-
公开(公告)号：CN106772298B
公开(公告)日：2019-03-08
申请号：CN201611031149.1
申请日：2016-11-22
Applicant: 上海无线电设备研究所 , 复旦大学
Abstract: 本发明涉及一种点源激励下导体平板与非平行介质面强散射点预估方法，包含：S1、采用单一镜像法获取无限大的导体平板的格林函数；S2、采用离散复镜像法获取半空间介质面的格林函数；S3、对尺寸有限的导体平板进行边缘绕射修正，获取有限尺寸导体平板的格林函数；S4、基于半空间介质面的格林函数，以及有限尺寸导体平板的格林函数，进行二维成像，获取点源激励下导体平板与非平行介质面之间强散射点的位置信息。本发明中通过边缘绕射修正了有限尺寸导体平板的格林函数，有效提高强散射点位置预估的精度；并且计算量小，满足工程应用的需求。
-
公开(公告)号：CN106772298A
公开(公告)日：2017-05-31
申请号：CN201611031149.1
申请日：2016-11-22
Applicant: 上海无线电设备研究所 , 复旦大学
Abstract: 本发明涉及一种点源激励下导体平板与非平行介质面强散射点预估方法，包含：S1、采用单一镜像法获取无限大的导体平板的格林函数；S2、采用离散复镜像法获取半空间介质面的格林函数；S3、对尺寸有限的导体平板进行边缘绕射修正，获取有限尺寸导体平板的格林函数；S4、基于半空间介质面的格林函数，以及有限尺寸导体平板的格林函数，进行二维成像，获取点源激励下导体平板与非平行介质面之间强散射点的位置信息。本发明中通过边缘绕射修正了有限尺寸导体平板的格林函数，有效提高强散射点位置预估的精度；并且计算量小，满足工程应用的需求。
-
公开(公告)号：CN113609669B
公开(公告)日：2024-01-02
申请号：CN202110872350.7
申请日：2021-07-30
Applicant: 上海无线电设备研究所
IPC: G06F30/20 , G06F17/14 , G01S7/41 , G06F111/08
Abstract: 一种宽带雷达海面回波仿真方法，对雷达发射信号进行傅里叶变换获得的离散频谱进行线性插值并子带离散化，确定子带修正因子；采用Bragg修正面元散射模型计算子带频率下的海面面元散射系数；基于子带频率的海面面元散射系数，利用修正子带合成方法计算海面面元的宽带散射系数；将海面面元散射系数代入到雷达方程中，获得面元回波幅度，利用面元回波幅度修正雷达发射信号，获得海面面元的宽带回波信号；将海面几何模型中所有面元的宽带回波进行矢量叠加，生成海面几何模型的海面宽带回波信号。本发明采用粗糙面散射理论的Bragg修正面元散射算法和修正子带合成的计算方法，准确有效地求解宽带海面散射特性。
-
公开(公告)号：CN115561727A
公开(公告)日：2023-01-03
申请号：CN202211080032.8
申请日：2022-09-05
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目标几何外形的散射源分析方法，包括以下两个步骤：首先基于目标的实测数据进行散射中心的提取，具体包括：S1、获取二维雷达图像，S2、提取散射中心，S3、将散射中心数据转换到目标本体坐标系；之后获取结合目标几何结构特点的散射中心分布模型，具体包括：S4、将目标模型进行分区，S5、将散射中心按照分区进行归类与聚焦处理，S6、获取与几何结构相关的散射中心分布模型。本发明避免了传统散射中心提取方法对目标模型描述不准确等问题，能够实现体现复杂目标结构特点的分布式散射中心建模，极大扩展了适用范围。
-
公开(公告)号：CN113947113A
公开(公告)日：2022-01-18
申请号：CN202111119898.0
申请日：2021-09-24
Applicant: 上海无线电设备研究所
Abstract: 一种基于不变散射卷积网络和LSTM的复杂环境回波认知方法，包括以下步骤：S1、建立几种典型环境的几何模型和电磁参数模型；S2、基于S1中的几何模型和电磁参数模型，对脉冲多普勒雷达体制下的回波信号进行仿真；S3、建立不变散射卷积网络，提取S2中回波信号的特征数据；S4、基于S3中的回波信号的特征数据，建立训练数据集和测试数据集；S5、建立LSTM网络模型，并将S4中的训练数据集输入对LSTM网络模型进行训练；S6、使用S5中训练好的LSTM模型对S3中的测试数据集进行分类测试。本发明不仅可以降低信号的复杂度，还可以获取信号的高阶语义信息。
-
Patent Agency Ranking
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：CN113609669A
公开(公告)日：2021-11-05
申请号：CN202110872350.7
申请日：2021-07-30
Applicant: 上海无线电设备研究所
IPC: G06F30/20 , G06F17/14 , G01S7/41 , G06F111/08
Abstract: 一种宽带雷达海面回波仿真方法，对雷达发射信号进行傅里叶变换获得的离散频谱进行线性插值并子带离散化，确定子带修正因子；采用Bragg修正面元散射模型计算子带频率下的海面面元散射系数；基于子带频率的海面面元散射系数，利用修正子带合成方法计算海面面元的宽带散射系数；将海面面元散射系数代入到雷达方程中，获得面元回波幅度，利用面元回波幅度修正雷达发射信号，获得海面面元的宽带回波信号；将海面几何模型中所有面元的宽带回波进行矢量叠加，生成海面几何模型的海面宽带回波信号。本发明采用粗糙面散射理论的Bragg修正面元散射算法和修正子带合成的计算方法，准确有效地求解宽带海面散射特性。
-
公开(公告)号：CN106326659B
公开(公告)日：2019-04-26
申请号：CN201610743910.8
申请日：2016-08-26
Applicant: 上海无线电设备研究所
IPC: G06F17/50
Abstract: 一种基于射线追踪的金属介质组合目标电磁散射计算方法，进行射线追踪，记录射线与目标的相交情况，判断射线与目标交点处的目标材质，如果材质为金属，直接进行电磁计算获得射线管的散射场，如果材质为介质，先计算透射波的传播矢量，再计算透射波的反射系数和透射系数，最后追踪透射射线，当射线离开目标再次进入自由空间时，计算其散射场。本发明基于电磁波的传播机理，通过射线追踪实现波在介质中的传播与透射精确仿真，提升了不能忽略厚度时介质散射问题的计算精度，兼顾计算精度与效率，能够满足实际工程中电大尺寸金属介质组合目标电磁散射计算的需求。
-
公开(公告)号：CN114114232B
公开(公告)日：2024-06-18
申请号：CN202111543960.9
申请日：2021-12-16
Applicant: 上海无线电设备研究所
IPC: G01S13/10
Abstract: 本发明公开了一种基于高频近似方法的地海面目标多普勒回波生成方法，包括步骤：根据探测器照射波束，利用高频近似方法、双尺度法分别计算近场条件下目标、地海面散射场；利用射线路径和镜像方法计算目标面元与地海面之间的多路径散射场；提出场模拟电路的思想，将电路中脉冲多普勒视频信号用目标和环境的散射信息表示；利用信号处理模拟电路作用从视频信号中提取脉冲多普勒回波信号。本发明创新性提出场模拟电路的思想，结合目标和环境的散射信息，利用信号处理技术，仿真脉冲多普勒硬件电路中视频信号和多普勒信号等主要信号。
-
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
44
records
(took 0.033 seconds)
