合成孔径雷达成像算法与实现(信号处理基础知识点)

最近由于学业上需要,重新学习了《合成孔径雷达成像算法与实现》一书,其中第二章是信号处理基础,在此记录下学习过程。


一、信号处理基本概念

1.卷积与相关

卷积: y(t) = s(t)\bigotimes h(t) = \int_{- \infty }^{ \infty}s(u)h(t - u) du = \int_{- \infty }^{ \infty}s(t - u)h(u) du

相关:   \phi (t) = \int_{-\infty }^{\infty }s(u)h^{*} (u -t)du

卷积从几何解释:(1).生成h(u)的时间对称图像h(-u),其中u为虚时间。

                             (2).将h(-u)以一定的时间位移t滑过信号。

                             (3).在每一位移点,对h(t -u)和信号s(u)的重叠卷积进行积分,又称为内积。

卷积的性质:线性运算、交换性

相关性质:在几何上,相关又解释为滑动内积,与卷积不同,相关中的滤波器时间轴无须进行反转,相关是对等式右边的两个信号进行比较,其中t为时间延迟。 相关是不可交换的。

2.傅里叶变换性质

(1)复共轭:信号的傅里叶变换取复共轭,并将频率轴反褶,与信号复共轭的傅里叶变换相等。

                                                                 g^{*}(t) \leftrightarrow G^{*}(-f)

(2)线性:和的傅里叶变换等于傅里叶变换的和

                                                \alpha g_{1}(t) + \beta g_{2}(t) \leftrightarrow \alpha G_{1}(f) + \beta G_{2}(f) 

(3)尺度变换特性:某一域中的尺度变换相当于另一域中的压缩或拉伸,对于非零尺度因子a:

                                                                g(at)\leftrightarrow \frac{1}{|a|}G(\frac{f}{a})

(4)位移/调制:信号在时域中右移t_{0},等效于在频域与一个负指数线性相位函数相乘。类似,频谱右移f_{0}相当于在时域中用一个正指数函数对信号进行调制。

对于连续时间:                        g(t - t_{0}) \leftrightarrow G(f)exp(-j2\pi f t_{0})

                                                g(t)exp(j2\pi f_{0}t) \leftrightarrow G(f - f_{0})

  (5)矩形和sinc函数

                                                 rect(\frac{t}{T}) \leftrightarrow Tsinc(fT)

3.时间带宽积(Time Bandwidth Product,TBP)

信号的3dB时宽与3dB带宽乘积,矩形函数和sinc函数的时间带宽积近似为1。

4.实信号与复信号

正交解调:将实信号转换为复信号。

对于实信号,离散傅里叶变换输出序列前一半可以完整描述信号,后一半则是冗余的。

实信号的频谱关于零频是共轭对称的,而复信号则不满足频谱对称条件。

 

5.信号采样(奈奎斯特采样率和混叠)

对于时域Ts为时域采样间隔,Fs为采样频率,则有:Fs = 1/Ts。

N为采样点数,则:Fs/N为频域采样间隔。

奈奎斯特采样定律:采样率必须高于最高信号频率的两倍,该最小采样率为奈奎斯特采样率。

实信号采样定理:信号所包含的每一正弦波在一个周期内至少被采样两次。

混叠:由初始信号频率的错误采样所导致的观测频率改变称为混叠。

结论:基带实信号:采样率必须高于最高信号频率的两倍

          非基带实信号:采样率必须高于非基带实信号的2倍

二、SAR图像质量参数

1.峰值旁瓣比(peak-to-side lobe ratio,PSLR)

PSLR:最大旁瓣与主瓣高度比,以分贝(dB)表示。均匀频谱的傅里叶变换为sinc函数,峰值旁瓣比为-13dB,SAR系统中的峰值旁瓣比必须小于该值,以使弱目标不会被邻近的强目标掩盖,峰值旁瓣比一般应取在-20dB左右。

PSLR = 20*log10(max_value/value_mainlobe);

2.积分旁瓣比(Integral sidelobe ratio,ISLR)

ISLR:旁瓣能量与主瓣能量之比

ISLR = 10log10{(P_total - P_main)/(P_main)}

P_total:总功率,P_main:主瓣功率

3.峰值功率(Peak Power)

峰值功率为主瓣峰值模的平方。

4.冲激响应宽度(Impulse response width,IRW)

冲激响应宽度在SAR中又称为图像分辨率,指冲激响应的3dB主瓣宽度。光学图像中对应的概念是瞬时观测域(IFOV)。冲激响应宽度的单位是像素,也可用系统单位:米(m)。

三、MATLAB常用指令

1.conv(s,h):表示s(t)与h(t)的线性卷积。

2.fftshift:将离散傅里叶变换的输出序列的左右两半互换。


参考文献

《合成孔径雷达成像算法与实现》 --【加】Ian G.Cumming & Frank H.Wong著

                                                           洪文、胡东辉、韩冰等译

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/492095.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【深度学习】一文看尽深度学习各领域最新突破

来源:《产业智能官》想要了解深度学习各领域的最新进展?看个视频就足矣。该课程的PPT资料,下载地址如下:https://www.dropbox.com/s/v3rq3895r05xick/deep_learning_state_of_the_art.pdf?dl0本文所介绍的内容是MIT系列课程之一&…

实数序列频谱的共轭对称性(DFT与IDFT仿真实现)

一、基础知识 1、傅里叶变换:通俗来讲,是以时间为自变量的信号与以频率为自变量的“频谱函数”之间的某种转换关系。 DFT:即离散傅里叶变换,对离散序列进行傅里叶变换。设x(n)为长度为M的有限长序列,其N点DFT定义(公…

IOS本地化应用

BK项目已完成7788,在项目的后期需要被翻译成多国语言版。为了适应全球多个国家使用多个存储。 应用本地化是分别对字符串、图片和 xib 或 storyboard 文件本地化,而传统的做法是对 xib 上的字符串(包含UILabel和UIButton、UITextField等&…

低轨通信卫星: 开启 6G 通信时代,带动千亿规模市场

来源:中国银河证券摘要:“6G5G卫星网络”,卫星通信应用前景广阔。2017年11月,英国电信集团(BT)首席网络架构师NeilMcRae对6G通信进行了展望,他认为6G将是“5G卫星网络”,在5G的基础上集成卫星网络来实现全球…

电离层色散效应误差补偿——基于最大对比度自聚焦算法(总结)

电离层色散效应严重影响星载SAR成像质量,为提升P波段星载SAR图像质量,必须研究相应的补偿技术,从而使得其更好的应用在军事和民用上。 目录一、引言二、最大对比度自聚焦算法原理三、最大对比度自聚焦算法流程图四、补偿方法性能分析一、引言…

波士顿动力机器狗量产版首次亮相:先造100台,能当警犬能工地巡逻

来源:量子位摘要:波士顿动力的机器狗Spot Mini终于要量产了!在科技媒体TechCrunch举办的“机器人AI”讨论会上,波士顿动力CEO Marc Raibert首次展示了它的量产版,还说今年7月或8月先量产100台。至于价格嘛,…

[MATLAB]中meshgrid函数的用法与实践(学习笔记)

今天在看点目标成像仿真程序的时候,看到了meshgrid函数,看了matlab的帮助文档后理解了一点,特此记录学习过程。 目录一、meshgrid函数二、举例验证三、创建二维网格绘制曲面图四、总结五、meshgrid函数源代码(仅供参考&#xff09…

死猪脑”能复活吗?---评美国耶鲁大学医学院实验研究

来源:科学网博客4月17日,英国《自然》杂志刊发了科学家对于“复活”死猪脑的尝试:美国耶鲁大学医学院的研究团队将已经死亡4小时的猪脑接入新开发的BrainEX体外灌注系统,用正常体温下的模拟脉动血流进行灌注。6个小时灌注期内&…

Android开发(六)——组件颜色Selector(Selector与Shape的基本用法 )

andorid控件改变状态时改变颜色&#xff0c;使用selector。 <?xml version"1.0" encoding"utf-8" ?> <selector xmlns:android"http://schemas.android.com/apk/res/android"><!-- 默认时的背景图片--><item android:dra…

22页PPT告诉你5G产业最新投资机会!

来源&#xff1a;全球物联网观察随着5G与下游产业联动和协作相继深入&#xff0c;十万亿级规模5G大生态终将形成。5G产业链将推动四大变革&#xff1a;软件化、超高频大宽带、物联网化、高集成度。同时&#xff0c;5G也将成就边缘计算&#xff0c;进而推动云计算市场加速发展。…

报告解读 | 实现智能制造的五大关键环节和四大赋能路径

来源&#xff1a;阿里研究院近年来&#xff0c;随着大数据、云计算、人工智能、工业互联网等技术的迅速发展&#xff0c;数字化技术被广泛应用于经济的各个环节&#xff0c;推动了新消费时代的到来。个性化、定制化的消费观越来越普遍&#xff0c;重塑了生产者和消费者之间的关…

[转载] 一致性哈希

转载自http://www.jiacheo.org/blog/174 学习分布式, 一致性哈希是最最基础的知识, 所以要理解好. 那什么是一致性哈希呢?(what) 百度百科 上的解释很专业术语. 要一句话定义貌似也有难度: 一致性哈希算法是在哈希算法基础上&#xff0c;提出的在动态变化的分布式环境中&#…

NB-IoT,你真是太让我失望了

来源&#xff1a;EET电子工程专辑摘要&#xff1a;根据IHS Markit预测&#xff0c;2019年&#xff0c;在所有低功耗广域网公用网络中&#xff0c;超过40%都有望使用基于LoRa的设备&#xff0c;这意味着LoRa有望在今年成为主导型的LPWAN解决方案。那么“老对手”NB-IoT呢?“NB-…

深度学习详解

来源&#xff1a;传感器技术人工智能&#xff0c;就像长生不老和星际漫游一样&#xff0c;是人类最美好的梦想之一。虽然计算机技术已经取得了长足的进步&#xff0c;但是到目前为止&#xff0c;还没有一台电脑能产生“自我”的意识。但是自 2006 年以来&#xff0c;机器学习领…

Nature今发表脑机接口领域重大突破:

来源&#xff1a;学术经纬摘要&#xff1a;将计算机连通人脑&#xff0c;直接读取意识&#xff0c;这不是科幻。顶尖学术期刊《自然》刚刚在线发表的一项工作就在脑机接口领域向前迈出了一大步。加州大学旧金山分校&#xff08;UCSF&#xff09;的神经外科学家Edward Chang教授…

2019版中国数字经济发展与就业白皮书

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能&#xff0c;互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括&#xff1a;建立AI智能系统智商评测体系&#xff0c;开展世界人工智能智商评测&#xff1b;开展互联网&#xff08;城市&#xff09;云…

深入卷积神经网络背后的数学原理

来源&#xff1a;AI科技大本营摘要&#xff1a;在计算机神经视觉技术的发展过程中&#xff0c;卷积神经网络成为了其中的重要组成部分&#xff0c;本文对卷积神经网络的数学原理进行了介绍。文章包括四个主要内容&#xff1a;卷积、卷积层、池化层以及卷积神经网络中的反向传播…

Linux学习之如何在物理机上安装Linux发行版

Linux学习之如何在物理机上安装Linux发行版 第一步&#xff1a;制作系统安装盘 准备一个至少8GB的空白U盘。下载启动盘制作工具Rufus&#xff0c;下载链接&#xff1a;https://pan.baidu.com/s/1CU8oZJVyCgdwETI2VxJwxA 提取码&#xff1a;gwi1下载Linux发行版安装镜像&#…

jQuery Easy UI Accordion(可伸缩的面板)包

Accordion 可伸缩的面板组件。基于panel,示为以下的比率&#xff1a; <!doctype html> <html lang"en"><head><meta charset"UTF-8"><script type"text/javascript" src"easyui/jquery.min.js"></sc…

Linux学习之ARM开发板连接ubuntu18.04LTS及NFS相关配置

Linux学习之ARM开发板连接ubuntu18.04LTS及NFS相关配置 第一步&#xff1a;在PC机安装Ubuntu18.04LTS 具体安装步骤参见上一篇文章 第二步&#xff1a;安装arm-linux-gcc交叉编译环境 在终端中执行sudo mkdir /forlinx,新建名为forlinx的文件夹&#xff08;文件夹名可任意&…