雷达信号处理常用算法

⑴ 雷达处理算法硕士工作好找吗

雷达处理算法硕士工作是比较好找的。

随着微波、计算机、半导体、大规模集成电路等各个领域科学进步，雷达技术在不断发展，其内涵和研究内容都在不断地拓展。雷达的种类繁多，分类的方法也非常复杂。按结构分可以分为单基地、双基地。

多基地(网络化雷达)，其获取的信息通常可以有角度(方位)、时间(距离)、频率(多普勒、速度)等；从其天线类型来说一般可以分为机械扫描、无源阵列、有源阵列、数字阵列，还有比较先进的数字波束生成(DBF)、分布式协同定位等新的技术形式。

雷达处理算法介绍：

从其发射的信号样式来说一般可以分为连续波、调频连续波、脉冲、线性调频等常见的信号样式，还有跳频、编码(巴克码)、脉内调制、超宽带、OFDM等新的信号样式。

信号处理技术除了相关/非相关处理等常规的处理方法外，还包括空时自适应(STAP)、多输入多输出(MIMO)、合成孔径(SAR/ISAR/CSAR)、合成脉冲与孔径(SIAR)和以人工智能为技术基础的自适应/认知雷达信号处理技术。

⑵ 四象限光电探测器的信号处理算法

为束斑在四象限上的位置。图中四象限探测器光敏面的半径为R。四象限中心与直角坐标的零点O重合。图中四象限的对称轴分别与坐标的x、y轴重合。束斑中心为O?。当O?位于四象限中心时，四个象限上接收到的光信号强度相等，经计算处理后得到的误差信号为零。当O?逐渐偏离O时，Er逐渐增大。Ex、Ey分别代表Er在x、y方向上的分量。为消除束斑光强（光能量或功率）波动对Er的影响，通常要对Er进行归一化处理。即在Er计算过程中除以一个与束斑光强度相关的量值。根据不同的应用目的，束斑半径r相对于四象限光敏区半径R存在一个最佳值ropt。对大多数应用场合ropt取1/2R。

⑶ 微波遥感数据预处理

微波遥感作为一种获取地球表面信息的重要技术手段，已经在国内外得到了广泛的应用和发展。随着人们对遥感应用中定位精度要求的提高，对遥感数据的处理技术也提出了更高、更细的要求，这种要求就是图像数据反映地物辐射特性的真实性和对地球表面几何位置的准确性，它们直接影响遥感技术应用的精度和广度。

（一）辐射标定

原始的SAR数据没有经过严格的辐射标定，因而数据所反映的地物辐射特性与实际地物本身的辐射特性之间存在一定程度的差异。这类SAR图像虽然能够满足一般的定性分析的精度要求，但是在很多实际应用中，往往要对图像进行定量分析，如模式识别、目标分类等。因此为了使SAR数据能够满足定量分析精度的要求，就必须要对其进行辐射标定工作。有关原始SAR图像辐射标定的算法较多，常用的算法是：

1∶25万遥感地质填图方法和技术

式中：I=10 lg（DN_ij）；

σ°——反射系数；

DN_ij——像元（i，j）的灰度值；

K——辐射标定常数；

R_n——像元（i，j）的斜距；

R₀——参考斜距；

a_n——像元（i，j）的入射角；

a₀——参考入射角；

G_sys——被标定SAR图像的系统雷达天线增益；

G_sys0——确定K时的系统雷达天线增益。

辐射标定所需参数都可以直接从原始图像数据头文件中直接或间接获取，标定后的图像将原始图像灰度转换成后向散射系数。利用PCI软件可以完成对雷达数据的辐射标定的处理。

（二）微波图像噪声与斑点的弱化处理

当成像雷达发射的是纯相干波照射到目标时，目标上的随机散射面的散射信号与发射的相干信号之间的干涉作用会使图像产生相干斑点噪声。这种斑点噪声严重干扰了地物信息的提取与SAR图像的应用效果，噪声严重时，甚至可导致地物特征的消失。在图像信息提取时，这一现象往往产生假信息。因此，弱化斑点噪声对SAR图像的应用有着重要意义。

噪声平滑与弱化的最好方法是利用同一地区的不同探测方向的两幅或多幅雷达图像进行振幅或密度的配准和辐射纠正，计算其差值图像，就可以消除雷达数据本身固有的斑点噪声。其他方法还有：

1.主成分分析法

RADARSAT-1 SAR数据的噪声由于其固有性质，在通过主成分变换后噪声往往分布在其中的某一个分量上。通过计算各分量的均值和方差就可以判断哪个分量是以噪声信息为主，而其他分量则为地物的微波散射信息。通常情况下，主成分分析具有以下特征：

（1）主成分分析的数据变换前后的方差总和不变，只是把原来的方差不等量地再分配到新的主成分波段影像中。

（2）第一主成分包含了多波段影像信息的绝大部分，其余主成分信息含量依次减少。

（3）各主成分的相关系数为零，即各主成分所含的信息内容不同。

（4）第一主成分相当于原来各波段的加权和，反映了地物总的反射或辐射强度；其余各主成分相当于不同波段组合的加权差值影像。

（5）第一主成分降低了噪声，有利于细部特征的增强和分析。

（6）对于有些特殊异常的专题信息，往往通过主成分分析后在第二以上主成分影像上得到增强。

对微波遥感数据的主成分分析可以采用不同时相的SAR数据、不同参数的SAR数据或不同方法处理后的同一SAR数据进行主成分变换，可以起到弱化噪声的目的。为不同方法处理后的同一SAR数据进行主成分变换后的SAR数据。

2.中值滤波技术

中值滤波技术由于其原理是建立在像元及其领域的统计特征的基础上，因而也广泛地应用于雷达数据的噪声处理中。对 n×n 大小的滤波核，处理后的中心点的像元值为该滤波核处理前所有像元值的中间值（彩图1-3b）。中值滤波算子的数学公式如下：

1∶25万遥感地质填图方法和技术

式中：X_ij——n×n窗口中的第（i，j）像元的灰度值；

M（X_ij）——n×n窗口中所有像元值的中间值。

3.滤波增强处理

由于散射信号产生的 SAR 图像，受大量“斑点”噪声影响，必须经过滤波预处理。针对雷达数据的固有的倍增噪声特征，设计的滤波算子是基于局部统计及噪声模型信息的，主要包括 Lee滤波、Frost滤波、Kuan 滤波、Gamma Map 滤波和 Average滤波。许多在多光谱数据处理中使用的滤波算子如高通滤波、低通滤波、纹理滤波应用于雷达数据分析往往带入大量的人工信息，针对上述问题，工作中使用以下一些滤波算子。这些算子不仅能较好地滤去高频噪声，而且能较好地保持影像边缘和纹理信息；同时，处理后的图像相对于原始图像具有更好的对比性。尤以 Frost（彩图1-3c）、Lee及其增强滤波算子为佳。

目前常用的滤波有：①Frost自适应滤波；②Lee滤波；③Gamma Map斑点滤波；④Frost自适应增强滤波；⑤Lee增强滤波；⑥Kuan斑点滤波。