-
公开(公告)号：CN110826643A
公开(公告)日：2020-02-21
申请号：CN201911142677.8
申请日：2019-11-20
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种极化欧拉特征融合深度学习的海上目标识别方法，该方法包含以下步骤：S1、海上人造目标的极化散射机制分析；S2、基于步骤S1的分析结果，构建对应的海上几何体极化距离矩阵数据集，并对极化距离矩阵数据集的样本进行多极化特征提取；S3、基于步骤S2，训练多极化特征融合的深度学习模型；S4、采用海上人造目标对步骤S3的多极化特征融合的深度学习模型识别测试验证。其优点是：该方法从海上目标的基础极化散射机制出发，基于深度学习融合利用HRRP和极化信息实现目标识别，消除了方位敏感性带来的不利影响，提高了雷达目标识别的精度，具有检测率高、虚警率低、扩展应用灵活、处理过程全自动的优点。
-
公开(公告)号：CN108051792A
公开(公告)日：2018-05-18
申请号：CN201711270609.0
申请日：2017-12-05
Applicant: 上海无线电设备研究所
IPC: G01S7/41
Abstract: 本发明涉及一种目标与粗糙面耦合散射源的分布描述方法，包含以下步骤：S1、对目标与粗糙面的复合散射几何关系进行分析；S2、对目标与粗糙面的耦合散射源分布形状进行描述；S3、对目标与粗糙面的耦合散射源分布方向进行描述；S4、对目标与粗糙面的近场耦合散射源水平方向位置的偏移进行计算。本发明提供了目标与粗糙面复合散射中耦合散射源的线状展宽及近场位置偏移描述的方法；由于线状展宽分布的线状倾角与入射角近似相同，能够为目标与地海环境复合散射雷达回波信号的快速仿真提供基础与支撑。
-
公开(公告)号：CN108051789B
公开(公告)日：2021-08-31
申请号：CN201711279109.3
申请日：2017-12-06
Applicant: 上海无线电设备研究所
Abstract: 本发明涉及一种海背景下动目标SAR成像模拟测试系统及方法。通过造波水池，为放置于其中的船模模拟海环境；目标直线运动模拟装置带动作为目标的船模匀速直线运动；姿态测量传感器实时获取并记录运动过程中的目标姿态信息；射频分系统，进行射频信号发射及目标回波信号接收；扫描架分系统，放置并带动所述射频分系统进行等间隔步进运动，每步进一个间隔使用所述射频分系统对目标进行一次宽带扫频测量。本发明基于聚束式SAR成像原理，在造波池内实现海面舰船复合散射特性和运动特性协同模拟测试，解决了在实验室条件下同步、可控地模拟测量海面动目标复合散射特性和运动特性的问题，可为海面动目标成像探测与识别技术研究提供基础数据和验证手段。
-
公开(公告)号：CN107808383B
公开(公告)日：2021-04-02
申请号：CN201710952653.3
申请日：2017-10-13
Applicant: 上海无线电设备研究所
Abstract: 一种强海杂波下SAR图像目标快速检测方法，包含：S1、采用区域分块策略，将大场景SAR图像划分若干子块SAR图像；S2、基于子孔径相干处理获取与子块SAR图像对应的目标‑杂波对比度增强的子块相干图像；S3、基于子块相干图像的显著性，筛选出含目标的目标子块相干图像及对应的目标子块SAR图像，作为候选目标子块图像；S4、对候选目标子块图像进行精细目标检测，包括：对目标子块相干图像检测低散射目标像素，对目标子块SAR图像检测目标细节轮廓，对两种检测结果融合处理；S5、对精细目标检测结果除虚警，进行区域合并，得到最终目标检测结果。本发明能检测出海面大场景SAR图像中的结构复杂和散射强度弱的目标，检测率高，虚警率低，自适应性强，计算速度快。
-
公开(公告)号：CN108090251A
公开(公告)日：2018-05-29
申请号：CN201711192672.7
申请日：2017-11-24
Applicant: 上海无线电设备研究所
IPC: G06F17/50
Abstract: 本发明公开了一种透波型复合材料缩比设计方法，包含以下过程：通过优化缩比模拟材料的层数、各层的厚度以及各层材料的配方，使得电磁波以各个角度入射时缩比模拟材料的传输系数和反射系数皆能与理论缩比材料吻合，进而满足电磁散射特性缩比测量的要求。本发明具有突破缩比理论对缩比材料电磁参数和几何参数的严格限制，从而为推动缩比测试技术的发展作出贡献的优点。
-
Patent Agency Ranking
公开(公告)号：CN108051789A
公开(公告)日：2018-05-18
申请号：CN201711279109.3
申请日：2017-12-06
Applicant: 上海无线电设备研究所
Abstract: 本发明涉及一种海背景下动目标SAR成像模拟测试系统及方法。通过造波水池，为放置于其中的船模模拟海环境；目标直线运动模拟装置带动作为目标的船模匀速直线运动；姿态测量传感器实时获取并记录运动过程中的目标姿态信息；射频分系统，进行射频信号发射及目标回波信号接收；扫描架分系统，放置并带动所述射频分系统进行等间隔步进运动，每步进一个间隔使用所述射频分系统对目标进行一次宽带扫频测量。本发明基于聚束式SAR成像原理，在造波池内实现海面舰船复合散射特性和运动特性协同模拟测试，解决了在实验室条件下同步、可控地模拟测量海面动目标复合散射特性和运动特性的问题，可为海面动目标成像探测与识别技术研究提供基础数据和验证手段。
-
公开(公告)号：CN118068361A
公开(公告)日：2024-05-24
申请号：CN202311573959.X
申请日：2023-11-23
Applicant: 上海无线电设备研究所
IPC: G01S17/89
Abstract: 一种单频MIMO弧形阵列雷达的目标三维散射中心重构方法，采用单频MIMO弧形阵列雷达获取目标的回波数据，基于单频MIMO弧形阵列雷达，构建目标三维散射中心的信号模型，采用基于3D‑MUSIC的方法，估计目标的三维散射中心参数，将散射中心参数估计值代入至目标三维散射中心的信号模型，获取目标的三维散射中心重构结果。本发明减少了目标的回波数据量，提高了目标三维散射中心的重构效率，实现了目标三维散射中心的精确重构。
-
公开(公告)号：CN111551936B
公开(公告)日：2022-03-25
申请号：CN202010600192.5
申请日：2020-06-28
Applicant: 上海无线电设备研究所
IPC: G01S13/90
Abstract: 本发明公开了一种雷达目标精细结构散射贡献提取方法，包含：将雷达目标的几何计算区域划分为直接区域和间接区域；根据预设的成像要求，获取扫频扫角间隔；分别对直接区域和间接区域进行网格划分，得到已标记的直接区域和已标记的间接区域；分别采用直接求解法和迭代求解法对已标记的直接区域和已标记的间接区域进行求逆计算，得到扫频扫角散射场数据；根据扫频扫角散射场数据和扫频扫角间隔进行雷达成像，得到二维ISAR图像；根据二维ISAR图像分析细微结构的散射机理，得到其散射贡献在二维ISAR图像的像域中的位置，重构获取细微结构的散射贡献。本发明采用高效雷达目标仿真方法获取目标散射特性，进而成像提取细微结构散射贡献。
-
公开(公告)号：CN113627356A
公开(公告)日：2021-11-09
申请号：CN202110930328.3
申请日：2021-08-13
Applicant: 上海无线电设备研究所
Abstract: 一种海面舰船智能识别方法，包含以下步骤：S1、获取待识别舰船的多源图像样本并进行规范化预处理；S2、构建并训练多源图像舰船特征学习的DBN模型，并将其标记为DBNopt和DBNSAR；S3、训练多源图像舰船特征融合学习的GRBM模型，并将其标记为GRBMFus；S4、训练基于多源特征向量的ELM分类器，并将其标记为ELMFus；S5、利用训练好的DBNopt、DBNSAR、GRBMFus模型和ELMFus分类器，进行海面舰船智能识别测试。本发明采用深度学习方法，实现了具有全天时、全天候成像观测优势的SAR图像与具有分辨率较高、目标细节轮廓清晰、直观易于理解优势的可见光图像的多源异质图像信息融合与舰船目标分类识别，具有识别率高、自动化、识别模型轻量化且扩展应用灵活的优点。
-
公开(公告)号：CN113627356B
公开(公告)日：2024-02-23
申请号：CN202110930328.3
申请日：2021-08-13
Applicant: 上海无线电设备研究所
IPC: G06F30/27
Abstract: 一种海面舰船智能识别方法，包含以下步骤：S1、获取待识别舰船的多源图像样本并进行规范化预处理；S2、构建并训练多源图像舰船特征学习的DBN模型，并将其标记为DBNopt和DBNSAR；S3、训练多源图像舰船特征融合学习的GRBM模型，并将其标记为GRBMFus；S4、训练基于多源特征向量的ELM分类器，并将其标记为ELMFus；S5、利用训练好的DBNopt、DBNSAR、GRBMFus模型和ELMFus分类器，进行海面舰船智能识别测试。本发明采用深度学习方法，实现了具有全天时、全天候成像观测优势的SAR图像与具有分辨率较高、目标细节轮廓清晰、直观易于理解优势的可见光图像的多源异质图像信息融合与舰船目标分类识别，具有识别率高、自动化、识别模型轻量化且扩展应用灵活的优点。(56)对比文件Xingyue Zhou等.“ Deep Learning Basedon Striation Images for Underwater andSurface Target Classification”《.IEEESignal Processing Letters》.2019,第26卷(第9期),全文.黄冬梅;李明慧;宋巍;王建.卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估.中国图象图形学报.2018,(11),全文.王伟.基于遥感图像的船舶目标检测方法综述.电讯技术.2020,(09),全文.
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.025 seconds)
