CN107728115B - 一种雷达目标成像后基于svm的背景干扰抑制方法 - Google Patents
一种雷达目标成像后基于svm的背景干扰抑制方法 Download PDFInfo
- Publication number
- CN107728115B CN107728115B CN201710811963.3A CN201710811963A CN107728115B CN 107728115 B CN107728115 B CN 107728115B CN 201710811963 A CN201710811963 A CN 201710811963A CN 107728115 B CN107728115 B CN 107728115B
- Authority
- CN
- China
- Prior art keywords
- target
- background interference
- radar
- image
- svm
- 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
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
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
-
- 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
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种雷达目标成像后基于SVM的背景干扰抑制方法,首先对雷达回波信号通过动目标显示(MTI)和去均值的方法进行信号预处理;然后对预处理后的回波数据做二维的傅里叶变换,并得到雷达目标成像后的RD(距离多普勒)图;接着利用生成的RD图作为训练样本和测试样本用于训练SVM分类模型;最后利用生成的SVM分类模型分离出样本图像中的多个目标和背景干扰,实现背景干扰抑制。本发明适用于多种雷达成像场景,能够对有效目标和背景干扰实现有效的分离,在保留目标的同时能够有效地将目标凝聚,同时能够抑制背景干扰,有广泛的应用前景。
Description
技术领域
本发明涉及雷达成像技术领域,特别是雷达目标成像后的多目标背景干扰的抑制方法。
背景技术
雷达成像技术在许多探测系统中都有着重要的应用。例如在穿墙雷达领域,雷达成像可以对密闭建筑物内隐藏目标进行检测、定位和识别,同时对建筑物布局进行成像,在反恐、公安执法、灾难救援等领域具有重大的应用价值。然而,雷达成像时,由于背景噪声、杂波等各种因素的干扰,雷达目标的成像质量将会受到干扰,从而使得后续的目标检测、识别等处理过程受到影响。因此雷达目标成像时的背景干扰抑制有着十分重要的意义。
国内外许多研究机构开展了雷达目标成像背景干扰抑制方法的研究。南京理工大学提出了一种基于隐马尔可夫的背景干扰抑制方法(Q.Y,Tan,Y.L Song.A New Methodfor Multipath Interference Suppression in through-the-wall UWB Radar Imaging[C].International Conference on Advanced Computer Control.2010.),它把多径假目标对方向依赖的特性,采用基于HMM的图像生成算法,提高真实目标和背景假目标的峰值比,从而实现背景干扰的抑制。电子科技大学提出了一种基于子孔径成像的多径背景干扰的抑制方法(Z.X.Li,Y.Jia,et al,“A novel approach of multi-path suppressionbased on sub-aperture imaging in through-wall-radar imaging”, IEEE RadarConference,2013.),它利用多径的位置随着雷达位置的改变而改变这个特性,选取不同位置的子孔径进行成像,最后将这些子孔径图像融合在一起达到多径抑制的目的。
上述方法背景适应性不高,不能完全消除背景干扰的存在,容易出现漏检并且处理流程复杂。因此,研究适用于多种雷达成像场景,能够对有效目标和背景干扰实现有效的分离的背景干扰抑制方法在雷达目标成像领域具有重要的价值。
发明内容
本发明提供一种适用于雷达目标成像的多目标背景干扰抑制方法,首先对雷达回波信号通过动目标显示(MTI)和去均值的方法进行信号预处理;然后对预处理后的回波数据做二维的傅里叶变换,并得到雷达目标成像后的RD(距离多普勒)图;接着按照前两步 的方法生成大量RD图作为训练样本和测试样本用于训练SVM(支持向量机)分类模型;最后利用生成的 SVM分类模型分离出样本图像中的多个目标和背景干扰,实现背景干扰抑制。
本发明技术方案如下:
一种雷达目标成像后基于SVM的多目标背景干扰抑制方法,该方法包括:
步骤1:雷达信号预处理
首先对雷达接收机接收到的回波矩阵A,A∈N×L维,N为回波信号一次成像时所处理的回波数,L为每个回波信号的采样点数,在慢时间上按行进行去均值处理和MTI滤波,得到去除了零频杂波的距离-脉冲域矩阵D;
