公开(公告)号：CN117933052A

公开(公告)日：2024-04-26

申请号：CN202311258454.4

申请日：2023-09-26

Applicant: 西安空间无线电技术研究所

Inventor： 窦昊锋 ,  李浩 ,  李一楠 ,  吕容川 ,  姜任之 ,  文丹丹 ,  费新卓

IPC: G06F30/27 ,  G06V10/774 ,  G06F111/04

Abstract: 一种基于深度学习的分布式综合孔径图像反演方法，首先进行天线阵列的非规则排布，并获取自然场景初始图像，根据非规则排布的天线阵列获取对应的最优相关矩阵后，以最优相关矩阵为数据输入，构建深度学习网络利用自然场景初始图像为测试标签进行网络训练，对训练后网络进行验证直至获取有效性最佳的网络及对应参数，训练完成的最优网络能够在频率稀疏的情况下，学习非均匀采样点与观测场景的映射关系，并抑制旁瓣，从而获取更高质量的反演图像。

公开(公告)号：CN119830710A

公开(公告)日：2025-04-15

申请号：CN202411826942.5

申请日：2024-12-12

Applicant: 西安空间无线电技术研究所

Inventor： 窦昊锋 ,  李浩 ,  李一楠 ,  文丹丹 ,  张卫 ,  田牧 ,  宋广南

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明提供了一种基于强化学习的推扫辐射计天线方向图优化方法，包括：步骤S1，初始化智能体和环境；步骤S2，初始化网络输入和网络输出；步骤S3，选择天线方向图评价指标：天线方向图评价指标包括主波束效率、主波束宽度、旁瓣高度以及与理想天线方向图的差异；步骤S4，构建深度神经网络：深度神经网络设计为卷积神经网络与深层神经网络相结合的结构；步骤S5，训练深度神经网络；步骤S6，获得网络优化后的天线方向图。本发明的优化方法能够压低旁瓣电平，提高主波束效率，从而提高系统探测精度。