CN108931771A - 一种基于合成孔径雷达成像技术的目标跟踪方法 - Google Patents
一种基于合成孔径雷达成像技术的目标跟踪方法 Download PDFInfo
- Publication number
- CN108931771A CN108931771A CN201810573993.XA CN201810573993A CN108931771A CN 108931771 A CN108931771 A CN 108931771A CN 201810573993 A CN201810573993 A CN 201810573993A CN 108931771 A CN108931771 A CN 108931771A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- radar
- synthetic aperture
- tracking
- 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
- G01S13/9027—Pattern recognition for feature extraction
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
-
- 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
- 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
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)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于图像处理技术领域,具体的说是一种基于合成孔径雷达成像技术的目标跟踪方法。本发明的核心在于将数字图像处理的技术应用到雷达目标跟踪中。利用合成孔径雷达成像对目标进行成像,获得高分辨的SAR图像,然后利用目标跟踪算法对新的SAR图像进行处理,得到目标的新位置,计算出目标相对于成像场景中心的距离向和方位向的偏移量,从而判断是否需要改变雷达参考距离,并计算出目标相对于雷达天线指向的角度偏移量,然后通过伺服控制器调整雷达天线指向。该方法可以使得目标始终在天线波束的覆盖范围内,而且天线的指向也始终对准目标,从而实现对目标的跟踪。
Description
技术领域
本发明属于图像处理技术领域,具体的说是一种基于合成孔径雷达成像技术的目标跟踪方法。
背景技术
跟踪和数据互联问题是雷达数据处理中的两大基本问题,跟踪是指对来自目标的测量值进行数据处理,从而保持对所观察目标当前时刻状态的估计,但是因为在雷达数据处理过程中会存在以下两种不确定性:
(1)模型参数的不确定性(目标运动有可能存在不可预测的机动)
(2)用于滤波的观测值本身具有不确定性(因为存在多目标影响和虚警发生,雷达的探测环境会产生很多的点迹)
因此,如果目标在实际运动中出现了机动情况,其运动与雷达滤波所釆用的滤波模型不一致,或者雷达的数据互联出现了错误,就会使滤波值和真实值之间的差距随着滤波的进行而无限增大,即滤波产生发散。那么这种发散的滤波就没有什么意义了。
合成孔径雷达(SAR)是一种全天候、全天时的主动式的现代高分辨率的微波遥感成像雷达。通过发射大时间带宽积线性调频信号,然后对回波信号进行脉冲压缩处理,获得距离向高分辨率图像;利用雷达平台与目标之间的相对运动形成等效的合成孔径天线阵列,获取方位向高分辨率。
随着雷达高分辨成像技术的日益成熟,从而可以将数字图像处理技术应用到对SAR图像的处理上,从SAR图像上预测出目标位置,实现对目标的跟踪。
发明内容
本发明的目的,就是提供一种基于合成孔径雷达成像技术的目标跟踪系统,解决传统雷达目标跟踪在数据处理过程中模型参数不确定、用于滤波的观测值本身不确定的问题,为雷达目标跟踪提供一种新的方法。
本发明所采用的技术方案为:
一种基于合成孔径雷达成像技术的目标跟踪方法,其特征在于,包括以下步骤:
S1、通过合成孔径雷达持续对目标进行成像的同时,读取已获得的目标的合成孔径雷达图像,并提取目标的合成孔径雷达图像特征,通过目标跟踪算法训练得到跟踪模型;
S2、将步骤S1中获得的成像结果进行保存,并通过跟踪模型在保存目录下循环搜索判断是否有新的合成孔径雷达图像出现,如有,则将新的合成孔径雷达图像提取出来并进入步骤S3,否则回到步骤S1;
S3、提取新的合成孔径雷达图像中潜在目标区域的图像特征,利用跟踪模型预测出目标的新位置,并更新跟踪模型;
S4、根据目标的新位置计算出目标与成像场景中心距离向和方位向的偏移量,如果距离向偏移接近潜在目标区域边缘则需要改变雷达参考距离,根据方位向偏移量计算出目标相对于雷达天线指向的角度偏移量;
S5、将角度偏移量发送给伺服控制系统,利用伺服控制器调整天线指向,使得雷达天线指向始终对准目标;
S6、重复步骤S2~S5,直到停止对目标的跟踪。
进一步的,所述步骤S1中获得的跟踪模型为:
其中,^代表傅里叶形式;y为理想化输出的样本标签;kxx表示已有的目标的合成孔径雷达图像特征x的高斯函数内积;λ为正则化参数。
进一步的,所述步骤S3中,潜在目标区域的中心位置为新的SAR图像的中心位置,潜在目标区域的大小是上一帧目标的2.5倍。
进一步的,所述步骤S3中,利用跟踪模型预测出目标的新位置的具体方法为:
利用跟踪模型预测目标新位置的响应的傅里叶变换形式为:
其中,z代表潜在目标区域,⊙表示矩阵的Hadamard积,kxz表示区域z的图像特征的高斯函数内积;
经过傅里叶反变换,得到目标新位置的响应f(z),响应f(z)中值最大的点所在位置作为目标的新位置;
