SAR雷达成像点目标仿真——RD算法和CS算法（程序+注释）
SAR雷达成像点目标仿真，包含RD算法和CS算法的原理+Matlab程序，程序每一行均有注释，适合入门以τ的时闫发射啁啾脉冲,然后切换天线开关接收回波信号。脉冲重复间隔为l发接收图雷达发射脉冲串的时序当雷达不处于发射状态时,它接收反射回波。发射和接收回波的时间序列如图所示在机载情况下,每个回波可以在脉冲发射间隔内直接接收到。但是在星载情况下,由于距离过大,某个脉冲的回波要经过个脉冲间隔才能接收到。这里仿真为了方便,默认为机载情況脉冲回波时间图脉冲雷达的发射与接攻周期假设为信号持续时间,下标表示距离向:为重复频率,为重复周期,等于。接收序列中,τ衣示发射第个脉冲时,目标回波相对于发射序列的延时。雷达的发射序列数学表达式为式式中,表示矩形信号,为距离向的信号调频率,为载频。雷达回波信号由发射信号波形,天线方向图,斜距,目标,环境等因素共同决定,若不考虑环境因素,则单点目标雷达回波信号可写成式所示:其中,G表示点目标的雷达散射截面,表示点目标天线方向图双向幅度加权,z表示载机发射第个脉冲时,电磁波再次回到载机时的延时r,带入式中得式就是单点目标叵波信号模型,其中,是分量,它决定距离向分辨率;为多普勒分量,它决定方位向分辨率对于任意一个脉冲,回波信号可表小为式所小我们知道,由于随慢时间的变化而变化,所以计算机记录到的回波数据存储形式如图所示:贴棘·●鲁通ib●幽●中@中●●●。●●鲁●●ed●●i●●一●●:b●t老!y·●●●●●Outuinh0ib●●●●·:·:·;D●●中·!达脉冲长度斜距(军样数或单元置)图目标照射时间内,单个点目标回波能量在信号处理器的二维存储器中的轨迹4距离徙动及校正根据图可知,在倾斜角为零或很小的时侯,目标与雷达的瞬时距离为,根据几何关系可知,,根据泰勒级数展开可得:由式可知,不同慢时间对应着不同的并且是一个双曲线形式或者近似为个二次肜式。如图所示,同一目标的回波存储在计算机里不在同一直线上,存在距离徙动从而定义距离徙动量:为了进行方位向的压缩,方位向的回波数据必须在同一条直线上,也就是说必须校止距离徙动Δ。由式()可知,不同的最近距离对应着不同的▲,因此在时域处理距离徙动会非常麻烦。因此,对方位向进行傅里叫变换,对距离向不进行变换,得到新的域。由于方位向的频率即为多普勒频率,所以这个新的域也称为距离多普勒域将斜距写成多普勒的函数,即。众所周知,对最近距离为的点目标回波多普勒是倾斜角b的函数,即=2,斜距,于是6:≈所以距离多普勒域中的我距离徙动为Δ,可发现它不随慢时间变换同一最短距离对应着相同大小的距离徙动。因此在距离多普勒域对一个距离徙动校正就是对一组具有相同最短距离的点目标的距离徙动校止,这样可以节省运算量。为了对距离徙动进行校正,需要得到距离徙动单元,即距离徙动体现在存储单元中的移动数值,距离徙动单元可以表示为△这个值通常为一个分数,由于存储单元都是离散的,所以不同通过在存储单元简单的移动得到准确的值。为了得到准确的徙动校正值,通常需要进行插值运算。本仿真釆用了两种插值方法最近邻点插值和插值,下面分别进行介绍。最近邻点插值法的优点是简单而快速,缺点是不够精确。Δ其中为整数部分为小数部分,整数部分徙动可以直接通过平移消除,对于小数部分则通过四舍五入的方法变为或者,这样就可以得到较为精确的插值插值原理如下:在基带信号下,卷积核是函数插值信号为即为所有输入样本的加权平均。可通过频域来理解,如图所示,采样信号频普等于以采样率重复的信号频谱。为了重建信号,只需要一个周期频谱(如基带周期),因此需要理想矩形低通滤波器在频域中提取基带频谱(如图)所示。凵知该理想滤波器在时域中是函数。由于频域相乘相当于时域卷积,故插值可以通过与核的卷积来实现信号频谱幅度理想低通滤波器-101频率图理憇低通滤波器怎样对采样信号进行插值5点目标成像 matlab仿真5.1距离多普勒算法距离多普勒算法(是在年至年为民用星载提出的,它兼顾了成熟、简单、髙效和精确等因素,至今仍是使用最广泛的成像算法。它通过距离和方位上的频域操作,到达了高效的模块化处理要求,同吋又具有了一·维操作的简便性。图示意了的处理流程。这里主要讨论小倾斜角及短孔径下的基本处理框当数据处在方位时域时,可通过快速卷积进行距离压缩。也就是说,距离后随即进行距离向匹配滤波,再利用距离完成距离压缩。