❶ 请问雷达成像算法中的时域反转镜技术具体计算过程是怎样的谢谢~
雷达成像基于目标的散射点模型.雷达通常发射长时宽的线频调(chirp)信号，然后用参考信号对回波作解线频调(dechirp)处理，再将解线频调的回波作横向排列，则在一定条件下它可近似为二维正弦信号模型，通过二维傅里叶变换，可以重构目标的二维像；采用超分辨算法［1～3］，还可得到更精细的二维目标像.
应当指出，上述二维模型是假设散射点在成像期间不发生超越分辨单元走动，近似认为散射点的移动只影响回波的相移，而子回波包络则固定不变.这种近似，只适用于小观察角时参考点附近有限小尺寸目标成像.
如果目标较大，特别是在离参考点较远处，越分辨单元移动(MTRC)便会发生，从而使得用简单二维模型获得的图像模糊.传统解决的方法是按目标转动用极坐标-直角坐标插值.插值不可避免地会有误差，而超分辨算法通常基于参数化估计，对误差较为敏感，这会影响成像质量.
本文介绍一种近似度较高的二维模型，并利用该模型通过超分辨算法成像，可获得较好的结果.
二、维回波模型
设目标有K个散射点，雷达以平面波自下向上照射目标(图1).目标以参考点为原点相对雷达射线转动，经过N次脉冲发射，散射点Pk点移至P′k点，移动中第n次脉冲时该散射点的垂直坐标为：
ykn=yk+Δykn=xksin(nδθ)+ykcos(nδθ),n=0,1,…,N-1(1)
式中δθ为相邻脉冲的转角，总观测角Δθ=(N-1)δθ.考虑到雷达发射的是长时宽的线频调信号，以原点为参考作解线频调处理，并对信号以 的频率采样，得目标的回波信号(离散形式)为：
(2)
式中Ak为第k个散射点子回波信号的复振幅;fc、γ分别是雷达载频和调频率，c为光速；e(m,n)为加性噪声.
图1二维雷达目标几何图
由于观测角Δθ很小，取近似sin(nδθ)≈nδθ和cos(nδθ)≈1，则式(2)可近似写成:
(3)
式中
式(3)指数项中的第三项是时频耦合项，它是线频调信号(其模糊函数为斜椭圆)所特有的，如果采用窄脉冲发射，则该项不存在.将该项忽略，则式(3)成为常用的回波二维正弦信号模型.
实际上，式(3)的第三项系“距离移动”项，它与散射点的横坐标xk成正比，目标区域大时必须考虑，而且这还远远不够，散射点的多普勒移动也必须考虑.为此，令sin(nδθ)≈nδθ和cos(nδθ)≈1-(nδθ)2/2，则式(2)较精确的近似式可写成：
(4)
式(4)与式(3)相比较，指数中增加了两项，其中前一项是“多普勒移动”项，纵坐标yk越大，影响也越大，这可以补充式(3)之不足；而后项是时频耦合的多普勒移动项，由于Mγ/Fs<<fc，它的影响可以忽略.因此，可将考虑MTRC情况下，回波二维模型的一阶近似式写成：
(5)
需要指出，每个散射点的参数之间存在下述关系：ωk/μk=2γ/Fsfcδθ2和 k/vk=fcFs/γδθ.由于雷达参数(fc,γ,Fs)和运动参数(δθ)均已知，所以待估计的五个参数中只有三个是独立的.本文假设五个参数是独立的，而在成像计算中已考虑参数之间的关系.
设{ξk}Kk=1≡{αk,ωk, k,μk,vk}Kk=1，现在我们要从y(m,n)中估计参量{ξk}Kk=1.
三、二维推广的RELAX算法
对于(5)式所示的信号模型，令：
Y=［y(m,n)］M×N
则 (6)
式中
设ξk估计值为 ，则ξk的估计问题可通过优化下述代价函数解决：
(7)
式中‖.‖F表示矩阵的Frobenius范数，⊙表示矩阵的Hadamard积.