通过更新跟踪模型。
进一步的,所述步骤S4的具体方法为:
根据目标的新位置可以计算出目标与成像场景中心距离向偏移量为△y,潜在目标区域的距离向大小为zy,如果|△y|<zy/4,雷达参考距离Rref不需要改变,否则雷达参考距离需要改变为:
根据目标的新位置计算出目标与成像场景中心的方位向偏移量为△x,此时目标与成像场景中心的距离R0为:
根据目标与雷达的几何关系可以算出此时目标与雷达距离R为:
获得目标相对于雷达天线指向的角度偏移量△θ为:
本发明的有益效果为,结合SAR成像方法将基于图像的目标跟踪算法应用到雷达目标跟踪上,可以使得目标始终在天线波束的覆盖范围内,而且天线的指向也始终对准目标,从而实现对目标的跟踪。
附图说明
图1为本发明即基于合成孔径雷达成像技术的目标跟踪流程图;
图2是目标与雷达天线指向的几何关系图;
图3是基于合成孔径雷达成像技术的目标跟踪系统各模块之间的数据流向图。
具体实施方式
下面结合附图对本发明进行详细的描述,以便本领域的技术人员更好地理解本发明。
如图1所示,基于合成孔径雷达成像技术的目标跟踪流程包括以下步骤:
(1)合成孔径雷达对目标进行成像,同时读取已有的目标的SAR图像,提取目标的图像特征,根据目标跟踪算法训练得到跟踪模板;
训练跟踪模板具体为:
其中,^代表傅里叶形式;y为理想化输出的样本标签;kxx表示已有的目标的SAR图像特征x的高斯函数内积;λ为正则化参数;
(2)将成像结果保存到SAR图像文件夹中,目标跟踪算法在SAR图像文件夹中循环搜索判断是否有新的SAR图像出现,如果有则将新的SAR图像提取出来;
(3)提取新的SAR图像中潜在目标区域的图像特征,利用跟踪模板预测出目标的新位置,并更新跟踪模板;
利用跟踪模板预测目标新位置的响应的傅里叶变换形式为:
其中,^代表傅里叶形式;z代表潜在目标区域;⊙表示矩阵的Hadamard积;为跟踪模板;kxz表示区域z的图像特征的高斯函数内积;经过傅里叶反变换,得到目标新位置的响应f(z),响应f(z)中值最大的点所在位置作为目标的新位置;
更新跟踪模板:
(4)根据目标的新位置计算出目标与成像场景中心距离向和方位向的偏移量,如果距离向偏移接近潜在目标区域边缘则需要改变雷达参考距离,根据方位向偏移量可以计算出目标相对于雷达天线的角度偏移量;
目标与雷达天线指向的几何关系图如图2所示:
根据目标的新位置计算出目标中心与成像场景中心距离向偏移量为△y,潜在目标区域的距离向大小为zy,如果|△y|<zy/4,雷达参考距离Rref不需要改变,否则雷达参考距离需要改变为:
这样当目标距离向偏移量过大时,通过增大或减小雷达参考距离,可以使得目标不会超出雷达天线波束覆盖范围,防止目标丢失;
目标中心与成像场景中心的方位向偏移量为△x,此时目标中心与成像场景中心的距离R0为:
根据目标与雷达的几何关系可以算出此时目标中心与雷达的距离R为:
所以目标相对于雷达天线指向的角度偏移量△θ为:
(5)将目标与雷达天线指向的角度偏移量发送给伺服控制系统,利用伺服控制器调整天线指向,使得雷达天线指向始终对准目标;
如图2所示,虚线部分是经过伺服控制器调整过后的雷达天线指向,此时天线指向目标的新位置;
(6)重复步骤(2)~(5),直到停止对目标的跟踪。
如图3所示,基于合成孔径雷达成像技术的目标跟踪系统主要包括以下三个模块:
(1)数据采集模块:合成孔径雷达发射大时间带宽积线性调频信号,将接受到的回波信号数据发送到计算机进行处理;
(2)数据处理模块:SAR成像算法对的回波信号进行处理,得到高分辨距离向和方位向的二维SAR图像,然后跟踪算法提取出新的SAR图像中潜在目标区域的图像特征,并预测出目标的新位置,根据目标的新位置计算出目标相对于雷达天线指向的角度偏移量,并把角度偏移量发送到伺服控制器;
(3)控制模块:伺服控制器根据接收到的角度偏移量调整雷达天线的指向,使得雷达天线指向对准目标中心。
Claims (5)
1.一种基于合成孔径雷达成像技术的目标跟踪方法,其特征在于,包括以下步骤:
S1、通过合成孔径雷达持续对目标进行成像的同时,读取已获得的目标的合成孔径雷达图像,并提取目标的合成孔径雷达图像特征,通过目标跟踪算法训练得到跟踪模型;
S2、将步骤S1中获得的成像结果进行保存,并通过跟踪模型在保存目录下循环搜索判断是否有新的合成孔径雷达图像出现,如有,则将新的合成孔径雷达图像提取出来并进入步骤S3,否则回到步骤S1;
S3、提取新的合成孔径雷达图像中潜在目标区域的图像特征,利用跟踪模型预测出目标的新位置,并更新跟踪模型;
S4、根据目标的新位置计算出目标与成像场景中心距离向和方位向的偏移量,如果距离向偏移接近潜在目标区域边缘则需要改变雷达参考距离,根据方位向偏移量计算出目标相对于雷达天线指向的角度偏移量;
S5、将角度偏移量发送给伺服控制系统,利用伺服控制器调整天线指向,使得雷达天线指向始终对准目标;
S6、重复步骤S2~S5,直到停止对目标的跟踪。
2.根据权利要求1所述的一种基于合成孔径雷达成像技术的目标跟踪方法,其特征在于,所述步骤S1中获得的跟踪模型为:
其中,^代表傅里叶形式;y为理想化输出的样本标签;kxx表示已有的目标的合成孔径雷达图像特征x的高斯函数内积;λ为正则化参数。
3.根据权利要求2所述的一种基于合成孔径雷达成像技术的目标跟踪方法,其特征在于,所述步骤S3中,潜在目标区域的中心位置为新的SAR图像的中心位置,潜在目标区域的大小是上一帧目标的2.5倍。
4.根据权利要求3所述的一种基于合成孔径雷达成像技术的目标跟踪方法,其特征在于,所述步骤S3中,利用跟踪模型预测出目标的新位置的具体方法为:
利用跟踪模型预测目标新位置的响应的傅里叶变换形式为:
其中,z代表潜在目标区域,⊙表示矩阵的Hadamard积,kxz表示区域z的图像特征的高斯函数内积;
经过傅里叶反变换,得到目标新位置的响应f(z),响应f(z)中值最大的点所在位置作为目标的新位置;
通过更新跟踪模型。
5.根据权利要求4所述的一种基于合成孔径雷达成像技术的目标跟踪方法,其特征在于,所述步骤S4的具体方法为:
根据目标的新位置可以计算出目标与成像场景中心距离向偏移量为△y,潜在目标区域的距离向大小为zy,如果|△y|<zy/4,雷达参考距离Rref不需要改变,否则雷达参考距离需要改变为:
根据目标的新位置计算出目标与成像场景中心的方位向偏移量为△x,此时目标与成像场景中心的距离R0为:
根据目标与雷达的几何关系可以算出此时目标与雷达距离R为:
获得目标相对于雷达天线指向的角度偏移量△θ为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573993.XA CN108931771A (zh) | 2018-06-06 | 2018-06-06 | 一种基于合成孔径雷达成像技术的目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573993.XA CN108931771A (zh) | 2018-06-06 | 2018-06-06 | 一种基于合成孔径雷达成像技术的目标跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108931771A true CN108931771A (zh) | 2018-12-04 |
Family
ID=64449492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573993.XA Pending CN108931771A (zh) | 2018-06-06 | 2018-06-06 | 一种基于合成孔径雷达成像技术的目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108931771A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871829A (zh) * | 2019-03-15 | 2019-06-11 | 北京行易道科技有限公司 | 一种基于深度学习的检测模型训练方法和装置 |
CN110082766A (zh) * | 2019-05-22 | 2019-08-02 | 中国科学院电子学研究所 | 一种定点目标跟踪的机载sar多角度数据获取方法 |
CN114609635A (zh) * | 2022-03-17 | 2022-06-10 | 电子科技大学 | 一种基于视频合成孔径雷达的干涉测量方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017202A (zh) * | 2006-12-18 | 2007-08-15 | 电子科技大学 | 一种雷达高度表及采用该表对飞行器位置的测量方法 |
US7397418B1 (en) * | 2006-06-05 | 2008-07-08 | Sandia Corporation | SAR image formation with azimuth interpolation after azimuth transform |
CN101551809A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 基于高斯混合模型分类的sar图像检索方法 |
EP2370834A1 (en) * | 2008-12-18 | 2011-10-05 | QinetiQ Limited | System and method for processing radar imagery |
CN103323847A (zh) * | 2013-05-30 | 2013-09-25 | 中国科学院电子学研究所 | 一种动目标点迹仿真及轨迹关联方法和装置 |
CN103995260A (zh) * | 2014-04-28 | 2014-08-20 | 中国科学院电子学研究所 | 一种合成孔径雷达成像方法及装置 |
US20140285371A1 (en) * | 2013-03-20 | 2014-09-25 | Raytheon Company | Bistatic inverse synthetic aperture radar imaging |
CN105139395A (zh) * | 2015-08-19 | 2015-12-09 | 西安电子科技大学 | 基于小波池化卷积神经网络的sar图像分割方法 |
US20160170019A1 (en) * | 2014-07-09 | 2016-06-16 | Bae Systems Information & Electronic Systems Integration Inc. | Radar detection of endo-clutter high-value targets using tracker feedback |
CN106447680A (zh) * | 2016-11-23 | 2017-02-22 | 湖南华诺星空电子技术有限公司 | 动态背景环境下雷达与视觉融合的目标检测与跟踪方法 |
CN106485269A (zh) * | 2016-09-28 | 2017-03-08 | 武汉大学 | 基于混合统计分布与多部件模型的sar图像目标检测方法 |
CN106546981A (zh) * | 2016-10-24 | 2017-03-29 | 复旦大学 | 运动人体安检成像系统和方法 |
CN106597425A (zh) * | 2016-11-18 | 2017-04-26 | 中国空间技术研究院 | 一种基于机器学习的雷达目标定位方法 |
CN107515398A (zh) * | 2017-08-23 | 2017-12-26 | 哈尔滨工业大学 | 基于宽带回波的逆合成孔径雷达成像目标连续跟踪方法 |
CN107767405A (zh) * | 2017-09-29 | 2018-03-06 | 华中科技大学 | 一种融合卷积神经网络的核相关滤波目标跟踪方法 |
CN107886123A (zh) * | 2017-11-08 | 2018-04-06 | 电子科技大学 | 一种基于辅助判决更新学习的合成孔径雷达目标识别方法 |
CN107894590A (zh) * | 2017-10-17 | 2018-04-10 | 湖北林青测控科技有限公司 | 新型全被动式无人机管控方法、存储介质、电子设备 |
CN107944370A (zh) * | 2017-11-17 | 2018-04-20 | 西安电子科技大学 | 基于dccgan模型的极化sar图像分类方法 |
-
2018
- 2018-06-06 CN CN201810573993.XA patent/CN108931771A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7397418B1 (en) * | 2006-06-05 | 2008-07-08 | Sandia Corporation | SAR image formation with azimuth interpolation after azimuth transform |
CN101017202A (zh) * | 2006-12-18 | 2007-08-15 | 电子科技大学 | 一种雷达高度表及采用该表对飞行器位置的测量方法 |
EP2370834A1 (en) * | 2008-12-18 | 2011-10-05 | QinetiQ Limited | System and method for processing radar imagery |
CN101551809A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 基于高斯混合模型分类的sar图像检索方法 |
US20140285371A1 (en) * | 2013-03-20 | 2014-09-25 | Raytheon Company | Bistatic inverse synthetic aperture radar imaging |
CN103323847A (zh) * | 2013-05-30 | 2013-09-25 | 中国科学院电子学研究所 | 一种动目标点迹仿真及轨迹关联方法和装置 |
CN103995260A (zh) * | 2014-04-28 | 2014-08-20 | 中国科学院电子学研究所 | 一种合成孔径雷达成像方法及装置 |
US20160170019A1 (en) * | 2014-07-09 | 2016-06-16 | Bae Systems Information & Electronic Systems Integration Inc. | Radar detection of endo-clutter high-value targets using tracker feedback |
CN105139395A (zh) * | 2015-08-19 | 2015-12-09 | 西安电子科技大学 | 基于小波池化卷积神经网络的sar图像分割方法 |
CN106485269A (zh) * | 2016-09-28 | 2017-03-08 | 武汉大学 | 基于混合统计分布与多部件模型的sar图像目标检测方法 |
CN106546981A (zh) * | 2016-10-24 | 2017-03-29 | 复旦大学 | 运动人体安检成像系统和方法 |
CN106597425A (zh) * | 2016-11-18 | 2017-04-26 | 中国空间技术研究院 | 一种基于机器学习的雷达目标定位方法 |
CN106447680A (zh) * | 2016-11-23 | 2017-02-22 | 湖南华诺星空电子技术有限公司 | 动态背景环境下雷达与视觉融合的目标检测与跟踪方法 |
CN107515398A (zh) * | 2017-08-23 | 2017-12-26 | 哈尔滨工业大学 | 基于宽带回波的逆合成孔径雷达成像目标连续跟踪方法 |
CN107767405A (zh) * | 2017-09-29 | 2018-03-06 | 华中科技大学 | 一种融合卷积神经网络的核相关滤波目标跟踪方法 |
CN107894590A (zh) * | 2017-10-17 | 2018-04-10 | 湖北林青测控科技有限公司 | 新型全被动式无人机管控方法、存储介质、电子设备 |
CN107886123A (zh) * | 2017-11-08 | 2018-04-06 | 电子科技大学 | 一种基于辅助判决更新学习的合成孔径雷达目标识别方法 |
CN107944370A (zh) * | 2017-11-17 | 2018-04-20 | 西安电子科技大学 | 基于dccgan模型的极化sar图像分类方法 |
Non-Patent Citations (5)
Title |
---|