步骤2:生成距离多普勒图
将上述得到的距离-脉冲域矩阵D在距离维上按行加窗处理,并且做二倍插值傅里叶变换,使每个周期的回波信号压缩成时域辛格(sinc)脉冲信号,得到带有目标的距离信息的sinc波形;采用相同得方法将N个扫频周期进行计算得到的N个信号组合在一起,得到探测目标对应的距离-脉冲域矩阵Z;再将Z在多普勒维按列加窗处理并进行二倍插值FFT,得到对应的距离-多普勒矩阵V∈2N×2L;对距离-多普勒矩阵V进行成像处理得到目标对应的距离-多普勒图;
步骤3:SVM模型训练及预测
将步骤2中的RD图以jpg格式存储,读取RD图并保存图像数据为三维矩阵P, P∈2N×2L×3,其中3对应像素点的RGB值,分别选取图像中的k个目标和l个背景干扰样本点对应的RGB值从而确定训练集;利用上述选取的样本点作为训练样本,将背景干扰对应样本点的标签设置为0,目标对应样本点的标签设置为1;采用一次多项式核函数建立支持向量机,输入训练样本和相应的样本标签进行SVM模型训练;将图像数据三维矩阵P转换成二维矩阵P2,P2∈2N×2L×3,其中2N×2L对应图像中的所有像素点的个数,将P2作为测试数据集输入到训练好的SVM模型中进行预测,读取预测后的分类标签向量F∈2N×2L×1,根据每个像素点的分类标签,对三维矩阵P中的所有像素点进行分类,将分类标签为0的所有像素点的RGB值置0,从而实现背景干扰的抑制,对有效目标和背景干扰实现有效的分离。
进一步的,所述SVM模型为:
其中,sgn表示符号函数,将分类器的计算结果转化至区间[0,1],i表示第i个输入样本,其中i=1,2,...,n;b为偏置项,Wi表示第i个支持向量样本所占的权重,K x,xi为多项式核函数,其表达式为:
K x,xi=γxTxi+rp
其中,γ和r分别表示核函数的权重系数和偏置量,p为阶数;在SVM模型训练过程中,将训练样本输入后,SVM模型对应的参数分别为:Wi初始值为1;偏置项b初始值为0;核函数权重系数γ初始值为0.5;r初始值为0;阶数p=1,SVM工具箱自动检测出支持向量及其个数,并自动校正偏置项和权重因子,从而得到训练后的SVM模型。
本发明的有益效果是:
本发明提出了一种适用于雷达目标成像的多目标背景干扰抑制方法,该方法能够有效识别雷达图像中的真实目标和背景干扰,在抑制背景干扰的同时不会造成真实目标的丢失。相比于技术背景中提到的背景抑制方法,本发明能够防止正常信噪比条件下目标的丢失,形成高质量的雷达图像,适用于多种雷达成像场景,能够对有效目标和背景干扰实现有效的分离,在保留目标的同时能够有效地将目标凝聚,同时能够抑制背景干扰,有广泛的应用前景。
附图说明
图1为多目标背景抑制方法处理流程图。
图2为室内实测数据场景示意图。
图3为目标实际位置示意图。
图4为原始的多目标成像RD图。
图5为SVM处理后的多目标成像RD图。
具体实施方式
下面根据一个MATLAB实测数据例子给出本发明的具体实施方式。
对多个运动目标的雷达成像和背景干扰抑制,其室内实测数据场景示意图如图2所示,坐标系零点位于发射天线位置,4个接收天线沿x轴等间隔放置,相邻两个接收天线之间的水平间隔为半波长d=λ/2,雷达的发射信号为中心频率24GHz、带宽500MHz的线性调频信号,信号时宽为300us。实验中,三个人体目标分别位于不同的位置,实际位置示意图如图3所示。
根据本发明的处理步骤:
步骤1:雷达信号预处理
首先对雷达接收机接收到的回波矩阵A(A∈N×L维,N为回波信号一次成像时所处理的回波数N=128,L为每个回波信号的采样点数L=128)在慢时间上(按行)进行去均值处理和MTI滤波,得到去除了静止背景等零频杂波的距离-脉冲域矩阵D。
步骤2:RD图生成
将上述得到的距离-脉冲域矩阵D在距离维上(按行)加窗处理,并且做二倍插值FFT(傅里叶变换),使每个周期的回波信号压缩成sinc时域脉冲信号,sinc带有了目标的距离信息;再将N=128个扫频周期上进行的上述操作得到的N=128个sinc信号组合在一起,得到探测目标对应的距离-脉冲域矩阵Z;再将Z在多普勒维(按列)加窗处理并进二倍插值FFT,得到对应的距离-多普勒矩阵V∈256×256;对距离-多普勒矩阵V进行成像处理得到目标对应的距离-多普勒图(RD图),原始多目标成像RD图如图4所示。
步骤3:SVM模型训练及预测
将步骤2中的RD图存成jpg格式用于后续调用。读取RD图并保存图像数据为三维矩阵P (P∈2N×2L×3,其中3对应像素点的RGB值)后,分别选取图像中的k=10个目标和l=6个背景干扰样本点对应的RGB值从而确定训练集;利用上述选取的样本点作为训练样本,将背景干扰对应样本点的标签设置为0,目标对应样本点的标签设置为1。采用一次多项式核函数建立支持向量机,输入训练样本和相应的样本标签进行SVM模型训练;将图像数据三维矩阵 P转换成二维矩阵P2(P2∈2N×2L×3,其中2N×2L对应图像中的所有像素点的个数)后,将P2作为测试数据集输入到训练好的SVM模型中进行预测,读取预测后的分类标签向量F∈2N×2L×1,根据每个像素点的分类标签,对三维矩阵P中的所有像素点进行分类,将分类标签为0的所有像素点的RGB值置0,从而实现背景干扰的抑制,并且对有效目标和背景干扰实现有效的分离。SVM处理后的多目标成像RD图如图5所示。
