-
Patent Agency Ranking
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：CN118746801A
公开(公告)日：2024-10-08
申请号：CN202410749970.5
申请日：2024-06-12
Applicant: 北京理工大学
Abstract: 本发明公开了基于卫星回波混合积累的分布孔径雷达相参参数高精度估计方法；首先，介绍了全相参处理过程，并建立了全相参信号模型；其次，论证了观测实验中的卫星以及观测弧段的选取原则，并分析信噪比在处理中的变化；再次，通过分层处理的方式，先后进行了脉冲间相参处理、雷达单元间相参处理和子孔径间的相参和非相参处理，实现了相参参数估计，并提升相参处理后的信噪比。本发明旨在提供一种适用于无合作标校设备时，可实现分布孔径雷达的相参参数高精度估计算法，预期可应用于地基雷达对空间目标观测等领域。
-
公开(公告)号：CN118131221A
公开(公告)日：2024-06-04
申请号：CN202410069619.1
申请日：2024-01-17
Applicant: 北京理工大学
IPC: G01S13/88 , G06T3/4053 , G06T5/10 , G06T7/246 , G01S7/41
Abstract: 本发明公开了一种基于多子带(MS)‑广义拉东傅里叶变换(GRFT)的低信噪比下步进频雷达对空间目标高分辨成像方法。首先通过单个子带数据的粗GRFT，获取大致的运动参数范围并进行粗运动补偿，通过并行处理的精GRFT，获取每个子带数据的参数估计结果，接着，使用CFAR和非相参积累筛选部分运动参数，以锐度作为估计子带相位误差的目标函数，并求取解析解；最后，对多个子带的GRFT结果进行误差补偿，再次使用CFAR提取运动参数并进行距离‑瞬时多普勒成像。本发明旨在提供一种适用于低信噪比条件下、可校正子带相位误差和长时观测下目标复杂运动导致空变误差的高分辨成像算法，预期可应用于地基雷达对空间目标观测等领域。
-
公开(公告)号：CN118011342A
公开(公告)日：2024-05-10
申请号：CN202410273233.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G01S7/40
Abstract: 本发明涉及一种地基步进频雷达对空间目标成像系统误差校准方法，属于雷达成像技术领域。首先，根据步进频chirp雷达和高速运动的特征，建立系统误差和运动误差的复杂耦合误差回波信号模型。然后，根据误差形式对于不同处理步骤的影响，将误差解耦为子带距离成像误差、子带方位成像误差和全子带合成成像误差。接着求取了子带距离成像、子带方位成像和全子带合成成像后图像熵对误差的梯度求解，并使用自适应矩估计方法分别求解误差。最后，对上述步骤进行循环处理，多次迭代校准误差，获取高质量图像。
-
公开(公告)号：CN116500616A
公开(公告)日：2023-07-28
申请号：CN202310456590.8
申请日：2023-04-25
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于CFAR‑ADMM的雷达稀疏目标检测成像一体化算法。首先，在考虑背景杂波的前提下，将雷达稀疏目标成像问题进行建模，在保真项约束的条件下，使目标的CFAR正则项最小进行求解。然后，对目标问题进行变量分裂，将目标问题分解为两个简单子问题并构造拉格朗日形式。最后利用ADMM交替更新对偶变量、分裂变量和残差，实现稀疏目标的检测和成像一体化求解。算法的核心模块是利用CFAR技术计算权重，对分裂变量进行非线性更新。所提方法旨在提供一种快速、鲁棒的雷达稀疏目标检测成像一体化算法，预期可应用于机载、星载等领域。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
