野外和非结构化环境下的障碍探测是无人驾驶车（UGV）环境感知的难题之一。基于高度识别障碍是一种有效的解决途径，提出了干涉合成孔径雷达（InSAR）的三维障碍物成像策略，研究了InSAR信息处理流程，分析了干涉基线和运动误差对车载InSAR高程测量精度的影响，仿真了无人车前场景存在遮挡时的InSAR高程测量，证明了InSAR用于UGV前方环境感知的可行性。

33 基于随机矩阵理论和最小描述长度的机载前视阵雷达杂波自由度估计

机载前视风切变雷达是飞机进行风切变探测和预警的重要工具。为了设计一种可输出风切变雷达仿真信号的风切变信号发生器，利用快速傅立叶变换（FFT）法分析某型机载前视风切变雷达的回波信号，分别用频谱估计法和经典功率谱估计法两种方法估计了雷达回波信号的多普勒频移，比较两种方法的优劣，进而选择经典功率谱估计法计算出风场的径向风速分布。建立均一化静止对称的风场模型仿真了风切变雷达的回波信号，从而设计出可输出风切变雷达仿真信号的风切变信号发生器，可满足机载气象雷达航空部附件维护和维修时对便携性和灵活性的需求。

针对一种特殊的新型双基合成孔径雷达(SAR)成像模式——弹载双基前视SAR，由于收发平台较高速度和加速度的引入，距离历程存在双根号下高阶项问题以及该构型相对单/双基直线轨迹SAR 更为严重的距离徙动问题，提出了一种消除位置空变性的扩展场景成像算法。首先在时域对距离走动量进行校正以减少二维耦合量，然后基于级数反演求得的高精度二维频谱，对各相位项的场景空变性进行量性分析，并通过高阶多项式拟合设计出空变的匹配滤波器，完成扩大场景成像。该方法处理简洁且具有更少的运算量，利于弹载平台下成像分析和后续处理。仿真实验表明，本算法有效校正了场景空变性，提高了场景边缘点的聚焦性能，从而扩大了成像场景范围。

前视红外目标识别是精确制导武器的关键技术。实际应用中，模板和实时图存在尺度和角度的差异，易导致误匹配。为克服上述问题，提出了一种基于边缘仿射不变坐标的前视红外目标识别算法。以边缘曲线的区域质心为基准点建立局部坐标系，在此坐标系下，边缘点的坐标值具有仿射不变；将边缘的坐标集合作为描述子，利用平均hausdorff 距离度量边缘的相似性；最后结合边缘的相对位置剔除误匹配，实现前视红外目标的稳健识别。通过三组实验，与基于灰度模板和基于边缘模板的识别算法相比，识别率和稳健性均有所提高。

完整代码，可直接运行

用matlab进行仿真，此为合成毫米波雷达前视成像仿真实例，可进行仿真模拟 毫米波前视成像实例

用matlab进行仿真，此为合成毫米波雷达前视成像仿真实例，可进行仿真模拟 毫米波前视成像实例

用matlab进行仿真，此为合成毫米波雷达前视成像仿真实例，可进行仿真模拟 毫米波前视成像实例

基于两点法的前视摄像头快速外参标定算法