CN105607059A - 一种合成孔径雷达地面运动目标指示实现方法和装置 - Google Patents
一种合成孔径雷达地面运动目标指示实现方法和装置 Download PDFInfo
- Publication number
- CN105607059A CN105607059A CN201610039149.XA CN201610039149A CN105607059A CN 105607059 A CN105607059 A CN 105607059A CN 201610039149 A CN201610039149 A CN 201610039149A CN 105607059 A CN105607059 A CN 105607059A
- Authority
- CN
- China
- Prior art keywords
- matrix
- moving
- target
- image complex
- sar
- 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.)
- Pending
Links
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
- G01S13/9029—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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种合成孔径雷达地面运动目标指示(SAR-GMTI)实现方法,对多通道合成孔径雷达(SAR)图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。本发明还公开了一种SAR-GMTI实现装置。
Description
技术领域
本发明涉及合成孔径雷达(SAR,SyntheticApertureRadar)的图像处理技术,尤其涉及一种合成孔径雷达地面运动目标指示(SAR-GMTI,SyntheticApertureRadar-GroundMovingTargetsIndication)实现方法和装置。
背景技术
地面运动目标指示(GMTI,GroundMovingTargetsIndication)是SAR系统的重要功能,既可用于道路交通监测,及时提供道路流量、拥挤状况等;也可用于空中和海面交通监测,监视空中飞行的飞机和海面航行的船只等。在军事应用中,GMTI技术已经成为一种非常有价值的军事侦察技术,具有动目标检测功能的雷达已经成为重要的军事装备。
目前,使用较广的SAR-GMTI技术中,有相位中心偏置技术(DPCA,DisplacedPhaseCenterAntenna)、沿迹干涉技术(ATI,AlongTrackInterferometry)、空时自适应处理(STAP,space-timeadaptiveprocessing)、杂波抑制干涉(CSI,ClutterSuppressionInterferometry)等。STAP技术采用了空时结合的处理方式,充分利用了回波的空间和时间的特性,在均匀杂波背景下能够较好的抑制杂波;但是该技术计算量大,很难应用在实时系统中;此外,该技术在非均匀杂波背景下,杂波抑制效果受训练样本的影响严重。DPCA、ATI和CSI属于杂波对消类技术,这类技术虽然不受背景杂波非均匀性的影响,但是,对目标的信杂噪比依赖性较强,对于低速弱小的运动目标,信杂噪比较低,检测时虚警概率高。
稀疏与低秩矩阵分离理论,是指当矩阵的某些元素被严重破坏后,自动识别出被破坏的元素,恢复出原矩阵;目前,稀疏与低秩矩阵分离理论在多个领域都得到了很好应用。但是,国际上尚未有基于稀疏与低秩矩阵分离理论的SAR-GMTI方法。
因此,如何将稀疏与低秩矩阵分离理论应用到SAR-GMTI中,以解决现有SAR-GMTI技术中存在的受目标信杂噪比和杂波非均匀性的影响的问题,亟待解决。
发明内容
有鉴于此,本发明实施例期望提供一种SAR-GMTI实现方法和装置,能将稀疏与低秩矩阵分离理论应用到SAR-GMTI中,进一步有效解决SAR-GMTI技术中受目标信杂噪比和杂波非均匀性的影响的问题。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例提供了一种SAR-GMTI实现方法,所述方法包括:
对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;
提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;
将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。
上述方案中,所述提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;包括:
将所述组合图像复数矩阵分解成实部矩阵和虚部矩阵;
采用加速梯度投影(APG,AcceleratedProjectedGradient)算法分别从实部矩阵和虚部矩阵中提取稀疏的动目标实部矩阵及动目标虚部矩阵;
将提取的所述动目标实部矩阵和虚部矩阵组成组合动目标图像复数矩阵;
将组合动目标图像复数矩阵的各列设置成通道图像矩阵,按列获取对应于各通道的动目标图像复数矩阵。
上述方案中,所述图像数据包括:空域图像数据;
所述组合图像复数矩阵包括:低秩杂波矩阵、稀疏动目标矩阵和噪声矩阵。
本发明实施例还提供了一种SAR-GMTI实现装置,所述装置包括:矩阵重建模块、矩阵分离模块、幅度增强模块,其中,
所述矩阵重建模块,用于对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;
所述矩阵分离模块模块,用于提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵。
幅度增强模块,用于将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。
上述方案中,所述矩阵分离模块模块,具体用于:
将所述组合图像复数矩阵分解成实部矩阵和虚部矩阵;
采用APG算法分别从实部矩阵和虚部矩阵中提取稀疏的动目标实部矩阵及动目标虚部矩阵;
将提取的所述动目标实部矩阵和虚部矩阵组成组合动目标图像复数矩阵;
将组合动目标图像复数矩阵的列设置成通道图像矩阵,按所述列获取对应于各通道的动目标图像复数矩阵。
上述方案中,所述图像数据包括:空域图像数据;
所述组合图像复数矩阵包括:低秩杂波矩阵、稀疏动目标矩阵和噪声矩阵。
本发明实施例所提供的SAR-GMTI实现方法和装置,对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。如此,将稀疏与低秩矩阵分离理论应用到SAR-GMTI中,进一步有效解决SAR-GMTI技术中受目标信杂噪比和杂波非均匀性的影响的问题。
附图说明
图1为本发明实施例SAR-GMTI实现方法的流程示意图;
图2为本发明实施例矩阵转换过程流程示意图;
图3为本发明实施例稀疏与低秩矩阵分离的流程示意图;
图4为本发明实施例矩阵重构过程流程示意图;
图5为本发明实施例SAR-GMTI详细流程示意图;
图6为本发明实施例虚警个数随通道间幅度和相位误差变化的曲线示意图;
图7为本发明实施例SAR-GMTI实现装置示意图。
具体实施方式
本发明实施例中,对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。
下面结合实施例对本发明再作进一步详细的说明。
本发明实施例提供的SAR-GMTI实现方法,如图1所示,该SAR-GMTI实现方法包括:
步骤101:对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;
这里,可以假定SAR-GMTI系统有K个接收通道,对应生成K幅SAR图像,每幅图像中含有杂波、动目标和噪声。首先对K个通道的图像进行自适应误差校正,消除通道间的幅度误差和相位误差。经过误差校正后,各通道间杂波分量的分布可以认为是相同的。动目标在场景中是稀疏分布的,因此,经过通道间杂波相位补偿后,动目标在通道间的相位差仍然是存在的;所述图像数据包括:空域图像数据;
在补偿通道间杂波相位差后,进行矩阵转换,即将每个通道的图像数据拉成组合图像复数矩阵的一列,则所述组合图像复数矩S可以认为是由三部分组成的:低秩的杂波矩阵,稀疏的动目标矩阵和噪声矩阵,可以用表达式(1)表示:
S=SC+ST+SN(1)
其中,SC表示低秩的杂波矩阵,ST表示稀疏的动目标矩阵和SN表示噪声矩阵;
具体的,矩阵转换过程如图2所示:假定每个通道的图像大小为A*R,其中A表示方位单元长度,R表示距离单元长度;将每个通道的图像沿着方位向排成一列,形成一个列向量,该列向量的长度为AR,将该列向量作为新矩阵的一列。对其余通道的图像采用相同的处理,则K个通道图像共形成K个列向量,就构成了一个具有K列的新矩阵,该新矩阵大小为AR*K;在生成的新矩阵中,杂波具有低秩特性,动目标具有稀疏性。
步骤102:提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;
具体的,所述步骤102,如图3所示,包括:
步骤102a:将所述组合图像复数矩阵分解成实部矩阵和虚部矩阵;
组合图像复数矩阵的实数矩阵部分和虚数矩阵部分都分别满足低秩和稀疏特性;因此,将复数矩阵分成实数矩阵SRE和虚数矩阵SIM,可以用表达式(2)表示:
其中,下标RE表示对应分量的实数部分,下标IM表示对应分量的虚数部分。
步骤102b:采用APG算法分别从实部矩阵和虚部矩阵中提取稀疏的动目标实部矩阵及动目标虚部矩阵;利用APG算法分别解下面的优化方程,就可提取动目标分量的实部矩阵和虚部矩阵,优化方程可以用表达式(3)和(4)表示:
约束于(subjectto)||SRE-SC_RE-ST_RE||F≤δ(3)
其中,SC_RE表示分解后的杂波实部矩阵,SC_IM表示分解后的杂波虚部矩阵,η表示正的加权系数,δ>0表示原矩阵与矩阵分解后的差,||□||F表示Frobenius范数,||□||1表示一阶范数;提取的动目标实部矩阵为ST_RE,虚部矩阵为ST_IM。
步骤102c:将提取的所述动目标实部矩阵和虚部矩阵组成组合动目标图像复数矩阵;
动目标的实部矩阵和虚部矩阵重新组成组合动目标图像复数矩阵ST,可以用表达式(5)表示:
ST=ST_RE+jST_IM(5)
步骤102d:将组合动目标图像复数矩阵的各列设置成通道图像矩阵,按列获取对应于各通道的动目标复数矩阵;
这里,进行动目标矩阵重构,将组合动目标图像复数矩阵写成通道图像矩阵的形式,可以用表达式(6)表示:
S1T,S2T,...,SKT(6)
其中,各列为各通道对应的动目标图像复数矩阵;
具体的,矩阵重构过程如图4所示。根据矩阵分离理论提取的动目标实部矩阵和虚部矩阵组合形成组合动目标图像复数矩阵后,按照通道回波的形式重新分配,即将提取的组合动目标图像复数矩阵中的每一列转换成一个A*R矩阵,形成一副动目标检测图像,K列总共转换成K个A*R矩阵,共形成K幅动目标检测图像;其中,A为方位单元长度,R为距离单元长度。
步骤103:将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像;
这里,将生成的K个动目标图像沿着通道方向进行幅度叠加,生成一幅动目标幅度增强了的图像;增强动目标幅度后的动目标图像复数矩阵可以用表达式(7)表示:
如此,完成了SAR-GMTI。
本发明实施例所提供的SAR-GMTI实现方法,详细的流程图如图5所示;采用本发明方法,动目标提取结果受到通道间幅度误差和通道间相位误差的影响,产生虚警。虚警个数随着通道间相位误差的变化曲线如图6(a)所示,虚警个数随着通道间幅度误差的变化曲线如图6(b)所示。
当通道间的相位误差为-90°和90°时,虚警个数最多;当相位误差为0°、-180°、180°时,虚警个数最少。这是由于当相位误差为-90°和90°时,通道间的一致性最差,形成的杂波矩阵的低秩性最差,所以虚警个数最多;当相位误差为0°、-180°、180°时,通道间的一致性最好,形成的杂波矩阵的低秩特性最好,所以虚警个数最少。此外,虚警个数随着幅度误差的减小迅速减小。对通道间幅度和相位误差的分析,有助于提高动目标检测概率。
采用杂波抑制类算法时,如STAP、DPCA等方法,经过处理后的图像中仍然包括剩余杂波、动目标和噪声,要想检测动目标分量还需要进行CFAR处理。而采用本发明方法在提取动目标信息中不包含杂波和噪声,无需再进行CFAR处理,因此该方法更利于实时动目标检测。
本发明实施例提供的SAR-GMTI实现装置,如图7所示,包括:矩阵重建模块71、矩阵分离模块72、幅度增强模块73,其中,
所述矩阵重建模块71,用于对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;
这里,可以假定SAR-GMTI系统有K个接收通道,对应生成K副SAR图像,每幅图像中含有杂波、动目标和噪声。首先对K个通道的图像进行自适应误差校正,消除通道间的幅度误差和相位误差。经过误差校正后,各通道间杂波分量的分布可以认为是相同的。动目标在场景中是稀疏分布的,因此,经过通道间杂波相位补偿后,动目标在通道间的相位差仍然是存在的;所述图像数据包括:空域图像数据;
在补偿通道间杂波相位差后,进行矩阵转换,即将每个通道的图像数据拉成组合图像复数矩阵的一列,则所述组合图像复数矩S可以认为是由三部分组成的:低秩的杂波矩阵,稀疏的动目标矩阵和噪声矩阵,可以用表达式(1)表示;其中,SC表示低秩的杂波矩阵,ST表示稀疏的动目标矩阵和SN表示噪声矩阵;
具体的,矩阵转换过程如图2所示:假定每个通道的图像大小为A*R,其中A表示方位单元长度,R表示距离单元长度;将每个通道的图像沿着方位向排成一列,形成一个列向量,该列向量的长度为AR,将该列向量作为新矩阵的一列。对其余通道的图像采用相同的处理,则K个通道图像共形成K个列向量,就构成了一个具有K列的新矩阵,该新矩阵大小为AR*K;在生成的新矩阵中,杂波具有低秩特性,动目标具有稀疏性。
所述矩阵分离模块72,用于提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;
所述矩阵分离模块72,具体用于:
a:将所述组合图像复数矩阵分解成实部矩阵和虚部矩阵;
组合图像复数矩阵的实数矩阵部分和虚数矩阵部分都分别满足低秩和稀疏特性;因此,将上式分成实数矩阵SRE和虚数矩阵SIM,可以用表达式(2)表示;其中,下标RE表示对应分量的实数部分,下标IM表示对应分量的虚数部分。
b:采用APG算法分别从实部矩阵和虚部矩阵中提取稀疏的动目标实部矩阵及动目标虚部矩阵
利用APG算法分别解下面的优化方程,就可提取动目标分量的实部矩阵和虚部矩阵,优化方程可以用表达式(3)和(4)表示;其中,SC_RE表示分解后的杂波实部矩阵,SC_IM表示分解后的杂波虚部矩阵,η表示正的加权系数,δ>0表示原矩阵与矩阵分解后的差,||□||F表示Frobenius范数,||□||1表示一阶范数;提取的动目标实部矩阵为ST_RE,虚部矩阵为ST_IM。
c:将提取的所述动目标实部矩阵和虚部矩阵组成组合动目标图像复数矩阵;
动目标的实部矩阵和虚部矩阵重新组成动目标的复数矩阵ST,可以用表达式(5)表示。
d:将组合动目标图像复数矩阵的各列设置成通道图像矩阵,按列获取对应于各通道的动目标图像复数矩阵;
这里,进行动目标矩阵重构,将组合动目标图像复数矩阵写成通道图像矩阵的形式,可以用表达式(6)表示;其中,各列为各通道对应的动目标图像复数矩阵。
具体的,矩阵重构过程如图4所示。根据矩阵分离理论提取的动目标实部矩阵和虚部矩阵组合形成组合动目标图像复数矩阵后,按照通道回波的形式重新分配,即将提取的组合动目标图像复数矩阵中的每一列转换成一个A*R矩阵,形成一副动目标检测图像,K列总共转换成K个A*R矩阵,共形成K副动目标检测图像;其中,A为方位单元长度,R为距离单元长度。
所述幅度增强模块73,用于将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像;
这里,将生成的K个动目标图像沿着通道方向进行幅度叠加,生成一幅动目标幅度增强了的图像;增强动目标幅度后的动目标图像复数矩阵可以用表达式(7)表示。
如此,完成了SAR-GMTI。
在实际应用中,所述矩阵重建模块71、矩阵分离模块72、幅度增强模块73均可由SAR系统中的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)等实现。
以上所述,仅为本发明的佳实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种合成孔径雷达地面运动目标指示SAR-GMTI实现方法,其特征在于,所述方法包括:
对多通道合成孔径雷达SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;
提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;
将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。
2.根据权利要求1所述的方法,其特征在于,所述提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;包括:
将所述组合图像复数矩阵分解成实部矩阵和虚部矩阵;
采用加速梯度投影APG算法分别从实部矩阵和虚部矩阵中提取稀疏的动目标实部矩阵及动目标虚部矩阵;
将提取的所述动目标实部矩阵和虚部矩阵组成组合动目标图像复数矩阵;
将组合动目标图像复数矩阵的各列设置成通道图像矩阵,按列获取对应于各通道的动目标图像复数矩阵。
3.根据权利要求1或2所述的方法,其特征在于,
所述图像数据包括:空域图像数据;
所述组合图像复数矩阵包括:低秩杂波矩阵、稀疏动目标矩阵和噪声矩阵。
4.一种SAR-GMTI实现装置,其特征在于,所述装置包括:矩阵重建模块、矩阵分离模块、幅度增强模块,其中,
所述矩阵重建模块,用于对多通道SAR图像数据进行自适应配准,并将各通道图像数据分别按方位向设置成列,组成组合图像复数矩阵;
所述矩阵分离模块模块,用于提取所述组合图像复数矩阵中的稀疏矩阵与低秩矩阵,并分离出各通道的动目标图像复数矩阵;
幅度增强模块,用于将获取的所述各动目标图像复数矩阵,沿通道方向叠加,获取幅度增强的图像。
5.根据权利要求4所述的装置,其特征在于,所述矩阵分离模块模块,具体用于:
将所述组合图像复数矩阵分解成实部矩阵和虚部矩阵;
采用APG算法分别从实部矩阵和虚部矩阵中提取稀疏的动目标实部矩阵及动目标虚部矩阵;
将提取的所述动目标实部矩阵和虚部矩阵组成组合动目标图像复数矩阵;
将组合动目标图像复数矩阵的列设置成通道图像矩阵,按所述列获取对应于各通道的动目标图像复数矩阵。
6.根据权利要求4或5所述的装置,其特征在于,
所述图像数据包括:空域图像数据;
所述组合图像复数矩阵包括:低秩杂波矩阵、稀疏动目标矩阵和噪声矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610039149.XA CN105607059A (zh) | 2016-01-20 | 2016-01-20 | 一种合成孔径雷达地面运动目标指示实现方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610039149.XA CN105607059A (zh) | 2016-01-20 | 2016-01-20 | 一种合成孔径雷达地面运动目标指示实现方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105607059A true CN105607059A (zh) | 2016-05-25 |
Family
ID=55987136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610039149.XA Pending CN105607059A (zh) | 2016-01-20 | 2016-01-20 | 一种合成孔径雷达地面运动目标指示实现方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105607059A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678008A (zh) * | 2017-09-07 | 2018-02-09 | 西安电子工程研究所 | 一种复数杂波图恒虚警检测方法 |
CN109446910A (zh) * | 2018-09-17 | 2019-03-08 | 中国人民解放军空军工程大学 | 一种通信辐射源信号分类识别方法 |
CN110109114A (zh) * | 2019-05-09 | 2019-08-09 | 电子科技大学 | 一种扫描雷达超分辨成像检测一体化方法 |
CN110674324A (zh) * | 2019-09-25 | 2020-01-10 | 上海眼控科技股份有限公司 | 雷达数据存储方法、装置、计算机设备和存储介质 |
CN110703248A (zh) * | 2019-10-31 | 2020-01-17 | 中国科学院电子学研究所 | 一种基于低秩和一维稀疏分解的sar-gmti方法 |
CN111610522A (zh) * | 2020-06-04 | 2020-09-01 | 中国人民解放军国防科技大学 | 基于低秩与稀疏联合约束的带微动部件目标sa-isar成像方法 |
CN114581766A (zh) * | 2022-01-19 | 2022-06-03 | 南京航空航天大学 | 一种基于三通道稀疏sar图像数据的目标分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164730A (en) * | 1991-10-28 | 1992-11-17 | Hughes Aircraft Company | Method and apparatus for determining a cross-range scale factor in inverse synthetic aperture radar systems |
EP0654681A1 (en) * | 1993-10-25 | 1995-05-24 | Hughes Aircraft Company | Hyper-precision SAR interferometry using a dual-antenna multi-pass SAR system |
JP2009128288A (ja) * | 2007-11-27 | 2009-06-11 | Mitsubishi Electric Corp | 画像データ処理装置及び画像データ処理方法及びプログラム |
CN102955158A (zh) * | 2012-06-04 | 2013-03-06 | 北京航空航天大学 | 一种提高地面运动目标检测性能的多基线设计方法 |
-
2016
- 2016-01-20 CN CN201610039149.XA patent/CN105607059A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164730A (en) * | 1991-10-28 | 1992-11-17 | Hughes Aircraft Company | Method and apparatus for determining a cross-range scale factor in inverse synthetic aperture radar systems |
EP0654681A1 (en) * | 1993-10-25 | 1995-05-24 | Hughes Aircraft Company | Hyper-precision SAR interferometry using a dual-antenna multi-pass SAR system |
JP2009128288A (ja) * | 2007-11-27 | 2009-06-11 | Mitsubishi Electric Corp | 画像データ処理装置及び画像データ処理方法及びプログラム |
CN102955158A (zh) * | 2012-06-04 | 2013-03-06 | 北京航空航天大学 | 一种提高地面运动目标检测性能的多基线设计方法 |
Non-Patent Citations (1)
Title |
---|
HE YAN等: "Ground Moving Target Extraction in a Multichannel Wide-Area Surveillance SAR/GMTI System via the Relaxed PCP", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678008A (zh) * | 2017-09-07 | 2018-02-09 | 西安电子工程研究所 | 一种复数杂波图恒虚警检测方法 |
CN109446910A (zh) * | 2018-09-17 | 2019-03-08 | 中国人民解放军空军工程大学 | 一种通信辐射源信号分类识别方法 |
CN109446910B (zh) * | 2018-09-17 | 2021-12-07 | 中国人民解放军空军工程大学 | 一种通信辐射源信号分类识别方法 |
CN110109114A (zh) * | 2019-05-09 | 2019-08-09 | 电子科技大学 | 一种扫描雷达超分辨成像检测一体化方法 |
CN110109114B (zh) * | 2019-05-09 | 2020-11-10 | 电子科技大学 | 一种扫描雷达超分辨成像检测一体化方法 |
CN110674324A (zh) * | 2019-09-25 | 2020-01-10 | 上海眼控科技股份有限公司 | 雷达数据存储方法、装置、计算机设备和存储介质 |
CN110703248A (zh) * | 2019-10-31 | 2020-01-17 | 中国科学院电子学研究所 | 一种基于低秩和一维稀疏分解的sar-gmti方法 |
CN111610522A (zh) * | 2020-06-04 | 2020-09-01 | 中国人民解放军国防科技大学 | 基于低秩与稀疏联合约束的带微动部件目标sa-isar成像方法 |
CN114581766A (zh) * | 2022-01-19 | 2022-06-03 | 南京航空航天大学 | 一种基于三通道稀疏sar图像数据的目标分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105607059A (zh) | 一种合成孔径雷达地面运动目标指示实现方法和装置 | |
CN102135618B (zh) | 一种针对空域稀疏sar图像的频域压缩感知方法 | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN103149561B (zh) | 一种基于场景块稀疏的稀疏微波成像方法 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
CN103454624B (zh) | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 | |
CN103969640B (zh) | 双基地mimo雷达目标稀疏成像方法 | |
CN108008386B (zh) | 一种基于单快拍music算法的距离向处理方法 | |
CN103969634B (zh) | 基于全极化属性散射中心模型的目标属性特征提取方法 | |
CN105403864B (zh) | 基于改进斜投影的二维船载高频地波雷达海杂波抑制方法 | |
CN101609151A (zh) | 一种基于单通道合成孔径雷达(sar)图像序列特征值分解的动目标检测方法 | |
CN103901416A (zh) | 一种基于稳健主成分分析法的多通道杂波抑制方法 | |
Chen et al. | Using SVD-FRFT filtering to suppress first-order sea clutter in HFSWR | |
CN103513234B (zh) | 一种基于矩阵恢复的运动目标快速检测方法及系统 | |
Zhan et al. | Recognition and mitigation of micro-Doppler clutter in radar systems via support vector machine | |
CN103217677A (zh) | 一种基于联合检测量的单通道sar动目标检测方法 | |
Chen et al. | Enhanced target detection for HFSWR by 2-D MUSIC based on sparse recovery | |
CN105785333A (zh) | 机载mimo雷达的稳健降维空时自适应处理方法 | |
CN104502885A (zh) | 基于变换矩阵的特征值差分信源数估计方法 | |
Saini et al. | Radio frequency interference pattern detection from Sentinel-1 SAR data using UNet-like convolutional neural network | |
CN111239703A (zh) | 鲁棒主分量分析多帧杂波抑制及稀疏运动目标检测方法 | |
Liu et al. | Real-valued reweighted l 1 norm minimization method based on data reconstruction in MIMO radar | |
CN103149555A (zh) | 结合极化分类和功率分组的自适应动目标检测方法 | |
Mason et al. | Robustness of LRMR based passive radar imaging to phase errors | |
Zhang et al. | Clutter Suppression for Radar via Deep Joint Sparse Recovery Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160525 |
|
RJ01 | Rejection of invention patent application after publication |