sar演算法

Ⅰ 匯編語言中sar是什麼意思

1、相同點：匯編語言中SAR和SHR指令都是右移指令，SAR是算數右移指令（shift arithmetic right），而SHR是邏輯右移指令（shift logical right）。

2、兩者的在於SAR右移時保留操作數的符號，即用符號位來補足，而SHR右移時總是用0來補足。

例如10000000算數右移一位是11000000，而邏輯右移一位是01000000。

3、用法不同：

SAR功能是將操作數右移，符號位保持不變，可用於有符號數除法；
SHR功能是將操作數右移，原最低位移入進位標志CF，原最高位補0；可用於無符號數除法.

例如,AL=1110 1110,BL=0110 1100,CL=2

SHR AL,CL後

AL=0011 1011 SHR最高位用0填補

SAR AL,CL

AL=1111 1011 SAR最高位不變

SAR BL,CL

BL=0011 1011 SAR最高位不變

(1)sar演算法擴展閱讀：

邏輯右移SHR

SHR指令影響標志位CF和OF。如果移位次數為1，且移位後符號位的值發生變化，則OF=1，否則OF=0.如果移位次數不為1，則OF不確定。

【格式】：SHR OPR.CNT。其中OPR用除立即數外的任何定址方式。移位次數由CNT決定，在8086中可以是1或CL，CNT為1時只移一位。

如:MOV AX,62H

SHR AX,1

當移位數大於1時，需要先將移位數放進CL中然後再進行移位操作。可以使用8位立即數指定范圍從1到31的移位次數。

如MOV AL,62H

MOV CL,4

SHR AL,CL

所執行簡易理解如下：

01100010B因為是右移操作，也稱為右移補0操作，將二進制位逐次在右邊去掉一位然後在左邊添個0，移多少位重復上述操作多少次。4次移位後結果為00000110B,即06H.

【應用】邏輯右移一位的操作，相當於將寄存器或存儲器的無符號數除以2，因此同樣可以用SHR指令完成除以某些常數的運算。而且移位指令通常比除法指令時運行速度要快得多。

網路——SHR（計算機術語）

Ⅱ sar,匯編偏移的計算

sar eax,1就是把eax的32位數算術右移一位。
eax的值為7（0000 ……0111），則移位以後，eax的值為3（0000…… 0011）。
移出的最低位（1）放到cf中。
右移一位相當於除以2。

算術右移是說移動過程中保持最高位不變。

Ⅲ sarfft成像演算法是什麼演算法

雷達成像基於目標的散射點模型.雷達通常發射長時寬的線頻調(chirp)信號，然後用參考信號對回波作解線頻調(dechirp)處理，再將解線頻調的回波作橫向排列，則在一定條件下它可近似為二維正弦信號模型，通過二維傅里葉變換，可以重構目標的二維像；採用超分辨演算法［1～3］，還可得到更精細的二維目標像.
應當指出，上述二維模型是假設散射點在成像期間不發生超越分辨單元走動，近似認為散射點的移動隻影響回波的相移，而子回波包絡則固定不變.這種近似，只適用於小觀察角時參考點附近有限小尺寸目標成像.
如果目標較大，特別是在離參考點較遠處，越分辨單元移動(MTRC)便會發生，從而使得用簡單二維模型獲得的圖像模糊.傳統解決的方法是按目標轉動用極坐標-直角坐標插值.插值不可避免地會有誤差，而超分辨演算法通常基於參數化估計，對誤差較為敏感，這會影響成像質量.
本文介紹一種近似度較高的二維模型，並利用該模型通過超分辨演算法成像，可獲得較好的結果.
二、維回波模型
設目標有K個散射點，雷達以平面波自下向上照射目標(圖1).目標以參考點為原點相對雷達射線轉動，經過N次脈沖發射，散射點Pk點移至P′k點，移動中第n次脈沖時該散射點的垂直坐標為：
ykn=yk+Δykn=xksin(nδθ)+ykcos(nδθ),n=0,1,…,N-1(1)
式中δθ為相鄰脈沖的轉角，總觀測角Δθ=(N-1)δθ.考慮到雷達發射的是長時寬的線頻調信號，以原點為參考作解線頻調處理，並對信號以 的頻率采樣，得目標的回波信號(離散形式)為：
(2)
式中Ak為第k個散射點子回波信號的復振幅;fc、γ分別是雷達載頻和調頻率，c為光速；e(m,n)為加性雜訊.