上式中C1的最优化是一个多维空间的寻优问题，十分复杂.本文将RELAX［3］算法推广以求解.为此，首先做以下准备工作，令：
(8)
即假定{ i}i=1,2,…,K,i≠k已经求出，则式(7)C1的极小化等效于下式的极小化：
C2(ξk)=‖Yk-αk(aM(ωk)bTN( k)Pk)⊙Dk(vk)‖2F(9)
令：Zk=YkP-1k⊙Dk(-vk)(10)
由于Pk为酉矩阵，矩阵Dk的每个元素的模|Dk(m,n)|=1,显然矩阵Yk与Zk的F范数相同，故C2的极小化等效于下式的极小化：
C3=‖Zk-αkaM(ωk)bTN( k)‖2F(11)
对上式关于αk求极小值就获得αk的估计值 k：
k=aHM(ωk)Zkb*N( k)/(MN)(12)
从式(12)可以看出： 是Zk归一化的二维离散傅里叶变换在{ωk, k}处的值，所以只要得到估计值{ k, k, k, k}，即可通过2D-FFT获得 k.
将估计值 k代入式(11)后，估计值{ k, k, k, k}可由下式寻优得到：
(13)
由上式可见，对于固定的{μk,vk}取值,估计值{ k, k}为归一化的周期图|aHM(ωk)Zkb*N( k)|2/(MN)主峰处的二维频率值.这样，式(13)的优化问题归结为：在(μk,vk)平面上可能的取值范围内寻找一点{ k, k}，在该点处周期图|aHM(ωk)Zkb*N( k)|2/(MN)的主峰值比其余各点处的主峰值都大.所以，我们通过上述二维寻优获得{μk,vk}的估计值{ k, k}，再由式(13)得到{ωk, k}的估计值{ k, k}.
实际中，为了加快运算速度，二维(μk,vk)平面的寻优可以用Matlab中的函数Fmin()实现.
在做了以上的准备工作以后，基于推广的RELAX算法的参量估计步骤如下：
第一步：假设信号数K=1,分别利用式(13)和式(12)计算 1.
第二步(2)：假设信号数K=2，首先将第一步计算所得到的 1代入式(8)求出Y2，再利用式(13)和式(12)计算 2；将计算的 2代入式(8)求出Y1，然后利用式(13)和式(12)重新计算 1，这个过程反复叠代，直至收敛.
第三步:假设信号数K=3,首先将第二步计算所得到的 1和 2代入式(8)求出Y3，再利用式(13)和式(12)计算 3；将计算的 3和 2代入式(8)求出Y1，然后利用式(13)和式(12)重新计算 1；将计算的 1和 3代入式(8)求出Y2，然后利用式(13)和式(12)重新计算 2，这个过程反复叠代，直至收敛.
剩余步骤：令K=K+1,上述步骤持续进行，直到K等于待估计信号数.
上述过程中的收敛判据与RELAX算法的收敛判据相同，即比较代价函数C1在两次叠代过程中的变化值，如果这个变换值小于某个值，如ε=10-3，则认为过程收敛.
四、数值模拟
1.算法参数估计性能模拟
模拟数据由式（5）产生，M=10,N=10，信号数K=2.信号参数和实验条件如表1所示,为复高斯白噪声.注意两信号的频率差小于FFT的分辨率Δf=Δω/(2π)=0.1.表1给出了信号参数估计均方根误差的统计结果及相应情形时的C-R界，可见，估计均方根误差与CR界十分接近.另外表中还给出了估计均值，与真实值也非常接近.
表1二维信号的参数估计、CRB及与均方根差的比较
2.SAR成像模拟
雷达参数为：中心频率f0=24.24GHz,调频率γ=33.357×1011Hz/s,带宽B=133.5MHz,脉冲宽度tp=40μs.四个点目标作正方形放置，间隔50米，左下角的点作为参考点.雷达与目标间隔1公里，观察角Δθ=3.15，数据长度为128×128.采用FFT成像方法时，其纵向和横向距离分辨率为ρr=ρa=1.123米，防止MTRC现象发生所需的目标最大范围为［4］：纵向尺寸Dr＜4ρ2r/λ=40米，横向尺寸Da＜4ρ2a/λ=40米.采用常规超分辨方法时，目标尺寸Dr=Da＞10米则出现明显的性能下降.图2、图3分别给出了RELAX方法及本文推广的RELAX(Extended RELAX)算法的成像结果.可以看出，由于目标远离参考中心，已在横向和纵向出现距离走动，采用常规超分辨的RELAX算法产生图像模糊，对于本文算法，则得到基本正确的成像结果.图4和图5则比较了RELAX算法和推广的RELAX算法的散射点强度估计结果，可以看到，RELAX算法由于距离走动影响，散射点（除参考点以外）的强度降低.对于本文算法，散射点强度接近真实值.
图2距离走动误差下的RELAX成像结果 图3距离走动误差下的
图4RELAX方法估计的信号强度推广RELAX成像结果 图5推广RELAX方法估计的信号强度
五、结束语
现有的雷达成像超分辨算法是基于目标回波信号的二维正弦信号模型，所以仅适用于目标位于参考点附近很小区域时的情形.当目标远离参考点时，模型误差，特别是距离走动误差，将使算法性能严重下降或失效.为此，本文提出一种基于雷达成像近似二维模型的超分辨算法,从而扩大了超分辨算法的适用范围.本文进一步的工作包括SAR实测数据成像及ISAR机动目标成像，结果将另文报道.
附 录：参数估计的C-R界
下面我们给出式(5)所示的二维信号参量估计的C-R界表达式.同时假设式(5)中加性噪声为零均值高斯色噪声，其协方差矩阵未知.令：
y=vec(Y)(A.1)
e=vec(E)(A.2)
dk=vec(Dk)(A.3)
式中vec(X)=(xT1,xT2，…，xTN)T，向量xn(n=1,2,…,N)为矩阵X的列向量.我们将式(5)改写为如下向量形式：
(A.4)
式中 表示Kronecker积,Ω=［{［P1bN( 1)］ aM(ω1)}⊙d1…{［PkbN( K)］ aM(ωK)}⊙dK］,α=(α1，α2，…，αK)T.
令Q=E(eeH)为e的协方差矩阵，则对于由式(A.4)所示的二维信号模型，其Fisher信息阵(FIM)的第ij个元素推广的Slepian-Bangs公式为［5,6］:
(FIM)ij=tr(Q-1Q′iQ-1Q′j)+2Re［(αHΩH)′iQ-1(Ωα)′j］(A.5)
式中X′i表示矩阵X对第i个参数求导，tr(X)为矩阵的迹，Re(X)为矩阵的实部.由于Q与Ωα中的参量无关，而Ωα亦与Q的元素无关，显然FIM为一块对角阵.所以待估计参量的C-R界矩阵由(A.5)式的第二项得到.
令：η=(［Re(α)］T［Im(α)］TωT TμTvT)T(A.6)
式中ω=(ω1，ω2，…，ωK)T,μ=(μ1,μ2,…,μK)T, =( 1， 2，…， K)T,v=(v1,v2,…,vK)T.
令：F=［ΩjΩDωΘD ΘDμΘDvΘ］(A.7)
式中矩阵Dω、D 、Dμ、Dv的第k列分别为： ［{［PkbN( k)］ aM(ωk)}⊙dk］/ ωk、 ［{［PkbN( k)］ aM(ωk)}⊙dk］/ k、 ［{［PkbN( k)］ aM(ωk)}⊙dk］/ μk、 ［{［PkbN( k)］ aM(ωk)}⊙dk］/ vk，Θ=diag{α1α2…αK}.则关于参量向量η的CRB矩阵为
CRB(η)=［2Re(FHQ-1F)］-1(A.8)
❷ 雷达研究方向
研究方向很多，你说的大方向就不对，因为雷达的各个系统都是研究的热点，你说的信号处理只是接受端的信号处理部分。从天线到T\R组件，再到你说的信号处理都是研究热点，具体到小方向就更多了，甚至有人在研究工艺的问题。不过发展的大方向是超宽带，还有卫星用sar以及isar等等，都是，当然也包括天波超视距雷达，都是前沿的研究方向
❸ 哪位高人指点下合成孔径雷达和相控阵雷达的区别
成孔径雷达就是利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据处理的方法合成一较大的等效天线孔径的雷达。合成孔径雷达的特点是分辨率高，能全天候工作，能有效地识别伪装和穿透掩盖物。
合成孔径雷达主要用于航空测量、航空遥感、卫星海洋观测、航天侦察、图像匹配制导等。它能发现隐蔽和伪装的目标，如识别伪装的导弹地下发射井、识别云雾笼罩地区的地面目标等。在导弹图像匹配制导中，采用合成孔径雷达摄图，能使导弹击中隐蔽和伪装的目标。合成孔径雷达还用于深空探测，例如用合成孔径雷达探测月球、金星的地质结构。
