CN104569976A - 基于稀疏测量的综合孔径辐射计遥感成像的方法和系统 - Google Patents

基于稀疏测量的综合孔径辐射计遥感成像的方法和系统 Download PDF

Info

Publication number
CN104569976A
CN104569976A CN201410855723.XA CN201410855723A CN104569976A CN 104569976 A CN104569976 A CN 104569976A CN 201410855723 A CN201410855723 A CN 201410855723A CN 104569976 A CN104569976 A CN 104569976A
Authority
CN
China
Prior art keywords
baseline
sparse
synthetic aperture
image
rarefaction representation
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
Application number
CN201410855723.XA
Other languages
English (en)
Other versions
CN104569976B (zh
Inventor
李达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201410855723.XA priority Critical patent/CN104569976B/zh
Publication of CN104569976A publication Critical patent/CN104569976A/zh
Application granted granted Critical
Publication of CN104569976B publication Critical patent/CN104569976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S3/00Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904SAR modes

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种基于稀疏测量的综合孔径辐射计遥感成像的方法和系统,其中方法包括步骤:建立稀疏变换基库,该稀疏变换基库包括多个基函数,根据该稀疏变换基库对原始微波辐射场分布进行稀疏表示;对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取,得到抽取的基线;以及根据原始微波辐射场分布的稀疏表示及抽取的基线,使用基于稀疏重构的图像反演方法来得到场景亮温分布图像。

Description

基于稀疏测量的综合孔径辐射计遥感成像的方法和系统
技术领域
本发明涉及遥感成像,并且更具体涉及基于稀疏测量的综合孔径辐射计遥感成像的方法和系统。
背景技术
微波辐射计是一种用于测量物体微波热辐射的高灵敏度接收机,不发射任何信号,只是被动接收物体所发射的自然辐射信号,具有体积小、功耗省、成本低的优势。微波辐射计作为一种重要的遥感工具,采用飞机或卫星等平台,可实现远距离对地观测。
实孔径辐射计研究历史较长,具有结构简单、工作稳定可靠的特点,但天线孔径受限于目前的加工制造水平,同时对于加工精度也提出了严格要求,其表面粗糙度须远小于工作波长,对于毫米及亚毫米以上波段而言,精度要求达到数十μm级别,加工难度非常大。另外,实孔径天线具有很窄的主波束,每次只能完成单点测量,需要较长时间的机械扫描才能成像。
综合孔径辐射计较新颖,采用阵列干涉测量成像,利用大稀疏比、散布的阵列天线单元替代原有的大孔径天线,天线单元加工简单,还具有无需扫描即可瞬时成像的优势,但是阵列成像方式也使得系统组件数量众多,在系统复杂度与处理数据量等诸多方面存在着严峻的压力,很多问题需要深入的研究。
综合孔径辐射计采用阵列干涉测量,利用稀疏天线阵列和复相关接收,将阵列的单元天线成对组成许多具有不同基线的二元干涉仪,测量空间频率域的可见度函数采样值(下文简称为可见度函数),然后通过校正和反演算法得到场景亮温图像。附图1为其系统工作流程示意图,首先稀疏天线阵列接收场景的热辐射信号,经过接收通道混频、放大等处理后进行AD(I/Q两路)采样,然后任意两路数据进行复相关处理,通过误差校正完成对各项系统误差的校正处理,最后利用傅里叶变换等方法进行反演计算,得到场景亮温分布图像。可见度函数是干涉测量的输出,其为两路信号复相关的结果,只与两路接收天线的相对位置有关,采用基线来描述这些相对位置。综合孔径要求可见度函数具有完整的覆盖,即要求基线必须是完整连续的。
高精度的遥感成像应用对分辨率与测量灵敏度都提出了较高的要求,前者需采用较大天线阵列规模,后者则要求大系统带宽、长积分时间,此时会出现较为严重的瓶颈制约:
①系统复杂度急剧上升。通道及AD等器件数量与天线数量相等,复相关器数量则与其成平方关系,天线数量增加时,系统组件规模会大幅增长,系统复杂度急剧上升,使得误差校正等处理环节变得更为困难。当天线个数为N时,通道个数为N,AD器件个数为2N(I、Q采样),相关器个数达到N×(N-1)。
②处理数据海量增长。复相关处理的数据量,一方面与天线数量成平方关系,另一方面与系统带宽、积分时间成正比关系,整体数据量会呈现出海量规模,所有数据处理必须在一个成像周期内完成,数据处理压力非常大。当天线个数为N、系统带宽为B、积分时间为τ时,整体数据量达到N×(N-1)×Bτ。
发明内容
本发明的目的,在于有效降低综合孔径辐射计的系统复杂度与处理数据,实现微波遥感应用所要求的分辨率与灵敏度,推动综合孔径辐射计的进一步发展。
为达上述目的,本发明提供了一种基于稀疏测量的综合孔径辐射计遥感成像的方法,其特征在于,包括以下步骤:
建立稀疏变换基库,该稀疏变换基库包括多个基函数,根据该稀疏变换基库对原始微波辐射场分布进行稀疏表示;
对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取,得到抽取的基线;以及
根据原始微波辐射场分布的稀疏表示及抽取的基线,使用基于稀疏重构的图像反演方法来得到场景亮温分布图像。
本发明所述的方法中,步骤“对原始微波辐射场分布进行稀疏表示”进一步包括:利用稀疏变换基库中的多个正交变换基来构造非相干的冗余字典,再通过该冗余字典来实现稀疏表示。
本发明所述的方法中,步骤“对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取”进一步包括:
将完整基线从小到大分割成预定数目的分段;以及
按照预定抽取比重对所述预定数目的分段均匀随机抽取基线。
本发明所述的方法中,所述预定数目是三,并且所述预定抽取比重是3:1:2,所抽取的基线的数量保持在原有完整基线40%-60%。
本发明所述的方法中,步骤“使用基于稀疏重构的图像反演方法来得到场景亮温分布图像”具体为采用迭代阈值算法逐行进行稀疏重构反演,并根据微波热辐射的噪声分布模型确定迭代阈值算法中的迭代阈值门限。
本发明所述的方法中,基于稀疏重构图像来获取反演图像进一步包括:利用测量过程的统计噪声模型来设定迭代阈值门限;利用所有相关器数据进行平均,以便消除由于AD采样器件、通道等组件不一致带来的误差。
本发明所述的方法中,利用长时间积分来增加采样样本数量,使得时间统计噪声更加接近于理论的统计值。
本发明还提供了一种基于稀疏测量的综合孔径辐射计遥感成像的系统,包括:
稀疏表示模块,用于建立稀疏变换基库,该稀疏变换基库包括多个基函数,根据该稀疏变换基库对原始微波辐射场分布进行稀疏表示;
基线模块,用于对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取,得到抽取的基线以及
图像反演模块,用于根据原始微波辐射场分布的稀疏表示及抽取的基线,使用基于稀疏重构的图像反演方法来得到场景亮温分布图像。
本发明所述的系统中,所述稀疏表示模块具体用于利用稀疏变换基库中的多个正交变换基来构造非相干的冗余字典,再通过该冗余字典来实现稀疏表示。
本发明所述的系统中,所述基线模块具体用于将完整基线从小到大分割成预定数目的分段;以及按照预定抽取比重对所述预定数目的分段均匀随机抽取基线。
本发明所述的系统中,所述预定数目是三,并且所述预定抽取比重是3:1:2,所抽取的基线的数量保持在原有完整基线40%-60%。
本发明所述的系统中,所述图像反演模块具体用于:采用迭代阈值算法逐行进行稀疏重构反演,并根据微波热辐射的噪声分布模型确定迭代阈值算法中的迭代阈值门限。
本发明的有益效果:综合孔径辐射计采用干涉被动测量物体的热辐射信号,具有较好的安全性与隐蔽性。采用稀疏测量方式成像,综合孔径辐射计系统所需的基线数量大幅下降,与之对应的相关器等系统组件数量也随之下降,带来的是天线与通道的数量也有一定程度下降,使得综合孔径辐射计的系统复杂度与处理数据量大幅降低。本发明将为推动综合孔径辐射计系统的实用化提供良好的理论支撑
附图说明
附图图示了本发明的实施例,并与说明书一起用于解释本发明的原理。在附图中:
图1是现有综合孔径辐射计系统工作流程示意图;
图2是根据本发明实施例的基于稀疏测量的综合孔径辐射计遥感成像的系统的示意图;
图3是根据本发明实施例的基于稀疏测量的综合孔径辐射计遥感成像的方法的流程图;以及
图4是根据本发明的实施例的稀疏测量方法反演二维复杂场景效果的视图。
具体实施方式
根据本发明的实施例公开了一种基于稀疏测量的综合孔径辐射计遥感成像的方法和系统。在以下描述中,为了说明的目的,阐述了多个具体细节以提供对本发明的实施例的全面理解。然而,对于本领域人员显而易见的是,本发明的实施例可以在没有这些具体细节的情况下实现。
本发明提出基于稀疏测量的综合孔径成像的技术方案。在采用综合孔径微波辐射计作为探测系统时,综合孔径微波辐射计需要在短时间内提供场景的辐射亮温分布。由综合孔径微波辐射计的成像基本原理可知这是利用系统获得的场景辐射亮温的空间频率信息(可见度函数)通过反演得到场景的辐射亮温分布。
本发明的技术方案对传统综合孔径辐射计成像所需的测量数据进行压缩,涵盖三个方面的内容:首先解决场景亮温分布的稀疏表示,然后利用较少基线完成稀疏的干涉测量过程,得到远小于常规方式的可见度函数采样值,最后使用基于稀疏重构的图像反演方法来得到场景亮温分布图像,可以有效降低系统复杂度与处理数据量,推动综合孔径辐射计阵列成像技术的进一步发展。
图2是根据本发明实施例的基于稀疏测量的综合孔径辐射计遥感成像的系统200的示意图。该系统200包括稀疏表示模块202、基线模块204、图像反演模块206。
稀疏表示模块202用于建立稀疏变换基库,具体地,将微波辐射场景亮温分布的信号在已知的矢量集上进行分解,然后在变换域上用尽量少的基函数来准确地表达微波辐射场景亮温分布的信号。利用所得到的稀疏信号通过一组线性测量值可以重建得到原始微波辐射场景亮温分布的信号。
微波辐射场景亮温分布的稀疏表示
原始信号的稀疏表示是压缩传感理论的先验条件。一般都是采用稀疏变换来实现稀疏表示,这些变换所使用的基函数通常都是标准正交的。例如,根据本发明的实施例,稀疏表示模块202采用公式
进行变换,即可得到稀疏表示系数。T为场景亮温分布向量,为正交变换矩阵,α为稀疏表示系数。
此外,由于微波辐射场景亮温分布多样性的特点,单一正交变换基很难广泛适用,在此稀疏表示模块202使用利用多个正交变换基来构造超完备的冗余字典。冗余字典的大小要尽可能小。基库所包含的元素越多,重构反演的计算量也会越大。
微波辐射测量过程的分辨率远低于可见光,通常用来分析的理论模型为点源目标和展源目标,点源目标本身就是空间稀疏点,对应的变换基即为狄拉克函数;展源目标变现为类似于阶跃形状,可以采用拉普拉斯函数实现稀疏变换。实际的微波热辐射图像,由于分辨率的限制,采用离散余弦变换后,表现为一定程度的稀疏,这三类函数基作为实际使用的基库。也就是说,冗余字典中将包含上述三类函数基。
基线模块204用于执行综合孔径的基线测量权重建模与压缩抽取。
基线测量权重建模与压缩抽取
在综合孔径干涉测量体制下,通过各个基线的测量得到可见度函数采样值,对应着场景亮温分布的空间频率采样。这一测量机理使得测量过程与傅里叶变换具有一定的类似性。为了保证图像反演的准确性,传统综合孔径的阵列设计要求:可见度函数在空间频率采样具有良好的连续覆盖,即必须保证基线完整连续、不出现缺失。
从上述测量机理出发,借鉴压缩传感理论下的各种测量矩阵,此时测量矩阵设计成类似的局部傅里叶矩阵。对原有矩阵按行方式进行随机选择,即可完成对原有完整基线的压缩抽取。此时得到的可见度函数数量会远小于传统完整基线方式。值得注意的是,在综合孔径辐射计的测量过程中,不同基线测量的可见度函数对于反演图像质量的影响程度具有较大差异,也就是各个基线测量的权重并不相同。