圖1二維雷達目標幾何圖
由於觀測角Δθ很小，取近似sin(nδθ)≈nδθ和cos(nδθ)≈1，則式(2)可近似寫成:
(3)
式中
式(3)指數項中的第三項是時頻耦合項，它是線頻調信號(其模糊函數為斜橢圓)所特有的，如果採用窄脈沖發射，則該項不存在.將該項忽略，則式(3)成為常用的回波二維正弦信號模型.
實際上，式(3)的第三項系「距離移動」項，它與散射點的橫坐標xk成正比，目標區域大時必須考慮，而且這還遠遠不夠，散射點的多普勒移動也必須考慮.為此，令sin(nδθ)≈nδθ和cos(nδθ)≈1-(nδθ)2/2，則式(2)較精確的近似式可寫成：
(4)
式(4)與式(3)相比較，指數中增加了兩項，其中前一項是「多普勒移動」項，縱坐標yk越大，影響也越大，這可以補充式(3)之不足；而後項是時頻耦合的多普勒移動項，由於Mγ/Fslt;lt;fc，它的影響可以忽略.因此，可將考慮MTRC情況下，回波二維模型的一階近似式寫成：
(5)
需要指出，每個散射點的參數之間存在下述關系：ωk/μk=2γ/Fsfcδθ2和 k/vk=fcFs/γδθ.由於雷達參數(fc,γ,Fs)和運動參數(δθ)均已知，所以待估計的五個參數中只有三個是獨立的.本文假設五個參數是獨立的，而在成像計算中已考慮參數之間的關系.
設{ξk}Kk=1≡{αk,ωk, k,μk,vk}Kk=1，現在我們要從y(m,n)中估計參量{ξk}Kk=1.
三、二維推廣的RELAX演算法
對於(5)式所示的信號模型，令：
Y=［y(m,n)］M×N
則 (6)
式中

設ξk估計值為 ，則ξk的估計問題可通過優化下述代價函數解決：
(7)
式中‖.‖F表示矩陣的Frobenius范數，⊙表示矩陣的Hadamard積.
上式中C1的最優化是一個多維空間的尋優問題，十分復雜.本文將RELAX［3］演算法推廣以求解.為此，首先做以下准備工作，令：
(8)
即假定{ i}i=1,2,…,K,i≠k已經求出，則式(7)C1的極小化等效於下式的極小化：
C2(ξk)=‖Yk-αk(aM(ωk)bTN( k)Pk)⊙Dk(vk)‖2F(9)
令：Zk=YkP-1k⊙Dk(-vk)(10)
由於Pk為酉矩陣，矩陣Dk的每個元素的模Dk(m,n)=1,顯然矩陣Yk與Zk的F范數相同，故C2的極小化等效於下式的極小化：
C3=‖Zk-αkaM(ωk)bTN( k)‖2F(11)
對上式關於αk求極小值就獲得αk的估計值 k：
k=aHM(ωk)Zkb*N( k)/(MN)(12)
從式(12)可以看出： 是Zk歸一化的二維離散傅里葉變換在{ωk, k}處的值，所以只要得到估計值{ k, k, k, k}，即可通過2D-FFT獲得 k.
將估計值 k代入式(11)後，估計值{ k, k, k, k}可由下式尋優得到：
(13)
由上式可見，對於固定的{μk,vk}取值,估計值{ k, k}為歸一化的周期圖aHM(ωk)Zkb*N( k)2/(MN)主峰處的二維頻率值.這樣，式(13)的優化問題歸結為：在(μk,vk)平面上可能的取值范圍內尋找一點{ k, k}，在該點處周期圖aHM(ωk)Zkb*N( k)2/(MN)的主峰值比其餘各點處的主峰值都大.所以，我們通過上述二維尋優獲得{μk,vk}的估計值{ k, k}，再由式(13)得到{ωk, k}的估計值{ k, k}.
實際中，為了加快運算速度，二維(μk,vk)平面的尋優可以用Matlab中的函數Fmin()實現.
在做了以上的准備工作以後，基於推廣的RELAX演算法的參量估計步驟如下：
第一步：假設信號數K=1,分別利用式(13)和式(12)計算 1.
第二步(2)：假設信號數K=2，首先將第一步計算所得到的 1代入式(8)求出Y2，再利用式(13)和式(12)計算 2；將計算的 2代入式(8)求出Y1，然後利用式(13)和式(12)重新計算 1，這個過程反復疊代，直至收斂.
第三步:假設信號數K=3,首先將第二步計算所得到的 1和 2代入式(8)求出Y3，再利用式(13)和式(12)計算 3；將計算的 3和 2代入式(8)求出Y1，然後利用式(13)和式(12)重新計算 1；將計算的 1和 3代入式(8)求出Y2，然後利用式(13)和式(12)重新計算 2，這個過程反復疊代，直至收斂.
剩餘步驟：令K=K+1,上述步驟持續進行，直到K等於待估計信號數.
上述過程中的收斂判據與RELAX演算法的收斂判據相同，即比較代價函數C1在兩次疊代過程中的變化值，如果這個變換值小於某個值，如ε=10-3，則認為過程收斂.
四、數值模擬
1.演算法參數估計性能模擬
模擬數據由式（5）產生，M=10,N=10，信號數K=2.信號參數和實驗條件如表1所示,為復高斯白雜訊.注意兩信號的頻率差小於FFT的解析度Δf=Δω/(2π)=0.1.表1給出了信號參數估計均方根誤差的統計結果及相應情形時的C-R界，可見，估計均方根誤差與CR界十分接近.另外表中還給出了估計均值，與真實值也非常接近.
表1二維信號的參數估計、CRB及與均方根差的比較

2.SAR成像模擬
雷達參數為：中心頻率f0=24.24GHz,調頻率γ=33.357×1011Hz/s,帶寬B=133.5MHz,脈沖寬度tp=40μs.四個點目標作正方形放置，間隔50米，左下角的點作為參考點.雷達與目標間隔1公里，觀察角Δθ=3.15，數據長度為128×128.採用FFT成像方法時，其縱向和橫向距離解析度為ρr=ρa=1.123米，防止MTRC現象發生所需的目標最大范圍為［4］：縱向尺寸Dr＜4ρ2r/λ=40米，橫向尺寸Da＜4ρ2a/λ=40米.採用常規超分辨方法時，目標尺寸Dr=Da＞10米則出現明顯的性能下降.圖2、圖3分別給出了RELAX方法及本文推廣的RELAX(Extended RELAX)演算法的成像結果.可以看出，由於目標遠離參考中心，已在橫向和縱向出現距離走動，採用常規超分辨的RELAX演算法產生圖像模糊，對於本文演算法，則得到基本正確的成像結果.圖4和圖5則比較了RELAX演算法和推廣的RELAX演算法的散射點強度估計結果，可以看到，RELAX演算法由於距離走動影響，散射點（除參考點以外）的強度降低.對於本文演算法，散射點強度接近真實值.

圖2距離走動誤差下的RELAX成像結果 圖3距離走動誤差下的

圖4RELAX方法估計的信號強度推廣RELAX成像結果 圖5推廣RELAX方法估計的信號強度
五、結束語
現有的雷達成像超分辨演算法是基於目標回波信號的二維正弦信號模型，所以僅適用於目標位於參考點附近很小區域時的情形.當目標遠離參考點時，模型誤差，特別是距離走動誤差，將使演算法性能嚴重下降或失效.為此，本文提出一種基於雷達成像近似二維模型的超分辨演算法,從而擴大了超分辨演算法的適用范圍.本文進一步的工作包括SAR實測數據成像及ISAR機動目標成像，結果將另文報道.
附 錄：參數估計的C-R界
下面我們給出式(5)所示的二維信號參量估計的C-R界表達式.同時假設式(5)中加性雜訊為零均值高斯色雜訊，其協方差矩陣未知.令：
y=vec(Y)(A.1)
e=vec(E)(A.2)
dk=vec(Dk)(A.3)
式中vec(X)=(xT1,xT2，…，xTN)T，向量xn(n=1,2,…,N)為矩陣X的列向量.我們將式(5)改寫為如下向量形式：
(A.4)
式中 表示Kronecker積,Ω=［{［P1bN( 1)］ aM(ω1)}⊙d1…{［PkbN( K)］ aM(ωK)}⊙dK］,α=(α1，α2，…，αK)T.
令Q=E(eeH)為e的協方差矩陣，則對於由式(A.4)所示的二維信號模型，其Fisher信息陣(FIM)的第ij個元素推廣的Slepian-Bangs公式為［5,6］:
(FIM)ij=tr(Q-1Q′iQ-1Q′j)+2Re［(αHΩH)′iQ-1(Ωα)′j］(A.5)
式中X′i表示矩陣X對第i個參數求導，tr(X)為矩陣的跡，Re(X)為矩陣的實部.由於Q與Ωα中的參量無關，而Ωα亦與Q的元素無關，顯然FIM為一塊對角陣.所以待估計參量的C-R界矩陣由(A.5)式的第二項得到.
令：η=(［Re(α)］T［Im(α)］TωT TμTvT)T(A.6)
式中ω=(ω1，ω2，…，ωK)T,μ=(μ1,μ2,…,μK)T, =( 1， 2，…， K)T,v=(v1,v2,…,vK)T.
令：F=［ΩjΩDωΘD ΘDμΘDvΘ］(A.7)
式中矩陣Dω、D 、Dμ、Dv的第k列分別為： ［{［PkbN( k)］ aM(ωk)}⊙dk］/ ωk、 ［{［PkbN( k)］ aM(ωk)}⊙dk］/ k、 ［{［PkbN( k)］ aM(ωk)}⊙dk］/ μk、 ［{［PkbN( k)］ aM(ωk)}⊙dk］/ vk，Θ=diag{α1α2…αK}.則關於參量向量η的CRB矩陣為
CRB(η)=［2Re(FHQ-1F)］-1(A.8)

Ⅳ SAR值怎麼算出來的

你好，sar指標又被稱作拋物線指標或停損轉向操作點指標。sar指標因為操作起來比較簡單，也比較適合中短期投資者的技術分析，因此受到青睞。
SAR值計算方法
（1）先選定一段時間判斷為上漲或下跌。

（2）若是看漲,則第一天的SAR值必須是近期內的最低價；若是看跌,則第一天的SAR須是近期的最高價。

（3）第二天的SAR,則為第一天的最高價（看漲時）或是最低價（看跌時）與第一天的SAR的差距乘上加速因子,再加上第一天的SAR就可求得

（4）每日的SAR都可用上述方法類推,歸納公式如下：

SAR（n）＝SAR（n-1）＋AF〖EP（n-1）－SAR（n-1）〗

SAR（n）＝第n日的SAR值,SAR（n-1）即第（n-1）日之值；

AR；加速因子；

EP：極點價,若是看漲一段期間,則EP為這段期間的最高價,若是看跌一段時間,則EP為這段期間的最低價；

EP（n-1）：第（n-1）日的極點價。

（5）加速因子第一次取0．02,假若第一天的最高價比前一天的最高價還高,則加速因子增加0．02,若無新高則加速因子沿用前一天的數值,但加速因子最高不能超過0．2。反之,下跌也類推。

