-
公开(公告)号：CN113640795B
公开(公告)日：2024-02-13
申请号：CN202110847336.1
申请日：2021-07-27
Applicant: 北京理工大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于生成对抗网络的SAR智能参数化自聚焦方法，首先，建立延展目标的SAR参数化回波模型和运动误差模型，从中分析得出运动误差与目标参数耦合关系和目标散射特性相位与目标参数的映射关系；然后，通过训练生成对抗网络得出目标散焦聚焦图像对的映射关系，并从中估计出目标参数，最后，将估计的目标参数使用在运动误差与目标参数解耦中，使用常规相位梯度自聚焦算法估计真实运动相位误差，实现目标图像的聚焦；本发明方法提供了一种高智能、高效率的SAR参数化自聚焦解决方案，预期可应用于机载、地基SAR自聚焦等领域。
-
公开(公告)号：CN112327285B
公开(公告)日：2023-10-03
申请号：CN202011196999.3
申请日：2020-10-30
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于混合广义瑞登傅里叶变换的雷达目标检测方法。本发明首先将回波划分成若干子孔径，在子孔径内采用广义瑞登傅里叶变换(GRFT)进行相参积累，然后在子孔径间直接非相参叠加。由于本发明在GRFT时将所有子孔径的0时刻设置为整个回波持续时间的中心，同时补偿掉了子孔径内与子孔径间的跨距离单元、跨多普勒单元现象，因此可更方便简洁地设计子孔径长度，且子孔径间非相参积累时，无需计算搜索参数对应的积累路径，直接非相参叠加即可。本发明的子孔径长度能在常规混合积累子孔径长度和总积累时间之间调节，通过调整子孔径长度，本发明能更好的在检测性能与运算量之间权衡。
-
公开(公告)号：CN113191538B
公开(公告)日：2022-11-04
申请号：CN202110405753.0
申请日：2021-04-15
Applicant: 北京理工大学
Abstract: 本发明提出一种基于深度学习的多频SAR图像解模糊方法，能够消除SAR图像中目标模糊，大幅增强SAR图像质量，有助于提升SAR图像的可理解性。本发明的基于深度学习的多频SAR图像解模糊方法，可以高效设计最优频率，为SAR成像解模糊提供数据；可以高效的对SAR成像中因采样率低而产生的模糊图进行解模糊。是高智能、高精度、高效率的SAR稀疏成像解模糊方案，预期可应用于星载SAR成像、天文雷达成像等领域，可消除SAR图像中目标模糊，大幅增强SAR图像质量，有助于提升SAR图像的可理解性。
-
公开(公告)号：CN113640795A
公开(公告)日：2021-11-12
申请号：CN202110847336.1
申请日：2021-07-27
Applicant: 北京理工大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于生成对抗网络的SAR智能参数化自聚焦方法，首先，建立延展目标的SAR参数化回波模型和运动误差模型，从中分析得出运动误差与目标参数耦合关系和目标散射特性相位与目标参数的映射关系；然后，通过训练生成对抗网络得出目标散焦聚焦图像对的映射关系，并从中估计出目标参数，最后，将估计的目标参数使用在运动误差与目标参数解耦中，使用常规相位梯度自聚焦算法估计真实运动相位误差，实现目标图像的聚焦；本发明方法提供了一种高智能、高效率的SAR参数化自聚焦解决方案，预期可应用于机载、地基SAR自聚焦等领域。
-
Patent Agency Ranking
公开(公告)号：CN116430384A
公开(公告)日：2023-07-14
申请号：CN202310280865.7
申请日：2023-03-22
Applicant: 北京理工大学
Abstract: 本发明属于合成孔径雷达技术领域，本发明提供一种基于多主影像处理的层析SAR三维成像方法。在本发明中，任意两幅SAR图像均可进行干涉处理并获取多基线干涉图，所有干涉图均可参与层析处理，以增加观测数据量，抑制高度维估计中的旁瓣。此外，为了进一步确保高程估计精度，进行了层析SAR数据堆栈的优化处理，即基于相干系数的对多基线干涉相位进行筛选，剔除低质量的干涉相位，以保证层析SAR处理效果。
-
公开(公告)号：CN116243313A
公开(公告)日：2023-06-09
申请号：CN202310251820.7
申请日：2023-03-08
Applicant: 北京理工大学
Abstract: 为解决传统基于稀疏性的SAR成像自聚焦方法中高计算复杂度和聚焦效果不佳的问题，提出了一种基于距离分区的SAR快速智能稀疏自聚焦技术。首先，对雷达回波的距离向数据进行重建后进行距离向分区，分区后的观测矩阵通过斜距重采样进行精准重建，通过距离分区策略减轻后续稀疏成像的计算和存储负担。然后，基于图像最小熵和稀疏性的联合约束，构造了一个稀疏成像模块和稀疏自聚焦模块相互循环迭代的网络模块，稀疏成像模块由将运动误差下的交叉方向乘子法(ADMM)展开为迭代神经网络。稀疏自聚焦的核心模块是利用深度网络来估计最小熵约束下的运动误差。所提方法旨在提供一种高智能、高效率的SAR快速智能稀疏自聚焦方案，预期可应用于机载、地基SAR自聚焦等领域。
-
公开(公告)号：CN115308741A
公开(公告)日：2022-11-08
申请号：CN202210765437.9
申请日：2022-07-01
Applicant: 北京理工大学
Abstract: 本发明涉及雷达信号处理技术领域，特别涉及一种基于雷达差分干涉技术的月球表面形变测量方法。本发明是独立于基于LLR与LOLA的又一种月球表面形变测量方法，与传统方法有着本质的不同，其依靠干涉图像的形变相位变化直接反演月球表面形变，因此形变测量精度可达亚波长级(mm级)。此外，由于测量精度远高于月球表面潮汐形变量，因此，不需要大量数据的拟合与交叉验证处理，即可得到精确的形变测量值，模型依赖程度低，且运算量更小。
-
公开(公告)号：CN114442092A
公开(公告)日：2022-05-06
申请号：CN202111669699.7
申请日：2021-12-31
Applicant: 北京理工大学
Abstract: 本发明涉及一种分布式无人机SAR深度学习三维成像方法，用于解决传统SAR高精度成像方法超参数选择难，算法复杂性高的问题。首先基于分布式无人机集群建立二维成像模型，利用快速分解后向投影算法获取二维SAR图像，并进行二维SAR图像配准，完成数据预处理。然后通过建立三维成像高度向模型，仿真生成训练数据，训练整个级联式智能三维成像网络，完成网络模型的预训练。最后将数据预处理后的数据输入智能三维成像网络中，获取整个成像场景的三维SAR图像。所提方法旨在提供一种高智能、高精度、高效率的分布式无人机SAR三维成像解决方案，可应用于分布式无人机三维高效高分辨成像等领域。
-
公开(公告)号：CN113189587A
公开(公告)日：2021-07-30
申请号：CN202110373117.4
申请日：2021-04-07
Applicant: 北京理工大学
Abstract: 本发明提供一种雷达的单目标识别方法、系统及可读存储介质，涉及雷达成像领域，该方法包括：从目标的相对两侧进行雷达观测；根据两侧雷达观测的回波信号，计算得到所述目标两侧端点的频域回波分别为Sl(f，θ)和Sr(f，θ)；根据所述回波信号，计算所述目标两侧端点的估计端点坐标分别为和根据计算得到的所述目标两侧端点的频域回波分别为Sl(f，θ)和Sr(f，θ)以及所述目标两侧端点的估计端点坐标和计算所述目标两侧端点的回波包络分别为Ml(f，η)和Mr(f，η)；根据所述目标两侧端点的回波包络Ml(f，η)和Mr(f，η)，得到所述目标两侧端点的估计初相分别为和根据所述目标两侧端点的估计初相和确定出所述目标的类型；其中，f表示频率值，θ表示雷达的方位向角度，η表示慢时间。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