回波信号为:距离向压缩后的信号为:通过方位将数据变换至距离多普勒域,多普勒中心频率估计以及大部分后续操作都在该域进行。方位向傅里叶变换后信号为:在距离多普勒域进行随距离时间及方位频率变化的,该域中同距离上的组日标轨迹相互重合。将距离徙动曲线拉直到与方位频率轴平行的方向。这里可以采用最近邻点插值法或者插值法,具体插值方法见前面。假设插值是精确的,信号变为:通过每一距离门上的频域匹配滤波实现方位压缩。为进行方位压缩,将后的乘以频域匹配滤波器最后通过方位将数据变换回时域,得到压缩后的复图像。复原后的图像为:正达原始教据距离压缩方位向傅里叶变换距离徙动校正方位压方位向傅里叶逆变及多视叠加压缩数据图距离多普勒算法流程图5.2 Chirp Sca l ing算法距离多普勒算法具有诸多优点,但是距离多普勒算法有两点不足:首先,当用较长的核函数提高距离徙动校正()精度时,运算量较大:其次,二次距离压缩()对方位频率的依赖性问题较雉解决,从而限制了其对某些大斜视角和长孔径的处理精度。算法避免」中的插值操作,通过对信号进行频率调制,实现了对该信号的尺度变换或平移图显示了算法处理流程。这里主要讨论小倾斜角及短孔径下的基本处理框图。主要步骤包括四次和三次相位相乘。通过方位向将数据变换到距离多普勒域。通过相位相乘实现操作,使所有目标的距离徙动轨迹·致化。这是第步相位相乘。用以改交线调频率尺度的二次相位函数为通过距离向将数据变到二维频域。通过与参考函数进行相位相乘,同吋完成距离压缩、和‘致这是第二步相位相乘。用于距离压缩,距离徙动校正的相位函薮写为:通过距离向将数据变回到距离多普勒域。通过与随距离变化的匹配滤波器进行相位相乘,实现方位压缩。此外,由于步骤中的操作,相位相乘中还需要附加一项相位校正。这是第三步相位相乘。补偿由引起的剩余相位函数是:最后通过方位向将数据变回到二维时域,即图像域雷达原始数据SAR信号域方位向傅里叶变换第一步相位相乘补余RCMC中的距离多Chirp sealing操作普勒域距离向傅里叶变换第一步相位相乘参考函数相乘用于距离压细、SRC和一致RCMC频域距离向傅里叶逆变美第三步(最后方位压缩及相位校王步)相位相乘距离多晋勒域方位向傅里叶道变换SAR图像域压缩数据图算法流程图简而言之,算法是将徙动曲线逐一校正,算法是以某一徙动曲线为参考,在域内消除不同距离门的徙动山线的差异,令这些曲线成为一组相互平行的曲线,然后在二维频率域內统一的去掉距离徒动。通俗一点就是,算法是将弯曲的信号一根根矫直,而算法是先把所有信号都掰得一样弯,然后再统一矫直。6仿真结果6.1使用最近邻点插值的距离多普勒算法仿真结果本文首先对个点目标的回波信号进行了仿真,个点目标构成了矩形的个顶点和中心,其坐标分别如下,格式为(方位向距离向后向反射系数):图的上图是距离向压缩后的图像,从图中可以看到条回波信号(其中有几条部分重合,但仍能看出米)目标回波信号存在明显的距离徙动,需要进行校正。图的下图是通过最近邻点插值法校正后的图像,可以看出图像基本被校正为直线。配萬向压缩,未交正距离徒动的图像距高可距离压缩,权E距高徒动日的图像L图距离向压缩后最近邻点插值的结果图为进行方位向压缩后形成的图像,可以明显看出个点日标,并且个点日标构成了矩形的四个顶点及其中心。方位向压缩后的图像图通过最近邻点插值生成的点目标图像6.2使用最近邻点插值的距离多普勒算法仿真结果图上图为通过距离压缩后的图像,图的下图为通过插值法校止后的图像。距离甸压缩,未校正距离徙动的图像距离向距离向压缩,校止离徙动后的图像距离向图距离向压缩后插值的结果图为进行方位向压缩后形成的图像,可以明显看出个点目标,并且个点目标构成了矩形的四个顶点及其中心。方位向缩后的图像图通过插值生成的点目标图像6.3 Chirp Scal ing算法仿真结果可样,在中,对个点目标的回波信号进行了仿真,个点目标构成了矩形的个顶点和中心,其坐标分别如下,格式为(方位向距离向后向反射系数):
- 2020-12-05下载
- 积分：1
支持向量机 邓乃扬
这本书是中科院的邓乃扬、田英杰老师所写，想要深入学习SVM相关理论和算法的同学可以看看这本书，我个人这本书非常好。数据挖掘源于数据库技术引发的海量数据和人们利用这些数据的愿望.用数据管理系统存储数据,用机器学习约方法分析数据、挖掘海量数据背片的知识,便促成了数据挖掘( data mining的产生.慨括地讲,数据挖掘的任务是从大型数据库或数据仓库中提取人们感兴趣的、事先知的、有用的或潜在有用的信息支持向量机( suppoort vector machine.SVM是数据挖握中的项新技术,是借助于最优化方法解决机器学习问题的新工具它最初于20世纪90年代由 Vapnik提出,近年来在其理论研究和算法实方宙都取得∫突破性进,开始成为克服维数灾难”和“过学习”等传统困难的有力手段虽然它还处于飞速发展的阶段,但是它的理论基础和实现途径的基本框架已经形成。白200年开始,国外已续有几本专蓍出版.据我们所知,本是国内第一本专门对它进行全面完整介绍和论述的书籍本书王要以分类问题(模式识别,判别分析)和回归问题为背景,系统阐述支持量机和相应的最优化方法.各章的主要内容如下:第1章介纲最优化问题及其基本理论.第2章对分类闻题和回归问题直观地导出最基本的支持向量机.第3章介绍核的理论,这是推广基本的支持向量机的关键,也是通过线性问题求解非线性问题的基础.第4章介绍统计学习理论,讨论支浡向量机的统计学理论基狲第5章和第6章分别详细研究支持向量分类机和支持向量回U机.第7章介绍实现支持向量机的最优化算法.第8章讨论支持向量机的应用,包括解决实际问题时的一些处理方法和一些应用实例本书包括了我们自己的研究工作例如,在做为支持向量机基础的原始问题和对偶间题解的关系上,我们发现,当前文献的论述存在着逻辑上的缺陷本书第次在完严密的逻辑基础上完善了各种支持向量机中的最优化问题的理论体系此外,作为求解支持向量机中优化问题的方法,本书介绍了我们自已的研究成果如处理大型问题的 Newton-PCG型算法.另外还立说明,本书还包含了我们讨论班成员的若干研究工作本书所设定的读者包括关心理论与应用两方面的人土,对于支持向量机的理论,4有系统而严谨的论述;作为使用支持向量机的入「,有直观的谎明.实际上我们特别强调该书的叮读性,强调崑观对理解问题实质的重要作用.我们通常总是首先用图像等直观手段引进各种概含、方法和结论,并特别注意对它们的本质给予形象的解释和说明,最后给出其严格证明.仅仅关心实际应用的读者,略去这些证明以及若于理论结论,仍可以对所介绍的方法的本质有一个概括的理解本书对有关领域具有高等数学知识的实际下作者是一本实用读物.我们希望本书的出版,能普及和推广支持向量机在多种宴际领域中的应用,也能促进我对支捋向量机的深入研究,特别是促进优化界朋友们的关心与参与本书得以出版,我们要感谢中国科学院科学出版基金和华夏英才基金的资助,冋时乜要感谢十国农业大学各级領导的支持利重点课程建设的资助.本书已被选为中国衣业大学研究生系列教材,我们还要感谢国家自然科学甚金多年来对我们研究工作的资助.本书作者曾致力于最优化方法的饼究多年,儿年前片始组线和领导讨沦班,学与研究数据挖掘利支持向螳柷.除本书位作耆外,讨论班的成以还有上来生教投、薛毅教授、钟萍剴教授、经玲舭教授、张春华、杨志民、刘广利、苏时光等多入,狂这里我们要将别感谢钏萍副教授和张春华.比外,我们还要媵谢刘宝光和张建中两位教授以及梁玉梅、张梅梅两位同学,他们都对本书提供了帮助臼于作者水平所限,书中难免有不要之处,欢迎读者批评指正符号表R实数集合R绁欧氏字间LEi, g洲冻点T={(x1,w)…,(x,y)}训练集洲练点个数输入空间输出空阊x洲练点所仁空间(X×y)练集所在竿间输入向量(输人广模式问量x的第个分量Hilbert空间中的向量x向量x的第个分量输出指标(输出)与的内积?内积空间, Hilbert空间={:1,…,xt输入空间中的个点组成的集合2={xHilber空间中的l个点组成的集合d输人空间到 Silbert空间的映射权向量权向量u的第分量Hi]bert空间中的权向量权向量w的第个分量b网值Co凸壳sang符号函效k(I核函数核矩阵〔Gram矩阵Fp-范数2-范数hv维惩罚参数收缩壳的参数白蚣对数pe底为2的对数将号表松弛变量松弛变量的第x个分量间隔对偶变量, Lagrange乘子寸偶变量的第i个分量通常获示概率分布概率百录序言符号表第1章最优化问题及其基本理论…l■1口■■會■■■■血PPP中11最优化问题1,1,1最优化问题实例1.12最优化问题1.1.3凸最优化12最优生条件1512上无约束问题的最优性条件122约束问题的最优性彖件181.3对偶理论∴131最大最小对偶132 