CN108802725A - 一种浅层穿透雷达合成孔径成像方法 - Google Patents
一种浅层穿透雷达合成孔径成像方法 Download PDFInfo
- Publication number
- CN108802725A CN108802725A CN201710287790.XA CN201710287790A CN108802725A CN 108802725 A CN108802725 A CN 108802725A CN 201710287790 A CN201710287790 A CN 201710287790A CN 108802725 A CN108802725 A CN 108802725A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- radar
- variance
- point
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 41
- 230000000149 penetrating effect Effects 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 26
- 230000035515 penetration Effects 0.000 claims description 16
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 229960001948 caffeine Drugs 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
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
- G01S13/9004—SAR image acquisition 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
- G01S13/88—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
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
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
本发明公开了一种浅层穿透雷达合成孔径成像方法。该方法为:首先对雷达接收到的回波信号进行杂波去除,求取去除杂波后的雷达回波;然后设定目标、背景聚类中心,按列依次求回波数据的方差并进行归一化处理,将处理好的归一化方差聚类,根据经验阈值将背景信号置零,提取目标信号;遍历所有成像点,完成整个成像过程;最后将得到的信号进行合成孔径加权求和,完成图像的重建。本发明减少了合成孔径运算量,提高了运算速度,并保持了原有的高分辨成像。
Description
技术领域
本发明涉及雷达成像技术领域,具体是一种浅层穿透雷达合成孔径成像方法。
背景技术
浅层穿透雷达是利用电磁波对表层下目标定位、检测和识别的设备,近年来在民用和军事领域应用十分广泛。针对不同应用需求,穿透雷达拥有不同的结构、体制及处理方法,主要有探地雷达、钻孔雷达、穿墙探测雷达、全息穿透雷达、地雷检测雷达等。在穿透雷达诸多信号处理技术中,穿透成像处理可以有效地提高分辨率、降低数据解译难度,并为目标识别、分类等处理提供基础。
基于上述优点,自上世纪80年代穿透成像的研究已经起始,90年代中期之后逐渐成为热点,在成像理论方法上不断有新的创新成果。但就成像处理而言,穿透成像依然面临不小的挑战,这主要基于:(1)穿透雷达穿透的介质非常复杂,一般是不可光学透视的固态物质;(2)穿透雷达工作在浅表层,不能依靠已有的远场雷达信号处理理论;(3)穿透雷达属于低频超宽带系统,目前尚难以建立有效的超宽带电磁反射信号模型。因此,浅层穿透雷达成像问题仍然面临着不小的挑战。
在地下目标成像技术的发展过程中,由于合成孔径成像方法具有强聚焦能力、可以很好地反应地下目标的真实尺寸和位置的优点,已经成为穿透成像雷达领域重点研究的成像方法。在整个成像过程中,由于穿透雷达在地面某一起始点沿x(或y)方向水平移动,在该方向不同的位置采集数据,得到呈双曲线分布v=(xr,t)数据集,整个成像区域中目标区域所占总区域的比例通常小于2%。对于回波数据的各行,有目标回波存在的行中数据差别较大,无目标回波存在的行差别较小,造成待处理的数据较冗杂,成像速度慢。
发明内容
本发明的目的在于提供一种能够实现快速合成孔径成像,并保持原来高成像分辨率的浅层穿透雷达合成孔径成像方法。
实现本发明目的的技术解决方案为:一种浅层穿透雷达合成孔径成像方法,包括以下步骤:
步骤1、采用探地雷达进行沿线扫描,得到雷达记录的剖面数据;
步骤2、对雷达得到的剖面数据进行去除杂波处理,得到处理后的数据;
步骤3、对去除杂波处理后的剖面数据计算方差,并进行方差归一化处理;
