CN103048648A - 一种基于lq的成像雷达方位模糊抑制方法 - Google Patents
一种基于lq的成像雷达方位模糊抑制方法 Download PDFInfo
- Publication number
- CN103048648A CN103048648A CN2011103106555A CN201110310655A CN103048648A CN 103048648 A CN103048648 A CN 103048648A CN 2011103106555 A CN2011103106555 A CN 2011103106555A CN 201110310655 A CN201110310655 A CN 201110310655A CN 103048648 A CN103048648 A CN 103048648A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- radar
- orientation
- eta
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于lq的成像雷达方位模糊抑制的方法,涉及成像雷达信号与信息处理技术,该方法利用成像雷达参数、雷达与观测场景的几何关系,以及天线方向图等信息,根据雷达回波的观测模型,构建包含天线旁瓣信息在内的观测矩阵,通过lq重建算法实现雷达成像,同时抑制方位向模糊。本发明方法相比于传统的基于匹配滤波的成像方法,可以抑制成像雷达中的方位向模糊,提高成像质量。
Description
技术领域
本发明涉及成像雷达信号与信息处理技术领域,具体是成像处理中方位模糊的抑制方法,是一种基于lq(q∈(0,1])的成像雷达方位模糊抑制方法。
背景技术
成像雷达的研究起步于二十世纪五十年代,它利用合成孔径技术得到高方位分辨率。由于方位向天线方向图存在旁瓣,方位向的多普勒频谱不是严格带限的,经过脉冲重复频率(Pulse Repetition Frequency)采样后模糊信号的能量混叠进主成像区域,造成方位模糊,降低成像质量,所以方位模糊是成像中所要解决的一个重要问题。
lq(q∈(0,1])正则化是一类稀疏信号建模及处理方法。它结合了优化理论中经典的正则化方法以及近几年成为研究热点的lq范数在稀疏信号处理领域的应用,利用信号稀疏性等先验信息作为正则项(惩罚项),通过对原数据模型进行良态修正,获得真实信号的最优稳定解。当q等于1或者0.5时,利用阈值迭代算法可以有效地求解模型。
利用方位向雷达回波模型构建方位模糊抑制的观测矩阵,并采用lq正则化方法重建场景目标的后向散射系数,可以抑制方位模糊,提高成像的质量,并且在一定条件下降低数据量。
对背景技术的了解可以参考下面文献以及其中相关的文章。
[1]John C.Curlander,Robert N.Mcdonough,‘Synthetic Aperture Radar:System and Signal Processing’,John Wiley & Sons,Inc,1991.
[2]D.L.Donoho,‘Compressed sensing’,IEEE Trans.Inform.Theory,2006,52,(4),pp.1289-1306.
[3]E.Candès,J.Romberg,and T.Tao,‘Robust uncertainty principles:Exactsignal reconstruction from highly incomplete frequency information’,IEEE Trans.on Information Theory,vol.52,no.2,pp.489-509,2006.
