-
公开(公告)号：CN117313352A
公开(公告)日：2023-12-29
申请号：CN202311239287.9
申请日：2023-09-25
Applicant: 电子科技大学
IPC: G06F30/20 , G06F17/11 , G01S13/89 , G01B15/04 , G06F111/04
Abstract: 本发明公开一种扫描雷达目标轮廓重建方法，应用于雷达成像技术领域，针对现有技术在提升扫描雷达角分辨能力时，存在的目标轮廓信息丢失或需要调整多个超参数，不利于实际工程应用的问题；本发明首先将扫描雷达方位向回波建模为目标散射分布与天线辐射函数的卷积，其次引入全变差因子，结合LASSO方法将扫描雷达目标轮廓重建问题转化为均方根LASSO约束下的凸优化求解问题，然后基于自相关拟合准则，导出无需超参数选取的最优全变差稀疏约束模型，最后通过构建增广拉格朗日函数，将最优全变差稀疏约束模型分解为三个子问题分别交替求解，得到迭代方程。本发明方法能够提高扫描雷达成像的方位分辨率，同时具有更强的目标轮廓信息重建能力。
-
公开(公告)号：CN116823612A
公开(公告)日：2023-09-29
申请号：CN202310787948.5
申请日：2023-06-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种适用于扫描雷达的无用户参数的自适应稀疏超分辨方法，包括以下步骤：步骤一、构建距离单元内扫描雷达信号模型；步骤二、建立稀疏L1约束优化问题；步骤三、构建稀疏贝叶斯最大后验优化目标函数；步骤四、计算最大后验目标函数；步骤五、简化目标函数得到加权参数迭代方程；步骤六、输出雷达噪声功率迭代估计值；步骤七、输出自适应稀疏超分辨结果：在步骤四、五、六获得各变量的迭代方程后，重复迭代计算直至最后结果收敛，获得自适应稀疏超分辨结果。本发明将稀疏超分辨问题转化为贝叶斯最大后验估计问题，从而自适应迭代权值，实现扫描雷达自适应稀疏超分辨成像，能够解决用户参数对噪声敏感，噪声适应能力差等问题。
-
Patent Agency Ranking
公开(公告)号：CN119001649A
公开(公告)日：2024-11-22
申请号：CN202411097005.0
申请日：2024-08-12
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种重尾噪声环境下的扫描雷达目标轮廓重建方法，首先建立回波信号模型，为了有效抑制重尾噪声影响，在最小绝对收缩和选择算子中引入最小绝对偏差约束准则建立目标函数；其次，基于协方差拟合准则，分别构造信号和噪声加权矩阵将该问题等价转化，实现最优正则化参数选取，然后，在稀疏模型的基础上引入全变分约束，通过调整全变分约束的权重可以更好地实现角分辨率和目标轮廓恢复的均衡，采用凸优化求解包对凸优化问题进行求解。与现有方法相比，该方法在重尾噪声环境下不仅具有较高的角分辨率，同时具有良好的重建目标轮廓的能力。
-
公开(公告)号：CN117271943A
公开(公告)日：2023-12-22
申请号：CN202311227199.7
申请日：2023-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种非均匀噪声情况下的超分辨率谱估计方法，首先建立回波信号模型，通过引入LAD‑LASSO约束准则建立目标函数，以抑制非均匀噪声，其次，基于协方差拟合准则，通过分别构造信号和噪声加权矩阵将该问题等价转化，实现最优正则化参数选取，最后通过构建增广拉格朗日函数，将稀疏约束模型分解为三个子问题分别交替求解，保证其他变量不变的同时最小化一个变量，直至最后的结果收敛，输出谱估计结果。本发明的方法用于解决使用传统谱估计方法分辨率低的问题，同时可以有效抑制非均匀噪声，显著提升谱估计精度。
-
公开(公告)号：CN117274099A
公开(公告)日：2023-12-22
申请号：CN202311278845.2
申请日：2023-10-07
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于无超参数全变差均衡约束的图像去噪方法，首先建立基于列化处理的全变差图像去噪模型，接着构建全变差图像去噪代价函数，然后根据协方差拟合准则，导出全变差稀疏约束的最优均衡加权矩阵，并得出一种无超参数平衡全变差图像去噪代价函数，最后通过凸优化工具实现最优迭代求解。本发明的方法通过对无超参数均衡全变差图像去噪代价函数进行求解，在实现均匀去噪，不损失去噪效果的同时，解决了现有全变差去噪方法中正则化参数的最优选择难题。
-
公开(公告)号：CN116993587A
公开(公告)日：2023-11-03
申请号：CN202310946699.X
申请日：2023-07-31
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种针对稀疏场景的分裂重建超分辨成像方法，首先通过建立回波模型，表征目标散射与雷达回波数据间的数学关系，然后在距离向对回波进行有效数据检测，并对检测后数据进行分裂，再构建分裂重建模型，最后根据加权最小二乘准则，采用迭代方式进行求解，得到超分辨结果。本发明的方法通过有效数据检测去除噪声和杂波干扰，然后对有效回波进行分裂，并定义分裂重建模型，将高维重建问题分解为多个低维子问题，降低计算复杂度，进而实现快速超分辨成像，相比现有超分辨方法，在不损失分辨效果的同时，大幅降低了计算复杂度，实现了稀疏场景的快速超分辨成像。
-
公开(公告)号：CN116381679A
公开(公告)日：2023-07-04
申请号：CN202310441381.6
申请日：2023-04-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于贝叶斯稀疏学习的扫描雷达二维超分辨率成像方法，首先构建方位‑俯仰二维扫描雷达信号模型，然后，根据贝叶斯框架下的最大后验准则，建立关于目标散射和环境噪声的稀疏优化目标函数，最后，利用共轭梯度算法和Kronecker积性质，加速迭代估计目标散射和噪声功率，实现扫描雷达的自适应稀疏二维超分辨成像。本发明的方法解决了现有技术手段复杂度高、对噪声鲁棒性差的问题，与现有二维超分辨方法相比，不仅具有更低的计算复杂度，而且鲁棒性更强，具备极佳的噪声自适应能力，能自适应低信噪比条件下的二维扫描雷达超分辨率成像。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
