-
公开(公告)号：CN111504953B
公开(公告)日：2023-05-16
申请号：CN202010333423.0
申请日：2020-04-24
Applicant: 上海无线电设备研究所
IPC: G01N21/49
Abstract: 本发明提供了一种太赫兹时域光谱目标三维散射成像测量方法，主要基于ISAR转台成像原理，利用二维旋转目标太赫兹时域光谱散射信息进行目标三维散射成像测试，获取目标不同方位角、俯仰角的时域幅相信号，再通过频域成像数据筛选和THz图像重建数据处理算法获取目标散射三维图像。本发明提供的太赫兹时域光谱目标三维散射成像测量方法，有别于常规的太赫兹时域光谱点扫描成像，将太赫兹时域光谱发射波束全照射目标，测试目标尺度可达到10cm，比常规的1cm～2cm样品大。通过本发明提供的测量方法测试目标反射的太赫兹时域脉冲信号，获得目标的多光谱成像信息和高分辨三维散射中心，解决目标特性研究和识别问题。
-
公开(公告)号：CN108051793A
公开(公告)日：2018-05-18
申请号：CN201711276668.9
申请日：2017-12-06
Applicant: 上海无线电设备研究所
IPC: G01S7/41
Abstract: 本发明涉及一种高海情下目标与海面复合缩比模拟测试方法，通过电磁散射测量系统分别测试海杂波上方被测目标、散射强度已知的标准体目标的复合散射信号，处理得到各自对应的散射回波测试值，用来计算与全尺寸状态下的海面目标对应的散射强度值。本发明通过计算合适的缩比系数，采用合适的缩比测试目标，按照特定的状态开展缩比测试，通过数据处理获取全尺寸状态的测试数据。本发明采用目标缩比与海面缩比相结合的方式获取高海情下目标与海面复合缩比测试数据，替代传统的采用全尺寸目标在海上实测获取数据的方式，解决海上实测困难大，测试状态难以定量表述的问题。
-
公开(公告)号：CN117830641A
公开(公告)日：2024-04-05
申请号：CN202311538343.9
申请日：2023-11-17
Applicant: 上海无线电设备研究所
IPC: G06V10/40 , G01S13/88 , G01S7/41 , G06V10/762
Abstract: 本发明公开了一种圆柱包围面扫描测试的目标散射中心提取方法，其包含：步骤S1、采用天线对目标进行近场圆柱面散射特性扫描测试；步骤S2、将圆柱坐标系下的扇形柱面数据插值到直角坐标系，然后对插值后的频域数据进行逆傅里叶变换，得到目标在3个维度方向上的散射成像；步骤S3、通过3个方向上的一维距离像提取对应维度下的一维散射中心位置，将这些位置组成三维散射中心的候选位置，然后采用CLEAN算法对候选位置进行幅度参数估计，得到目标三维散射中心模型；步骤S4、对步骤S3中的散射中心进行聚类，合并位置和幅度参数，生成目标的散射中心模型和重构散射数据。本发明对圆柱包围面扫描测试数据进行建模，保证了建模精度，建模速度更为快速。
-
公开(公告)号：CN113627356A
公开(公告)日：2021-11-09
申请号：CN202110930328.3
申请日：2021-08-13
Applicant: 上海无线电设备研究所
Abstract: 一种海面舰船智能识别方法，包含以下步骤：S1、获取待识别舰船的多源图像样本并进行规范化预处理；S2、构建并训练多源图像舰船特征学习的DBN模型，并将其标记为DBNopt和DBNSAR；S3、训练多源图像舰船特征融合学习的GRBM模型，并将其标记为GRBMFus；S4、训练基于多源特征向量的ELM分类器，并将其标记为ELMFus；S5、利用训练好的DBNopt、DBNSAR、GRBMFus模型和ELMFus分类器，进行海面舰船智能识别测试。本发明采用深度学习方法，实现了具有全天时、全天候成像观测优势的SAR图像与具有分辨率较高、目标细节轮廓清晰、直观易于理解优势的可见光图像的多源异质图像信息融合与舰船目标分类识别，具有识别率高、自动化、识别模型轻量化且扩展应用灵活的优点。
-
公开(公告)号：CN112526476A
公开(公告)日：2021-03-19
申请号：CN202011517837.5
申请日：2020-12-21
Applicant: 上海无线电设备研究所
IPC: G01S7/41
Abstract: 本发明公开了一种基于谐振散射回波信号的雷达目标识别方法，包含以下步骤：S1、利用时域有限差分算法获取已知类别的典型雷达目标的谐振散射回波信号，并建立典型雷达目标谐振散射回波数据库；S2、建立以典型雷达目标谐振散射回波数据库为输入、以典型雷达目标类别作为输出的深度神经网络模型，并结合向后传播模型解算深度神经网络模型的网络参数；S3、获取被测雷达目标的谐振散射回波信号，并作为步骤S2中解算得到网络参数的深度神经网络模型的输入，从而得到被测雷达目标的类型。本发明可快速识别低可观测的雷达目标。
-
Patent Agency Ranking
公开(公告)号：CN111504953A
公开(公告)日：2020-08-07
申请号：CN202010333423.0
申请日：2020-04-24
Applicant: 上海无线电设备研究所
IPC: G01N21/49
Abstract: 本发明提供了一种太赫兹时域光谱目标三维散射成像测量方法，主要基于ISAR转台成像原理，利用二维旋转目标太赫兹时域光谱散射信息进行目标三维散射成像测试，获取目标不同方位角、俯仰角的时域幅相信号，再通过频域成像数据筛选和THz图像重建数据处理算法获取目标散射三维图像。本发明提供的太赫兹时域光谱目标三维散射成像测量方法，有别于常规的太赫兹时域光谱点扫描成像，将太赫兹时域光谱发射波束全照射目标，测试目标尺度可达到10cm，比常规的1cm～2cm样品大。通过本发明提供的测量方法测试目标反射的太赫兹时域脉冲信号，获得目标的多光谱成像信息和高分辨三维散射中心，解决目标特性研究和识别问题。
-
公开(公告)号：CN111443333A
公开(公告)日：2020-07-24
申请号：CN202010265373.7
申请日：2020-04-07
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种基于频谱综合的多方位匹配信号生成方法，包括对目标在多个匹配探测方位上的信号进行频谱分量合成，设计一种对多个方位探测角度均有较好的探测性能的发射波形，用于雷达探测，极大的提升雷达预警探测能力，具有适应性强、观点新颖，极大的提高了雷达系统探测预警能力，为目标探测及反隐身设计提供有效技术手段。
-
公开(公告)号：CN109655670A
公开(公告)日：2019-04-19
申请号：CN201811391843.3
申请日：2018-11-21
Applicant: 上海无线电设备研究所
IPC: G01R29/08
CPC classification number: G01R29/08
Abstract: 一种低电平直接驱动的高强辐射场效应试验系统及试验方法，射频源产生低频段的低电平扫频信号注入飞机机体，电流模拟回路形成电流注入回路，使得飞机机体表面产生电流分布，模拟平面波照射飞机，信号采集装置采集飞机机体的机内感应电流，信号传输装置将测试得到的机内感应电流传输给信号处理装置，信号处理装置将机内感应电流与设计阈值进行对比进行性能评估。本发明可解决由于飞机低频段高强辐射场能量直接耦合至飞机内部线束较弱，高频段的扫描场测试方法不适用的问题，为飞机低频段的高强辐射场效应的防护设计和安全性评估提供试验手段。
-
公开(公告)号：CN107993284A
公开(公告)日：2018-05-04
申请号：CN201711160064.8
申请日：2017-11-20
Applicant: 上海无线电设备研究所
IPC: G06T17/20
Abstract: 本发明公开了一种曲面单元阵列建模方法，包含以下过程：步骤S1、根据待建模设备的外形结构建立曲面母线方程F(xi)和与所述待建模设备的表面形状相匹配的曲面。步骤S2、根据曲面建立阵列单元基准体。步骤S3、设定阵列单元基准体布局参数。步骤S4、将所述阵列单元基准体与所述曲面复合，并优化单元阵列布局。本发明具有解决传统的建模方法难以在不可展开成平面的曲面实现建模的难题，且能够兼顾电磁特性，实现在曲面上进行单元阵列的建模的优点。
-
公开(公告)号：CN113627356B
公开(公告)日：2024-02-23
申请号：CN202110930328.3
申请日：2021-08-13
Applicant: 上海无线电设备研究所
IPC: G06F30/27
Abstract: 一种海面舰船智能识别方法，包含以下步骤：S1、获取待识别舰船的多源图像样本并进行规范化预处理；S2、构建并训练多源图像舰船特征学习的DBN模型，并将其标记为DBNopt和DBNSAR；S3、训练多源图像舰船特征融合学习的GRBM模型，并将其标记为GRBMFus；S4、训练基于多源特征向量的ELM分类器，并将其标记为ELMFus；S5、利用训练好的DBNopt、DBNSAR、GRBMFus模型和ELMFus分类器，进行海面舰船智能识别测试。本发明采用深度学习方法，实现了具有全天时、全天候成像观测优势的SAR图像与具有分辨率较高、目标细节轮廓清晰、直观易于理解优势的可见光图像的多源异质图像信息融合与舰船目标分类识别，具有识别率高、自动化、识别模型轻量化且扩展应用灵活的优点。(56)对比文件Xingyue Zhou等.“ Deep Learning Basedon Striation Images for Underwater andSurface Target Classification”《.IEEESignal Processing Letters》.2019,第26卷(第9期),全文.黄冬梅;李明慧;宋巍;王建.卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估.中国图象图形学报.2018,(11),全文.王伟.基于遥感图像的船舶目标检测方法综述.电讯技术.2020,(09),全文.
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.05 seconds)
