博客
关于我
【雷达与对抗】【2015.05】MIMO雷达信号处理波形设计及其在合成孔径成像中的应用...
阅读量:219 次
发布时间:2019-02-28

本文共 700 字,大约阅读时间需要 2 分钟。

多输入多输出(MIMO)雷达技术在合成孔径成像系统中展现出显著的潜力。本文为美国乔治亚理工学院的博士论文,共计149页。研究重点分析了MIMO雷达如何通过改进信号处理体系结构,提升合成孔径雷达(SAR)和合成孔径声纳(SAS)系统的图像质量和区域覆盖能力。MIMO技术不仅在接收端展现出多通道优势,还可以充分利用发射自由度,进一步增强系统性能。

然而,MIMO在实际应用中仍面临两个主要挑战:一是距离旁瓣性能的下降对图像质量的负面影响,二是如何有效缓解这一问题。为此,本文提出了一种新的失配滤波方法。为此,本文推导了抽样理论中的新结果,能够量化广义平稳随机过程在非均匀抽样时出现的混叠现象。这些结果不仅适用于重复采样场景,还被用于量化方位模糊对MIMO SAR/SAS图像对比度的影响。

本文的研究成果体现在以下几个方面:首先,通过MIMO雷达的信号处理体系结构,系统性地分析了其在SAR和SAS中的适用性;其次,深入探讨了MIMO技术在多通道合成孔径成像中的优势与局限性;最后,通过创新性的失配滤波方法和抽样理论的新成果,提出了有效解决MIMO系统中的混叠问题的方案。

文章结构安排如下:第1部分为引言,介绍研究背景和主要问题;第2部分详细阐述MIMO雷达的信号处理方法;第3部分重点分析MIMO在合成孔径成像中的应用;第4部分探讨MIMO雷达中的距离旁瓣控制技术;第5部分结合重复采样与多通道采样机制进行深入讨论;第6部分详细描述多通道SAR/SAS系统的混叠问题;最后,第7部分总结研究成果并提出未来发展方向。

附录A详细介绍了广义平稳随机过程的相关理论;附录B则探讨了重复采样信号的频谱特性。

转载地址:http://kymp.baihongyu.com/

你可能感兴趣的文章
opencart出现no such file or dictionary
查看>>
opencv Mat push_back
查看>>
opencv waitKey() 函数理解及应用
查看>>
OpenCV 中的图像转换
查看>>
OpenCV 在 Linux 上的 python 与 anaconda 无法正常工作.收到未实现 cv2.imshow() 的错误
查看>>
Opencv 完美配置攻略 2014 (Win8.1 + Opencv 2.4.8 + VS 2013)上
查看>>
opencv 模板匹配, 已解决模板过大程序不工作的bug
查看>>
opencv&Python——多种边缘检测
查看>>
opencv&python——高通滤波器和低通滤波器
查看>>
OpenCV-Python接口、cv和cv2的性能比较
查看>>
opencv12-图像金字塔
查看>>
opencv21-像素重映射
查看>>
opencv22-直方图均衡化
查看>>
opencv26-模板匹配
查看>>
opencv27-轮廓发现
查看>>
opencv29-轮廓周围绘制矩形框和圆形框
查看>>
OpenCV3 install tutorial for Mac
查看>>
opencv3-Mat对象
查看>>
opencv30-图像矩
查看>>
opencv32-基于距离变换和分水岭的图像分割
查看>>