-
公开(公告)号：CN113327205A
公开(公告)日：2021-08-31
申请号：CN202110610161.2
申请日：2021-06-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于卷积神经网络的相位去噪网络及方法，包括依次连接的输入端、编码器、解码器和输出端；输入端用于接收带噪干涉相位图像，编码器采用卷积神经网络提取带噪干涉相位图像中的相位特征，并根据相位特征预测出不含噪声的干涉相位；解码器采用与编码器对应的反卷积神经网络将不含噪声的干涉相位进行处理得到不含噪声的相位图像；输出端用于输出不含噪声的相位图像。该网络为相位去噪网络PDNNet，对包含噪声的干涉相位的图进行训练，由训练得到的神经网络去预测不含噪声的干涉相位图，达到去噪效果。基于神经网络的相位去噪算法能较好地保留相位边缘特征，能在较短时间内去除相位噪声，同时保证精度较高。
-
公开(公告)号：CN113327205B
公开(公告)日：2023-04-18
申请号：CN202110610161.2
申请日：2021-06-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于卷积神经网络的相位去噪网络及方法，包括依次连接的输入端、编码器、解码器和输出端；输入端用于接收带噪干涉相位图像，编码器采用卷积神经网络提取带噪干涉相位图像中的相位特征，并根据相位特征预测出不含噪声的干涉相位；解码器采用与编码器对应的反卷积神经网络将不含噪声的干涉相位进行处理得到不含噪声的相位图像；输出端用于输出不含噪声的相位图像。该网络为相位去噪网络PDNNet，对包含噪声的干涉相位的图进行训练，由训练得到的神经网络去预测不含噪声的干涉相位图，达到去噪效果。基于神经网络的相位去噪算法能较好地保留相位边缘特征，能在较短时间内去除相位噪声，同时保证精度较高。
-
公开(公告)号：CN113238227B
公开(公告)日：2022-09-30
申请号：CN202110506131.7
申请日：2021-05-10
Applicant: 电子科技大学
Abstract: 本发明公开一种结合深度学习的改进最小二乘相位解缠方法及系统，首先获取待处理的图像数据；按照改进最小二乘解模型求解待处理的图像数据的相位解缠结果，利用相位梯度预测网络结构得到预测的水平相位梯度预测结果和垂直相位梯度预测结果，最后将其代入到最小二乘法的快速求解准确地获取解缠相位。本发明提供的结合深度学习改进的最小二乘相位解缠方法，结合深度学习预测InSAR处理中带噪声缠绕相位对应的相位梯度，本方法利用卷积神经网络的相位梯度预测结果在高信噪比情况下依然发挥稳定，比传统最小二乘解缠算法所使用的缠绕相位梯度更加的准确。改进后的最小二乘相位解缠算法不易受相位质量和噪声等因素的影响，解缠结果稳定性得到大幅度提高。
-
公开(公告)号：CN110146890A
公开(公告)日：2019-08-20
申请号：CN201910536146.0
申请日：2019-06-20
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开一种时频域单通道SAR慢速目标检测方法，首先获取SAR距离脉压和徙动校正之后的信号；并进行短时傅里叶变换得到时频域信号；然后在时频域进行进行处理得到时频域中的动目标信号；并提取动目标的时域信号，直到处理完所有的距离单元；最后在时域信号领域估计各个动目标的多普勒中心，再次剔除小多普勒中心的目标，并补偿多普勒中心，最后成像。该方法针对单通道SAR实现动目标检测，避免了多通道SAR的系统复杂问题，由于时频域动目标和杂波之间是可分离的，在时频域可以只提取动目标信号，基本完全滤除掉杂波，可以减少虚警。因此，该方法具有较小的系统复杂性，可有效抑制杂波，较为准确提取动目标。
-
公开(公告)号：CN109270529B
公开(公告)日：2020-06-05
申请号：CN201811496155.3
申请日：2018-12-07
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于虚拟天线的前视阵列SAR高分辨成像方法，首先获取回波信号；根据雷达参数构造参考信号；参考信号与回波信号的共轭进行卷积，得到脉冲压缩之后的信号；然后根据脉冲压缩之后的信号检测出后向散射特性强的目标；构造虚拟天线，并构造出虚拟天线接收到的强后向散射点的信号；最后利用后向投影成像算法得到高分辨率图像；本发明提供的方法利用极少回波数据对强散射点进行高方位分辨率成像，且不受场景是否稀疏的限制；构造虚拟天线，并构造出虚拟天线应该接收到的强后向散射点的信号，与传统的成像方法相比，在前视SAR成像中，该方法能显著提高强散射点的方位向分辨率。
-
Patent Agency Ranking
公开(公告)号：CN109270525A
公开(公告)日：2019-01-25
申请号：CN201811496175.0
申请日：2018-12-07
Applicant: 电子科技大学
Abstract: 本发明公开了基于深度学习的穿墙雷达成像方法，首先获取仿真回波数据；对回波数据进行BP成像，作为神经网络训练时的输入图像；然后仿真训练生成参考图片，作为神经网络训练时的参考图片；应用tensorflow工具搭建神经网络对训练数据进行训练，用输入图片和参考图片对神经网络进行训练，并生成网络模型；最后将训练好的网络模型应用于实测数据。本发明提供的方法提高了穿墙雷达成像的分辨率；降低穿墙雷达图像中的旁瓣。
-
公开(公告)号：CN113238227A
公开(公告)日：2021-08-10
申请号：CN202110506131.7
申请日：2021-05-10
Applicant: 电子科技大学
Abstract: 本发明公开一种结合深度学习的改进最小二乘相位解缠方法及系统，首先获取待处理的图像数据；按照改进最小二乘解模型求解待处理的图像数据的相位解缠结果，利用相位梯度预测网络结构得到预测的水平相位梯度预测结果和垂直相位梯度预测结果，最后将其代入到最小二乘法的快速求解准确地获取解缠相位。本发明提供的结合深度学习改进的最小二乘相位解缠方法，结合深度学习预测InSAR处理中带噪声缠绕相位对应的相位梯度，本方法利用卷积神经网络的相位梯度预测结果在高信噪比情况下依然发挥稳定，比传统最小二乘解缠算法所使用的缠绕相位梯度更加的准确。改进后的最小二乘相位解缠算法不易受相位质量和噪声等因素的影响，解缠结果稳定性得到大幅度提高。
-
公开(公告)号：CN109270529A
公开(公告)日：2019-01-25
申请号：CN201811496155.3
申请日：2018-12-07
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于虚拟天线的前视阵列SAR高分辨成像方法，首先获取回波信号；根据雷达参数构造参考信号；参考信号与回波信号的共轭进行卷积，得到脉冲压缩之后的信号；然后根据脉冲压缩之后的信号检测出后向散射特性强的目标；构造虚拟天线，并构造出虚拟天线接收到的强后向散射点的信号；最后利用后向投影成像算法得到高分辨率图像；本发明提供的方法利用极少回波数据对强散射点进行高方位分辨率成像，且不受场景是否稀疏的限制；构造虚拟天线，并构造出虚拟天线应该接收到的强后向散射点的信号，与传统的成像方法相比，在前视SAR成像中，该方法能显著提高强散射点的方位向分辨率。
-
公开(公告)号：CN110146890B
公开(公告)日：2021-10-01
申请号：CN201910536146.0
申请日：2019-06-20
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开一种时频域单通道SAR慢速目标检测方法，首先获取SAR距离脉压和徙动校正之后的信号；并进行短时傅里叶变换得到时频域信号；然后在时频域进行进行处理得到时频域中的动目标信号；并提取动目标的时域信号，直到处理完所有的距离单元；最后在时域信号领域估计各个动目标的多普勒中心，再次剔除小多普勒中心的目标，并补偿多普勒中心，最后成像。该方法针对单通道SAR实现动目标检测，避免了多通道SAR的系统复杂问题，由于时频域动目标和杂波之间是可分离的，在时频域可以只提取动目标信号，基本完全滤除掉杂波，可以减少虚警。因此，该方法具有较小的系统复杂性，可有效抑制杂波，较为准确提取动目标。
-
公开(公告)号：CN109343060B
公开(公告)日：2021-01-29
申请号：CN201811496140.7
申请日：2018-12-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习时频分析的ISAR成像方法，首先设置ISAR成像模型，仿真产生回波数据；然后对回波数据做WVD变换和短时傅里叶变换，产生训练数据；设置网络模型，并用产生的训练数据对设置的网络模型进行训练；最后将训练后的网络模型与ISAR成像模型相结合进行成像；本发明提供的方法提高了时频分布图的频率分辨率；可以抑制交叉项；提高了ISAR成像的分辨率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