（6）若是看漲期間,計算出某日的SAR比當日或前一日的最低價高,則應以當日或前一日的最低價為某日之SAR；若是看跌期間,計算某日之SAR比當日或前一日的最高價低,則應以當日或前一日的最高價為某日的SAR。

風險揭示：本信息不構成任何投資建議，投資者不應以該等信息取代其獨立判斷或僅根據該等信息作出決策，不構成任何買賣操作，不保證任何收益。如自行操作，請注意倉位控制和風險控制。

Ⅳ 大家好 我在做一篇關於sar演算法的論文 遇到一些問題 想請教各位大神

需要多少字；具體要求說下。

Ⅵ SAR指標怎麼設置和計算啊

SAR參數設置：sar(4.2.2.20)，4是天數的參數，2是加速因子參數，2是加速因子增量，20是反向臨界參數。

SAR的計算工作主要是針對每個周期不斷變化的SAR的計算，也就是停損價位的計算。在計算SAR之前，先要選定一段周期，比如n日或n周等，n天或周的參數一般為4日或4周。接下來判斷這個周期的股價是在上漲還是下跌，然後再按逐步推理方法計算SAR值。

計算日SAR為例，每日SAR的計算公式如下：

SAR（n）=SAR（n－1）+AF[EP（N-1）－SAR（N-1）]

其中，SAR（n）為第n日的SAR值，SAR（n－1）為第（n－1）日的值，AF為加速因子（或叫加速系數），EP為極點價（最高價或最低價）。

(6)sar演算法擴展閱讀：

在計算SAR值時，要注意以下幾項原則：

1、 一次計算SAR值時須由明顯高低點起的第n天開始。

2、如果是看漲的行情，則SAR（0）為底部最低價；如果是看跌行情，則SAR（0）為頂部的最高價。

3、加速因子AF有向上加速因子和向下加速因子的區分。若是看漲行情，則為向上加速因子；若是看跌行情，則為向下加速因子。

4、加速因子AF的初始值一直是以0.02為基數。如果是在看漲行情中買入股票後，某天的最高價比前一天的最高價還要高，則加速因子AF遞增0.02，並入計算。但加速因子AF最高不超過0.2。反之，看跌行情中也以此類推。

Ⅶ 拋物線轉向指標的SAR原理及計算

SAR的計算式分為上升式與下降式，即：
上升式 SAR2= SAR1+AF(H1－SAR1)
下降式 SAR2= SAR1+AF(L1－SAR1)
式中:SAR1 ── 昨日SAR值,其上升式初始值取近期最
低價，其下降式初始值取近期最高價
H1 ── 當前最高價。
L1 ── 當前最低價。
AF ── 威爾特加速因子,基值為0.02,當價格每創新高（上升式）或新低（下降式）時
按1,2,3......倍數增加,直到0.2為止,即AF=0.02～0.2。
從算式可見，當把SAR1初始值取近期最低價，即視行情為上升時，必須滿足當前最高價H1>SAR1的條件。一旦H1<SAR1，則下降式啟用，並且行情持續下降時，必須滿足當前最低價L1<SAR1的條件。而加速因子的設置，反映了行情起動→加速→減速→零→反向起動……的變化過程，也造成了拋物線的視覺效果。

Ⅷ SAR的計算公式

二說法是對的
"式中:SAR0 —— 昨日SAR值，上升式初始值取指定時期內的最低價，下降式初始值取指定時期內的最高價；" 昨日SAR0是AF值加減變號時取系統制定參數時間內的最高最低股價,不變號取昨日SAR0
一般從指數圖上能比較出

Ⅸ 如何對真實sar數據進行距離多普勒演算法

工程上，比較常用的SAR演算法有：1.距離多普勒演算法（RD）；2.Chirp
Scaling演算法
。
推薦查看電子工業出版社的《合成孔徑雷達成像——演算法與實現》

Ⅹ SAR是什麼怎麼計算請詳細解答．

1. =Sons of the American Revolution 美國革命之子組織

2.特別行政區：Special Political Area

3.演算法

該演算法是第一個具有Qos意識的路由協議。該協議以基於路由表驅動的多路徑方式滿足網路低能耗和魯棒性的要求。它的特點是路由決策不僅要考慮到每條路徑的能源，還要涉及端到端的延遲需求和待發送數據包的優先順序。

為了在每個源節點和匯聚節點之間生成多條路徑。需要維護多個樹結構。每個樹落在匯聚點有效傳輸半徑內的節點為根向外生長，枝乾的選擇需要滿足一定Qos要求，並要有一定的能源儲備。這一處理使大多數感測器節點可能同時屬於多個樹。接可以根據沒條路徑的能源、附加的Qos度量和包的優先順序選擇某棵樹將信息返回給匯聚節點。

優點：與只考慮路徑能量消耗的最小能量消耗度量協議相比，消耗更少

缺點：並不適合大型和拓撲頻繁變化的網路

SAR的英文全稱為Specific Absorption Rate，中文一般稱為電磁波吸收比值或比吸收率。 是手機或 無線產品之電磁波能量吸收比值，其定義為：在外電磁場的作用下，人體內將產生感應電磁場。由於人體各種器官均為有耗介質，因此體內電磁場將會產生電流，導致吸收和耗散電磁能量。生物劑量學中常用SAR來表徵這一物理過程。SAR的意義為單位質量的人體組織所吸收或消耗的電磁功率，單位為W/kg。

股票指標

拋物線轉向（SAR）也稱停損點轉向，是利用拋物線方式，隨時調整停損點位置以觀察買賣點。由於停損點（又稱轉向點SAR）以弧形的方式移動，故稱之為拋物線轉向指標。

1．計算方法
（1）先選定一段時間判斷為上漲或下跌。
（2）若是看漲，則第一天的SAR值必須是近期內的最低價；若是看跌，則第一天的SAR須是近期的最高價。
（3）第二天的SAR，則為第一天的最高價（看漲時）或是最低價（看跌時）與第一天的SAR的差距乘上加速因子，再加上第一天的SAR就可求得。
（4）每日的SAR都可用上述方法類推，歸納公式如下：
SAR（n）＝SAR（n-1）＋AF〖EP（n-1）－SAR（n-1）〗
SAR（n）＝第n日的SAR值，SAR（n-1）即第（n-1）日之值；
AR；加速因子；
EP：極點價，若是看漲一段期間，則EP為這段期間的最高價，若是看跌一段時間，則EP為這段期間的最低價；
EP（n-1）：第（n-1）日的極點價。
（5）加速因子第一次取0．02，假若第一天的最高價比前一天的最高價還高，則加速因子增加0．02，若無新高則加速因子沿用前一天的數值，但加速因子最高不能超過0．2。反之，下跌也類推。
（6）若是看漲期間，計算出某日的SAR比當日或前一日的最低價高，則應以當日或前一日的最低價為某日之SAR；若是看跌期間，計算某日之SAR比當日或前一日的最高價低，則應以當日或前一日的最高價為某日的SAR。

2．運用原則
買賣的進出時機是價位穿過SAR時，也就是向下跌破SAR便賣出，向上越過SAR就買進。

3．評價
（1）操作簡單，買賣點明確，出現訊號即可進行；
（2）SAR與實際價格，時間長短有密切關系，可適應不同形態股價之波動特性。
（3）計算與繪圖較復雜；
（4）盤局中，經常交替出現訊號，失誤率高。