F. HENRIQUES: "High-Speed Tracking with Kernelized Correlation Filters", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
MIN JIANG: "Robust Visual Tracking Based on Kernelized Correlation Filters", 《2017 IEEE INTERNATIONAL CONFERENCE ON INFORMATION AND AUTOMATION (ICIA)》 * |
张彪: "采用格林函数分解的太赫兹逆合成孔径雷达近场成像算法", 《信号处理》 * |
汤宏权: "基于合成孔径雷达图像的目标跟踪与识别", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
马俊涛: "空间目标多站 ISAR 优化布站与融合成像方法", 《电子与信息学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871829A (zh) * | 2019-03-15 | 2019-06-11 | 北京行易道科技有限公司 | 一种基于深度学习的检测模型训练方法和装置 |
CN110082766A (zh) * | 2019-05-22 | 2019-08-02 | 中国科学院电子学研究所 | 一种定点目标跟踪的机载sar多角度数据获取方法 |
CN114609635A (zh) * | 2022-03-17 | 2022-06-10 | 电子科技大学 | 一种基于视频合成孔径雷达的干涉测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20210096607A (ko) | 레이더 딥 러닝 | |
CN107728115A (zh) | 一种雷达目标成像后基于svm的背景干扰抑制方法 | |
KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
CN111521989A (zh) | 用于雷达系统中的超分辨率的深度学习 | |
CN108931771A (zh) | 一种基于合成孔径雷达成像技术的目标跟踪方法 | |
Zhang et al. | Multirotors video synthetic aperture radar: System development and signal processing | |
JP2017156219A (ja) | 追尾装置、追尾方法およびプログラム | |
EP4050460A1 (en) | Radar-based object tracking using a neural network | |
Ran et al. | Simultaneous range and cross-range variant phase error estimation and compensation for highly squinted SAR imaging | |
CN115063454B (zh) | 多目标跟踪匹配方法、装置、终端及存储介质 | |
CN118068318B (zh) | 基于毫米波雷达和环境传感器的多模态感知方法及系统 | |
CN110837079B (zh) | 一种基于雷达的目标检测方法及装置 | |
Qi et al. | Small infrared target detection utilizing local region similarity difference map | |
CN108020834B (zh) | 基于改进edpca的运动目标检测方法、装置及电子设备 | |
CN111323757A (zh) | 一种航海雷达目标检测方法及装置 | |
JP2016166802A (ja) | 位置検出システム、位置検出装置、および位置検出方法 | |
CN118334736A (zh) | 基于毫米波雷达的多目标身份识别与行为监测方法 | |
CN116299299B (zh) | 速度解模糊方法、装置、雷达设备及存储介质 | |
CN104020468B (zh) | 一种基于二次雷达的近距离目标更新周期的计算方法 | |
Sengupta et al. | A review of recent advancements including machine learning on synthetic aperture radar using millimeter-wave radar | |
AU2020279716B2 (en) | Multi-timescale doppler processing and associated systems and methods | |
CN104931963A (zh) | 一种动目标微波凝视关联成像的方法 | |
CN106908789A (zh) | 一种基于空间域支撑区融合的sar成像方法 | |
CN115494496B (zh) | 单比特雷达成像系统、方法及相关设备 | |
CN116299298A (zh) | 一种sar成像仿真方法 |
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 |
Application publication date: 20181204 |
|
RJ01 | Rejection of invention patent application after publication |