-
公开(公告)号：CN114047389A
公开(公告)日：2022-02-15
申请号：CN202111318803.8
申请日：2021-11-09
Applicant: 安徽大学
IPC: G01R29/08
Abstract: 本发明涉及一种频率分集和计算成像方法及系统。该方法包括利用超材料孔径天线的探针接收场景目标散射的回波信号，并根据所述回波信号构建场景的测量矩阵；根据所述测量矩阵构建超材料孔径天线成像数学模型；根据超材料孔径天线远场的辐射方向图数据确定目标场景距离解耦合并行成像算法；根据所述超材料孔径天线成像数学模型，采用所述目标场景距离解耦合并行成像算法，确定目标场景的散射系数分布；根据目标场景的散射系数分布确定场景的估计模型，完成成像重建。本发明能够提高场景信息采集速率，实现对目标场景的快速感知和计算成像。
-
Patent Agency Ranking
公开(公告)号：CN115166668A
公开(公告)日：2022-10-11
申请号：CN202210759909.X
申请日：2022-06-30
Applicant: 安徽大学
Abstract: 本发明涉及一种基于深度卷积神经网络的近场超表面天线快速计算成像方法，包括：通过构建测量矩阵来反映回波测量值与场景目标散射系数分布之间的映射关系；基于卷积神经网络构建近场MSACI‑Net成像网络，训练近场MSACI‑Net成像网络，重构接收矩阵；根据近场MSACI‑Net成像网络设计网络训练算法，使用均方误差计算网络预测值与真实值之间的损失，利用Adam优化算法，使近场MSACI‑Net成像网络的损失最小；利用实测场数据训练近场MSACI‑Net成像网络，训练完成后实时高精度地重建高质量的原始目标信息。本发明基于深度卷积神经网络，构建的超表面天线计算成像网络，快速实现近场超材料孔径计算，可以快速、准确地对点大小的目标和更复杂的目标进行成像。
-
公开(公告)号：CN115166668B
公开(公告)日：2025-02-14
申请号：CN202210759909.X
申请日：2022-06-30
Applicant: 安徽大学
IPC: G01S7/41 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于深度卷积神经网络的近场超表面天线快速计算成像方法，包括：通过构建测量矩阵来反映回波测量值与场景目标散射系数分布之间的映射关系；基于卷积神经网络构建近场MSACI‑Net成像网络，训练近场MSACI‑Net成像网络，重构接收矩阵；根据近场MSACI‑Net成像网络设计网络训练算法，使用均方误差计算网络预测值与真实值之间的损失，利用Adam优化算法，使近场MSACI‑Net成像网络的损失最小；利用实测场数据训练近场MSACI‑Net成像网络，训练完成后实时高精度地重建高质量的原始目标信息。本发明基于深度卷积神经网络，构建的超表面天线计算成像网络，快速实现近场超材料孔径计算，可以快速、准确地对点大小的目标和更复杂的目标进行成像。
-
公开(公告)号：CN114047389B
公开(公告)日：2024-04-12
申请号：CN202111318803.8
申请日：2021-11-09
Applicant: 安徽大学
IPC: G01R29/08
Abstract: 本发明涉及一种频率分集和计算成像方法及系统。该方法包括利用超材料孔径天线的探针接收场景目标散射的回波信号，并根据所述回波信号构建场景的测量矩阵；根据所述测量矩阵构建超材料孔径天线成像数学模型；根据超材料孔径天线远场的辐射方向图数据确定目标场景距离解耦合并行成像算法；根据所述超材料孔径天线成像数学模型，采用所述目标场景距离解耦合并行成像算法，确定目标场景的散射系数分布；根据目标场景的散射系数分布确定场景的估计模型，完成成像重建。本发明能够提高场景信息采集速率，实现对目标场景的快速感知和计算成像。
-
公开(公告)号：CN115586496A
公开(公告)日：2023-01-10
申请号：CN202211310351.3
申请日：2022-10-25
Applicant: 安徽大学
IPC: G01S7/36 , G01S7/41 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10 , G06F111/08
Abstract: 本发明公开了一种基于MAB模型的FAR抗有源压制干扰策略生成方法，包括：步骤S1，构建有源干扰环境下FAR的接收回波信号模型；步骤S2，在动态变化作战电磁环境中，构建不依赖环境状态的POMDP模型；步骤S3，基于有源干扰识别器计算POMDP模型中的干扰机的状态；步骤S4，基于MAB模型计算POMDP模型中的抗干扰动作决策。本发明提出的方法，FAR根据各个频率发射通道对干扰环境探测及反馈结果，学习最优主动抗干扰策略，执行干扰主动规避动作，以提高FAR与压制干扰博弈对抗能力，达到持续发挥对目标距离及速度探测能力。
-
公开(公告)号：CN115308783A
公开(公告)日：2022-11-08
申请号：CN202211070780.8
申请日：2022-09-02
Applicant: 安徽大学
Abstract: 本发明公开了一种基于VAE‑GAN的无相位的频率分集的计算成像方法，包括如下步骤：S1、构建超表面天线近场成像的数学模型；S2、基于超表面天线近场成像的数学模型，并通过结合深度神经网络和压缩感知技术构建PFDCI‑Net成像网络；S3，对PFDCI‑Net成像网络设计网络训练算法，并对PFDCI‑Net成像网络进行优化，使PFDCI‑Net成像网络的损失最小；S4，使用目标FMNIST数据和目标MNIST数据集训练PFDCI‑Net成像网络，获取重构目标场景的散射系数。本发明提出的计算成像方法完全避免相位恢复带来的误差，降低频率分集CI重建问题的计算复杂性，提高了成像精度与效率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