步骤4、设定目标、背景聚类中心,将归一化后的方差进行聚类,根据经验阈值将聚类后的背景信号置零,提取目标信号;
步骤5、将得到的信号进行合成孔径加权求和,完成图像的重建。
进一步地,步骤1所述的采用探地雷达进行沿线扫描,得到雷达记录的剖面数据,具体如下:
设定天线的位置为Xr=(xr,yr,0),Xr位置接收到的回波信号为m=(xr,t),接收点有n处,记为接收点集{Xr};接收到的信号为{m=(xr,t)};X=(x,y,0)是目标表面的点,天线和目标成像点的距离L为:设定目标的表面的一个反射点为S,发射波的入射方向与目标表面入射点的法线方向的夹角为θ,反射点到地面的垂直距离为d,目标表面的一个反射点S的复幅度反射为P(X);目标表面上的法线方向与记录孔径垂直的点,记为X=(x,y,z),点X的法线方向与入射方向的余弦为:
则由球面波在有损耗介质中的传播特征和菲涅尔基尔霍夫的衍射理论得:
其中,v是电磁波在介质中的波速,u'(t)是发射波形u(t)的一阶时间偏导数。
进一步地,步骤2所述的对雷达得到的回波数据进行去除杂波处理,得到处理后的数据,具体如下:
用均值法将得到的回波数据作去除杂波处理,数学表达式为:
其中,M,N分别为数据的总行数与总列数,Xi为雷达回波数据,为经过杂波处理后的数据。
进一步地,步骤3所述的对去除杂波处理后的回波数据计算方差,并进行方差归一化处理,具体如下:
对去除杂波后的回波数据计算每行数据的方差vari:
其中,是回波经过杂波处理后得到的值,是经过杂波处理后回波的期望值;
并将各行数据的方差作归一化处理:
其中max(var1,var2,...,varM)表示取所有M个方差中最大的一个,var normi为第i行数据的归一化方差。
进一步地,步骤4所述的设定目标、背景聚类中心,将归一化后的方差进行聚类,具体如下:
遍历并比较整个回波数据的归一化方差,将散布最大的点作为初始目标中心点,待聚类类别为目标和背景两类,根据经验设定聚类阈值Th为0.02,得到聚类结果,将背景置零,提取目标信号m1(Xr,t)。
进一步地,步骤5所述的将得到的信号进行合成孔径加权求和,完成图像的重建,公式如下:
其中,B(X)为图像重构函数,m1(Xr,t)为分割背景后的目标信号,是距离分辨力函数,与成像雷达相关。
本发明与现有技术相比,其显著优点为:(1)通过判断出目标回波在行与列上的分布,可以确定目标回波在整个数据集中的分布区域,用该区域数据参与合成孔径成像运算,则能够排除非目标回波数据对合成孔径成像的影响;(2)有效地减少合成孔径运算量,提高了运算速度,并保持了原有的高分辨成像。
附图说明
图1为本发明浅层穿透雷达合成孔径成像方法的流程图。
图2为本发明中浅层穿透雷达探测的简单示意图。
具体实施方式
结合图1~2,本发明浅层穿透雷达合成孔径成像方法,包括以下步骤:
步骤1、采用探地雷达进行沿线扫描,得到雷达记录的剖面数据;
步骤2、对雷达得到的剖面数据进行去除杂波处理,得到处理后的数据;
步骤3、对去除杂波处理后的剖面数据计算方差,并进行方差归一化处理;
步骤4、设定目标、背景聚类中心,将归一化后的方差进行聚类,根据经验阈值将聚类后的背景信号置零,提取目标信号;
步骤5、将得到的信号进行合成孔径加权求和,完成图像的重建。
进一步地,步骤1所述的采用探地雷达进行沿线扫描,得到雷达记录的剖面数据,具体如下:
设定天线的位置为Xr=(xr,yr,0),Xr位置接收到的回波信号为m=(xr,t),接收点有n处,记为接收点集{Xr};接收到的信号为{m=(xr,t)};X=(x,y,0)是目标表面的点,天线和目标成像点的距离L为:设定目标的表面的一个反射点为S,发射波的入射方向与目标表面入射点的法线方向的夹角为θ,反射点到地面的垂直距离为d,目标表面的一个反射点S的复幅度反射为P(X);目标表面上的法线方向与记录孔径垂直的点,记为X=(x,y,z),点X的法线方向与入射方向的余弦为:
则由球面波在有损耗介质中的传播特征和菲涅尔基尔霍夫的衍射理论得:
其中,v是电磁波在介质中的波速,u'(t)是发射波形u(t)的一阶时间偏导数。
进一步地,步骤2所述的对雷达得到的回波数据进行去除杂波处理,得到处理后的数据,具体如下:
用均值法将得到的回波数据作去除杂波处理,数学表达式为:
其中,M,N分别为数据的总行数与总列数,Xi为雷达回波数据,为经过杂波处理后的数据。
进一步地,步骤3所述的对去除杂波处理后的回波数据计算方差,并进行方差归一化处理,具体如下:
对去除杂波后的回波数据计算每行数据的方差vari:
其中,是回波经过杂波处理后得到的值,是经过杂波处理后回波的期望值;
并将各行数据的方差作归一化处理:
其中max(var1,var2,...,varM)表示取所有M个方差中最大的一个,var normi为第i行数据的归一化方差。
进一步地,步骤4所述的设定目标、背景聚类中心,将归一化后的方差进行聚类,具体如下:
遍历并比较整个回波数据的归一化方差,将散布最大的点作为初始目标中心点,待聚类类别为目标和背景两类,根据经验设定聚类阈值Th为0.02,得到聚类结果,将背景置零,提取目标信号m1(Xr,t)。
