基于有源定标器的星载微波散射计在轨方向图标定方法

    公开(公告)号:CN116359860A

    公开(公告)日:2023-06-30

    申请号:CN202211689667.8

    申请日:2022-12-27

    Abstract: 本发明公开了一种基于有源定标器的星载微波散射计在轨方向图标定方法,包括:根据有源定标器的位置信息得到不同时刻波束在散射计天线系下的俯仰角和方位角;根据有源定标器的指向信息和位置信息得到不同时刻波束在有源定标器天线系下的俯仰角和方位角;根据有源定标器接收到的功率信号和不同时刻波束在有源定标器天线系下的俯仰角和方位角得到不同时刻有源定标器接收数据功率;根据不同时刻有源定标器接收数据功率获取散射计的天线方向图。本发明解决散射计天线坐标系快速变化下的方向图标定,并对有源定标器对星载方向图的调制影响进行补偿,提高了天线方向图的在轨测试精度。

    基于卷积神经网络的波束合成推扫辐射计定标方法

    公开(公告)号:CN114046888A

    公开(公告)日:2022-02-15

    申请号:CN202111274687.4

    申请日:2021-10-29

    Abstract: 本发明涉及基于卷积神经网络的波束合成推扫辐射计定标方法,该方法基于卷积神经网络的全链路定标方法,结合其他步骤得到的先验信息,再根据推扫辐射计周期性的对已知微波辐射亮温信息的定标场进行观测,利用定标场的亮温信息以及推扫辐射计系统输出的功率信号,对卷积神经网络的模型参数进行循环、迭代,不断训练,直至搜索得到满足误差阈值时的最优模型参数。推扫辐射计工作时,通过对微波辐射亮温已知的定标场的观测,获取定标数据样本,可以周期性的进行卷积神经网格模型参数训练。

    一种基于图像重构技术的星载微波散射计方位向分辨率增强方法

    公开(公告)号:CN119780857A

    公开(公告)日:2025-04-08

    申请号:CN202411952830.4

    申请日:2024-12-27

    Abstract: 本发明公开了一种基于图像重构技术的星载微波散射计方位向分辨率增强方法,根据距离向分辨率需求将距离向波束足迹划分为若干分辨单元,通过定标将分辨单元功率转换为后向散射系数,同时基于观测几何信息通过地理定位确定后向散射系数对应的观测位置;沿着天线扫描时各距离向分辨单元对应波束中心形成的地面足迹轨迹分段连续划分一维均匀网格,基于距离向高分辨率后向散射系数和对应的空间响应函数在网格区域内投影信息应用散射计图像重构算法实现网格内后向散射系数重构。本发明通过克服现有处理方法的局限性,能够实时、可靠和高效地实现星载微波散射计方位向分辨率提升,是一种实用的星载微波散射计数据处理方法。

    一种极化散射计预处理方法

    公开(公告)号:CN106646415B

    公开(公告)日:2019-03-12

    申请号:CN201611066337.8

    申请日:2016-11-28

    Abstract: 本发明针对极化散射计极化相关后向散射系数预处理问题,提出了一种新的极化相关后向散射系数预处理方法,步骤如下:1、将散射计接收的同极化和交叉极化回波求相关运算,得到极化相关系数;2利用同极化后向散射系数的求取方法,计算得到同极化后向散射系数和交叉极化后向散射系数;3、将极化相关系数、同极化与交叉极化通道相位差,同极化后向散射系数和交叉极化后向散射系数,通过比率换算处理,得到极化相关后向散射系数。本发明方法能够避免现有预处理方法复杂,处理误差大的不足,提高了极化后向散射系数预处理精度,降低了系统预处理难度,非常适合散射计高精度的测量需求。

    基于卷积神经网络的波束合成推扫辐射计定标方法

    公开(公告)号:CN114046888B

    公开(公告)日:2024-02-20

    申请号:CN202111274687.4

    申请日:2021-10-29

    Abstract: 本发明涉及基于卷积神经网络的波束合成推扫辐射计定标方法,该方法基于卷积神经网络的全链路定标方法,结合其他步骤得到的先验信息,再根据推扫辐射计周期性的对已知微波辐射亮温信息的定标场进行观测,利用定标场的亮温信息以及推扫辐射计系统输出的功率信号,对卷积神经网络的模型参数进行循环、迭代,不断训练,直至搜索得到满足误差阈值时的最优模型参数。推扫辐射计工作时,通过对微波辐射亮温已知的定标场的观测,获取定标数据样本,可以周期性的进行卷积神经网格模型参数训练。

    基于深度学习网络的实孔径辐射计定标方法

    公开(公告)号:CN115979437A

    公开(公告)日:2023-04-18

    申请号:CN202211477651.0

    申请日:2022-11-23

    Abstract: 基于深度学习网络的实孔径辐射计定标方法,属于微波辐射计定标技术领域。两点定标是建立在输入亮温与辐射计输出电压这一线性关系的基础上,实际上的辐射计不是理想线性的。微波辐射计中的天线、噪声源等核心部件的物理温度会影响辐射计输出电压,造成定标精度下降。针对这些不足,本发明提出了基于深度学习网络的实孔径辐射计定标方法。本发明公开的定标方法包括下述步骤:获得辐射计核心器件物理温度;生成原始场景亮温;生成输出电压;构建数据集;训练深度学习网络;验证网络定标效果。本发明提供的定标方法可根据辐射计运行期间器件性能变化自适应调节输入亮温、输出电压与核心器件物理温度的映射关系,提升系统的稳定性与鲁棒性。

    一种星载扇形波束散射计后向散射系数定标方法

    公开(公告)号:CN117826102A

    公开(公告)日:2024-04-05

    申请号:CN202311753869.9

    申请日:2023-12-19

    Abstract: 一种星载扇形波束散射计后向散射系数定标方法,属于空间微波遥感技术领域。本发明包括:在星载扇形波束散射计数据处理前,建立分辨单元相对视角和切片相对位置查找表,建立分辨单元照射积分参数查找表。在地面数据处理阶段,根据每个时刻场景观测数据,基于观测几何查找表确定距离向分辨单元功率切片累积范围和对应波束中心视角,基于照射积分查找表确定各分辨单元对应照射积分参数。结合系统定标参数和在轨定标观测数据,根据雷达方程计算出各分辨单元后向散射系数,实现后向散射系数定标和定位。本发明通过克服现有处理方法的局限性,能够准确、可靠和高效地实现扇形波束散射计距离向不同分辨单元后向散射系数定标和定位。

    一种极化散射计预处理方法

    公开(公告)号:CN106646415A

    公开(公告)日:2017-05-10

    申请号:CN201611066337.8

    申请日:2016-11-28

    CPC classification number: G01S7/41

    Abstract: 本发明针对极化散射计极化相关后向散射系数预处理问题,提出了一种新的极化相关后向散射系数预处理方法,步骤如下:1、将散射计接收的同极化和交叉极化回波求相关运算,得到极化相关系数;2利用同极化后向散射系数的求取方法,计算得到同极化后向散射系数和交叉极化后向散射系数;3、将极化相关系数、同极化与交叉极化通道相位差,同极化后向散射系数和交叉极化后向散射系数,通过比率换算处理,得到极化相关后向散射系数。本发明方法能够避免现有预处理方法复杂,处理误差大的不足,提高了极化后向散射系数预处理精度,降低了系统预处理难度,非常适合散射计高精度的测量需求。

Patent Agency Ranking