合成孔径雷达工作时按一定的重复频率发、收脉冲，真实天线依次占一虚构线阵天线单元位置。把这些单元天线接收信号的振幅与相对发射信号的相位叠加起来，便合成一个等效合成孔径天线的接收信号。若直接把各单元信号矢量相加，则得到非聚焦合成孔径天线信号。在信号相加之前进行相位校正，使各单元信号同相相加，得到聚焦合成孔径天线信号。地物的反射波由合成线阵天线接收，与发射载波作相干解调，并按不同距离单元记录在照片上，然后用相干光照射照片便聚焦成像。这一过程与全息照相相似，差别只是合成线阵天线是一维的，合成孔径雷达只在方位上与全息照相相似，故合成孔径雷达又可称为准微波全息设备。
我们知道，蜻蜓的每只眼睛由许许多多个小眼组成，每个小眼都能成完整的像，这样就使得蜻蜓所看到的范围要比人眼大得多。与此类似，相控阵雷达的天线阵面也由许多个辐射单元和接收单元（称为阵元）组成，单元数目和雷达的功能有关，可以从几百个到几万个。这些单元有规则地排列在平面上，构成阵列天线。利用电磁波相干原理，通过计算机控制馈往各辐射单元电流的相位，就可以改变波束的方向进行扫描，故称为电扫描。辐射单元把接收到的回波信号送入主机，完成雷达对目标的搜索、跟踪和测量。每个天线单元除了有天线振子之外，还有移相器等必须的器件。不同的振子通过移相器可以被馈入不同的相位的电流，从而在空间辐射出不同方向性的波束。天线的单元数目越多，则波束在空间可能的方位就越多。这种雷达的工作基础是相位可控的阵列天线，“相控阵”由此得名。
有源相阵控雷达和无源相阵控雷达的区别是就是无源是只有单个或者几个发射机子阵原只能接收，而有源是每个阵原都有完整的发射和接收单元！
❹ 被动雷达与（主动）一般雷达的区别
被动雷达与主动雷达的区别楼上同学大概说了，但被动雷达对F22就能其作用吗？F22的雷达不是常规机载火控雷达，而是多功能射频管理系统，实现低可截获特性的主要手段包括猝发脉冲工作模式，跳频和扩频，APG77所采取的扩频和调频技术使传感器无法探测到APG77的信号，而且即使完全截获也无法计算出其特征,无法确定发射源，目前技术条件下，还没有出现能对“伪随机码扩频”雷达信号进行准确截获的无源雷达或者雷达告警接收机现在只有台风的DASS系统号称能截获其信号，号称。老听见不懂装懂的人在说F－２２打开雷达就无法隐身的，图强不是YY出来的，而是靠4代机扎扎实实的研发弥补代差。中国雷达90年代后进步非常快，现在的水平也能达到欧洲90中期水准，但关键元件依然靠进口，排名也应该排在毛子之后，毛子虽然以傻笨而闻名，但得承认他们得算法，整合能力相当强悍，今年来进步也非常大。
❺ 求在进行多雷达精确定位时的一种定位算法.
在实际情况中，往往使用更多雷达进行精确定位。在采用多基雷达进行飞行目标空中定位测量，主要为一发（T或T/R）多收（R）的多基系统，为集中式结构，
系统配置为一个主站（发射/接收）和三个分站（接收），主站与分站之间通过信号同步网络实现在时域、频域、空域上的严格同步。空间同步采用数字波束形成（DBF）技术，工作于脉冲追赶方式或同时多波束方式，各站将所测得的目标数据通过数据传输网络传输到中处理机，进行点迹相关、定位与跟踪处理。观测模式为主站（T/R）发射雷达信号，并能测量目标距离 !或方位角 ，分站 测量距离差 方位角 或者其中之一的观测量。在此种观测模式下，目标的空间定位面为回转双曲面。因此我们设计了多基雷达目标定位算法。具体算法为：
设 为在笛卡儿坐标下某一地面站 的站址坐标，j=0,1,2,3. 为空中飞行目标的位置矢量， . 为飞行目标至地面站 的距离，j=0,1,2,3. 为主目标斜距观测量与分站至目标斜距观测量之差值。 ,其中 为主站与某一分站接收雷达反射信号的到达时间差i=1,2,3.
显然，测量的斜距差 是空中飞行目标位置矢量 的函数，有
fj(r)=s0-sj-pj=0 (3)
sj=[(x-xj)^2+(y-yj)^2+(z-zj)^2]^1/2
要获得空中目标三维位置矢量 ，利用每一时刻测得的3个 值，
可得到如（3）式所示的三个独立方程，用矩阵表达式为 ,其中，f(r)=[f1(r) f2(r) f3(r)]^T .
要从上述非线性测量方程中获得精确的空间目标位置估计值，一个比较通用的方法是作泰勒级数展开，先给出一个飞行目标的初始估值 作为一个参考点，然后将测量函数 在 处作泰勒展开并进行线性化处理，有f (r)=f|r0+G|r0*(r-r0) (4)
式中，G是雅克比矩阵，定义为 .由（3）式和（4）式又可获得空间目标位置矢量新的估计值 r=r0-G^-1*f|r0 （5）
然后，再将求出的估计值 作为新的初值，重复上述过程，又可获得在 处的空中目标位置矢量估计 ，这样重复对目标位置进行迭代计，直到使估计值均方误差满足要求的精度。在上述过程中，由于采用了泰勒级数展开，存在一个线性化模型误差。在实际解算时，也可以根据测量位置精度要求设置泰勒级数展开的阶数，从而使得模型化误差小得可以忽略。
❻ 多个雷达监测多个目标，怎样确定目标的个数用什么算法进行目标识别
网络知道也不可能什么都知道啊，应用性越强的东西越难在网上找到答案，20分要想解决这个问题比较难。到专业的论坛或找找专业论文比较实际一些。我的想法是：
1.要转换到同一个坐标系中，通常是世界坐标系。
2.是合作目标的画就比较简单，通过应答的信息简单的去重求和。
3.对非合作目标，比较简单的办法是给出一个分辨率delta。当目标的世界坐标距离小于delta时，就认为是同一目标，进行去重复，最后得到目标总数。
4.在复杂的条件下，还要对目标建立航迹，对每部雷达的每批目标航迹进行相关运算去重复，才能比较准确地得到目标数量。
电子工业、机械工业、国防工业、西电等出版社可能有相关书籍。
❼ 雷达信号处理算法有哪些
你都不说你的作用 算法多了去了。后面识别的 提取特征的 都可以叫做信号处理
❽ 怎么用实际雷达数据仿真MUSIC算法
（1） 不管测向天线阵列形状如何，也不管入射来波入射角的维数如何，假定阵列由M个阵元组成，则阵列输出模型的矩阵形式都可以表示为：Y(t)=AX(t)+N(t)
其中，Y是观测到的阵列输出数据复向量；X是未知的空间信号复向量；N是阵列输出向量中的加性噪声；A是阵列的方向矩阵；此处，A矩阵表达式由图册表示。
MUSIC算法的处理任务就是设法估计出入射到阵列的空间信号的个数D以及空间信号源的强度及其来波方向。
（2） 在实际处理中，Y得到的数据是有限时间段内的有限次数的样本（也称快拍或快摄），在这段时间内，假定来波方向不发生变化，且噪声为与信号不相关的白噪声，则定义阵列输出信号的二阶矩：Ry。
（3） MUSIC算法的核心就是对Ry进行特征值分解，利用特征向量构建两个正交的子空间，即信号子空间和噪声子空间。对Ry进行特征分解，即是使得图册中的公式成立。
（4） U是非负定的厄米特矩阵，所以特征分解得到的特征值均为非负实数，有D个大的特征值和M-D个小的特征值，大特征值对应的特征向量组成的空间Us为信号子空间，小特征值对应的特征向量组成的空间Un为噪声子空间。
（5） 将噪声特征向量作为列向量，组成噪声特征矩阵 ，并张成M-D维的噪声子空间Un，噪声子空间与信号子空间正交。而Us的列空间向量恰与信号子空间重合，所以Us的列向量与噪声子空间也是正交的，由此，可以构造空间谱函数。
（6） 在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计值。
❾ 雷达处理信号，以点目标成像为例，采用RD算法，先用距离压缩，然后距离校正，最后方位压缩，各有何用
距离压缩其实就是匹配滤波的过程，距离矫正就是距离对齐了，方位压缩就是方位向匹配滤波，压出目标的方位，对于点目标成像，可以不用距离矫正的