Lagrange对偶■■q381,4注记参考文献…4了第2章求解分类问题和回归问题的宜观途径21分类问题的提出19211例子(心脏病诊断〕4921.2分类问题和分类学习机22线性分类学习机53221线性可分问题的线性分划222近似线性可分闻题的线性分划2.3支持向量分类机…231从性分划到二次分划23.2二次分划算法的简化74233非缓性分划的基本途径24线性回归学习机n+“dk+■啬啬■■■■■F番24.1回归问题242线性回归问题与硬E-带超平面243硬E-芾超平面的构造244硬s-#超平面的推36245线性支持向量回止机25支持向量归机26注记9参考文献第3章核31带述相似性的工具—内积963⊥.1直观的相似程度与内积312支持向量分类机中的相似与内积,983.1.核函数的选取9832考项式空间和多听式核32.1有序单项式空间32.2元序单项式空间1323 FIlbert空间与多项式核函教10433 Mercer核·…··105331半正定矩阵的特征展开15332 Mercer定理与 Mercer核10g34正定核1123.41正定核的必要条件·…·113342正定核的充分条件113343正定核的特征344再生核lber空间11634.5正定核与 MMercer核的关系…73.5核的构造…··11了3.51核的构造原则,·117352落用的几种核函数j2036注记…··:122参考文献123第4章推广能力的理论估计41失函数和期望风险1254.11概率分布125412损失函數413期胡凤险……13242求解分类问题的一种途径和-个算法模型136421分类问题的一个自然的数学提法1:f422求解分类问题的途径141423-个学习算法4.3VC雏44学」算法在概率意义下的近似正确性14G45一致性概念和关键定理日录16结构风险最小化,,,,1524了甚于问隔的推广估计15448注记∵■■■参考文献(2第5章分类问题…51最大间隔原则51.1绒性叮分问题的最大河隔原则52扰动意义下的几何解释■■152找性可分支持向量分类机6i6521线性可分问题的规范超平面522原始最优化问题…523对偶问题及其与原始问题的关系69524线性可分支持向量分类机及其理论基础I7353线性支持向量分类机l7生531原始问题17生532对偶问题及其与原始问题的关系179533线性支持向量分关机及其理论基础l83534支持向量1854支持向量分类机186541可分支持向量分类机…16542支持向量分米机55-支持向量分类机(-SVC)5【-线性支持向量分类机的原始最优化间题552v线性支持向量分类机的对偶问题及其与原始向题的关系553-支持向量分类机然挖554-支持向量分类机的性质指56-支持向量分类机(v-sV)和-支持向量分类机(C-SVC)的关系206561主要结论2郑6562丰要结论的证明57多类分类问题21457.1类对余类215572成对分类2]7573纠错输出编码方法2]8574确定名类目标函数方法218个何子59注记221目录参考文献P「q「第6章回归佔计61回归问题■■■224611可归叵题的难点61.2回归间题的数学提法■1L■…….2266上3不敏感掘失函数22562E-支持向量回归机…….…::,·226.2硬∈带支持向量回机228622从线性6-支持向最回归机到E·支持向量回归机2:363·支持向量回归机··24563L原始最优化问题……·245632对個问题及其与原始问题的关系…,·2486.33-支持向量国归机252634-支持向量回归机的性质25生64E-支持向量回归机(esVR)与p支持向量回妇机{u-SvR的关系641主要结论啁E562主要结论的证明…,2565其他形式的支持向量回归机259G1支持向最回归机的线性规划形式65.2E-带为任意形状的支持向量回归机26266其他形式的损失函数26467一些例子26867l维回归问趣672二维回归间题27068注记■■■司司■卩4■272参考文献血·“·第7章算法71元约束问题解法…2747⊥1无约束问鹎提法记74712基本无约束问题算法…·277713牛顿条件颓优共把梯度法( Newton-PCG算法)29472内点算法21线性规划的原仿射尺度法722线性规划的原-对偶算法723凸二次规划的仿射灵度法724凸二次规划的原-对偶算法P
- 2021-05-06下载
- 积分：1
|
联系客服（QQ：3324461878）
