为了更好地将可见光图像与噪声干扰严重的合成孔径雷达图像融合, 提出了一种最大尺度硬阈值去噪的方法, 在此基础上设计了一种融合规则, 根据噪声和信号在NSCT(nonsubsampled Contourlet transform)域的分解系数特性, 将NSCT分解的最大尺首先进行硬阈值去噪, 其他高频尺度与最大尺度对应的像素点取值方式保持一致, 在低频系数采用“简单绝对值取大”的融合规则, 最后进行NSCT逆变换得到融合图像。实验结果表明, 该方法能有效抑制斑点噪声, 并能充分保留源图像重要特征。

This lecture series gives comprehensive overview of the broad field of advanced radar systems, signal and data processing. The series starts with a lecture by U. Nickel in which the basic and fundamental of signal processing for phased array radar and their problems with grating lobes, ambiguities, and angle estimation for instance. The lecture “Advanced target tracking techniques” by W. Koch gives a short introduction to the principle of target tracking and several approaches are discussed for sequential track extraction and for phased-array radars. In the third lecture P. Berens gives an introduction to the synthetic aperture radar (SAR). T. Johnsen provides an overview of bi- and multistatic radar and their associated problems like synchronization, timing, and signal processing. The second lecture of U. Nickel focuses on the problem of adaptive array signal processing and provides the fundamental understanding for the next two lectures. The focus of these lectures, presented by W. Bürger, is on space-time adaptive processing. In his second lecture P. Berens continues with the topic of the synthetic aperture radar and expands the presented techniques to wideband SAR and multichannel SAR/MTI systems. W. Koch’s second paper focuses on sensor data and information fusion, which is essential to extract key-information for the final judgement using several sensors. In summery, this Lecture Series presents a unique overview of the state of the art of advanced radar and the associated signal and data processing research. It offers a variety of material for all those being involved in this scientific area, e.g. students, university teachers, researchers, industrial system designers, and military users.

包络对齐是逆合成孔径雷达(ISAR)平动补偿的关键技术，是图像重构的基础。依据设备所使用包络对齐方法，在积累互相关法的基础上进行算法改进，提出迭代相关对齐法。不同于原方法，迭代相关法使用平均距离像作为参考包络对各次回波作相关对齐，并进行多次迭代，直至收敛，有效地防止对齐漂移和突变误差的发生，从而保证了包络对齐的精度和稳定度。仿真结果表明，该方法能显著提高包络对齐精度从而提高ISAR成像质量，且运算量增加不大。

针对合成孔径雷达（SAR）目标识别问题，提出一种结合线性，非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上，分别利用稀疏表示（SRC）和核稀疏表示（KSRC）对两类特征进行分类。通过线性，非线性特征，分类器的结合，可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中，基于MSTAR数据集进行性能测试，结果表明提出方法的有效性。

合成孔径雷达图像理解，详细介绍了合成孔径雷达图像成像基础、原理、算法一建SAR图像的统计特征，并对雷达图像进行了详细分析。

是PPT,介绍了一些模型，概念，干涉雷达中常用的几种方法，和应用的具体例子

合成孔径雷达SAR的CS算法

合成孔径雷达（Sar）是采用孔径合成技术获得侦察地形和目标高分辨率图形的成象雷达，它不受云.雨.雪. 和黑夜条件的限制。并能透过常规伪装对隐蔽的目标成象。多频.多极化.多视角.干涉测高.地面运动目标检测等技术的发展大大提高了Sar的探测能力，使得成为现代高科技战争不可缺少的战场监视传感器和对地观测手段。由于具有极大的信号处理增益而很难被干扰。其处理的本质是对目标散射响应形成的回波进行卷积的到目标的散射系数，本实验对单个点目标进行处理。

合成孔径雷达成像处理中的距离多普勒算法，RD算法的MATLAB仿真程序，程序中以点目标为成像对象可以较好的实现聚焦

合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。