[4]JoséM.Bioucas-Dias,and Mário A.T.Figueiredo,‘A New TwIST:Two-Step Iterative Shrinkage/Thresholding Algorithms for Image Restoration’,IEEE Trans.on Image Processing,vol.16,no.12,pp.2992-3004,2007
发明内容
本发明的目的是提出一种基于lq(q∈(0,1])的成像雷达方位模糊抑制方法,以解决雷达成像中出现的方位模糊问题。
为实现上述目的,本发明的技术解决方案是:
一种基于lq的成像雷达方位模糊抑制方法,其包括:
步骤S1:根据成像雷达参数、雷达与观测场景的几何关系,及天线方向图的信息,构造可抑制方位模糊的观测矩阵;
步骤S2:建立基于lq正则化的重建模型,用基于lq正则化的重建算法,得到抑制方位向模糊的雷达图像。
所述的成像雷达方位模糊抑制方法,其所述步骤S1中,包括:
步骤S1a:根据方位向雷达回波模型可构造一维抑制方位模糊的观测矩阵Ha;
步骤S1b:根据二维成像雷达的回波模型可以由步骤S1a方法扩展得到二维成像雷达的抑制方位模糊的观测矩阵H2d;
步骤S1c:当场景目标稀疏时,对所进行的步骤S1a和步骤S1b,可采用均匀降采样、随机降采样及随机调制积分降采样。
所述的成像雷达方位模糊抑制方法,其所述步骤S1a中,包括步骤:
步骤S1a-1:根据方位向雷达回波模型,来自场景目标的方位向信号写为:
ra,x(η)=Gt(η-ηcx)·Gr(η-ηcx)·SDop(η,x) (1)
Gt(η)=Gt(θ(η)),Gr(η)=Gr(θ(η)) (2)
其中,η是方位向时间,x是场景目标处于的位置,ηcx是场景目标的中心穿越时刻,SDop(η,x)是场景目标位于x处的多普勒历程,θ是方位角,Gt(η)是发射的方位向天线方向图,Gr(η)是接收的方位向天线方向图,Gt(η)、Gr(η)通过θ(η)表示成η的函数;
步骤S1a-2:由式(1)建立回波信号ra(η)与场景L的后向散射系数σ(x)的关系式:
根据雷达接收端的采样方式,将式(3)中的σ(x)和ra(η)分别用离散式表示,写为:
Xa=[σ(x1)σ(x2)…σ(xNa-1)σ(xNa)]T (4)
Ra=[ra(η1)ra(η2)…ra(ηMa-1)ra(ηMa)]T (5)
其中,xi(i=1~Na)是场景目标所处的方位向位置,Na是Xa的元素个数;ηi(i=1~Ma)是方位向采样的时刻,Ma是Ra的元素个数;
步骤S1a-3:根据式(3)、(4)和(5)的离散化方式,得到抑制方位向模糊观测矩阵Ha:
Ha=Ga⊙Sa (6)
Sa={sDop(ηm,xn)}Ma×Na (8)
Ra=Ha·Xa (9)
其中,⊙是矩阵的逐点乘积符号,Sa是多普勒历程矩阵,Ga是双程方位向天线方向图矩阵,它包含了天线方向图的旁瓣信息。
所述的成像雷达方位模糊抑制方法,其所述步骤S1b中,包括步骤:
步骤S1b-1:根据二维成像模型,具有相同波束中心穿越时刻ηc0的场景目标所反射的脉冲写为:
步骤S1b-2:由二维成像雷达距离向的采样方式,将式(10)中的σr(xa,xr)和rr(η,τ)分别离散化,写为:
Rr(η)=[rr(η,τ1)ra(η,τ2)…ra(η,τMr-1)ra(η,τMr)]T (12)
其中,Nr是Xr(xa)的元素个数,Mr是Rr(η)的元素个数,根据式(11)和(12),将式(10)写为:
Rr(η)=Sr(η,xa)·Xr(xa) (13)
其中Sr(η,xa)是Xr(xa)的回波信号时延矩阵;根据方位向雷达的回波模型,将式(11)、(12)的方位向离散化,写为:
步骤S1b-3:根据X2d和R2d的离散化方式,得到二维成像雷达的方位模糊抑制观测矩阵H2d:
H2d=Ha⊙Sr (16)
Sr={Sr(ηm,xan)}Ma×Na (17)
R2d=H2d·X2d (18)
其中,Sr是二维的回波信号时延矩阵,在计算与Ha的逐点乘积时,以矩阵块Sr(ηi,xa(j))(i=1~Ma;j=1~Na)为计算单位。Ha为二维成像雷达方位向的观测矩阵。
所述的成像雷达方位模糊抑制方法,其所述步骤S1c中,当场景目标稀疏时,可进行降采样重建,即:
步骤S1c:当场景目标Xa或X2d稀疏时,对所进行的步骤S1a和步骤S1b,可以采用均匀降采样、随机降采样及随机调制积分降采样重建。降采样过程可用降采样矩阵Φ表示,则式(9)、(18)所表示的观测模型分别变为
所述的成像雷达方位模糊抑制方法,其所述步骤S2中,包括步骤:
步骤S2-1:建立基于lq正则化的重建模型,方法如下:
针对式(4)、(5)和(6),建立方位向雷达的lq正则化模型:
针对式(18),建立二维成像雷达的lq正则化模型:
若对目标场景进行了降采样观测,则相应的,lq正则化模型由式(19)、(20)分别变为
步骤S2-2:用基于lq正则化的重建算法,得到抑制方位向模糊的雷达图像。
本发明方法利用雷达与观测场景的几何关系,以及雷达发射天线的方向图等参数,根据方位向雷达回波的观测模型,构建抑制方位向模糊的观测矩阵,通过lq重建算法实现抑制方位向模糊的雷达成像。相比于传统的基于匹配滤波的成像方法,本发明可以抑制成像中出现的方位向模糊,提高成像质量,在一定条件下可以降低系统的复杂度和观测的数据量。
附图说明
图1是基于具体实施方式所述的一种基于lq的成像雷达方位模糊抑制方法的具体流程图;
图2是本发明方法中所述算法与传统匹配滤波算法、非抑制方位模糊重建算法的仿真结果对比图;其中:
图2(a)传统匹配滤波结果;
图2(b)非模糊抑制lq算法重建结果;
图2(c)抑制方位向模糊lq算法重建结果。
具体实施方式
本发明的一种基于lq的成像雷达方位模糊抑制方法,包括:
步骤S1:根据成像雷达参数、雷达与观测场景的几何关系,以及天线方向图等信息,构造可抑制方位模糊的观测矩阵;
步骤S1a:根据方位向雷达回波模型可以构造一维抑制方位模糊的观测矩阵Ha;
步骤S1b:根据步骤S1a以及二维成像雷达的回波模型可以构造二维成像雷达的抑制方位模糊的观测矩阵H2d;
步骤S1c:当场景目标稀疏时,对所进行的步骤S1a和步骤S1b,可采用均匀降采样、随机降采样及随机调制积分降采样。
步骤S2:建立基于lq正则化的重建模型,利用基于lq正则化的重建算法,得到抑制方位向模糊的雷达图像。
下面结合附图详细说明本发明方法中所涉及的各个细节问题。应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对本发明不起任何限定作用。
如图1所示,为本发明的一种基于lq的成像雷达方位模糊抑制方法的具体实施步骤为:
步骤S1a-1:根据方位向雷达回波模型,来自场景目标的方位向信号写为
ra,x(η)=Gt(η-ηcx)·Gr(η-ηcx)·SDop(η,x) (1)
Gt(η)=Gt(θ(η)),Gr(η)=Gr(θ(η)) (2)
其中,η是方位向时间,x是场景目标处于的位置,ηcx是场景目标的中心穿越时刻,SDop(η,x)是场景目标位于x处的多普勒历程;θ是方位角,Gt(η)是发射的方位向天线方向图,Gr(η)是接收的方位向天线方向图,它们是通过θ(η)表示成η的函数。
步骤S1a-2:由式(1)建立回波信号ra(η)与场景L的后向散射系数σ(x)的关系
根据雷达接收端的采样方式,将式(3)中的σ(x)和ra(η)分别用离散式表示,写为
Xa=[σ(x1)σ(x2)…σ(xNa-1)σ(xNa)]T (4)
Ra=[ra(η1)ra(η2)…ra(ηMa-1)ra(ηMa)]T (5)
其中,xi(i=1~Na)是场景目标所处的方位向位置,Na是Xa的元素个数;ηi(i=1~Ma)是方位向采样的时刻,Ma是Ra的元素个数。
步骤S1a-3:根据式(3)、(4)和(5)的离散化方式,得到抑制方位向模糊观测矩阵Ha
Ha=Ga⊙Sa (6)
Sa={sDop(ηm,xn)Ma×Na (8)
Ra=Ha·Xa (9)
其中,⊙是矩阵的逐点乘积符号,Sa是多普勒历程矩阵,Ga是双程方位向天线方向图矩阵,由式(7)可知,它包含了天线方向图的旁瓣信息,使Ha具有抑制方位模糊的能力。
步骤S1b-1:根据二维成像模型,具有相同波束中心穿越时刻ηc0的场景目标所反射的脉冲可以写为
步骤S1b-2:由二维成像雷达距离向的采样方式,将式(10)中的σr(xa,xr)和rr(η,τ)分别离散化,写为:
Rr(η)=[rr(η,τ1)ra(η,τ2)…ra(η,τMr-1)ra(η,τMr)]T (12)
其中,Nr是Xr(xa)的元素个数,Mr是Rr(η)的元素个数。根据式(11)和(12),将式(10)写为
Rr(η)=Sr(η,xa)·Xr(xa) (13)
其中Sr(η,xa)是Xr(xa)的回波信号时延矩阵。根据方位向雷达的回波模型,仿照式(2)、(3)和(4),将式(11)、(12)的方位向离散化,写为:
步骤S1b-3:根据X2d和R2d的离散化方式,得到二维成像雷达的方位模糊抑制观测矩阵H2d:
H2d=Ha⊙Sr (16)
Sr={Sr(ηm,xan)}Ma×Na (17)
R2d=H2d·X2d (18)
其中,Sr是二维的回波信号时延矩阵。在计算与Ha的逐点乘积时,以矩阵块Sr(ηi,xa(j))(i=1~Ma;j=1~Na)为计算单位。Ha为二维成像雷达方位向的观测矩阵。
步骤S1c:当场景目标Xa或X2d稀疏时,对所进行的步骤S1a和步骤S1b,可以采用均匀降采样、随机降采样及随机调制积分降采样重建。降采样过程可用降采样矩阵Φ表示,则式(9)、(18)所表示的观测模型分别变为
步骤2:针对式(9)或式(19),建立方位向雷达的lq正则化模型:
针对式(18)或式(20),建立二维成像雷达的lq正则化模型:
利用基于lq正则化的重建算法解式(21-24),分别得到方位向雷达的场景后向散射系数Xa和二维成像雷达的场景后向散射系数X2d。
下面结合图2,通过一维方位向雷达模糊抑制仿真对本发明方法进行验证。仿真的关键参数为:飞行速度:7100m/s,脉冲重复频率:1300Hz,波长:0.05m,作用距离:80km,方位向回波点数:8192,场景大小:8192;雷达为正侧视,发射和接收的天线方向图均是sinc型。
仿真中有一个点目标(位置处于0m),它在匹配滤波结果中存在方位模糊(位置分别是-5185.6m和+5185.6m)。在本发明方法的重建结果中,模糊能量被抑制。
Claims (6)
1.一种基于lq的成像雷达方位模糊抑制方法,其特征在于:包括:
步骤S1:根据成像雷达参数、雷达与观测场景的几何关系,及天线方向图的信息,构造可抑制方位模糊的观测矩阵;
步骤S2:建立基于lq正则化的重建模型,用基于lq正则化的重建算法,得到抑制方位向模糊的雷达图像。
2.根据权利要求1所述的成像雷达方位模糊抑制方法,其特征在于:所述步骤S1中,包括:
步骤S1a:根据方位向雷达回波模型可构造一维抑制方位模糊的观测矩阵Ha;
步骤S1b:根据二维成像雷达的回波模型可以得到二维成像雷达的抑制方位模糊的观测矩阵H2d;
步骤S1c:当场景目标稀疏时,对所进行的步骤S1a和步骤S1b,可采用均匀降采样、随机降采样及随机调制积分降采样。
3.根据权利要求2所述的成像雷达方位模糊抑制方法,其特征在于:所述步骤S1a中,包括步骤:
步骤S1a-1:根据方位向雷达回波模型,来自场景目标的方位向信号写为:
ra,x(η)=Gt(η-ηcx)·Gr(η-ηcx)·SDop(η,x) (1)
Gt(η)=Gt(θ(η)),Gr(η)=Gr(θ(η)) (2)
其中,η是方位向时间,x是场景目标处于的位置,ηcx是场景目标的中心穿越时刻,SDop(η,x)是场景目标位于x处的多普勒历程,θ是方位角,Gt(η)是发射的方位向天线方向图,Gr(η)是接收的方位向天线方向图,Gt(η)、Gr(η)通过θ(η)表示成η的函数;
步骤S1a-2:由式(1)建立回波信号ra(η)与场景L的后向散射系数σ(x)的关系式:
根据雷达接收端的采样方式,将式(3)中的σ(x)和ra(η)分别用离散式表示,写为:
Xa=[σ(x1)σ(x2)…σ(xNa-1)σ(xNa)]T (4)
Ra=[ra(η1)ra(η2)…ra(ηMa-1)ra(ηMa)]T (5)
其中,xi(i=1~Na)是场景目标所处的方位向位置,Na是Xa的元素个数;ηi(i=1~Ma)是方位向采样的时刻,Ma是Ra的元素个数;
步骤S1a-3:根据式(3)、(4)和(5)的离散化方式,得到抑制方位向模糊观测矩阵Ha:
Ha=Ga⊙Sa (6)
Sa={sDop(ηm,xn)}Ma×Na (8)
Ra=Ha·Xa (9)
其中,⊙是矩阵的逐点乘积符号,Sa是多普勒历程矩阵,Ga是双程方位向天线方向图矩阵,它包含了天线方向图的旁瓣信息。
4.根据权利要求2所述的成像雷达方位模糊抑制方法,其特征在于:所述步骤S1b中,包括步骤:
步骤S1b-1:根据二维成像模型,具有相同波束中心穿越时刻ηc0的场景目标所反射的脉冲写为:
步骤S1b-2:由二维成像雷达距离向的采样方式,将式(10)中的σr(xa,xr)和rr(η,τ)分别离散化,写为:
Rr(η)=[rr(η,τ1)ra(η,τ2)…ra(ητMr-1)ra(η,τMr)]T (12)
其中,Nr是Xr(xa)的元素个数,Mr是Rr(η)的元素个数,根据式(11)和(12),将式(10)写为:
Rr(η)=Sr(η,xa)·Xr(xa) (13)
其中Sr(η,xa)是Xr(xa)的回波信号时延矩阵;根据方位向雷达的回波模型,将式(11)、(12)的方位向离散化,写为:
步骤S1b-3:根据X2d和R2d的离散化方式,得到二维成像雷达的方位模糊抑制观测矩阵H2d:
H2d=Ha⊙Sr (16)
Sr={Sr(ηm,xan)}Ma×Na (17)
R2d=H2d·X2d (18)
其中,Sr是二维的回波信号时延矩阵,在计算与Ha的逐点乘积时,以矩阵块Sr(ηi,xa(j))(i=1~Ma;j=1~Na)为计算单位。Ha为二维成像雷达方位向的观测矩阵。
5.根据权利要求2所述的成像雷达方位模糊抑制方法,其特征在于:所述步骤S1c中,当场景目标稀疏时,可进行降采样重建,即:
步骤S1c:当场景目标Xa或X2d稀疏时,对所进行的步骤S1a和步骤S1b,可以采用均匀降采样、随机降采样及随机调制积分降采样重建。降采样过程可用降采样矩阵Φ表示,则式(9)、(18)所表示的观测模型分别变为
6.根据权利要求1所述的成像雷达方位模糊抑制方法,其特征在于:所述步骤S2中,包括步骤:
步骤S2-1:建立基于lq正则化的重建模型,方法如下:
针对式(4)、(5)和(6),建立方位向雷达的lq正则化模型:
针对式(18),建立二维成像雷达的lq正则化模型:
若对目标场景进行了降采样观测,则相应的,lq正则化模型由式(19)、(20)分别变为
步骤S2-2:用基于lq正则化的重建算法,得到抑制方位向模糊的雷达图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110310655.5A CN103048648B (zh) | 2011-10-14 | 2011-10-14 | 一种基于lq的成像雷达方位模糊抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110310655.5A CN103048648B (zh) | 2011-10-14 | 2011-10-14 | 一种基于lq的成像雷达方位模糊抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103048648A true CN103048648A (zh) | 2013-04-17 |
CN103048648B CN103048648B (zh) | 2014-07-30 |
Family
ID=48061355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110310655.5A Active CN103048648B (zh) | 2011-10-14 | 2011-10-14 | 一种基于lq的成像雷达方位模糊抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103048648B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182942A (zh) * | 2014-08-26 | 2014-12-03 | 电子科技大学 | Sar图像方位模糊抑制方法 |
CN106526553A (zh) * | 2016-10-31 | 2017-03-22 | 北京空间飞行器总体设计部 | 一种通用的sar卫星方位模糊度性能精确分析方法 |
CN106680816A (zh) * | 2016-12-15 | 2017-05-17 | 西安交通大学 | 一种基于后随机调制的快速超分辨率雷达成像方法 |
CN108399607A (zh) * | 2017-11-21 | 2018-08-14 | 北京航空航天大学 | 图像处理方法、装置、设备及计算机可读存储介质 |
CN112099007A (zh) * | 2020-09-15 | 2020-12-18 | 中国科学院空天信息创新研究院 | 适用于非理想天线方向图的方位向多通道sar模糊抑制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799542A (zh) * | 2010-01-08 | 2010-08-11 | 西安电子科技大学 | 基于Adcock天线的外辐射源相干定位雷达测向系统及其测向方法 |
-
2011
- 2011-10-14 CN CN201110310655.5A patent/CN103048648B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799542A (zh) * | 2010-01-08 | 2010-08-11 | 西安电子科技大学 | 基于Adcock天线的外辐射源相干定位雷达测向系统及其测向方法 |
Non-Patent Citations (4)
Title |
---|
ANDREA MONTI GUARNIERI: "Adaptive Removal of Azimuth Ambiguities in SAR Images", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, vol. 43, no. 3, 31 March 2005 (2005-03-31), pages 625 - 633, XP011127143, DOI: doi:10.1109/TGRS.2004.842476 * |
MUJDAT C¸ETIN: "《FEATURE-ENHANCED SYNTHETIC APERTURE RADAR IMAGING》", 31 December 2001, article ""1Introduction"-"12 Conclusions andF uture Directions"", pages: 1-258 * |
MÜJDAT ÇETIN ET AL.: "Feature-Enhanced Synthetic Aperture Radar Image Formation Based on Nonquadratic Regularization", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》, vol. 10, no. 4, 30 April 2001 (2001-04-30), pages 623 - 631, XP011025758 * |
VISHAL M. PATEL ET AL.: "Compressed Synthetic Aperture Radar", 《IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING》, vol. 4, no. 2, 30 April 2010 (2010-04-30), pages 244 - 254, XP011289926, DOI: doi:10.1109/JSTSP.2009.2039181 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182942A (zh) * | 2014-08-26 | 2014-12-03 | 电子科技大学 | Sar图像方位模糊抑制方法 |
CN104182942B (zh) * | 2014-08-26 | 2016-11-16 | 电子科技大学 | Sar图像方位模糊抑制方法 |
CN106526553A (zh) * | 2016-10-31 | 2017-03-22 | 北京空间飞行器总体设计部 | 一种通用的sar卫星方位模糊度性能精确分析方法 |
CN106526553B (zh) * | 2016-10-31 | 2019-05-24 | 北京空间飞行器总体设计部 | 一种高分辨率sar卫星距离模糊度性能分析方法 |
CN106680816A (zh) * | 2016-12-15 | 2017-05-17 | 西安交通大学 | 一种基于后随机调制的快速超分辨率雷达成像方法 |
CN106680816B (zh) * | 2016-12-15 | 2019-02-05 | 西安交通大学 | 一种基于后随机调制的快速超分辨率雷达成像方法 |
CN108399607A (zh) * | 2017-11-21 | 2018-08-14 | 北京航空航天大学 | 图像处理方法、装置、设备及计算机可读存储介质 |
CN108399607B (zh) * | 2017-11-21 | 2021-08-17 | 北京航空航天大学 | 抑制图像方位模糊的方法、装置、设备及计算机可读存储介质 |
CN112099007A (zh) * | 2020-09-15 | 2020-12-18 | 中国科学院空天信息创新研究院 | 适用于非理想天线方向图的方位向多通道sar模糊抑制方法 |
CN112099007B (zh) * | 2020-09-15 | 2022-03-18 | 中国科学院空天信息创新研究院 | 适用于非理想天线方向图的方位向多通道sar模糊抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103048648B (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103048648B (zh) | 一种基于lq的成像雷达方位模糊抑制方法 | |
CN104950305B (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
CN104833973B (zh) | 基于半正定规划的线阵sar后向投影自聚焦成像方法 | |
CN104698457B (zh) | 一种迭代曲面预测InSAR成像及高度估计方法 | |
CN103472450B (zh) | 基于压缩感知的非均匀空间构形分布式sar动目标三维成像方法 | |
CN103543451B (zh) | 一种基于压缩感知的多径虚像抑制sar后处理方法 | |
CN103487802A (zh) | 扫描雷达角超分辨成像方法 | |
CN104316923B (zh) | 针对合成孔径雷达bp成像的自聚焦方法 | |
CN103969628B (zh) | 一种基于压缩感知的合成孔径雷达pfa成像算法 | |
CN103235309B (zh) | 临近空间慢速平台sar成像方法 | |
CN108427115A (zh) | 合成孔径雷达对运动目标参数的快速估计方法 | |
CN105137424A (zh) | 一种杂波背景下实波束扫描雷达角超分辨方法 | |
CN104535978A (zh) | 基于互信息的3DInISAR图像配准融合方法 | |
CN107607945A (zh) | 一种基于空间嵌入映射的扫描雷达前视成像方法 | |
CN103616682A (zh) | 一种基于曲面投影的多基线InSAR处理方法 | |
Barrick | 30 Years of CMTC and CODAR | |
CN102680956B (zh) | 星载合成孔径雷达方位向第一模糊区回波信号能量抑制系统 | |
Tang et al. | Enhanced wall clutter mitigation for compressed through-the-wall radar imaging using joint Bayesian sparse signal recovery | |
CN117237430B (zh) | 一种高精度多时序水深反演方法、计算设备及存储介质 | |
CN103728617B (zh) | 双基地合成孔径雷达时域快速成像方法 | |
CN117129994A (zh) | 基于相位补偿核gnss-sar改进后向投影成像方法 | |
CN103969647A (zh) | 基于图像域滤波的稀疏阵列建筑布局成像方法 | |
CN116359921A (zh) | 基于加速轨迹双基前视合成孔径雷达的快速时域成像方法 | |
CN116184463A (zh) | 一种宽刈幅海面风场反演方法、装置、设备和介质 | |
Chen et al. | Rf-inpainter: Multimodal image inpainting based on vision and radio signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |