【摘 要】
:
本文针对宽带逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像中的两大问题:成像质量和实时性,开展了关于成像中误差补偿算法的研究,并将其在基于图形处理器(Graphics Processing Unit,GPU)和多核中央处理器(Central Processing Unit,CPU)的并行计算平台上实现。主要内容有三点。一是研究了宽带回波脉内调制相位
论文部分内容阅读
本文针对宽带逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像中的两大问题:成像质量和实时性,开展了关于成像中误差补偿算法的研究,并将其在基于图形处理器(Graphics Processing Unit,GPU)和多核中央处理器(Central Processing Unit,CPU)的并行计算平台上实现。主要内容有三点。一是研究了宽带回波脉内调制相位误差补偿技术。构建了包含因发射机器件非线性与目标高速径向运动导致的脉内调制相位误差的模型;建立了以距离像熵最小为优化准则、基于坐标下降法(coordinate descent algorithm,CDA)与莱温伯格-马夸特(Levenberg–Marquardt,LM)方法的参数搜索机制;开展了基于仿真与实测数据的实验,验证了算法的有效性以及较好的收敛性能;设计了基于回波间并行和像素点间并行的并行化策略,在GPU平台上完成算法加速。二是提出了一种基于分割全孔径时间和平均距离像相关的包络对齐算法,提升在低信噪比下包络对齐性能。算法将全孔径时间划分为多个子孔径,利用短时间内目标运动相对平稳的特点,建立子孔径内包络徙动误差模型;以平均距离像熵最小为准则,利用CDA与LM方法对包络徙动模型参数进行搜索估计,实现子孔径内的包络对齐;利用最大相关函数法,对齐各子孔径的平均距离像,实现孔径间的包络对齐。该算法利用目标运动特性与非相干积累增益,结合了全局优化思想与基于最大相关函数的包络对齐方法,实现了低信噪比应用下的性能提升,文中基于实测和仿真数据的实验验证了这一点。设计了基于孔径间并行和数据段间并行的加速策略,在基于多核CPU的平台上完成算法加速。三是给出了在上述平台上设计的宽带雷达成像子系统。介绍了该系统的软硬件设计、成像的全流程、硬件资源的分配以及基于一组实测数据的成像效率,同时为了拓展该系统的功能,进一步研究了利用GPU处理器对中频直接采集数据进行匹配滤波处理的方法,获得了较好的实时性。
其他文献
高温碳化炉作为加热炉的一种,其典型特点是存在时滞、非线性、参数时变、系统不确定性以及炉内环境恶劣等问题,严重恶化了碳化炉系统的温度控制过程。为了实现精确、快速、稳定的温度跟踪性能,以碳纤维生产线中的高温碳化炉为研究对象,研究碳化炉温度的先进控制系统,主要研究内容和创新点如下:1、本文利用热量守恒定律,建立了温度动力学模型,并将其简化为一阶加纯滞后(FOPDT)模型,又使用基于模型推导的含有滞环的偏
近年来,随着科学技术的飞速发展,人们对于高速数据流的需求越来越大。与此同时,高速数据流也正在快速增长。更重要的是,为了支持未来高速无线通信的速率要求,迫切需要新的物理层解决方案,其中毫米波(28GHz-300GHz)被认为是最有前途的频段之一。与微波相比,毫米波频谱由于其带宽大、数据传输速率快,给未来的快速通信提供了巨大的潜力。本文首先针对室内狭长信道模型,即室内长走廊信道进行仿真,比较了视距(l
近年来,深度神经网络已被广泛应用于三维点云的处理与分析。然而,现存的针对单物件点云的语义级和实例级分割网络仍存在对三维物件的几何多样性特征难以有效学习的问题。为同时实现三维点云的语义分割与实例分割,本文设计了一个新的针对物件点云的语义与实例分割深度学习网络,并通过实验验证了网络的有效性和优越性,也进行了领域拓展应用,在多种点云场景下验证了其适普性。主要贡献如下:(1)本文提出了一种以动态图卷积为基
目标检测是计算机视觉领域一项非常重要的任务,其实际应用包括自动驾驶、医学影像分析、遥感图像检测等众多领域,在人类的生产生活中发挥着重要的作用。最近几年由于深度学习技术的加持,目标检测算法的发展进入到快车道,科研人员基于不同机制、面向不同任务设计出众多准确度与速度不断优化的目标检测算法。本硕士学位论文从提高目标检测算法性能的角度出发,以目标检测算法细分模块为切入点,充分利用图像几何特征对目标检测算法
近些年无人机集群技术发展迅速,无人机网络中节点数量不断增加,节点密度越来越大。在大规模无人机集群网络中,无人机的通信需要适应冲突、干扰、窃听等复杂的电磁环境。同时,由于数据量太大,无人机集群通信中网络资源的竞争和干扰非常激烈。因此,提高网络资源复用性、高效地进行资源调度、降低通信链路间的干扰等问题的研究对提高大规模无人机集群网络的网络性能具有重要意义。本文针对这些问题展开研究,提出了基于回溯天线的
多智能体系统是指多个智能体为完成某些特定目标而组合形成的,能够相互协作的系统。其中,编队控制是多智能体系统的重要研究分支之一,主要目的是,智能体为完成任务目标,能够保持队形、变换队形或者跟踪预定轨迹等。目前,编队控制已在军事领域和民用领域有着广泛的运用,如军用无人机编队,卫星编队,无人机表演等。本文研究多智能体系统的编队控制与实现方法。首先采用偏微分方程(PDE)建立了多智能体系统整体动力学模型,
随着计算机图形学的发展成熟,标绘技术在社会各个领域中的应用越来越广泛,对于军事领域,最重要的一个应用就是态势标绘。态势标绘是以军事地形图为背景,使用态势符号和文字注记,将敌我双方的作战部署、作战意图、作战过程等战场态势信息标绘在数字地图上的过程。而态势标绘的可视化技术是态势标绘的核心关键技术,该技术已经在信息化战争中指挥员分析战场态势、调整作战部署等方面有着不可或缺的作用。在信息化战争中,更丰富态
<正>大力发展以铁路为骨干的多式联运是提高运输效率、降低物流成本、推进绿色低碳社会建设的重要举措。我国铁路多式联运正处于起步阶段,存在多式联运基础设施网络不完善、不同运输方式之间一体化运输组织落后、多式联运协同机制不健全、市场环境有待进一步优化等问题。相比之下,美国、欧盟部分国家以及日本等国经过多年探索实践,逐步建立起以铁路为骨干的铁水联运和公铁联运体系,对我国具有一定的借鉴意义。
随着社会经济发展,数据时代的脚步已经悄然而至。工业生产过程的模型复杂度在不断提高,这给研究人员和工程师们建立精确的系统模型增加了困难。同时,工业过程中发生故障的可能性也在不断增加。为了确保各类系统在生产过程中和人们日常使用的安全性,避免人员工伤和财产损失,如何对故障进行有效识别就成为了一项有实际意义的研究课题。基于数据驱动建模的方式不需要精确的数学模型,只需要系统的历史监测数据。这类数据驱动的建模