由上述实测结果可知,本发明提供的适用于雷达目标成像的多目标背景干扰抑制方法不仅能够有效剔除背景干扰,而且不会造成目标的丢失,验证了本发明的正确性和有效性。
Claims (2)
1.一种雷达目标成像后基于SVM的多目标背景干扰抑制方法,该方法包括:
步骤1:雷达信号预处理
首先对雷达接收机接收到的回波矩阵A,A∈N×L维,N为回波信号一次成像时所处理的回波数,L为每个回波信号的采样点数,在慢时间上按行进行去均值处理和MTI滤波,得到去除了零频杂波的距离-脉冲域矩阵D;
步骤2:生成距离多普勒图
将上述得到的距离-脉冲域矩阵D在距离维上按行加窗处理,并且做二倍插值傅里叶变换,使每个周期的回波信号压缩成时域辛格(sinc)脉冲信号,得到带有目标的距离信息的sinc波形;采用相同得方法将N个扫频周期进行计算得到的N个信号组合在一起,得到探测目标对应的距离-脉冲域矩阵Z;再将Z在多普勒维按列加窗处理并进行二倍插值FFT,得到对应的距离-多普勒矩阵V∈2N×2L;对距离-多普勒矩阵V进行成像处理得到目标对应的距离-多普勒图;
步骤3:SVM模型训练及预测
将步骤2中的RD图以jpg格式存储,读取RD图并保存图像数据为三维矩阵P,P∈2N×2L×3,其中3对应像素点的RGB值,分别选取图像中的k个目标和l个背景干扰样本点对应的RGB值从而确定训练集;利用上述选取的样本点作为训练样本,将背景干扰对应样本点的标签设置为0,目标对应样本点的标签设置为1;采用一次多项式核函数建立支持向量机,输入训练样本和相应的样本标签进行SVM模型训练;将图像数据三维矩阵P转换成二维矩阵P2,P2∈2N×2L×3,其中2N×2L对应图像中的所有像素点的个数,将P2作为测试数据集输入到训练好的SVM模型中进行预测,读取预测后的分类标签向量F∈2N×2L×1,根据每个像素点的分类标签,对三维矩阵P中的所有像素点进行分类,将分类标签为0的所有像素点的RGB值置0,从而实现背景干扰的抑制,对有效目标和背景干扰实现有效的分离。
2.如权利要求1所述的一种雷达目标成像后基于SVM的多目标背景干扰抑制方法,其特征在于所述步骤3中的SVM模型为:
其中,sgn表示符号函数,将分类器的计算结果转化至区间[0,1],i表示第i个输入样本,其中i=1,2,...,n;b为偏置项,Wi表示第i个支持向量样本所占的权重,K x,xi为多项式核函数,其表达式为:
K x,xi=γxTxi+rp
其中,γ和r分别表示核函数的权重系数和偏置量,p为阶数;在SVM模型训练过程中,将训练样本输入后,SVM模型对应的参数分别为:Wi初始值为1;偏置项b初始值为0;核函数权重系数γ初始值为0.5;r初始值为0;阶数p=1,SVM工具箱自动检测出支持向量及其个数,并自动校正偏置项和权重因子,从而得到训练后的SVM模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811963.3A CN107728115B (zh) | 2017-09-11 | 2017-09-11 | 一种雷达目标成像后基于svm的背景干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811963.3A CN107728115B (zh) | 2017-09-11 | 2017-09-11 | 一种雷达目标成像后基于svm的背景干扰抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107728115A CN107728115A (zh) | 2018-02-23 |
CN107728115B true CN107728115B (zh) | 2020-08-11 |
Family
ID=61206008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710811963.3A Active CN107728115B (zh) | 2017-09-11 | 2017-09-11 | 一种雷达目标成像后基于svm的背景干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107728115B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554367B (zh) * | 2018-06-04 | 2023-06-06 | 重庆测威科技有限公司 | 一种基于压缩感知的目标散射特性测量干扰去除方法 |
CN108646319B (zh) * | 2018-08-09 | 2021-11-09 | 深圳市雅码科技有限公司 | 一种短时强降雨预报方法及系统 |
CN109254271B (zh) * | 2018-08-30 | 2021-05-04 | 安徽四创电子股份有限公司 | 一种用于地面监视雷达系统的静止目标抑制方法 |
CN110956604B (zh) * | 2018-09-27 | 2022-12-16 | 上海蔚来汽车有限公司 | 一种用于对粘接胶的有效粘接面积进行统计的方法和系统 |
CN110515075B (zh) * | 2019-04-08 | 2021-07-06 | 电子科技大学 | 一种扫描雷达目标检测方法 |
CN110058233B (zh) * | 2019-04-28 | 2021-09-14 | 电子科技大学 | 一种多基地合成孔径雷达系统的抗欺骗性干扰方法 |
CN110174650B (zh) * | 2019-05-08 | 2022-11-18 | 河海大学 | 基于两维联合插值的气象雷达风电场杂波抑制方法 |
CN110188628A (zh) * | 2019-05-13 | 2019-08-30 | 北京遥感设备研究所 | 一种基于深度学习模型的rd图像舰船目标识别方法 |
CN110501696B (zh) * | 2019-06-28 | 2022-05-31 | 电子科技大学 | 一种基于多普勒量测自适应处理的雷达目标跟踪方法 |
CN110361722B (zh) * | 2019-07-17 | 2023-03-31 | 四川川大智胜软件股份有限公司 | 一种多雷达信号融合方法及系统 |
CN110780016A (zh) * | 2019-10-29 | 2020-02-11 | 五邑大学 | 一种针对三维图谱保留时间漂移校正方法、装置 |
CN111157962A (zh) * | 2020-01-15 | 2020-05-15 | 东方红卫星移动通信有限公司 | 一种oth雷达图像粗糙度的干扰抑制自适应优化方法 |
CN113219417B (zh) * | 2020-10-21 | 2022-09-20 | 中国人民解放军空军预警学院 | 一种基于支持向量机的机载雷达干扰类型识别方法 |
CN113408538A (zh) * | 2021-07-12 | 2021-09-17 | 安徽耀峰雷达科技有限公司 | 基于svm的雷达rd图像弱目标检测方法、系统、存储介质和电子终端 |
CN114821151A (zh) * | 2022-03-23 | 2022-07-29 | 苏州英特模汽车科技有限公司 | 烟雾检测模型的训练方法、烟雾检测设备及系统 |
CN114492676B (zh) * | 2022-04-06 | 2023-04-07 | 南京慧尔视智能科技有限公司 | 一种目标检测模型的构建方法、装置和电子设备 |
CN116577738B (zh) * | 2023-07-12 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达同频抗干扰方法、装置、雷达设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6292592B1 (en) * | 1998-10-19 | 2001-09-18 | Raytheon Company | Efficient multi-resolution space-time adaptive processor |
EP1303767B1 (en) * | 2000-07-24 | 2006-12-13 | QinetiQ Limited | Method and apparatus for recognising a radar target |
CN101135729A (zh) * | 2007-09-04 | 2008-03-05 | 西安电子科技大学 | 基于支撑矢量机的合成孔径雷达遮挡目标识别方法 |
WO2008066217A1 (en) * | 2006-11-30 | 2008-06-05 | Firstec Co., Ltd. | Face recognition method by image enhancement |
CN101464956A (zh) * | 2009-01-21 | 2009-06-24 | 电子科技大学 | 一种基于子孔径分析的极化合成孔径雷达图像分类方法 |
CN101571594A (zh) * | 2009-06-11 | 2009-11-04 | 西安电子科技大学 | 基于曲线波变换的sar目标识别方法 |
CN102721952A (zh) * | 2012-05-16 | 2012-10-10 | 西安电子科技大学 | 基于超分辨多普勒谱的地面运动目标稳健分类方法 |
JP2013007578A (ja) * | 2011-06-22 | 2013-01-10 | Nec Corp | 信号検出装置、信号検出方法及び信号検出プログラム |
CN104459679A (zh) * | 2014-12-01 | 2015-03-25 | 西安电子工程研究所 | 方位旋转扫描体制监视雷达的目标中带高分辨处理系统 |
CN104793194A (zh) * | 2015-04-21 | 2015-07-22 | 电子科技大学 | 基于改进的自适应多脉冲压缩的距离-多普勒估计方法 |
CN106054189A (zh) * | 2016-07-17 | 2016-10-26 | 西安电子科技大学 | 基于dpKMMDP模型的雷达目标识别方法 |
