合成孔径雷达(Synthetic Aperture Radar ，简称SAR)是一种高分辨率成像雷达技术。它利用脉冲压缩技术获得高的距离向分辨率，利用合成孔径原理获得高的方位向分辨率，从而获得大面积高分辨率雷达图像。

合成孔径雷达（SAR）的点目标仿真，wKA算法，初学者可以参考一下

毫米波雷达，sar图像处理，Matlab函数，点云图像，轨迹跟踪

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。

使用RD方程，对高分三号一级产品进行几何校正

SAR压缩感知成像既可在时域完成，也可在频域完成，这是一种时域压缩感知成像算法。

SAR前斜视RD算法 含距离走动矫正和距离徙动矫正（距离多普勒域RCMC与二次距离压缩SRC）； 时域矫正距离走动频域矫正距离弯曲； 算法适用于斜视角较大的情况； 含多普勒中心估计与解模糊；

合成孔径雷达(SAR) SAR是一套多波束合成孔径雷达，工作频率为 5.3 GHz，属C频段，HH极化。SAR扫描左侧地面。它有5种工作模式，5种模式的照射带分别为： 500km，300km，200km，300km与500km，800km。 地面分辨率分别为28 m×25 m，28 m×25m，9m×l0m，30m×35m与55m×32m，28m×31m。 BACK

极化合成孔径雷达SAR_椭圆极化

LS-SSDD-v1.0-船舶检测计算机视觉 这是论文《使用深度学习从合成Kong径雷达（SAR）图像中检测小型船只》的代码存储库。 考虑到正在考虑的众多模型和模块化数据下载过程，我们通过交互式Jupyter笔记本展示了我们的代码。 请注意，模型权重，模型输出和数据集不在此存储库中。 原始数据集可以在以下位置找到： : 概述 根目录中有两个笔记本，它们训练了我们的最佳模型并执行推理。 'final_model.ipynb'是我们训练改进模型的地方'final_evaluation.ipynb'是我们对改进模型进行推断的地方 班级文件 包含我们的论文，作为CS230深度学习的一部分。 文件 我们在该项目过程中使用的论文集 火车 我们所有的培训笔记本（包括基线，实验和本文中介绍的最终模型） 数据 用于预处理数据并转换为“ Detectron2”格式的笔记本 效用 使用Otsu的方法来生成