-
公开(公告)号：CN107576961B
公开(公告)日：2019-07-19
申请号：CN201710933011.9
申请日：2017-10-10
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种互质降采样间歇合成孔径雷达稀疏成像方法，它是结合互质降采样方式及压缩感知稀疏重构方法，先采用互质的两个整数对间歇合成孔径雷达中方位向脉冲数进行降采样间歇数据获取，实现合成孔径雷达的脉冲互质降采样间歇，然后分别对每一个质数得到合成孔径雷达数据进行压缩感知稀疏成像，得到两幅合成孔径雷达图像后，再进行栅瓣融合处理，得到最终的间歇合成孔径雷达图像，从而实现互质降采样间歇合成孔径雷达高精度成像。本发明具有相对于传统随机间歇方式更便于系统实现、并且相对于传统插值重采样成像算法提高间歇SAR稀疏成像质量、抑制图像中旁瓣水平等特点。
-
公开(公告)号：CN105548959B
公开(公告)日：2017-10-17
申请号：CN201510888407.7
申请日：2015-12-07
Applicant: 电子科技大学
IPC: G01S5/02
Abstract: 本发明提供了一种基于稀疏重建的多传感器多目标的定位方法，其特点是根据空中目标具有稀疏性的特点，把稀疏重建的理论应用于目标定位中。它首先根据目标所在的观测区域，由相位信息构造出用于目标定位的传感矩阵，建立了目标定位的线性观测模型；然后，对正交匹配追踪算法进行改进，通过标记每次迭代匹配过程中最大相关系数对应的栅格，找到目标所在的位置。多次的迭代匹配过程可依次定出多个目标的位置，避免了多目标定位的数据关联，即不需要建立和求解大量的方程组完成数据关联。另外，相位信息的引用使定位的精度得到了很大的提高。
-
公开(公告)号：CN106355151A
公开(公告)日：2017-01-25
申请号：CN201610777874.7
申请日：2016-08-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于深度置信网络的三维SAR图像目标识别方法，首先建立三维SAR图像的仿真样本库，通过一副或少数的目标的三维SAR图像向不同的方位角和俯仰角投影得到多幅目标的二维SAR图像，获取的少量的三维SAR图像转化成二维图像，利用二维图像识别的方法进行识别，可以大大的节省成本，减少SAR成像的获取时间。提出了融合交叉验证法对深度置信网络进行了改进使之自动调节参数，实现参数的自优化，有效的避免过拟合学习和欠拟合学习状态的发生，能准确地学习样本数据的高级特性,使深度置信网络获得更好的识别结果省去了人工设置参数的繁琐，提高了识别效率。
-
公开(公告)号：CN105548959A
公开(公告)日：2016-05-04
申请号：CN201510888407.7
申请日：2015-12-07
Applicant: 电子科技大学
IPC: G01S5/02
CPC classification number: G01S5/0252
Abstract: 本发明提供了一种基于稀疏重建的多传感器多目标的定位方法，其特点是根据空中目标具有稀疏性的特点，把稀疏重建的理论应用于目标定位中。它首先根据目标所在的观测区域，由相位信息构造出用于目标定位的传感矩阵，建立了目标定位的线性观测模型；然后，对正交匹配追踪算法进行改进，通过标记每次迭代匹配过程中最大相关系数对应的栅格，找到目标所在的位置。多次的迭代匹配过程可依次定出多个目标的位置，避免了多目标定位的数据关联，即不需要建立和求解大量的方程组完成数据关联。另外，相位信息的引用使定位的精度得到了很大的提高。
-
公开(公告)号：CN110596706B
公开(公告)日：2022-06-03
申请号：CN201910869573.0
申请日：2019-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于三维图像域投射变换的RCS外推方法。首先，它采用阵列三维SAR模型收集被测目标的回波数据矩阵；利用脉冲压缩和频率升采样技术完成初步信号处理；利用三维后向投影技术完成信号精处理并得到反映目标近场反射率分布的三维图像；然后采用投射变换因子对三维图像进行展开，并外推一定的方位角和俯仰角内的远场结果；利用定标技术，最终得到被测目标的RCS方向图。与经典的RCS外推方法相比，本发明方法不受俯仰维度的约束，能够提取出完整的反射率分布，著提高了信噪比和信杂比，具有外推精度高、适用性广等优点。
-
Patent Agency Ranking
公开(公告)号：CN110596706A
公开(公告)日：2019-12-20
申请号：CN201910869573.0
申请日：2019-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于三维图像域投射变换的RCS外推方法。首先，它采用阵列三维SAR模型收集被测目标的回波数据矩阵；利用脉冲压缩和频率升采样技术完成初步信号处理；利用三维后向投影技术完成信号精处理并得到反映目标近场反射率分布的三维图像；然后采用投射变换因子对三维图像进行展开，并外推一定的方位角和俯仰角内的远场结果；利用定标技术，最终得到被测目标的RCS方向图。与经典的RCS外推方法相比，本发明方法不受俯仰维度的约束，能够提取出完整的反射率分布，著提高了信噪比和信杂比，具有外推精度高、适用性广等优点。
-
公开(公告)号：CN107576961A
公开(公告)日：2018-01-12
申请号：CN201710933011.9
申请日：2017-10-10
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种互质降采样间歇合成孔径雷达稀疏成像方法，它是结合互质降采样方式及压缩感知稀疏重构方法，先采用互质的两个整数对间歇合成孔径雷达中方位向脉冲数进行降采样间歇数据获取，实现合成孔径雷达的脉冲互质降采样间歇，然后分别对每一个质数得到合成孔径雷达数据进行压缩感知稀疏成像，得到两幅合成孔径雷达图像后，再进行栅瓣融合处理，得到最终的间歇合成孔径雷达图像，从而实现互质降采样间歇合成孔径雷达高精度成像。本发明具有相对于传统随机间歇方式更便于系统实现、并且相对于传统插值重采样成像算法提高间歇SAR稀疏成像质量、抑制图像中旁瓣水平等特点。
-
公开(公告)号：CN113866766B
公开(公告)日：2024-03-22
申请号：CN202111149048.5
申请日：2021-09-29
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明属于合成孔径雷达(SAR)雷达散射截面积(RCS)测量技术领域，公开了一种基于近场三维成像的雷达散射截面积(RCS)精确外推方法，用来解决现有RCS外推技术不足的问题。该方法主要包括初始化雷达系统及观测场景参数，基于初始化相关参数构造测量矩阵，采用标准的贝叶斯学习方法对数据块进行基于块的学习处理，采用近场三维格林函数对雷达剖面进行三维成像处理，采用标准平面元加权算子实现NF‑FF补偿五个部分。初始化雷达系统及观测场景参数，基于初始化相关参数构造测量矩阵，采用标准的贝叶斯学习方法对数据块进行基于块的学习处理，采用近场三维格林函数对雷达剖面进行三维成像处理四个步骤实现了目标近场三维图像和标称观测点的获取，第五个步骤旨在从近场三维图像中精确获得RCS；该方法的计算负担增加在可控范围内，其RCS外推结果的平均绝对偏差(MAD)和标准偏差(STD)较其他经典的RCS外推算法低，这表明该成像方法在RCS外推精度上比其他算法有着显著提高。
-
公开(公告)号：CN113866766A
公开(公告)日：2021-12-31
申请号：CN202111149048.5
申请日：2021-09-29
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明属于合成孔径雷达(SAR)雷达散射截面积(RCS)测量技术领域，公开了一种基于近场三维成像的雷达散射截面积(RCS)精确外推方法，用来解决现有RCS外推技术不足的问题。该方法主要包括初始化雷达系统及观测场景参数，基于初始化相关参数构造测量矩阵，采用标准的贝叶斯学习方法对数据块进行基于块的学习处理，采用近场三维格林函数对雷达剖面进行三维成像处理，采用标准平面元加权算子实现NF‑FF补偿五个部分。初始化雷达系统及观测场景参数，基于初始化相关参数构造测量矩阵，采用标准的贝叶斯学习方法对数据块进行基于块的学习处理，采用近场三维格林函数对雷达剖面进行三维成像处理四个步骤实现了目标近场三维图像和标称观测点的获取，第五个步骤旨在从近场三维图像中精确获得RCS；该方法的计算负担增加在可控范围内，其RCS外推结果的平均绝对偏差(MAD)和标准偏差(STD)较其他经典的RCS外推算法低，这表明该成像方法在RCS外推精度上比其他算法有着显著提高。
-
公开(公告)号：CN106355151B
公开(公告)日：2019-10-01
申请号：CN201610777874.7
申请日：2016-08-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于深度置信网络的三维SAR图像目标识别方法，首先建立三维SAR图像的仿真样本库，通过一副或少数的目标的三维SAR图像向不同的方位角和俯仰角投影得到多幅目标的二维SAR图像，获取的少量的三维SAR图像转化成二维图像，利用二维图像识别的方法进行识别，可以大大的节省成本，减少SAR成像的获取时间。提出了融合交叉验证法对深度置信网络进行了改进使之自动调节参数，实现参数的自优化，有效的避免过拟合学习和欠拟合学习状态的发生，能准确地学习样本数据的高级特性,使深度置信网络获得更好的识别结果省去了人工设置参数的繁琐，提高了识别效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
