CN103048649B - 一种基于相变图分析的稀疏微波成像雷达性能评估方法 - Google Patents
一种基于相变图分析的稀疏微波成像雷达性能评估方法 Download PDFInfo
- Publication number
- CN103048649B CN103048649B CN201110309975.9A CN201110309975A CN103048649B CN 103048649 B CN103048649 B CN 103048649B CN 201110309975 A CN201110309975 A CN 201110309975A CN 103048649 B CN103048649 B CN 103048649B
- Authority
- CN
- China
- Prior art keywords
- ratio
- radar
- reconstruction
- microwave imaging
- performance
- 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.)
- Active
Links
Abstract
本发明提供了一种基于相变图分析的稀疏微波成像雷达性能评估方法,涉及雷达成像技术,根据稀疏微波成像雷达原理,建立以信噪比、稀疏度和采样比为坐标轴的雷达成像性能相变图;借用相变曲面刻画出稀疏微波成像雷达性能随信噪比、稀疏度和采样比的变化趋势;并利用该边界曲面将相变图划分为可重建区域和不可重建区域,从而定量分析得出稀疏微波成像雷达性能。本发明方法采用正确重建率和相对均方误差作为判别标准,大大降低了计算量,为稀疏微波成像雷达性能分析提供了一种高效评估方法。
Description
技术领域
本发明涉及雷达成像技术领域,是一种适用于稀疏微波成像雷达的性能评估方法。它借用相变曲面刻画出稀疏微波成像雷达性能随信噪比、稀疏度和采样比的变化关系,并利用相变边界将相变图划分为可重建区域和不可重建区域,从而定量分析得出稀疏微波成像雷达性能。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种可全天时、全天候工作的主动式高分辨率微波遥感设备。它被广泛应用于国防建设和国民经济建设的诸多领域,如高精度测绘与资源环境勘察、自然灾害监测与突发事件应对、侦察监视与预警等。随着雷达系统分辨率增高,测绘带增大,系统数据率随之增大,系统也越来越复杂。
传统微波成像技术基于雷达分辨理论和奈奎斯特采样定理,它决定了微波成像系统的规模和复杂度。奈奎斯特采样定理指出,对于有限带宽的实信号,无失真恢复信号所需的采样率不低于两倍的信号带宽,不可避免地产生大量数据。
随着压缩感知(Compressed Sensing,简称CS)理论的快速发展,以及数学家在稀疏信号处理领域获得最新成果,稀疏微波成像成为了当前微波成像技术的前沿研究热点。稀疏微波成像是指将稀疏信号处理理论引入微波成像并有机结合形成的微波成像新理论、新体制和新方法,即通过寻找被观测对象的稀疏表征域,在空间、时间、频谱或极化域稀疏采样获取被观测对象的稀疏微波信号,经信号处理和信息提取,获取被观测对象的空间位置、散射特征和运动特性等几何与物理特征。稀疏微波成像雷达利用lq(0<q≤1)优化算法对目标场景进行精确重建,大大减少数据采集,降低系统复杂度,并实现高分辨率微波成像。
稀疏微波成像适用于原始信号具有稀疏特征的雷达成像领域,如海洋宽幅测绘、海面舰船监控、空中目标ISAR成像等;也可以应用于雷达功率图像在变换域具有稀疏特征的观测领域,如功率图像在小波域稀疏的情况等。传统成像评估方法不再适用于稀疏微波成像雷达性能评估,有必要建立适用于稀疏微波成像雷达的性能评估体系。对背景技术的了解可以参考下面四篇文章以及它们的引用文章。
[1]D.L. Donoho,“Compressed sensing”,IEEE Trans.Inform.Theory,
2006,52,(4),pp.1289-1306.
[2]E.Candes,J.Romberg,and T.Tao,“Robust uncertaintyprinciples:exact signal reconstruction from highly incomplete frequencyinformation,”Information Theory,IEEE Transactions on,vol.52,no.2,pp.489-509,Feb.2006.
[3]D.L. Donoho,and J.Jin,“Feature selection by higher criticismthresholding achieves the optimal phase diagram”,Phil.Trans.Roy.Soc.A(2009)367,4449-4470.
[4]D.L. Donoho,and J.Tanner,“Observed universality of phasetransitions in high-dimensional geometry,with implications for moderndata analysis and signal processing”,Phil.Trans.Roy.Soc.A 367(2009),4273-4293.
发明内容
本发明的目的是公开一种基于相变图分析的稀疏微波成像雷达性能评估方法,借用物理学中相变图的概念,提出适用于稀疏微波成像的雷达系统和雷达图像性能评估方法。本发明采用正确重建率和相对均方误差作为判别标准,大大降低了计算量,为稀疏微波成像雷达性能分析提供了一种高效评估方法。
为实现上述目的,本发明的技术解决方案是:
一种基于相变图分析的稀疏微波成像雷达性能评估方法,其包括步骤:
a)针对稀疏微波成像雷达机理,将信噪比引入分析图中建立以信噪比、稀疏度和采样比为坐标轴的雷达成像性能相变图;
b)分别计算不同信噪比、稀疏度和采样比的条件下,稀疏微波成像雷达性能随这三维变量的变化趋势,绘制三维分析图;
c)在满足雷达图像性能,符合观测要求的情况下,选取正确重建阈值,采用曲面拟合的方法绘制相变曲面,用相变边界衡量雷达成像性能;
d)利用边界曲面将相变图划分为可重建区域和不可重建区域,比较可重建区域大小,定量分析稀疏微波成像雷达性能。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其所述a)步,雷达成像性能相变图的坐标轴中,信噪比是雷达接收端信号功率和噪声功率的比值,稀疏度是场景非零目标数K和场景总目标数N的比值K/N;采样比是雷达采样数M和场景总目标数N的比值M/N;以信噪比、稀疏度、采样比为轴的雷达成像相变图可划分为三个截面图,每个截面图中可重建区域和不可重建区域随信噪比、稀疏度、采样比三个参量变化。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其所述b)步,选取目标场景正确重建率作为评价标准衡量重建结果,定量分析稀疏微波成像雷达性能,包括以下步骤:
步骤1:将观测场景离散化之后表示成列向量的形式:
x=[x1 x2…xN]T
其中有K个非零元素。把x中所有的非零元素按先后次序组成一个新的向量为:
x′=[x1′x2′…xK′]T;
步骤2:利用lq(0<q≤1)优化算法对观测场景后向散射系数的恢复,重建目标表示为
相应的,将重建后支撑域非零元素恢复的结果表示为:
步骤3:采用相对重建误差作为评价准则,检测支撑域第k个非零元素重建结果,表示为:
其中,||·||2表示二阶范数;
选取门限值ηm,比较二者当REk<ηm时,表示重建正确,反之重建错误;
步骤4:统计K个非零元素中重建正确的个数为nc,则非零元素重建正确率表示为:
同样,采用相对重建误差作为评价准则对非支撑域零元素进行检测,则零元素重建正确率表示为P(H0/H0);
步骤5:假设非零元素的先验概率为P(H1),零元素的先验概率为P(H0),分别为支撑域非零元素和非支撑域零元素目标后向散射系数重建正确率引入加权因子,则目标场景重建正确率为:
Pd=c0P(H0)·P(H0/H0)+c1P(H1)·P(H1/H1)
其中c0,c1分别为零元素和非零元素正确重建加权因子,且c0+c1=1。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其所述b)步,可采用相对均方误差作为评价标准衡量观测场景后向散射系数重建结果,定量分析稀疏微波成像雷达性能,表示为:
其中,E(·)是求均值操作。
所述的基于相变图分析的稀疏微波成像雷达性能评估方法中目标场景重建正确率,表示不同信噪比、稀疏度和采样比的条件下,重新生成观测场景,对观测区域做了一次重建过程,可用目标场景重建正确率代替准确重建概率。
本发明方法根据所设计雷达系统参数和系统平台几何参数建立稀疏场景观测模型,使用lq(0<q≤1)优化算法重建目标区域。定量统计出不同信噪比、稀疏度和采样比下,目标场景中支撑域和非支撑域的重建结果,绘出稀疏微波成像雷达性能相变图及相变边界,划分出可重建区域和不可重建区域。
利用雷达成像性能相变图及相变边界曲线,可比较不同信号波形和带宽下,目标场景重建正确率随信噪比、稀疏度、采样比的变化趋势。以相对重建误差作为判决准则得到目标场景重建正确率,并绘制雷达成像性能相变图以及相变边界曲线可以很好的反映出稀疏微波成像雷达重建性能。
附图说明
图1为稀疏微波成像雷达相变示意图;
图2本发明的一种基于相变图分析的稀疏微波成像雷达性能评估方法流程图;
图3(a)本发明方法的描述目标场景重建正确率相变图;
图3(b)本发明方法的描述目标场景准确重建概率相变图;
图4(a)为本发明方法的雷达成像性能相变图;
图4(b)为本发明方法的雷达成像性能相变图中的信噪比-稀疏度二维截面;
图4(c)为本发明方法的雷达成像性能相变图中的稀疏度-采样比二维截面;
图4(d)为本发明方法的雷达成像性能相变图中的信噪比-采样比二维截面;
图5(a)为不同发射信号波形下,本发明方法的线性调频信号源重建相变图;
图5(b)为不同发射信号波形下,本发明方法的高斯随机信号源重建相变图;
图5(c)为图5(a)、图5(b)二者相变边界曲线图。
具体实施方式
本发明的一种基于相变图分析的稀疏微波成像雷达性能评估方法,根据雷达系统参数和平台几何参数建立稀疏微波成像模型,包括:稀疏矩阵、成像雷达观测矩阵、稀疏变换矩阵、稀疏系数矢量矩阵。
y=Φ·x+n=Θ·H·Ψ·α+n
其中,表示稀疏微波成像雷达回波采样数据,是稀疏微波成像雷达观测矩阵,是稀疏矩阵,是雷达成像系统观测矩阵,表示稀疏目标信号,是稀疏变换矩阵,是稀疏系数矢量矩阵,表示系统噪声。雷达成像系统观测矩阵H是根据所设计雷达系统参数和系统平台几何参数构建。雷达发射脉冲为
其中fc为载波频率,t为快时间,T为脉冲宽度,K为线性调频率。二维雷达成像观测方程的构建,需将场景数据和回波数据排列为一维向量。
利用lq(0<q≤1)优化算法实现对观测场景后向散射系数的恢复,重建目标区域等效于求解:
其中,ε描述了数据中的噪声水平或在x非理想稀疏时近似带来的误差水平,arg min是最小化计算式,s.t.是“subject to”的缩写,表示“同时满足”。
对观测场景利用lq优化算法恢复结果,采用估计结果和实际目标的相对重建误差作为目标后向散射系数的评判准则;选取门限值,当相对重建误差小于门限值时,表示重建正确,反之重建错误;统计目标区域中重建正确的个数得到观测场景重建正确率。重复上述方法计算得到不同信噪比、稀疏度、采样比下,目标场景的重建正确率,绘制雷达成像性能相变图,并采用曲线拟合的方法绘制相变边界。
雷达成像性能相变图坐标轴由信噪比、稀疏度和采样比构成。信噪比是微波成像雷达的重要参数,以稀疏度和采样比为轴的相变图可重建区域和不可重建区域随信噪比变化,引入信噪比有助于更全面的分析稀疏微波成像雷达性能。稀疏度定义为场景非零目标数和场景总目标数的比值。
用相变图比较目标场景重建正确率和准确重建概率,可以得出二者相变图分布一致,目标场景重建正确率等于准确重建概率;可利用目标场景重建正确率代替准确重建概率,以减少大的数据运算量。
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方法的理解,而对其不起任何限定作用。
如图1所示,是稀疏微波成像雷达相变示意图,所设计的相变示意图三维坐标轴由信噪比、稀疏度和采样比构成。借用相变曲面刻画出目标重建正确率随信噪比、稀疏度和采样比的变化趋势,将相变图划分为可重建区域和不可重建区域,从而定量分析得出稀疏微波成像雷达性能。
如图2所示,采用相变图分析的稀疏微波成像雷达性能评估方法步骤为:
步骤1:将观测场景离散化之后表示成列向量的形式:
x=[x1 x2…xN]T
其中有K个非零元素。把x中所有的非零元素按先后次序组成一个新的向量为
x′=[x1′x2′xK′]T
步骤2:利用lq优化算法对观测场景后向散射系数的恢复,重建目标可以表示为
相应的,将重建后支撑域非零元素恢复的结果表示为
步骤3:采用相对重建误差作为评价准则检测支撑域第k个非零元素重建结果,表示为
其中,||·||2表示二阶范数。
选取门限值ηm,比较二者当REk<ηm时,表示重建正确,反之重建错误。
步骤4:统计K个非零元素中重建正确的个数为nc,则非零元素重建正确率可表示为
同样,可采用相对重建误差作为评价准则对非支撑域零元素进行检测,则零元素重建正确率可表示为P(H0/H0)。
步骤5:假设非零元素的先验概率为P(H1),零元素的先验概率为P(H0),分别为支撑域非零元素和非支撑域零元素目标后向散射系数重建正确率引入加权因子,则目标场景重建正确率为
Pd=c0P(H0)·P(H0/H0)+c1P(H1)·P(H1/H1)其中c0,c1分别为零元素和非零元素正确重建加权因子,且c0+c1=1。
步骤6:重复上述方法,将信噪比、稀疏度、采样比作为雷达成像性能相变图的三个维度。分别在一个维度固定,两个维度改变的情况下,计算目标场景的重建正确率随另外两个条件的变化趋势,绘制相变图。而后选取正确重建阈值,采用曲线拟合的方法绘制相变边界曲线。
步骤7:计算在不同信噪比、稀疏度、采样比的三个维度下,目标场景的重建正确率,绘制雷达成像性能相变图及相变边界曲面。
如图3所示,比较目标场景重建正确率和准确重建概率的相变图,可以发现二者相变图分布一致,目标场景重建正确率等于准确重建概率;可利用目标场景重建正确率代替准确重建概率,以减少大的数据运算量。图3(a)为目标场景重建正确率相变图,图3(b)为目标场景准确重建概率相变图,其中黑色区域表示重建错误,浅色区域表示重建正确。
如图4所示,将信噪比、稀疏度、采样比作为雷达成像性能相变图的三个维度。分别在一个维度固定,两个维度改变的情况下,计算目标场景的重建正确率随另外两个条件的变化趋势,绘制相变图,其中黑色区域表示重建错误,浅色区域表示重建正确。并绘制在不同信噪比、稀疏度、采样比这三个维度下,雷达成像性能相变图。主要的雷达参数为:平台速度100m/s,平台高度4km,目标地距1km,信号波长0.1m,信号带宽100MHz,脉冲持续时间2us,天线长度5m,脉冲重复频率100Hz,采样率100MHz。图4(a)为雷达成像性能相变图,图4(b)为信噪比-稀疏度二维截面,图4(c)为稀疏度-采样比二维截面,图4(d)为信噪比-采样比二维截面。
如图5所示,在相同带宽下,分别使用线性调频信号源和高斯随机信号源,利用相变图及曲线拟合后的相变边界曲线分析目标场景重建正确率随信噪比、稀疏度的变化趋势。图5(a)为线性调频信号源重建相变图,图5(b)为高斯随机信号源重建相变图,图5(c)为图5(a)和图5(b)二者相变边界曲线图。
Claims (4)
1.一种基于相变图分析的稀疏微波成像雷达性能评估方法,其特征在于,包括步骤:
a)针对稀疏微波成像雷达机理,将信噪比引入分析图中建立以信噪比、稀疏度和采样比为坐标轴的雷达成像性能相变图;
b)分别计算不同信噪比、稀疏度和采样比的条件下,稀疏微波成像雷达性能随这三维变量的变化趋势,绘制三维分析图;
c)在满足雷达图像性能,符合观测要求的情况下选取正确重建阈值,采用曲面拟合的方法绘制相变曲面,用相变边界衡量雷达成像性能;
d)利用边界曲面将相变图划分为可重建区域和不可重建区域,比较可重建区域大小,定量分析稀疏微波成像雷达性能;
其中,所述b)步,选取目标场景正确重建率作为评价标准衡量重建结果,定量分析稀疏微波成像雷达性能,包括以下步骤:
步骤1:将观测场景离散化之后表示成列向量的形式:
x=[x1 x2…xN]T
,其中有K个非零元素,把x中所有的非零元素按先后次序组成一个新的向量为:
x′=[x1′ x2′…xK′]T;
步骤2:利用lq(0<q≤1)优化算法对观测场景后向散射系数的恢复,重建目标表示为
相应的,将重建后支撑域非零元素恢复的结果表示为:
步骤3:采用相对重建误差作为评价准则,检测支撑域第k个非零元素重建结果,表示为:
其中,||·||2表示二阶范数;
选取门限值ηm,比较二者当REk<ηm时,表示重建正确,反之重建错误;
步骤4:统计K个非零元素中重建正确的个数为nc,则非零元素重建正确率表示为:
同样,采用相对重建误差作为评价准则对非支撑域零元素进行检测,则零元素重建正确率表示为P(H0/H0);
步骤5:假设非零元素的先验概率为P(H1),零元素的先验概率为P(H0),分别为支撑域非零元素和非支撑域零元素目标后向散射系数重建正确率引入加权因子,则目标场景正确重建率为:
Pd=c0P(H0)·P(H0/H0)+c1P(H1)·P(H1/H1)
其中c0,c1分别为零元素和非零元素正确重建加权因子,且c0+c1=1。
2.根据权利要求1所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其特征在于,所述a)步,雷达成像性能相变图的坐标轴中,信噪比是雷达接收端信号功率和噪声功率的比值,稀疏度是场景非零目标数K和场景总目标数N的比值K/N;采样比是雷达采样数M和场景总目标数N的比值M/N;以信噪比、稀疏度、采样比为轴的雷达成像相变图划分为三个截面图,截面图中可重建区域和不
可重建区域随信噪比、稀疏度、采样比三个参量变化。
3.根据权利要求1所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其特征在于,所述b)步,采用相对均方误差作为评价标准衡量观测场景后向散射系数重建结果,定量分析稀疏微波成像雷达性能,表示为:
其中,E(·)是求均值操作。
4.根据权利要求1所述的基于相变图分析的稀疏微波成像雷达性能评估方法,其特征在于:所述目标场景正确重建率,表示不同信噪比、稀疏度和采样比的条件下,重新生成观测场景,对观测区域做了一次重建过程,用目标场景正确重建率代替准确重建概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110309975.9A CN103048649B (zh) | 2011-10-13 | 2011-10-13 | 一种基于相变图分析的稀疏微波成像雷达性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110309975.9A CN103048649B (zh) | 2011-10-13 | 2011-10-13 | 一种基于相变图分析的稀疏微波成像雷达性能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103048649A CN103048649A (zh) | 2013-04-17 |
CN103048649B true CN103048649B (zh) | 2014-08-13 |
Family
ID=48061356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110309975.9A Active CN103048649B (zh) | 2011-10-13 | 2011-10-13 | 一种基于相变图分析的稀疏微波成像雷达性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103048649B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605129B (zh) * | 2013-11-26 | 2015-06-03 | 桂林电子科技大学 | 基于椭圆包络线的超宽带穿墙雷达成像方法 |
CN103698755B (zh) * | 2014-01-16 | 2016-03-09 | 中国科学院电子学研究所 | 一种获取稀疏微波成像雷达信噪比和采样比的方法 |
CN103983960B (zh) * | 2014-05-26 | 2015-05-06 | 中国科学院电子学研究所 | 获得稀疏微波成像相变图的方法 |
CN111538004B (zh) * | 2020-05-06 | 2022-06-21 | 北方工业大学 | 圆周扫描地基sar的多相位中心分布设计方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207547A (zh) * | 2010-03-31 | 2011-10-05 | 中国科学院电子学研究所 | 一种适用于稀疏微波成像的随机噪声雷达的信号处理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8193967B2 (en) * | 2008-12-10 | 2012-06-05 | The United States Of America As Represented By The Secretary Of The Army | Method and system for forming very low noise imagery using pixel classification |
US20100246920A1 (en) * | 2009-03-31 | 2010-09-30 | Iowa State University Research Foundation, Inc. | Recursive sparse reconstruction |
-
2011
- 2011-10-13 CN CN201110309975.9A patent/CN103048649B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207547A (zh) * | 2010-03-31 | 2011-10-05 | 中国科学院电子学研究所 | 一种适用于稀疏微波成像的随机噪声雷达的信号处理方法 |
Non-Patent Citations (2)
Title |
---|
Effects of noise, sampling rate and signal sparsity for compressed sensing Synthetic Aperture Radar pulse compression;Xiao Peng等;《Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International》;20110729;第656-659页 * |
Xiao Peng等.Effects of noise, sampling rate and signal sparsity for compressed sensing Synthetic Aperture Radar pulse compression.《Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International》.2011, |
Also Published As
Publication number | Publication date |
---|---|
CN103048649A (zh) | 2013-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alonso et al. | A novel strategy for radar imaging based on compressive sensing | |
US8861588B2 (en) | Apparatus and method for sampling and reconstruction of wide bandwidth signals below Nyquist rate | |
Wei et al. | Linear array SAR imaging via compressed sensing | |
US8193967B2 (en) | Method and system for forming very low noise imagery using pixel classification | |
US8125370B1 (en) | Polarimetric synthetic aperture radar signature detector | |
Austin et al. | Sparse signal methods for 3-D radar imaging | |
CN103698763B (zh) | 基于硬阈值正交匹配追踪的线阵sar稀疏成像方法 | |
US7796829B2 (en) | Method and system for forming an image with enhanced contrast and/or reduced noise | |
CN103149561B (zh) | 一种基于场景块稀疏的稀疏微波成像方法 | |
US20110163912A1 (en) | System and method for iterative fourier side lobe reduction | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
CN102313888A (zh) | 一种基于压缩传感的线阵sar三维成像方法 | |
CN102662171A (zh) | 一种sar层析三维成像方法 | |
CN102621546B (zh) | 基于关联成像的三维信息获取方法 | |
CN104950305A (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 | |
CN104391295A (zh) | 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法 | |
Wacks et al. | Passive synthetic aperture hitchhiker imaging of ground moving targets—Part 1: Image formation and velocity estimation | |
CN103048649B (zh) | 一种基于相变图分析的稀疏微波成像雷达性能评估方法 | |
CN104007439A (zh) | 一种干涉圆迹sar高程估计处理方法 | |
CN104251991A (zh) | 一种基于稀疏度估计的分维度阈值迭代稀疏微波成像方法 | |
Martorella | Introduction to inverse synthetic aperture radar | |
Ferrara et al. | Enhancement of multi-pass 3D circular SAR images using sparse reconstruction techniques | |
CN112285709B (zh) | 基于深度学习的大气臭氧遥感激光雷达数据融合方法 | |
Parker et al. | Preliminary experimental results for RF tomography using distributed sensing | |
Biondi | Compressed sensing radar-new concepts of incoherent continuous wave transmissions |
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 |