بیش از سه دهه از به کارگیری گسترده رادار روزنه مصنوعی (sar) برای سنجش از راه دور در کاربردهای نظامی و غیرنظامی می¬گذرد.رادار روزنه مصنوعی امکان تصویربرداری در شب یا روز، تصویربرداری در شرایط آب و هوایی مختلف، تصویربرداری از اهداف پنهان شده و دستیابی به تفکیک¬پذیری مستقل از برد را فراهم می¬کند. یکی از معایب تصویر sar، وجود speckle است. این پدیده در اثر توزیع تصادفی چندین پراکنده¬ساز در هر سلول تفکیک¬پذیری به وجود می¬آید. speckle نویزی ذاتی و ضرب¬شونده است که تفسیرتصاویر رادار روزنه مصنوعی را مشکل می¬سازد. برای بهبود تفسیر دیداری تصویر یا دسته¬بندی اهداف گسترده، باید این نویز را کاهش داد. دو رویکرد اصلی برای کاهش speckle وجود دارد: الف) پردازش چندنگاهه که همزمان با مرحله تشکیل تصویر در سامانه رادار روزنه مصنوعی پیاده¬سازی می¬شود و ب) فیلترکردن که پس از تشکیل تصویر و قبل از هرگونه استفاده از تصویرانجام می¬شود. پردازش چندنگاهه به معنی میانگین¬گیری ناهمدوس تصاویر مستقل یک منظره است. هر تصویر مستقل، یک نگاه نامیده می¬شود. شدت نویز در پردازش چندنگاهه متناسب با تعداد نگاه¬ها کاهش می¬یابد. به تازگی از حسگری فشرده (cs) برای تشکیل تصویر با تفکیک¬پذیری بالا یا کاهش speckle استفاده شده است. در تشکیل تصویر بر مبنای حسگری فشرده، نمونه¬ها با نرخی کمتر از نرخ نایکویست جمع¬آوری می¬شود. هدف این پایان¬نامه بهره¬گیری از حسگری فشرده برای کاهش speckle است. در این پایان¬نامه پس از معرفی، دسته¬بندی و شبیه¬سازی روش¬های قبلی کاهش speckle، روشی برمبنای حسگری فشرده پیشنهاد می¬شود. در این روش، نویززدایی همزمان با تشکیل تصویر انجام می¬شود. همچنین، به منظور حفظ اهداف نقطه¬ای درخشان همزمان با کاهش speckle، دو راهکار ارائه می¬شود. علاوه بر این، کارایی طرح¬های پیشنهادی به کمک تصاویر شبیه¬سازی شده ارزیابی می¬شود.

در این پایان نامه به بررسی روش های تخمین جهت ورود سیگنال در آنتن های آرایه ای می پردازیم. ابتدا مقدمه ای از آنتن های آرایه ای و چگونگی کارکرد این آنتن ها ارائه می گردد. سپس انواع روش های تخمین جهت ورود سیگنال به صورت اجمالی بررسی می شوند. از میان روش های موجود محوریت این پایان نامه بر روی روش های music، music-root و esprit است که در شرایط مختلفی بهبود یافته اند. در ادامه شرایط مجانبی جدیدی مطرح می شود که چالشی برای آرایه های با تعداد آنتن زیاد محسوب می گردد. این شرایط به این صورت است که رشد تعداد مشاهدات دریافتی و تعداد آنتن های آرایه به صورت همسان افزایش می یابد. این بدین معناست که نسبت تعداد مشاهدات دریافتی به ابعاد مشاهده بسیار زیاد نیست و نمی توان با استفاده از قانون اعداد بزرگ، تخمین ماتریس کوواریانس را محاسبه نمود. نظریه ی ماتریس تصادفی که یکی از شاخه های علم آمار است به بررسی رفتار ماتریس کوواریانس سیگنال دریافتی در این شرایط می پردازد. بنابراین در ادامه به بررسی این نظریه و برخی تخمین گرهای مبتنی بر آن می پردازیم. با استفاده از این نظریه الگوریتم music-g ارائه شده است که در شرایط مجانبی جدید، الگوریتم تخمین جهت ورود music را بهبود می دهد. پس از آن شرایطی بررسی می گردد که سیگنال ورودی به نویز غیر گوسی آغشته شده باشد. در این شرایط روش های مختلفی که تخمین مقاومی از ماتریس کوواریانس سیگنال را ارائه می دهند، بررسی شده اند و با استفاده از تخمین گر مارونا روش های music-root و esprit بهبود یافته اند. در نهایت هر دو شرایط نویز پالسی و شرایط مجانبی جدید به صورت همزمان در نظر گرفته می شود و با استفاده از تکنیک های حل محدب مسأله ی تخمین جهت ورود سیگنال، الگوریتم music-g در این شرایط بهبود می یابد.