通过多次的实际数据实验发现,各个基线的测量权重表现为小基线决定了反演后图像的整体质量与能量,而大基线则在细节表现上具有决定作用。在基线的选择抽取上,采用分段均匀随机分布的形式,对小基线采用密集抽取、大基线稀疏抽取的方式可以实现保证原始测量信息几乎完整的情况下,使用尽量少的干涉基线实现压缩测量过程。
具体地,基线模块204随机抽取基线。基线模块204将所有完整基线从小到大分割成预定数目的分段,在该实施例中将其分成三段,分别为小基线区、中基线区、大基线区,然后分别在该预定数目的分段中均匀随机抽取。在将完整基线分成三段的情况下,抽取的比重优选地分别为3:1:2,抽取基线的总数优选地为原始完整基线的40-60%,需要而定。本领域技术人员可以理解,依据具体的综合孔径阵列大小,抽取比重以及抽取基线的总数可以不同,并不限于以上特定数据。
图像反演模块206用于基于稀疏表示来重构图像以获取反演图像。
基于稀疏重构的图像反演
稀疏重构一般都是采取基于迭代的方法,其中迭代阈值方法具有良好的鲁棒性与通用性。压缩传感实际上是将测量过程的数据复杂度转换为重构求解的计算复杂度。而图像重构的过程,需要将二维图像作为一维信号处理,如此长度的信号使得求解速度非常慢,需要解决快速重构反演的问题。由于图像的反演过程,可以采用逐行的方式进行,因此在发明的实现过程中,采用单行的方式进行反演,逐行处理,这样可以大幅提高反演的计算速度。
迭代阈值方法的精度与收敛速度取决于迭代阈值的设置,直接决定了算法的收敛与否及次优解的最终稳态精度。如果门限设置过低,会使得算法难以收敛,反之则会造成稳态精度较差。在本发明中需要分析微波热辐射的噪声分布模型,将此值设置为迭代阈值门限。
具体地,图像反演模块206采用逐行处理的方式,每次只进行一行测量数据(指可见度函数的测量值)的重构计算,获得反演图像的一行。迭代阈值的设定为微波热辐射的噪声分布,在实际系统中由于AD器件、采样点数(AD器件的采样点数)等的影响,实际测量出来的噪声与理论值有一定的出入,因此可以考虑采用多个通道取平均值的方法消除AD器件的影响、采用长时间积分方式获取较多采样点的方式来进一步提高实测噪声的准确性。
图3是根据本发明实施例的基于稀疏测量的综合孔径辐射计遥感成像的方法300的流程图。如图3所示,在步骤302中,建立稀疏变换基库。所述基库包括但不限于狄拉克函数、拉普拉斯函数和离散余弦函数。在步骤304中,随机抽取基线。具体地,将完整基线从小到大分成预定数目的分段(例如,三段),然后按照特定比重(例如,在分成三段的情况下,比重可以是3:1:2)在已划分的分段中随机抽取。优选地,抽取基线的总数是完整基线的40-60%。在步骤306中,重构计算以获取反演图像。具体地,采用逐行处理的方式,每次对一行测量数据进行重构计算以获得反演图像的一行,利用测量过程的统计噪声模型来设定阈值门限,并且利用所有相关器数据进行平均,来消除由于AD采样器件、通道等组件不一致带来的误差。优选地,利用长时间积分来增加采样样本数量,使得时间统计噪声更加接近于理论的统计值。
下面以一维综合孔径辐射计为例说明上述步骤,本次实验采用的一维综合孔径辐射计具有16个天线,为了覆盖完整的视场,天线的最小间距为0.5倍波长,根据相关的综合孔径辐射计天线阵列排布算法,相邻天线在空间的间距为(单位为0.5倍波长):
{1,1,6,6,6,11,11,11,11,11,5,5,3,1,1}
这些间距中的最小值为1,最大值为90,对应着第一个天线到最后一个天线的间距。这些间距在综合孔径辐射计领域中称为基线,传统的综合孔径辐射计的阵列设计时要求基线覆盖是连续的,也就是从1-90基线都包含。天线的数量为16,那么复相关器的数量为16*15/2=120个,实相关器则为240个。
采用本发明的基于稀疏测量的方法,稀疏变换基为狄拉克函数、拉普拉斯函数与离散余弦函数构成,随机抽取的基线数量为40个,采用迭代阈值方法进行重构反演,阈值采用所有相关器的平均值来计算噪声。根据基线的位置,以基线的位置为优化目标,使得天线阵列可以形成这些基线。
图4是根据本发明的实施例的稀疏测量方法反演二维复杂场景效果的视图。图4中(a)-(d)分别示出了原始二维场景、40个基线稀疏测量反演结果、图像稀疏变换后的表达以及反演图像误差。可以看出,此时40个基线所要求的天线数量下降为12个,而相关器的数量则下降为12*11/2=66个。设备的数量有较大程度的下降。
下表1示出了采用根据本发明的稀疏测量方法与传统方法的组件数量情况对比。
表1 不同方法下的组件数量情况对比
从表1中可以看出,根据本发明的技术方案,可以显著降低基线数量、天线/通道数量以及相关器数量。因此,能够有效降低综合孔径辐射计的系统复杂度与数据处理量,从而实现微波遥感应用所要求的分辨率与灵敏度。
上述实施例仅是本发明的优选实施例,并不用于限制本发明。对本领域技术人员显而易见的是,在不脱离本发明精神和范围的情况下,可以对本发明的实施例进行各种修改和改变。因此,本发明意在涵盖落入如权利要求所限定的本发明的范围之内的所有的修改或变型。

Claims (10)

1. 一种基于稀疏测量的综合孔径辐射计遥感成像的方法,其特征在于,包括以下步骤:
建立稀疏变换基库,该稀疏变换基库包括多个基函数,根据该稀疏变换基库对原始微波辐射场分布进行稀疏表示;
对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取,得到抽取的基线;以及
根据原始微波辐射场分布的稀疏表示及抽取的基线,使用基于稀疏重构的图像反演方法来得到场景亮温分布图像。
2. 根据权利要求1所述的方法,其特征在于,步骤“对原始微波辐射场分布进行稀疏表示”进一步包括:利用稀疏变换基库中的多个正交变换基来构造非相干的冗余字典,再通过该冗余字典来实现稀疏表示。
3. 根据权利要求1所述的方法,其特征在于,步骤“对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取”进一步包括:
将完整基线从小到大分割成预定数目的分段;以及
按照预定抽取比重对所述预定数目的分段均匀随机抽取基线。
4. 根据权利要求3所述的方法,其中,所述预定数目是三,并且所述预定抽取比重是3:1:2,所抽取的基线的数量保持在原有完整基线40%-60%。
5. 根据权利要求1所述的方法,其特征在于,步骤“使用基于稀疏重构的图像反演方法来得到场景亮温分布图像”具体为采用迭代阈值算法逐行进行稀疏重构反演,并根据微波热辐射的噪声分布模型确定迭代阈值算法中的迭代阈值门限。
6.一种基于稀疏测量的综合孔径辐射计遥感成像的系统,其特征在于,包括:
稀疏表示模块,用于建立稀疏变换基库,该稀疏变换基库包括多个基函数,根据该稀疏变换基库对原始微波辐射场分布进行稀疏表示;
基线模块,用于对综合孔径微波辐射计的基线进行测量权重建模并压缩抽取,得到抽取的基线以及
图像反演模块,用于根据原始微波辐射场分布的稀疏表示及抽取的基线,使用基于稀疏重构的图像反演方法来得到场景亮温分布图像。
7.根据权利要求6所述的系统,其特征在于,所述稀疏表示模块具体用于利用稀疏变换基库中的多个正交变换基来构造非相干的冗余字典,再通过该冗余字典来实现稀疏表示。
8. 根据权利要求6所述的系统,其特征在于,所述基线模块具体用于将完整基线从小到大分割成预定数目的分段;以及按照预定抽取比重对所述预定数目的分段均匀随机抽取基线。
9. 根据权利要求8所述的系统,其特征在于,所述预定数目是三,并且所述预定抽取比重是3:1:2,所抽取的基线的数量保持在原有完整基线40%-60%。
10. 根据权利要求6所述的系统,其特征在于,所述图像反演模块具体用于:采用迭代阈值算法逐行进行稀疏重构反演,并根据微波热辐射的噪声分布模型确定迭代阈值算法中的迭代阈值门限。
CN201410855723.XA 2014-12-31 2014-12-31 基于稀疏测量的综合孔径辐射计遥感成像的方法和系统 Active CN104569976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410855723.XA CN104569976B (zh) 2014-12-31 2014-12-31 基于稀疏测量的综合孔径辐射计遥感成像的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410855723.XA CN104569976B (zh) 2014-12-31 2014-12-31 基于稀疏测量的综合孔径辐射计遥感成像的方法和系统

Publications (2)

Publication Number Publication Date
CN104569976A true CN104569976A (zh) 2015-04-29
CN104569976B CN104569976B (zh) 2018-06-12

Family

ID=53086494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410855723.XA Active CN104569976B (zh) 2014-12-31 2014-12-31 基于稀疏测量的综合孔径辐射计遥感成像的方法和系统

Country Status (1)

Country Link
CN (1) CN104569976B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110907933A (zh) * 2019-11-26 2020-03-24 西安空间无线电技术研究所 一种基于分布式的综合孔径相关处理系统及方法
CN111538000A (zh) * 2020-03-30 2020-08-14 西南电子技术研究所(中国电子科技集团公司第十研究所) 均匀圆阵列综合孔径辐射计亮温反演成像方法
CN118091549A (zh) * 2024-04-23 2024-05-28 武汉海华信通科技有限公司 一种星载大规模综合孔径微波辐射成像系统及成像方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1301969A (zh) * 1999-12-30 2001-07-04 中国科学院空间科学与应用研究中心 顺轨方向多基线干涉式综合孔径微波辐射计及其设计方法
CN101261319A (zh) * 2008-04-18 2008-09-10 华中科技大学 一种综合孔径辐射计成像校正方法
CN102914774A (zh) * 2012-09-18 2013-02-06 华中科技大学 一种综合孔径辐射计图像反演方法
US20130257646A1 (en) * 2012-03-28 2013-10-03 Uchicago Argonne Llc Compressive passive millimeter wave imager

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1301969A (zh) * 1999-12-30 2001-07-04 中国科学院空间科学与应用研究中心 顺轨方向多基线干涉式综合孔径微波辐射计及其设计方法
CN101261319A (zh) * 2008-04-18 2008-09-10 华中科技大学 一种综合孔径辐射计成像校正方法
US20130257646A1 (en) * 2012-03-28 2013-10-03 Uchicago Argonne Llc Compressive passive millimeter wave imager
CN102914774A (zh) * 2012-09-18 2013-02-06 华中科技大学 一种综合孔径辐射计图像反演方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI DA ET AL.: "The Compressive Imaging for Synthetic Aperture Interferometric Radiometer", 《JOURNAL OF CONVERGENCE INFORMATION TECHNOLOGY》 *
何岩: "《统计稀疏学习中的贝叶斯非参数建模方法及其应用研究》", 30 April 2014 *
何方敏 等: "一种基于稀疏先验的综合孔径展源辐射成像统计反演方法", 《电子学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110907933A (zh) * 2019-11-26 2020-03-24 西安空间无线电技术研究所 一种基于分布式的综合孔径相关处理系统及方法
CN111538000A (zh) * 2020-03-30 2020-08-14 西南电子技术研究所(中国电子科技集团公司第十研究所) 均匀圆阵列综合孔径辐射计亮温反演成像方法
CN118091549A (zh) * 2024-04-23 2024-05-28 武汉海华信通科技有限公司 一种星载大规模综合孔径微波辐射成像系统及成像方法

Also Published As

Publication number Publication date
CN104569976B (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
CN103247034B (zh) 一种基于稀疏光谱字典的压缩感知高光谱图像重构方法
Garsden et al. LOFAR sparse image reconstruction
CN101975947B (zh) 二维镜像综合孔径辐射成像方法
CN106405548A (zh) 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法
CN102313888A (zh) 一种基于压缩传感的线阵sar三维成像方法
CN104391295A (zh) 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法
CN107037429A (zh) 基于门限梯度追踪算法的线阵sar三维成像方法
Yu et al. Optimal baseline design for multibaseline InSAR phase unwrapping
CN103323845B (zh) 一种非均匀采样综合孔径辐射计的图像反演方法
CN102706449A (zh) 基于压缩感知的双通道遥感光谱成像系统和成像方法
CN109613473A (zh) 基于稀疏性的展开互质线阵角度估计方法
CN105353375A (zh) 一种镜像综合孔径辐射计反演方法
CN107493106B (zh) 一种基于压缩感知的频率和角度联合估计的方法
CN102087359A (zh) 一维镜像综合孔径辐射成像方法
CN104569976A (zh) 基于稀疏测量的综合孔径辐射计遥感成像的方法和系统
CN107656271B (zh) 基于压缩感知重构的太赫兹雷达成像算法
CN102930562A (zh) 电离层的压缩层析成像方法
CN102622331A (zh) 一种基于压缩感知的高斯矩阵优化方法
CN106646470A (zh) 基于广义正交匹配追踪的层析sar三维点云生成方法
CN106872977A (zh) 一种基于分段弱正交匹配追踪的层析sar三维成像方法
Zou et al. Split Bregman algorithms for multiple measurement vector problem
CN103017738B (zh) 基于二维压缩感知的遥感影像高效采集和增量更新方法
US10145871B2 (en) Systems and methods for joint angle-frequency determination
Li et al. A compressive sensing approach for synthetic aperture imaging radiometers
Kawami et al. 2-Dimensional high-quality reconstruction of compressive measurements of phased array weather radar

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant