CN103675816A - 一种基于压缩感知理论的干涉逆合成孔径雷达成像方法 - Google Patents
一种基于压缩感知理论的干涉逆合成孔径雷达成像方法 Download PDFInfo
- Publication number
- CN103675816A CN103675816A CN201310587042.5A CN201310587042A CN103675816A CN 103675816 A CN103675816 A CN 103675816A CN 201310587042 A CN201310587042 A CN 201310587042A CN 103675816 A CN103675816 A CN 103675816A
- Authority
- CN
- China
- Prior art keywords
- target
- distance
- passage
- echo data
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/581—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/582—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9064—Inverse SAR [ISAR]
Abstract
本发明公开了一种基于压缩感知理论的干涉逆合成孔径雷达目标定位方法,包括步骤:根据目标的速度范围和距离范围设计参数区间;获取目标回波数据,利用所述参数区间和目标回波数据的采样时刻构建感知矩阵;利用所述感知矩阵基于压缩感知理论对各个通道获得的目标回波数据做成像处理,分别获取距离-多普勒域图像;对各通道获取的距离-多普勒域图像两两做干涉处理,获取干涉相位图;利用所述干涉相位信息定位目标。该方法利用短时间数据,对运动目标可实现高分辨率成像和定位。
Description
技术领域
本发明属于雷达成像和信号处理技术领域,具体涉及逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像技术,压缩感知(CompressedSensing,CS)理论和干涉雷达(Interferometric Radar)技术,特别是一种基于压缩感知理论对ISAR成像,并通过图像干涉技术实现对目标定位的方法。
背景技术
2006年,Donoho和Cand□s等人提出了压缩感知理论,推动了稀疏信号处理的进一步发展,该理论指出:在一定条件下,稀疏信号可以通过较少采样数据实现精确重建,即利用低维观测数据实现对高维稀疏信号的精确恢复。为了实现这种恢复,压缩感知理论须基于两个基本准则:一是待恢复信号要满足稀疏性,二是观测(感知)要满足不相干性。对稀疏信号观测而言,压缩感知是一种非常简单并且有效的信号采集方案,通过使用一个看似比Nyquist频率低得多的采样率进行测量,然后使用强大的计算能力从看似不完整的测量数据中重建原始信号。可参考文献如下:
[1]Donoho D L.Compressed Sensing[J].IEEE Trans Inform Theory,2006,52(4):1289-1306.
[2]Davenport M A,Duarte M F,Eldar Y C,et al.Compressed Sensing:Theory andApplications,2012:
[3]Candès E J,Wakin M B.An Introduction To Compressive Sampling[J].SignalProcessing Magazine,IEEE,2008,25(2):21-30.
[4]Candès E J,Tao T.Near optimal signal recovery from random projection:Universalencoding strategies[J].IEEE Trans Inform Theory,2006,52(12):5406-5425.
[5]Blanchard J D,Cartis C,Tanner J.Compressed Sensing:How Sharp Is the RestrictedIsometry Property?[J].Siam Review,2011,53(1):105-125.
[6]Candes E J.The restricted isometry property and its implications for compressedsensing[J].Comptes Rendus Mathematique,2008,346(9-10):589-592.
逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)通过发射宽带信号得到距离向高分辨率,利用雷达与目标之间的相对运动形成合成孔径,通过信号处理技术获取高的多普勒维分辨率,从而获得目标图像。InISAR(Interferometric ISAR,干涉逆合成孔径雷达)利用两个(或更多)通道的ISAR图像进行干涉(公知技术)处理,通过干涉相位提取更多的目标信息。2000年前后,美国Delaware大学的WangGenyuan和海军研究实验室的Victor C.Chen等人研究了利用三根垂直天线通过InISAR对目标进行三维成像的方法。同期,北京环境特性研究所电磁散射实验室提出了应用InISAR进行三维成像的方法,并应用于转台模型成像,研究了InISAR三维成像技术在复杂目标的电磁散射特性分析和建模中的应用。随着InISAR三维成像技术的发展,针对运动目标三维运动参数估计、高精度成像等实际应用需求的研究也逐步深入。张群等提出了利用InISAR成像方法估计运动目标的运动参数,尤其是对旋转运动目标三维角速度的估计,在此基础上,介绍了基于运动参数估计的图像配准方法;在SAR的观测模型下建立运动目标回波模型,提出了对地面运动目标InISAR三维成像的方法。美国海军研究实验室也将InISAR技术引入到对舰船目标的三维成像中。汤立波、尹建凤在运动平台上研究了对运动目标的InSAR成像问题,这在本质上涉及到InISAR成像方法。具体可参考以下文献:
[7]Wang G,Xia X-G,Chen V C.Three-dimensional ISAR imaging of maneuveringtargets using three receivers[J].Image Processing,IEEE Transactions on,2001
[8]Xu X,Narayanan R M.Three-dimensional interferometric ISAR imaging for targetscattering diagnosis and modeling[J].Image Processing,IEEE Transactions on,2001,10(7):1094-1102.
[9]Xu X,Luo H,Huang P.3-D interferometric ISAR images for scattering diagnosis ofcomplex radar targets[C].Radar Conference,1999.The Record of the1999IEEE.1999.IEEE.237-241.
[10]Zhang Q,Yeo T S,Du G,et al.Estimation of three-dimensional motion parametersin interferometric ISAR imaging[J].Geoscience and Remote Sensing,IEEETransactions on,2004,42(2):292-300.
[11]Zhang Q,Yeo T S.Three-dimensional SAR imaging of a ground moving targetusing the InISAR technique[J].Geoscience and Remote Sensing,IEEE Transactionson,2004,42(9):1818-1828.
[12]Given J A,Schmidt W R.Generalized ISAR-part II:interferometric techniques forthree-dimensional location of scatterers[J].Image Processing,IEEE Transactions on,2005
[13]Libo T,Daojing L,Wen H,et al.Three-Dimensional Imaging of Moving Ship with3D Motion Based on Three Antennas InSAR[J].EUSAR2006,2006
[14]尹建凤.SAR高速运动目标检测与成像方法研究[D].中国科学院电子学研究所北京,2009.
由于ISAR的目标图像在成像平面上是稀疏的,换句话说,主要散射点的数目远小于图像的总点数,因此压缩感知理论非常适用于ISAR成像。已公开报道的关于CS理论在ISAR中的研究工作包括:采用较少测量数据进行高分辨率ISAR成像、使用若干探测频率信号代替宽带信号实现ISAR高分辨率成像、在低信噪比下提高ISAR分辨率、参差PRF解多普勒模糊、减少数据量等。具体可参考以下文献。CS理论在InISAR中的应用情况尚未有公开报道。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题主要包括以下几点:基于CS理论,利用运动目标短时间数据获取高分辨率ISAR图像,同时估计运动目标速度;利用干涉处理解决运动目标的测角定位问题。
(二)技术方案
为解决上述问题,本发明提出了一种基于压缩感知理论的干涉逆合成孔径雷达目标定位方法,其特征在于,包括步骤:
步骤S1:根据目标的速度范围和距离范围设计参数区间;
步骤S2:获取目标回波数据,利用所述参数区间和目标回波数据的采样时刻构建感知矩阵;
步骤S3:利用所述感知矩阵基于压缩感知理论对各个通道获得的目标回波数据做成像处理,分别获取距离-多普勒域图像;
步骤S4:对各通道获取的距离-多普勒域图像两两做干涉处理,获取干涉相位图;
步骤S5:利用所述干涉相位信息定位目标。
(三)有益效果
本发明基于CS理论和ISAR技术,将CS理论引入InISAR运动目标成像探测处理中。该方法利用运动目标短时间数据获取高分辨率图像,实现运动目标速度估计和测角定位。本发明对促进CS理论应用于实际InISAR成像探测雷达系统具有重要意义。
附图说明
图1为本发明中InISAR系统的几何构成图;
图2为本发明提出的一种基于压缩感知理论的干涉逆合成孔径雷达目标定位方法流程图;
图3(a)~图3(c)为利用本发明实现的三个通道CS成像结果,(a)天线T1成像结果;(b)天线T2成像结果;(c)天线T3成像结果;
图4(a)~图4(c)为本发明具体实施例的实际数据干涉测角定位结果;(a)普通ISAR图像干涉测角定位结果;(b)CS图像干涉测角定位结果;(c)低分辨率CS图像干涉测角定位结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
图1示出了本发明中InISAR系统的几何构成图。如图1所示,该InISAR系统采用一发三收模式,天线T1发射线性调频信号,天线T1、T2和T3同时接收目标回波信号,系统载频fc=35GHz,基线长度分别为d12=0.6m,d23=0.4m,d13=1m,d12为天线T1和T2之间的长度,d23为天线T2和T3之间的长度,d13为天线T1和T3之间的长度,天线波束宽度3°×3°。
图2示出了本发明提出一种基于压缩感知理论的干涉逆合成孔径雷达目标定位方法流程图。如图2所示,该方法基于压缩感知理论的InISAR成像技术,其包括如下步骤:
步骤S1:根据目标的速度和距离范围设计参数区间;
步骤S2:获取目标回波数据;利用所设计的参数区间信息和回波数据构建感知矩阵;
步骤S3:利用压缩感知(CS)理论的恢复算法做成像处理,获取目标的距离和速度信息;利用同一感知矩阵对其他通道的回波做成像处理;
步骤S4:各通道获取的ISAR图像两两做干涉处理,获取干涉相位图;
步骤S5:利用干涉相位图实现目标定位;
下面对上述步骤进行详细说明:
所述步骤S1中,目标的参数区间包括目标的距离(R)区间、目标的距离向速度(vr)区间和目标的方位向速度(va)区间。根据目标的先验信息或目标特性设计R、vr和va的取值区间。需要指出的是,对于均匀脉冲重复频率的InISAR系统而言,若vr的取值区间大于将可能在多普勒域出现重影,其中λ为载波波长,PRF为脉冲重复频率。选择合适的取值区间能有效抑制多普勒模糊并提高计算效率。
所述步骤S2中,获取回波数据时各通道采样时序一致,即如图1中所示的三天线同时接收。
所述步骤S2中,感知矩阵的行表示所有回波采样时刻,包括距离向采样时刻和方位向的采样时刻t和tm;感知矩阵的列包括通过步进方法遍历所设计的参数区间即目标的距离(R)区间、目标的距离向速度(vr)区间和目标的方位向速度(va)区间得到的R、vr和va所有取值。
所述步进的间隔在系统距离和多普勒分辨率的基础上,通过特征值统计方法(公知技术)评价感知矩阵列间的正交性,进行选择。
需要指出的是,R和vr的步进间隔将分别决定本方法ISAR图像在距离和多普勒频率两维的成像精度。在步进间隔相同的条件下,对应于R、vr和va的目标参数区间越大,感知矩阵的列数越多,带来的计算量也越大。步进间隔过大,可能出现虚假解;过小将会导致感知矩阵的RIP性质变差。
所述步骤S2中,若能通过其他辅助手段获得目标的距离或速度参数信息,则可在构建感知矩阵时不考虑对该参数的遍历或减小遍历区间,即在步骤S1的取值区间内不搜索目标的距离或速度参数,或减小步骤S1中所述的取值区间。
所述步骤S3中,利用压缩感知理论的恢复算法(如OMP算法、IST算法等,属公知技术)进行求解运算即求解下式中的σ
s=Θσ+ε
式中,s表示回波信号,Θ表示步骤S2构建的感知矩阵,ε表示噪声。求解结果σ为一稀疏矩阵,其非零值的位置对应遍历区间中跟目标散射点距离和速度参数最接近的值,非零值的大小对应目标散射点的强度。
所述步骤S3中,将CS求解结果σ按照感知矩阵列的构建方式重排成R-vr-va的三维矩阵,即可得到目标的距离和速度信息,对va维做最大值投影,即可将三维矩阵降低为R-vr的二维矩阵,该二维矩阵中的元素为原三维矩阵中最大的va对应的R和vr值,再将vr换成多普勒频率fd,所得到的二维矩阵即表示获得的目标的距离-多普勒域(ISAR)图像。vr和fd的换算关系如下式所示:
fd=-2vr/λ
所述步骤S4中,各通道的ISAR(距离-多普勒域)图像指的是基于CS理论获得的目标图像。需要补充说明的是,由于各通道时序一致,因此对各通道的回波均使用步骤S2建立的感知矩阵去求解;第一个通道的求解结果可作为先验信息输入到后面通道的CS求解算法中,以减少计算量;具体地,可以结合具体算法来解释,如上文提到的OMP算法,类似进行了迭代运算求解。因此,第一个通道的结果可以作为其余通道CS求解算法的初始值。通道间两两做共轭相乘处理,根据组合原理,若ISAR系统含N个接收通道,那么两两干涉将得到个干涉相位图。在有3个通道的具体实施例中,将得到3组干涉相位图。
所述步骤S5中,单个干涉相位图测角无模糊时,利用干涉相位图和目标偏角的对应关系可反演目标位置,实现目标定位。通常情况下,基线比较短或者载频较低时,测角不模糊范围大于波束宽度,此时测角无模糊。以通道1和通道2干涉为例,目标偏角和干涉相位的对应关系如下:
其中,分别表示通道1和通道2获得的距离-多普勒域图像;“*”表示复共轭,fc为载频,C为电磁波在真空中的传播速率,θ表示波束中心和基线法线之间的夹角;表示目标第n个散射点偏离波束中心的角度(如图1所示),即目标方位向偏角,为待求量;Rn表示目标第n个散射点到接收天线的距离,由于目标到天线的距离远远大于基线长度,因此各通道Rn均可用该散射点到一个天线的距离来近似表示,且该值在成像后即为已知量。通过上式可以看出,和共轭相乘之后得到的干涉相位决定于目标方位向偏角。
单个干涉相位图测角模糊时,利用多通道的干涉相位图结合中国余数定理(公知技术)可解决干涉测角模糊问题,实现目标定位。具体实施例中,干涉相位图的不模糊测角范围如表1所示:
表1不同基线对应的测角不模糊范围
因此需要采用多通道干涉相位图结合中国余数定理信息做测角解模糊。具体实施例中,两基线长度分别为0.4m和0.6m,二者以2和3互质,利用中国余数定理,则0.4m基线的测角不模糊范围可以扩大到原先的2倍,0.6m基线的测角不模糊范围可以扩大到原先的3倍。实现波束内测角无模糊。
距离向位置通过ISAR图像可得;方位向位置通过距离和方位向偏角可求,最终实现目标干涉定位。
图3(a)~图3(c)为利用本发明实现的三个通道CS成像结果,(a)为天线T1成像结果;(b)为天线T2成像结果;(c)为天线T3成像结果。
图4示出了本发明实施例中实际数据干涉测角定位结果图。图4(a)为普通ISAR图像干涉测角定位结果图;图4(b)为CS图像干涉测角定位结果;图4(c)为低分辨率CS图像干涉测角定位结果图。通过降低分辨率(增大R和vr的步进间隔)或者在成像时将通道1的CS求解结果作为先验信息输入后面两个通道的求解算法中,可提高图像间的相干性,干涉定位结果见图4(c)。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于压缩感知理论的干涉逆合成孔径雷达目标定位方法,其特征在于,包括步骤:
步骤S1:根据目标的速度范围和距离范围设计参数区间;
步骤S2:获取目标回波数据,利用所述参数区间和目标回波数据的采样时刻构建感知矩阵;
步骤S3:利用所述感知矩阵基于压缩感知理论对各个通道获得的目标回波数据做成像处理,分别获取距离-多普勒域图像;
步骤S4:对各通道获取的距离-多普勒域图像两两做干涉处理,获取干涉相位图;
步骤S5:利用所述干涉相位信息定位目标。
2.如权利要求1所述的方法,其特征在于,所述参数区间包括目标的距离区间、目标的距离向速度区间和目标的方位向速度区间。
3.如权利要求2所述的方法,其特征在于,所述感知矩阵中其行表示对所述目标回波数据进行采样的距离向采样时刻和方位向采样时刻,而其列表示通过步进方法遍历所述参数区间所获得的各个目标的距离、目标距离向速度、目标的方位向速度。
4.如权利要求1所述的方法,其特征在于,步骤S3中利用所述压缩感知理论的恢复算法进行求解,并根据所述求解记过按照感知矩阵列的构建方式重排成表述目标的距离和速度信息的三维矩阵,之后对所述三维矩阵中的方位向速度维做最大值投影,并将距离向维转换成多普勒频率,即可获得目标的距离-多普勒域图像。
5.如权利要求4所述的方法,其特征在于,第一个通道的求解结果可作为先验信息输入到之后通道的求解算法中。
6.如权利要求1所述的方法,其特征在于,所述各个通道的采样时序一致。
7.如权利要求1所述的方法,其特征在于,步骤S5中所获得的单个干涉相位图测角无模糊时,利用干涉相位和目标偏角的对应关系反演获得目标位置,实现目标定位。
8.如权利要求1所述的方法,其特征在于,步骤S5中,单个干涉相位图测角模糊时,利用多通道的干涉相位图结合中国余数定理进行测角解模糊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310587042.5A CN103675816B (zh) | 2013-11-20 | 2013-11-20 | 一种基于压缩感知理论的干涉逆合成孔径雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310587042.5A CN103675816B (zh) | 2013-11-20 | 2013-11-20 | 一种基于压缩感知理论的干涉逆合成孔径雷达成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103675816A true CN103675816A (zh) | 2014-03-26 |
CN103675816B CN103675816B (zh) | 2016-01-20 |
Family
ID=50313953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310587042.5A Active CN103675816B (zh) | 2013-11-20 | 2013-11-20 | 一种基于压缩感知理论的干涉逆合成孔径雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103675816B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137430A (zh) * | 2015-07-30 | 2015-12-09 | 中国人民解放军西安通信学院 | 一种前视阵列sar的回波稀疏获取及其三维成像方法 |
CN106405548A (zh) * | 2016-08-23 | 2017-02-15 | 西安电子科技大学 | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 |
CN106646468A (zh) * | 2016-12-15 | 2017-05-10 | 北京空间飞行器总体设计部 | 一种多场景干涉sar图像的三维定位方法 |
CN107576961A (zh) * | 2017-10-10 | 2018-01-12 | 电子科技大学 | 一种互质降采样间歇合成孔径雷达稀疏成像方法 |
CN108445465A (zh) * | 2018-03-19 | 2018-08-24 | 哈尔滨工业大学 | 一种基于Arnoldi的特征向量相位补偿方法 |
CN109655821A (zh) * | 2017-10-11 | 2019-04-19 | 西梅奥有限公司 | 用于确定目标的角方位、地点和/或速度的雷达方法和雷达系统 |
CN112285695A (zh) * | 2020-10-21 | 2021-01-29 | 浙江大学 | 一种基于压缩感知的交互定位系统和方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879777A (zh) * | 2012-09-17 | 2013-01-16 | 西安电子科技大学 | 基于调频率-压缩感知的稀疏isar成像方法 |
-
2013
- 2013-11-20 CN CN201310587042.5A patent/CN103675816B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879777A (zh) * | 2012-09-17 | 2013-01-16 | 西安电子科技大学 | 基于调频率-压缩感知的稀疏isar成像方法 |
Non-Patent Citations (3)
Title |
---|
LIECHEN LI ET AL.: "Three-Aperture Inverse Synthetic Aperture Radar Moving Targets Imaging Processing Based on Compressive Sensing", 《INSTRUMENTATION AND CONTROL TECHNOLOGY (ISICT), 2012 8TH IEEE INTERNATIONAL SYMPOSIUM ON》, 13 July 2012 (2012-07-13), pages 210 - 214, XP032226725, DOI: doi:10.1109/ISICT.2012.6291647 * |
刘波 等: "基于毫米波InISAR成像的运动目标探测与定位", 《红外与毫米波学报》, vol. 31, no. 3, 30 June 2012 (2012-06-30), pages 258 - 264 * |
张劲东 等: "基于滤波器结构的压缩感知雷达感知矩阵优化", 《航空学报》, vol. 34, no. 4, 25 April 2013 (2013-04-25), pages 864 - 872 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105137430A (zh) * | 2015-07-30 | 2015-12-09 | 中国人民解放军西安通信学院 | 一种前视阵列sar的回波稀疏获取及其三维成像方法 |
CN106405548A (zh) * | 2016-08-23 | 2017-02-15 | 西安电子科技大学 | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 |
CN106646468A (zh) * | 2016-12-15 | 2017-05-10 | 北京空间飞行器总体设计部 | 一种多场景干涉sar图像的三维定位方法 |
CN106646468B (zh) * | 2016-12-15 | 2019-04-26 | 北京空间飞行器总体设计部 | 一种多场景干涉sar图像的三维定位方法 |
CN107576961A (zh) * | 2017-10-10 | 2018-01-12 | 电子科技大学 | 一种互质降采样间歇合成孔径雷达稀疏成像方法 |
CN107576961B (zh) * | 2017-10-10 | 2019-07-19 | 电子科技大学 | 一种互质降采样间歇合成孔径雷达稀疏成像方法 |
CN109655821A (zh) * | 2017-10-11 | 2019-04-19 | 西梅奥有限公司 | 用于确定目标的角方位、地点和/或速度的雷达方法和雷达系统 |
CN109655821B (zh) * | 2017-10-11 | 2024-03-15 | 西梅奥有限公司 | 用于确定目标的矢量速度的雷达方法和雷达系统 |
CN108445465A (zh) * | 2018-03-19 | 2018-08-24 | 哈尔滨工业大学 | 一种基于Arnoldi的特征向量相位补偿方法 |
CN108445465B (zh) * | 2018-03-19 | 2021-09-07 | 哈尔滨工业大学 | 一种基于Arnoldi的特征向量相位补偿方法 |
CN112285695A (zh) * | 2020-10-21 | 2021-01-29 | 浙江大学 | 一种基于压缩感知的交互定位系统和方法 |
CN112285695B (zh) * | 2020-10-21 | 2024-01-12 | 浙江大学 | 一种基于压缩感知的交互定位系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103675816B (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103675816A (zh) | 一种基于压缩感知理论的干涉逆合成孔径雷达成像方法 | |
Xu et al. | Three-dimensional interferometric ISAR imaging for target scattering diagnosis and modeling | |
Yang et al. | Segmented reconstruction for compressed sensing SAR imaging | |
CN110568434B (zh) | 一种多通道匀加速sar动目标二维速度估计方法 | |
CN103777188B (zh) | 一种基于双频共轭处理的InISAR成像方法 | |
CN110109102B (zh) | 一种sar运动目标检测与速度估计的方法 | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
Feng et al. | Batch compressive sensing for passive radar range-Doppler map generation | |
CN111505721A (zh) | 一种基于稀疏阵列的毫米波稀疏成像方法及系统 | |
Li et al. | Applications of compressed sensing for multiple transmitters multiple azimuth beams SAR imaging | |
Lu et al. | Building 3-D reconstruction with a small data stack using SAR tomography | |
Chen et al. | A new super-resolution 3D-SAR imaging method based on MUSIC algorithm | |
CN103091682B (zh) | 基于时频分析InISAR多动目标成像和运动轨迹重建法 | |
Qiu et al. | A novel proposal of GAOFEN-3 satellite constellation for multi-applications | |
Brisken | Multistatic ISAR-chances and challenges | |
Lu et al. | SAR tomographic imaging demonstration using GF-3 data | |
Zhang et al. | Portable millimeter wave 3D imaging radar | |
D’Aria et al. | MIMO radar-based system for structural health monitoring and geophysical applications | |
Wang et al. | Parameter design of ground-based SAR interferometry for landslide deformation measurement | |
Wang et al. | High-Resolution Insar Imaging Via Cs-Based Amplitude-Phase Separation Algorithm | |
Li et al. | Two-dimensional random sparse sampling for high resolution SAR imaging based on compressed sensing | |
Liu et al. | Ground moving target positioning with Doppler ambiguity and scene ambiguity in SAR | |
Guo et al. | Moving target detection in HRWS mode | |
Pang et al. | An enhanced forward-looking SAR imaging algorithm based on compressive sensing | |
Li et al. | A Moving Target Imaging Algorithm Based on Compressive Sensing for Multi-channel in Azimuth HRWS SAR System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |