经典的聚束SAR成像算法-极坐标格式成像算法

高分辨sar成像cbp与pfa算法研究.pdf

PFA算法（Pattern Fusion）

SPFA算法 算法简介 简介.docx

SPFA算法模版+邻接表实现.docx

在之前的Bellman-Ford算法中存在一个重复更新的问题，即每个枢纽点都要对全部顶点更新计算 SPFA算法就解决了重复计算的问题，在大数据面前大大减少运行时间 该算法改善的思想是避免顶点进行无效的重复更新，对有待更新的顶点移入队列，已更新的顶点移出队列，避免待更新的顶点中存在重复顶点

SPFA的讲解、有一个简单的例子模拟了算法执行的整个过程、 代码实现及打印最淡路径

研究波数域算法（ω-k）和极坐标形式算法（PFA）两种聚束SAR成像算法，并对其进行了定性比较分析.将SAR回波信号的预处理分为时域去调频处理和频域匹配滤波处理，给出了与此相应的两种算法的不同实现形式，并对其信号模型和成像原理进行了比较，从残留视频相位（RVP）、算法的近似和假设以及插值等角度分析比较了这两种算法的性能.比较结果表明，去调频信号预处理方法极大地降低了信号处理量，但是存在残留视频相位（RVP）；匹配滤波预处理不存在RVP，但计算量可观。

SPFA算法的分析及改进_夏正冬.pdf

基本思想 用一个队列来进行维护。初始时将源加入队列。每次从队列中取出一个元素，并对所有与他相邻的点进行松弛，若某个相邻的点松弛成功，则将其入队。直到队列为空时算法结束； 利用了每个点不会更新次数太多的特点发明的此算法 ； 原理是著名的定理： “三角形两边之和大于第三边” 在信息学中我们叫它三角不等式。 所谓对i,j进行松弛，就是判定是否d[j]>d[i]+w[i,j]，如果该式成立则将d[j]减小到d[i]+w[i,j]，否则不动。 d[i]：起点s到i的临时最短路长度 松驰的结果是使j的d值减小