星载GNSS-S雷达舰船多维散射特性提取与分类方法

    公开(公告)号:CN114488133A

    公开(公告)日:2022-05-13

    申请号:CN202210219273.X

    申请日:2022-03-08

    Abstract: 本发明涉及一种星载GNSS‑S雷达舰船多维散射特性提取与分类方法,包括以下步骤:a、利用星载GNSS‑S雷达(10)接收多颗导航卫星信号的舰船目标散射信号,并对信号进行双站SAR成像,获得舰船目标的多维SAR图像;b、对多维SAR图像进行非相参融合处理,并对融合处理后的图像进行舰船目标检测,获得舰船目标的位置信息;c、提取舰船目标的长度方向和舰艏方向,并计算舰船目标的多维散射系数;d、构建矢量化多维电磁散射集,利用目标分类网络对舰船目标的类型进行分类。本发明充分利用舰船目标的多维电磁散射信息,利用卷积神经网络模型实现舰船目标高可靠智能分类,具有更高的分类正确率,能解决中高海况下的舰船目标分类难题。

    星载GNSS-S雷达舰船多维散射特性提取与分类方法

    公开(公告)号:CN114488133B

    公开(公告)日:2023-03-07

    申请号:CN202210219273.X

    申请日:2022-03-08

    Abstract: 本发明涉及一种星载GNSS‑S雷达舰船多维散射特性提取与分类方法,包括以下步骤:a、利用星载GNSS‑S雷达(10)接收多颗导航卫星信号的舰船目标散射信号,并对信号进行双站SAR成像,获得舰船目标的多维SAR图像;b、对多维SAR图像进行非相参融合处理,并对融合处理后的图像进行舰船目标检测,获得舰船目标的位置信息;c、提取舰船目标的长度方向和舰艏方向,并计算舰船目标的多维散射系数;d、构建矢量化多维电磁散射集,利用目标分类网络对舰船目标的类型进行分类。本发明充分利用舰船目标的多维电磁散射信息,利用卷积神经网络模型实现舰船目标高可靠智能分类,具有更高的分类正确率,能解决中高海况下的舰船目标分类难题。

Patent Agency Ranking