动目标检测和成像，该代码采用BP算法，对一片区域进行成像，在系统噪声和杂波背景下能够有效对动目标进行检测和成像，并且使用ATI技术估计动目标信息。 但该份代码还是存在着一些问题，随着斜视角的增大，动目标的位置估计与实际偏差会越大，正侧视的情况下（斜视角为0），偏差最小。 如有朋友能够解决该问题或提供解决思路，本人将不胜感激！

首先成像区域中与雷达距离相同的点，它们到雷达的时延是相同的，减去回波信号起始点的时间后，它们的时延仍然相同。以蓝色为例，假设图中的红点是点目标所在的位置，红色曲线为点目标的距离徙动曲线，当雷达运动到蓝色位置时刚好扫到点目标。取当前方位向距离升采样后回波数据，由于成像区域中与雷达距离相同的点，它们到回波信号采样起始点的时延是相同的，因此它们在升采样数据上的移动距离也是相同的。实现代码： ———————————————— 版权声明：本文为CSDN博主「Xc Lbb」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/jshdhhdhy/article/details/131563123

用后向投影算法进行合成孔径成像，实现多个点目标成像

合成孔径雷达原理(SAR).ppt

Victor C Chen 编书《逆合成孔径雷达成像》附代码，代码齐全，注释清楚

合成孔径雷达的经典成像算法cs(matlab)仿真代码（吐血整理，内容全，注释全）不需要验证，直接可拿来用，代码简洁已读，希望对有需要的人有帮助

这些论文深入研究并改进动目标尤其是慢速运动目标的检测和成像技术, 提高动目标检测概率,全面获取动目标的运动参数并对动目标精确成像;同时, 试图寻求一些新的动目标检测和成像方法,创新性地解决动目标检测和成像中的 关键问题,使之更加先进、高效和实用。是合成孔径雷达（SAR）运动目标检测经典论文。

专门用来仿真RD算法的SAR程序，希望对初学者有帮助

为了提高国产合成孔径雷达(SAR)和光学图像的融合性能,采用高分一号、高分二号多光谱图像,高分三号SAR 聚束模式和精细化条带1模式图像,利用变换域和空间域两种不同的融合思想,提出一种非下采样剪切波变换(NSST)方法结合IHS(intensity-hue-saturation)变换和区域性改进脉冲耦合神经网络(PCNN)方法的融合算法(IHS_NSST)。该算法首先对多光谱图像进行IHS变换;其次在NSST分解的子带上,引用区域性的思想,对低频成分采用区域能量平均方法,对高频成分采用改进拉普拉斯能量和(SML)激励的PCNN方法;最终从定性和定量两个方面进行评价,并将所提算法与多种融合方法作比较。结果表明:基于区域性IHS_NSST的融合方法在高分SAR和光学图像融合上有较大的优势;采用该方法大大提升了融合性能,有效减小了光谱失真,较好地保持空间特征信息,提高了国产高分SAR和光学图像的可利用程度。

基于合成孔径激光成像雷达(SAIL)二维数据收集方程和成像算法, 研究了圆形孔径和矩形孔径光学望远镜天线的方位向成像分辨率, 导出了点扩展函数的解析表达式, 分析了理想成像点尺寸及其光学足迹中心偏离、相位二次项匹配滤波失匹、空间采样宽度、采样周期等的影响; 也研究了距离向成像分辨率并分析了非线性啁啾补偿等的影响。对于各种影响因素都给出了数学判据, 特别是发现了矩形孔径的光学望远镜可以产生适合于SAIL扫描方式的矩形光学足趾并消除方位向分辨率不均匀降低, 可以设计最佳的矩形孔径的尺度分别控制光学足趾在方位向及其垂直方向上的尺度, 得到大扫描宽度和高方位向分辨率; 也发现了目标外差延时必须尽量小以克服非线性啁啾和初始光频不稳定性相位误差。