进一步地,步骤5所述的将得到的信号进行合成孔径加权求和,完成图像的重建,公式如下:
其中,B(X)为图像重构函数,m1(Xr,t)为分割背景后的目标信号,是距离分辨力函数,与成像雷达相关。
下面将结合具体实施例对本发明做进一步阐述。
实施例1
结合图1~2,浅层穿透雷达的工作方式是:发射天线和接收天线水平放置,沿着水平方向移动进行工作,当收发天线共置时,把天线的位置定为Xr=(xr,yr,0),在Xr位置接收到的回波信号记为v=(xr,t),这样的接收点有n处记为接收点集{Xr},这些点集接收到的信号记为{v=(xr,t)};由球面波在有损耗介质中的传播特征和菲涅尔和基尔霍夫的衍射理论可以得到:
其中v是电磁波在介质中的波速。X=(x,y,0)是目标表面的点,天线和目标成像点的距离L如下所示:
那么这个点的法线方向与入射方向的余弦为:
则:
通过判断出目标回波在行与列上的分布,确定目标回波在整个数据集中的分布区域,利用有目标回波存在的行中的数据差别较大,无目标回波存在的行中数据差别较小这一特点,计算回波数据中每列数据的方差。遍历整个回波数据的方差,将散布较大的点作为初始目标中心点,进行目标与背景区域聚类,聚类后的数据集具有类内对象有高度相关性,类间对象差别较大的特点。将聚类后得到的背景数据置零,即可有效提取出目标数据,实现回波信号中的目标与背景的分割。最后将得到的目标回波数据集进行合成孔径加权求和,即可得到最后的成像结果:
本发明有效地减少合成孔径运算量,提高了运算速度,并保持了原有的高分辨成像。
Claims (6)
1.一种浅层穿透雷达合成孔径成像方法,其特征在于,包括以下步骤:
步骤1、采用探地雷达进行沿线扫描,得到雷达记录的剖面数据;
步骤2、对雷达得到的剖面数据进行去除杂波处理,得到处理后的数据;
步骤3、对去除杂波处理后的剖面数据计算方差,并进行方差归一化处理;
步骤4、设定目标、背景聚类中心,将归一化后的方差进行聚类,根据经验阈值将聚类后的背景信号置零,提取目标信号;
步骤5、将得到的信号进行合成孔径加权求和,完成图像的重建。
2.根据权利要求1所述的浅层穿透雷达合成孔径成像方法,其特征在于,步骤1所述的采用探地雷达进行沿线扫描,得到雷达记录的剖面数据,具体如下:
设定天线的位置为Xr=(xr,yr,0),Xr位置接收到的回波信号为m=(xr,t),接收点有n处,记为接收点集{Xr};接收到的信号为{m=(xr,t)};X=(x,y,0)是目标表面的点,天线和目标成像点的距离L为:设定目标的表面的一个反射点为S,发射波的入射方向与目标表面入射点的法线方向的夹角为θ,反射点到地面的垂直距离为d,目标表面的一个反射点S的复幅度反射为P(X);目标表面上的法线方向与记录孔径垂直的点,记为X=(x,y,z),点X的法线方向与入射方向的余弦为:
则由球面波在有损耗介质中的传播特征和菲涅尔基尔霍夫的衍射理论得:
其中,v是电磁波在介质中的波速,u'(t)是发射波形u(t)的一阶时间偏导数。
3.根据权利要求1所述的浅层穿透雷达合成孔径成像方法,其特征在于,步骤2所述的对雷达得到的回波数据进行去除杂波处理,得到处理后的数据,具体如下:
用均值法将得到的回波数据作去除杂波处理,数学表达式为:
其中,M,N分别为数据的总行数与总列数,Xi为雷达回波数据,为经过杂波处理后的数据。
4.根据权利要求1所述的浅层穿透雷达合成孔径成像方法,其特征在于,步骤3所述的对去除杂波处理后的回波数据计算方差,并进行方差归一化处理,具体如下:
对去除杂波后的回波数据计算每行数据的方差vari:
其中,是回波经过杂波处理后得到的值,是经过杂波处理后回波的期望值;
并将各行数据的方差作归一化处理:
其中max(var1,var2,...,varM)表示取所有M个方差中最大的一个,var normi为第i行数据的归一化方差。
5.根据权利要求1所述的浅层穿透雷达合成孔径成像方法,其特征在于,步骤4所述的设定目标、背景聚类中心,将归一化后的方差进行聚类,具体如下:
遍历并比较整个回波数据的归一化方差,将散布最大的点作为初始目标中心点,待聚类类别为目标和背景两类,根据经验设定聚类阈值Th为0.02,得到聚类结果,将背景置零,提取目标信号m1(Xr,t)。
6.根据权利要求1所述的浅层穿透雷达合成孔径成像方法,其特征在于,步骤5所述的将得到的信号进行合成孔径加权求和,完成图像的重建,公式如下:
其中,B(X)为图像重构函数,m1(Xr,t)为分割背景后的目标信号,是距离分辨力函数,与成像雷达相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710287790.XA CN108802725A (zh) | 2017-04-27 | 2017-04-27 | 一种浅层穿透雷达合成孔径成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710287790.XA CN108802725A (zh) | 2017-04-27 | 2017-04-27 | 一种浅层穿透雷达合成孔径成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108802725A true CN108802725A (zh) | 2018-11-13 |
Family
ID=64069088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710287790.XA Pending CN108802725A (zh) | 2017-04-27 | 2017-04-27 | 一种浅层穿透雷达合成孔径成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108802725A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109298422A (zh) * | 2018-11-14 | 2019-02-01 | 湖南华诺星空电子技术有限公司 | 一种用于穿墙雷达的合成孔径成像优化处理方法、装置 |
CN109471097A (zh) * | 2018-11-14 | 2019-03-15 | 湖南华诺星空电子技术有限公司 | 一种穿墙雷达信号优化处理方法及装置 |
CN109581373A (zh) * | 2018-12-17 | 2019-04-05 | 中国人民解放军国防科技大学 | 一种全息穿透成像雷达的自聚焦成像方法 |
CN110647788A (zh) * | 2018-12-28 | 2020-01-03 | 南京华曼吉特信息技术研究院有限公司 | 一种基于微多普勒特征的人类日常行为分类方法 |
CN112597820A (zh) * | 2020-12-10 | 2021-04-02 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号分选的目标聚类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630885A (zh) * | 2013-11-07 | 2014-03-12 | 北京环境特性研究所 | 合成孔径雷达的目标识别方法和系统 |
CN104020495A (zh) * | 2014-06-24 | 2014-09-03 | 中国矿业大学(北京) | 一种基于探地雷达的地下管线参数自识别方法 |
CN105005042A (zh) * | 2015-07-27 | 2015-10-28 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
CN105913074A (zh) * | 2016-04-05 | 2016-08-31 | 西安电子科技大学 | 基于幅度与径向速度联合的sar图像动目标聚类方法 |
-
2017
- 2017-04-27 CN CN201710287790.XA patent/CN108802725A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630885A (zh) * | 2013-11-07 | 2014-03-12 | 北京环境特性研究所 | 合成孔径雷达的目标识别方法和系统 |
CN104020495A (zh) * | 2014-06-24 | 2014-09-03 | 中国矿业大学(北京) | 一种基于探地雷达的地下管线参数自识别方法 |
CN105005042A (zh) * | 2015-07-27 | 2015-10-28 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
CN105913074A (zh) * | 2016-04-05 | 2016-08-31 | 西安电子科技大学 | 基于幅度与径向速度联合的sar图像动目标聚类方法 |
Non-Patent Citations (2)
Title |
---|
张春城 等: "实现浅地层探地雷达快速合成孔径成像的一种有效方法", 《现代电子技术》 * |
潘水洋 等: "冲激超宽带雷达生命信号提取的新方法", 《微波学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109298422A (zh) * | 2018-11-14 | 2019-02-01 | 湖南华诺星空电子技术有限公司 | 一种用于穿墙雷达的合成孔径成像优化处理方法、装置 |
CN109471097A (zh) * | 2018-11-14 | 2019-03-15 | 湖南华诺星空电子技术有限公司 | 一种穿墙雷达信号优化处理方法及装置 |
CN109471097B (zh) * | 2018-11-14 | 2022-04-22 | 湖南华诺星空电子技术有限公司 | 一种穿墙雷达信号优化处理方法及装置 |
CN109298422B (zh) * | 2018-11-14 | 2022-06-28 | 湖南华诺星空电子技术有限公司 | 一种用于穿墙雷达的合成孔径成像优化处理方法、装置 |
CN109581373A (zh) * | 2018-12-17 | 2019-04-05 | 中国人民解放军国防科技大学 | 一种全息穿透成像雷达的自聚焦成像方法 |
CN110647788A (zh) * | 2018-12-28 | 2020-01-03 | 南京华曼吉特信息技术研究院有限公司 | 一种基于微多普勒特征的人类日常行为分类方法 |
CN110647788B (zh) * | 2018-12-28 | 2023-04-18 | 南京华曼吉特信息技术研究院有限公司 | 一种基于微多普勒特征的人类日常行为分类方法 |
CN112597820A (zh) * | 2020-12-10 | 2021-04-02 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号分选的目标聚类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108802725A (zh) | 一种浅层穿透雷达合成孔径成像方法 | |
US6437728B1 (en) | A-scan ISAR target recognition system and method | |
CN108387896B (zh) | 一种基于探地雷达回波数据的自动汇聚成像方法 | |
CN105005042B (zh) | 一种探地雷达地下目标定位方法 | |
CN110866545A (zh) | 一种探地雷达资料中管线目标的自动识别方法及系统 | |
CN110018461B (zh) | 基于高分辨距离像和单脉冲测角的群目标识别方法 | |
CN109669182B (zh) | 无源双基地sar动/静目标联合稀疏成像方法 | |
CN106371093B (zh) | 基于建筑物透视雷达成像的多目标检测定位方法 | |
CN107390213B (zh) | 一种基于滑动时窗的探地雷达记录剖面的时延曲线提取方法 | |
CN110580705B (zh) | 一种基于双域图信号滤波检测建筑物边缘点的方法 | |
Potin et al. | An abrupt change detection algorithm for buried landmines localization | |
CN114169411B (zh) | 一种基于3d-cnn算法的三维探地雷达图像地下管线识别方法 | |
CN108107427A (zh) | 基于超分辨技术的机载/弹载阵列雷达前视成像方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
Maussang et al. | Automated segmentation of SAS images using the mean-standard deviation plane for the detection of underwater mines | |
CN113534132B (zh) | 一种自适应无人机波达方向估计方法 | |
CN104732190B (zh) | 一种基于正交纹理相关分析的合成孔径声纳目标检测方法 | |
CN109581366A (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
KR101813357B1 (ko) | 수중 고정표적과 클러터 식별을 위한 가변 데이터 맵 및 가변 통계적 특징정보를 적용하는 클러터 제거 방법 및 장치 | |
CN106845489B (zh) | 基于改进Krawtchouk矩的SAR图像目标特征提取方法 | |
CN103760555B (zh) | 一种提高机载雷达检测跟踪一体化精度的方法 | |
Luo et al. | Machine learning methods applied in detection of buried targets for ground penetrating radar | |
Ting-jun et al. | Fast extraction of hyperbolic signatures in GPR | |
Wang et al. | Track Before Detect for Low Frequency Active Towed Array Sonar | |
Torrione et al. | Adaptive Gaussian mixture models for pre-screening in GPR data |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |