简介：针对天地波高频超视距雷达系统，研究了阵列幅相误差的校准方法。利用方位已知的直达波信号得到的幅相误差值，可以用来对天线阵列进行校准。而在实际雷达工作中，信号会受到杂波和环境影响从而导致校准值的稳定性变差。因此，采用对应时刻的校准值直接补偿会带来较大的误差。针对传统直接补偿存在的缺陷，提出了一种改进方法。该方法采用高斯函数累加模型对每个时刻校准值进行优选，从而达到校准值优化的目的。试验结果表明，该方法能够提高海流结果的准确性。

简介：低频UWBSAR系统具有较大的方位向处理角，因此天线方向图对系统性能的影响不能忽略。本文首先给出接收信号空间和场景空间的对应关系，结合成像模型定性地讨论了天线方向图对系统冲激响应的影响。在实际条件下考虑了距离校正因子、杂波、噪声和目标响应等因素，利用实际数据对天线方向图做了定量分析。最后结合成像处理模型，使校正后的图像质量得到提高。

简介：理论上瞬态极化雷达可获取动态目标全极化散射特性的精确测量信息，但由于存在极化通道不一致、极化隔离度有限以及背景杂波等非理想因素，其极化测量存在误差，必须进行校准。当前极化校准需要多个定标体，且定标体姿态摆放误差将引起校准偏差。针对上述问题，提出了一种基于标校球的瞬态极化雷达校准新方法，在考虑双天线空域极化特性的基础上，仅需单个金属球即可完成定标，提高了校准精度。该方法为解决制约瞬态极化雷达实际应用的校准难题提供了技术支撑。

简介：由于大口径天线远场条件苛刻、杂波多径影响大,使得大型地基雷达的极化校准成为雷达工程技术领域的难点问题,频域动态极化校准算法是一种很好的解决方案,但存在极化有源校准器收/发天线隔离度低、天线方向图不对称等问题,导致极化校准的精度降低。针对上述问题,提出了一种基于非匀速旋转单天线PARC（PolarimetricActiveRadarCalibrator）的极化校准方法,能够克服传统频域动态校准算法的缺点,有效提高雷达极化校准的精度。

简介：在全面分析影响三坐标地面情报雷达测高精度的各种因素的基础上，通过对各种因素引起的测高误差进行量化分析，构建了一套比较系统的三坐标雷达测高精度表征体系，找准误差修正工作的重点和难点。经研究表明，测高误差主要是天线辐射波束仰角偏差引起，可通过对测高值的实时比对分析和对辐射波束仰角的实时调整，实现测高误差修正；为此设计一套系统全面的三坐标雷达测高精度阵地优化技术方案。

简介：在地基SAR（GB-SAR）差分干涉测量中，大气扰动影响是其测量精度误差的重要来源。提出了一种基于角反射器的地基SAR差分干涉测量大气扰动误差校正方法；该方法利用角反射器作为稳定控制点，根据其干涉相位的变化情况来分析观测区域大气扰动影响，从而实现对其扰动误差的校正。为了检验该校正方法的实用性，进行了三面角反射器外场形变测量中大气扰动误差校正实验，并将其校正结果与基于气象参数补偿法的校正结果进行了对比。结果表明，该校正方法具有很好的可靠性和精确性。

简介：为了利用雷达对低空和超低空飞行器进行精确探测,必须对影响雷达测量精度的大气折射误差进行实时修正。针对目前大气折射误差计算存在处理时间较长、不能满足实时性要求的现状,提出了一种利用虚高进行折射误差修正的快速算法。根据等效地球半径中电波射线为直线的情形推出计算接近目标真实高度的虚高方法,利用虚高将折射误差公式中的积分项分为两部分,最影响折射误差修正处理时间的部分采用一次积分完成,另一小部分利用变步长的迭代方法完成。仿真实验表明,在保证与目前公认高精度的射线描迹法相同的精度条件下,利用虚高进行大气折射误差修正可实现快速计算,计算速度至少提高一倍,且计算速度随雷达仰角的增大而增快。

简介：针对均匀线阵提出了一种对同时存在阵元位置误差、幅相误差及阵元互耦的阵列进行校正的方法。该方法通过旋转阵列天线得到多个校正方位的样本数据，达到多个信源独立分时校正的效果，然后通过对空时矩阵进行特征分解，得到实际阵列流型的估计值，并构造代价函数，最后采用迭代算法同时估计出所有阵列误差参数，从而实现误差的校正。计算机模拟仿真及实际阵列天线的校正实验均验证了该算法对误差参数估计的有效性和校正方法的实用性。

简介：将太赫兹波用于SAR成像可以解决常规SAR成像帧速低、慢动目标检测困难等问题。太赫兹合成孔径雷达(THz-SAR)与传统微波SAR成像最重要的区别在于运动补偿。因为THz-SAR的工作波长比传统微波SAR要短得多,平台的微小振动会影响成像质量,尤其是高频振动误差。平台的高频振动会在成像结果中引入成对回波,传统SAR成像算法无法实现成对回波的聚焦,也就无法准确估计振动参数,进而构造参考函数补偿高频振动带来的正弦调制相位。首先基于多普勒Keystone变换(DKT)的THz-SAR成像算法实现成对回波的聚焦成像;然后提出小波多分辨分析的方法估计高频振动频率,结合参数空间投影法完成振动幅相的估计,并实现高频振动误差的补偿;最后采用点目标的回波数据仿真验证了所提方法的有效性。

简介：期望最大算法（EM算法）是参数估计中一种很重要的方法，在处理不完全数据中有重要应用。针对异类传感器误差配准过程中的未知参数，采用EM与EKF相结合的算法进行多传感器误差配准与航迹融合。该算法通过使似然函数的期望最大化，简化了似然函数的优化估计，EKF滤波和平滑过程实现了更加准确的期望估计，迭代算法可以有效地实现异类传感器的误差配准，使估计的系统误差收敛到似然函数的局部最优解，仿真结果显示了该算法的有效性。。