问题,成功实现双基地SAR成像的高精度Chirp Scaling处理,在任意双基地角下都能够很好地聚焦成像。

Chirp Scaling成像算法及其仿真

高分辨率是机载合成孔径雷达的一个重要发展方向。文章以高分辨率聚束模式合成孔径雷达的ChirpScaling成像算法(CSA)为主,讨论了CS算法的基本原理和实现过程,给出了计算过程中各个信号域的数学表达式,简要地介绍了CS算法的优缺点及其应用范围,最后给出了点目标仿真的系统参数和成像结果。

双基前视SAR的Chirp Scaling成像算法

双基协同前视可以突破单基SAR无法实现正前视成像的瓶颈。本文在基于级数反演理论推导获得任意构型双基SAR二维频谱精确表达式的基础上,提出了一种适用于平飞等速前视双基SAR的Chirp Scaling成像算法,该算法通过沿距离向补充多普勒补偿来提升距离徙动矫正精度,获得很好的聚焦效果。计算机仿真结果验证了本文算法的有效性。

基于分数阶傅里叶变换和图像加权熵的chirp scaling算法

针对传统的基于傅里叶变换和匹配滤波实现的chirp scaling(CS)成像算法中多普勒参数随斜距变化以及成像分辨率低的问题,提出利用分数阶傅里叶变换(FRFT)对CS成像算法进行优化。首先建立斜视合成孔径雷达(SAR)回波信号模型,理论推导利用FRFT代替匹配滤波进行信号压缩。针对方位向最优旋转角的搜索问题,对得到的图像基于加权最小熵建立代价函数,利用动量法的梯度下降优化算法进行迭代计算,最终得到分辨率更高的SAR图像。为验证算法的有效性,分别在点目标仿真数据和实测SAR数据集上进行实验。结果表明,与传统CS成像算法相比,该算法的成像结果成像主瓣宽度更窄、旁瓣更低、成像更加清晰。

基于染色算法的地震干涉成像技术

为了提高基于染色算法的逆时偏移计算效率,提出基于染色算法的地震干涉成像技术(CC-STRTM)。地震干涉技术作为一种炮记录的处理手段可以消去两个炮记录中相同的信号。该技术将观测系统从地表下移到人为选取的地下校准面,将研究区域缩小到校准面下侧。再分析干涉成像结果,选出染色区域。最后完成复数域的逆时偏移处理,输出虚部偏移结果。通过复杂模型对该方法进行测试,对比分析成像结果和计算效率。结果表明,该方法在提高成像精度的同时不降低计算效率。

改进型密集阵列全聚焦成像算法的碳纤维复合材料板损伤定位研究

本文针对各向异性碳纤维复合材料板的损伤定位问题,提出改进型密集阵列全聚焦成像方法。首先,考虑碳纤维复合材料板的各向异性,通过实验分析超声导波在板中的传播特性,得到沿不同传播方向的群速度值。其次,对密集型传感器阵列的参数进行分析和优化研究,分别对不同阵列参数即阵元间距和阵元数量进行指向性函数的数值分析,优化阵列的参数,以保证阵列主瓣较窄、旁瓣较低且无栅瓣。然后,提出了一种考虑碳纤维复合材料板各向异性的改进型密集传感器阵列板结构缺陷定位算法。使用超声导波在碳纤维复合材料板中沿不同传播方向的群速度值,对全聚焦算法进行修正,并利用虚拟聚焦原理对板结构进行全聚焦成像。最后,通过布置碳纤维复合材料孔洞损伤实验,对基于密集阵列全聚焦成像方法的定位精度进行分析。实验结果表明,改进型密集阵列全聚焦成像算法的定位精度为1.00 mm,相较于使用单一群速度值,该方法在定位孔洞损伤缺陷时具有更高的精度。

基2-FFT输入分级截断算法在频域合成孔径超声成像中的研究

为提高超声频域成像算法的计算速度,提出一种应用于超声频域成像算法的基2-FFT输入分级截断算法。首先,借助于COMSOL多物理场仿真软件,建立钢件中含有孔缝缺陷的有限元模型进行声场仿真。仿真结果得到关于缺陷的回波信号,并通过PSM算法对频域内声场进行重建,得到成像区域的聚焦图像,和原始仿真信号的B扫图像相比效果更加直观且成像质量更好,验证了PSM算法的可行性。然后为了避免超声频域成像算法中二维傅里叶变换的冗余计算,进一步提出了支持任意非0值输入的基2-FFT输入分级截断算法。实验结果证明,基2-FFT输入分级截断算法比标准基2-FFT算法快27%,超声频域算法成像速度提高13%。

深度学习重建联合Smart去金属伪影算法在口腔金属植入物患者头颈CT血管成像中的应用

目的:探讨深度学习重建(DLR)联合Smart去金属伪影(MAR)算法在口腔金属植入物患者头颈CT血管成像(CTA)中的应用价值。方法:选择郑州大学第一附属医院2023年2月至6月口腔有不可拆卸金属植入物行头颈CTA的患者70例,采用以下3种方法重建图像:基于混合模型的自适应迭代重建(ASIR-V)50%算法(IR),ASIR-V50%联合Smart MAR算法(IR-S),高水平DLR联合Smart MAR算法(DLR-S)。测量不受伪影影响的颈内动脉C1段和头夹肌感兴趣区CT值的标准差(SD)2和SD4,作为图像噪声指标;计算颈内动脉C1段和舌部的金属伪影指数(AI)1和AI2;对颈内动脉C1段和口腔整体图像质量进行主观评分。结果:与IR组和IR-S组比较,DLR-S组SD2和SD4降低(P<0.05)。与IR组比较,IR-S组和DLR-S组AI1、AI2降低;与IR-S组比较,DLR-S组AI1、AT2降低(P<0.05)。与IR组比较,IR-S组和DLR-S组口腔整体和颈内动脉C1段图像质量主观评分均增高;与IR-S组比较,DLR-S组图像质量主观评分增高(P<0.05),9例患者舌部可见新的伪影。结论:Smart MAR联合DLR可减少口腔植入物造成的金属伪影,提高头颈CTA图像质量。但Smart MAR可能引入新的伪影,需联合未加入Smart MAR的图像进行分析。

基于迭代p阈值算法压缩感知磁共振成像重构

从优化网络结构出发,在基于迭代软阈值网络的压缩感知磁共振成像深度网络基础上,加入由p阈值函数组成的优化模块,进一步优化软阈值函数,以抑制噪声,减少重建误差,从而提高重建质量。上述算法结合了压缩感知磁共振重建和深度学习的优势,所有参数都是端到端学习得到的,既具有很好的理论可解释性,又具有良好的网络泛化能力。对上述算法与其它算法进行对比,仿真结果表明,所提算法提高了磁共振成像的重建精度,特别对于结构复杂的磁共振图像重建效果更好。