CN106228201A (zh) * | 2016-06-20 | 2016-12-14 | 电子科技大学 | 一种基于阴影特性的合成孔径雷达抗欺骗式干扰方法 |
CN106707258A (zh) * | 2017-03-03 | 2017-05-24 | 电子科技大学 | 一种非高斯背景下微动目标多参数估计方法 |
CN107064894A (zh) * | 2017-01-11 | 2017-08-18 | 南京御达电信息技术有限公司 | 一种基于深度学习的杂波抑制方法 |
-
2017
- 2017-09-11 CN CN201710811963.3A patent/CN107728115B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6292592B1 (en) * | 1998-10-19 | 2001-09-18 | Raytheon Company | Efficient multi-resolution space-time adaptive processor |
EP1303767B1 (en) * | 2000-07-24 | 2006-12-13 | QinetiQ Limited | Method and apparatus for recognising a radar target |
WO2008066217A1 (en) * | 2006-11-30 | 2008-06-05 | Firstec Co., Ltd. | Face recognition method by image enhancement |
CN101135729A (zh) * | 2007-09-04 | 2008-03-05 | 西安电子科技大学 | 基于支撑矢量机的合成孔径雷达遮挡目标识别方法 |
CN101464956A (zh) * | 2009-01-21 | 2009-06-24 | 电子科技大学 | 一种基于子孔径分析的极化合成孔径雷达图像分类方法 |
CN101571594A (zh) * | 2009-06-11 | 2009-11-04 | 西安电子科技大学 | 基于曲线波变换的sar目标识别方法 |
JP2013007578A (ja) * | 2011-06-22 | 2013-01-10 | Nec Corp | 信号検出装置、信号検出方法及び信号検出プログラム |
CN102721952A (zh) * | 2012-05-16 | 2012-10-10 | 西安电子科技大学 | 基于超分辨多普勒谱的地面运动目标稳健分类方法 |
CN104459679A (zh) * | 2014-12-01 | 2015-03-25 | 西安电子工程研究所 | 方位旋转扫描体制监视雷达的目标中带高分辨处理系统 |
CN104793194A (zh) * | 2015-04-21 | 2015-07-22 | 电子科技大学 | 基于改进的自适应多脉冲压缩的距离-多普勒估计方法 |
CN106228201A (zh) * | 2016-06-20 | 2016-12-14 | 电子科技大学 | 一种基于阴影特性的合成孔径雷达抗欺骗式干扰方法 |
CN106054189A (zh) * | 2016-07-17 | 2016-10-26 | 西安电子科技大学 | 基于dpKMMDP模型的雷达目标识别方法 |
CN107064894A (zh) * | 2017-01-11 | 2017-08-18 | 南京御达电信息技术有限公司 | 一种基于深度学习的杂波抑制方法 |
CN106707258A (zh) * | 2017-03-03 | 2017-05-24 | 电子科技大学 | 一种非高斯背景下微动目标多参数估计方法 |
Non-Patent Citations (5)
Title |
---|
A Location and Tracking Method for Indoor and Outdoor Target via Multi-Channel Phase;Dingding Xiong 等;《20th International Conference on Information Fusion》;20170610;第1-6页 * |
Insulator Identification from Aerial Images Using Support Vector Machine with Background Suppression;Xian Wang 等;《2016 International Conference on Unmanned Aircraft Systems (ICUAS)》;20160607;第892-897页 * |
一种有效的穿墙雷达成像杂波抑制算法;赵中兴 等;《雷达科学与技术》;20140228;第12卷(第1期);第51-57页 * |
基于互相关熵的非高斯背景下微动参数估计方法;熊丁丁 等;《雷达学报》;20170417;第6卷(第3期);第300-308页 * |
高分辨率SAR图像目标识别关键技术;李翠华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;第1-82页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107728115A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728115B (zh) | 一种雷达目标成像后基于svm的背景干扰抑制方法 | |
Al-Nuaimy et al. | Automatic detection of buried utilities and solid objects with GPR using neural networks and pattern recognition | |
US6943724B1 (en) | Identification and tracking of moving objects in detected synthetic aperture imagery | |
CN110568434B (zh) | 一种多通道匀加速sar动目标二维速度估计方法 | |
CN110187342B (zh) | 一种基于fmcw移动平台的生命体征检测与成像方法 | |
CN108020834B (zh) | 基于改进edpca的运动目标检测方法、装置及电子设备 | |
CN111796272A (zh) | 穿墙雷达人体图像序列的姿态实时识别方法及计算机设备 | |
CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
CN112068125B (zh) | 一种六维探地雷达系统 | |
Sakamoto et al. | Revised range point migration method for rapid 3-D imaging with UWB radar | |
CN114265065A (zh) | 一种融合多极化图像的多通道sar动目标检测方法 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
Ginolhac et al. | Spatio-temporal adaptive detector in non-homogeneous and low-rank clutter | |
WO2005052630A2 (en) | Doppler polarimetric detection and classification methods | |
CN106908782A (zh) | 基于水面状态连续成像系统的波浪传播方向的提取方法 | |
Sakamoto et al. | Fast range point migration method for weapon detection using ultra-wideband radar | |
Malz et al. | Polarimetric ultrawideband radar—principles and applications | |
CN112034454A (zh) | 一种基于mimo雷达的桥梁自振振型获取方法 | |
Hong et al. | Single-channel UWB SAR ground moving targets detection method using change detection based on single-pass sub-aperture images | |
Zhu et al. | Compressive sensing for super-resolving SAR imaging to support target detection in coastal zone | |
CN116125466B (zh) | 船舶人员隐藏威胁性物品携带检测方法、装置及电子设备 | |
Li et al. | Human target tracking for small aperture through-wall imaging radar | |
Zhang et al. | Target detection in sar images based on sub-aperture coherence and phase congruency | |
Wang et al. | Interference Mitigation for Automotive FMCW Radar Based on Contrastive Learning With Dilated Convolution | |
Yang et al. | Unsupervised target detection in SAR images using scattering center model and mean shift clustering algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |