آمار

تعداد نشریات39
تعداد شماره‌ها1,172
تعداد مقالات8,445
تعداد مشاهده مقاله6,341,518
تعداد دریافت فایل اصل مقاله3,589,026
محمدی, میثم, محمودی, علی‌مراد. (1395). شبیه‌ساز سریع دادۀ خام اهداف متحرک در تصویربرداری نواری با رادار دهانه مصنوعی. پدافند الکترونیکی و سایبری, 4(1), 37-48.
میثم محمدی; علی‌مراد محمودی. "شبیه‌ساز سریع دادۀ خام اهداف متحرک در تصویربرداری نواری با رادار دهانه مصنوعی". پدافند الکترونیکی و سایبری, 4, 1, 1395, 37-48.
محمدی, میثم, محمودی, علی‌مراد. (1395). 'شبیه‌ساز سریع دادۀ خام اهداف متحرک در تصویربرداری نواری با رادار دهانه مصنوعی', پدافند الکترونیکی و سایبری, 4(1), pp. 37-48.
محمدی, میثم, محمودی, علی‌مراد. شبیه‌ساز سریع دادۀ خام اهداف متحرک در تصویربرداری نواری با رادار دهانه مصنوعی. پدافند الکترونیکی و سایبری, 1395; 4(1): 37-48.

شبیه‌ساز سریع دادۀ خام اهداف متحرک در تصویربرداری نواری با رادار دهانه مصنوعی

رادار
مقاله 3، دوره 4، شماره 1، اردیبهشت 1395، صفحه 37-48    اصل مقاله (695.87 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
میثم محمدی* ؛ علی‌مراد محمودی
دانشگاه شهید چمران
تاریخ دریافت: 31 تیر 1394،  تاریخ بازنگری: 02 بهمن 1402،  تاریخ پذیرش: 28 شهریور 1397 
چکیده
دسترسی به یک مولد سریع و دقیق دادۀ خام اهداف متحرک در تصویربرداری با رادار دهانه مصنوعی، به‌ویژه در کاربردهای مربوط به آشکارسازی هدف متحرک زمینی، از اهمیت زیادی برخوردار است. در این مقاله، از ترکیب حوزۀ زمان و فرکانس، یک الگوریتم سریع برای تولید دادۀ خام اهداف متحرک در تصویربرداری نواری با این رادار، ارائه شده است. با استفاده از این شبیه‌ساز، در شرایط مختلف از نظر سرعت، شتاب و جهت حرکت هدف، دادۀ خام رادار تولید شده و با بهره‌گیری از الگوریتم بُرد-داپلر، تصویر نهایی آن استخراج شده است. سپس، تصاویر به‌دست آمده، با بهره-گیری از روابط استخراج شده برای پیش‌بینی اثر پارامترهای حرکت هدف بر تصاویر رادار، مورد مطالعه قرار گرفته است. نتایج به‌دست آمده نشان می‌دهد که شبیه‌ساز پیشنهادی، از لحاظ سرعت و دقت، نسبت به سایر شبیه‌سازهای موجود از عملکرد بهتری برخوردار است.
کلیدواژه‌ها
دادۀ خام؛ رادار دهانه مصنوعی؛ تصویربرداری نواری؛ اهداف متحرک؛ الگوریتم بُرد-داپلر
مراجع
  1. Y. K. Chan and V. C. Koo, “An Introduction to Synthetic
  2. Aperture Radar (SAR),” Progress In Electromagnetics
  3. Research B, vol. 2, pp. 27-60, 2008.
  4. O. Dogan and M. Kartal, “Efficient Strip-Mode SAR Raw-
  5. Data Simulation of Fixed and Moving Targets,” IEEE
  6. Geoscience and Remote Sensing Letters, vol. 8, no. 5, pp.
  7. -888, 2011.
  8. S. H. Lim, J. H. Han, S. Y. Kim, and N. H. Myung, “Azimuth
  9. Beam Pattern Synthesis for Airborne SAR System
  10. Optimization,” Progress In Electromagnetics Research, vol.
  11. , pp. 295-309, 2010.
  12. Q. Liu, W. Hong, W. X. Tan, Y. Lin, Y. Wang, and Y. Wu,
  13. “An Improved Polar Format Algorithm with Performance
  14. Analysis for Geosynchronous Circular SAR 2D Imaging,”
  15. Progress In Electromagnetics Research, vol. 119, pp. 155-
  16. , 2011.
  17. S. J. Wei, X. L. Zhang, and J. Shi, “Linear Array SAR
  18. Imaging via Compressed Sensing,” Progress In
  19. Electromagnetics Research, vol. 117, p. 299-319, 2011.
  20. J. W. Winkler, “An Investigation into Ground Moving Target
  21. Indication (GMTI) Using a Single-Channel Synthetic
  22. Aperture Radar (Master's Thesis),” Brigham Young
  23. University, 2013.
  24. I. C. Sikaneta, “Detection of Ground Moving Objects with
  25. Synthetic Aperture Radar (Ph.D. Thesis),” Ottawa: Univ.
  26. Ottawa, 2002.
  27. E. Chapin and C. W. Chen, “Along-Track Interferometry for
  28. Ground Moving Target Indication,” IEEE Aerosp. Electron.
  29. Syst. Mag., vol. 23, no. 6, pp. 19-24, 2008.
  30. D. C. Maori, J. Klare, A. R. Brenner, and J. H. G. Ender,
  31. “Wide-Area Traffic Monitoring with the SAR/GMTI System
  32. PAMIR,” IEEE Trans. Geosci. Remote Sens., vol. 46, no. 10,
  33. pp. 3019–3030, 2008.
  34. Entzminger, J. N., “JointSTARS and GMTI: Past, Present
  35. and Future,” IEEE Trans. Aerosp. Electron. Syst., vol. 35, no.
  36. , p. 748–761, 1999.
  37. C. Livingstone and A. Thompson, “The Moving Object
  38. Detection,” Can. J. Remote Sens., vol. 30, no. 3, pp.
  39. –368, 2004.
  40. C. Romero, “High Resolution Simulation of Synthetic
  41. Aperture Radar Imaging, California: Polytechnic State
  42. University, San Luis Obispo, 2010.
  43. L. Yang, W. D. Yu, Y. H. Luo, and S. C. Zheng, “Efficient
  44. Strip-Mode SAR Raw Data Simulator of Extended Scenes
  45. Included Moving Targets,” Progress In Electromagnetics
  46. Research B, vol. 53, pp. 187-203, 2013.
  47. Y. Q. Jin, “Polarimetric Scattering Modeling and
  48. Informationre-Trieval of SAR Remote Sensing-A Seview of
  49. FDU Work,” Progress In Electromagnetics Research, vol.
  50. , pp. 333-384, 2010.
  51. Y. L. Chang, C. Y. Chiang, and K. S. Chen, “SAR Image
  52. Simulation with Application to Target Recognition,”
  53. Progress In Electromagnetics Research, vol. 119, pp. 35-57,
  54.  
  55. H. Buddendick and T. F. Eibert, “Bistatic Image Formation
  56. from Shooting and Bouncing Rays Simulated Current
  57. Distributions,” Progress In Electromagnetics Research, vol.
  58. , pp. 1-18, 2011.
  59. M. Zhang, Y. W. Zhao, H. Chen, and W. Q. Jiang, “SAR
  60. Imaging Simulation for Composite Model of Ship on
  61. Dynamic Ocean Scene,” Progress In Electromagnetics
  62. Research, vol. 113, pp. 395-412, 2011.
  63. M. Alessandro and D. V. Francesca, “A Time-Domain Raw
  64. Signal Simulator for Interferometric SAR,” IEEE Trans. on
  65. Geosci. Remote Sens., vol. 42, no. 9, pp. 1811-1817, 2004.
  66. Y. Wang, Z. M. Zhang, and Y. K. Deng, “Squint Spotlight
  67. SAR Raw Signal Simulation in the Frequency Domain Using
  68. Optical Principles,” IEEE Trans. on Geosci. Remote Sens.,
  69. vol. 46, no. 8, pp. 2208-2215, 2008.
  70. X. Qiu, D. Hu, L. Zhou, and C. Ding, “A Bistatic SAR Raw
  71. Data Simulator Based on Inverse w-k Algorithm,” IEEE
  72. Trans. on Geosci. Remote Sens., vol. 48, no. 3, pp.
  73. -1547, 2010.
  74. G. Franceschetti, R. Guida, A. Iodice, D. Riccio, and G.
  75. Ruello, “Efficient Simulation of Hybrid Stripmap/Spotlight
  76. SAR Raw Signals from Extended Scenes,” IEEE Trans. on
  77. Geosci. Remote Sens., vol. 42, no. 11, pp. 2385-2396, 2004.
  78. A. S. Khwaja, L. Ferro-Famil, and E. Pottier, “SAR Raw
  79. Data Generation Using Inverse SAR Image Formation
  80. Algorithms,” in Proc. Int. Geosci. Remote Sens. Symp.,
  81.  
  82. G. Franceschetti, A. Iodice, S. Perna, D. Riccio, “Efficient
  83. Simulation of Airborne SAR Raw Data of Extended Scenes,”
  84. IEEE Trans. Geosci. Remote Sens., vol. 44, no. 10, pp. 2851-
  85. , 2006.
  86. S. V. Baumgartner and G. Krieger, “Chapter 18 Multi-
  87. Channel SAR for Ground Moving Target Indication,”
  88. Academic Press Library in Signal Processing, vol. 2, pp. 911-
  89. , 2014.
  90. A. Adewoye, “Synthetic Aperture Radar Simulation for Point
  91. and Extended Targets (Master's Thesis),” Ontario: McMaster
  92. University, 2013.
  93. I. G. Cumming and F. H. Wong, “Digital Processing of
  94. Synthetic Aperture Radar Data: Algorithms and
  95. Implementations,” Norwood: Artech House, 2005.
آمار
تعداد مشاهده مقاله: 318
تعداد دریافت فایل اصل مقاله: 119