CN109001700B - 一种实现目标轮廓重构的雷达前视成像方法 - Google Patents
一种实现目标轮廓重构的雷达前视成像方法 Download PDFInfo
- Publication number
- CN109001700B CN109001700B CN201810520534.5A CN201810520534A CN109001700B CN 109001700 B CN109001700 B CN 109001700B CN 201810520534 A CN201810520534 A CN 201810520534A CN 109001700 B CN109001700 B CN 109001700B
- Authority
- CN
- China
- Prior art keywords
- target
- radar
- distance
- scene
- imaging
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 14
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 230000008859 change Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S7/41—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
-
- 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
- G01S13/9041—Squint mode
-
- 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
-
- 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
- G01S13/9043—Forward-looking SAR
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
本发明提出了一种实现目标轮廓重构的雷达前视成像方法,属于雷达前视成像领域。针对雷达前视成像过程中目标轮廓边缘不清晰的问题,本发明提出的方法将全变差函数用于雷达前视成像中,保留目标边缘信息,在提高目标方位向分辨的同时,实现前视区域中目标轮廓的清晰重构。基于卷积模型,将提高方位向分辨率的问题转化为卷积反演问题;在卷积反演过程中,将全变差函数应用于正则化方法,建立基于梯度约束的目标函数,增加边缘信息在卷积反演中的权重,避免了目标边缘信息在卷积反演过程丢失。本发明将全变差算子作为正则项来构造目标函数,提升了正则化方法在处理突变边缘时的能力,避免了目标边缘处分裂为多个较强单点目标,失去目标轮廓信息。
Description
技术领域
本发明属于雷达前视成像领域,特别涉及一种实现目标轮廓重构的雷达前视成像方法。
背景技术
雷达平台前视区域的高分辨成像在战机对地攻击、飞机盲降导航、导弹精确制导、对海探测与成像、目标跟踪与识别、战场搜索等诸多领域有着广泛的运用。而具有清晰轮廓的成像结果能够提供更多目标有用的信息,更有利于目标识别和检测。
由于成像机理的限制,传统的合成孔径技术和多普勒波束锐化技术并不能实现前视区域高分辨成像;而实波束扫描雷达,由于实孔径尺寸的限制,方位向分辨率并不能满足实际需求。因此学者们提出了信号处理的方法,使方位向分辨率突破实孔径的限制,达到高分辨的效果。本发明利用雷达回波信号可以建模成天线方向图和原始场景反射系数的卷积模型,将超分辨问题转化为卷积求逆问题,通过卷积反演方法实现高分辨率下目标轮廓重构。
目前许多不同的卷积反演方法已经被运用到雷达成像中。贝叶斯理论是根据目标和噪声的统计分布进行合理假设,把求逆问题转化为最大后验概率估计问题。现有技术中,存在有贝叶斯的理论被运用到雷达前视成像中。为了抑制卷积反演过程中的噪声放大问题,截断奇异值的方法(TSVD)被运用到雷达成像中,通过该方法抑制了噪声的放大。针对不同特性的目标,通过添加不同的正则项来获取不同超分辨结果,有经典的Tikhonov方法。虽然上述的三种方法能够提高方位向分辨率,但是它们在处理突变的边界时的性能很差,因此通过上述三种方法很难得到清晰的目标轮廓重建结果。
发明内容
为了解决雷达前视成像过程中目标轮廓边缘不清晰的问题,本发明提出一种实现目标轮廓重构的雷达前视成像方法,在卷积反演过程中,利用全变差函数添加梯度约束来保留目标边缘信息,提高卷积反演方法在处理突变边界时的能力,从而获得清晰目标轮廓重构结果。
一种实现目标轮廓重构的雷达前视成像方法,包括以下步骤:
步骤1,基于扫描雷达的运动几何关系,建立方向位回波信号卷积模型,获取回波信号;
步骤2,对回波信号进行距离向处理,得到脉冲压缩和消除距离走动的回波信号;
步骤3,将所述距离向处理后的回波信号构建为天线方向图和目标散射系数的卷积形式;
步骤4,利用全变差函数,建立梯度约束的目标函数;
步骤5,利用迭代加权最小二乘法求解所述目标函数,得到雷达前视超分辨成像中的目标轮廓重构结果。
进一步地,所述步骤1包括以下流程:
将观察场景离散化为由场景中的目标散射系数构成的二维矩阵形式,有
其中,rect(·)为矩形信号,其定义为T为发射脉冲持续时间,kr为调频斜率,τ为快时间,表示场景距离向信息,为目标延迟时间,t为慢时间,表示场景方位向信息,与位于(xi,yj)处的目标在场景角度位置相关,w(·)为天线方位图调制,fc为载频,N为噪声干扰。
进一步地,所述步骤2包括以下流程:
其中,B为发射信号的带宽;
对g2(τ,t)进行尺度变换,以消除时间变量对载机平台和目标的瞬时斜距之间的影响,得到数据平面内消除距离走动后的回波信号
进一步地,所述步骤3包括以下流程:
将g3(τ,t)构建为天线方向图和目标散射系数的卷积形式
g=Hf+M
其中,g3(τ,t)与目标散射系数矩阵被列向量化处理,
g=[g3(τ1,t1)…g3(τ1,tm)…g3(τn,t1)…g3(τn,tm)]H,
进一步地,所述步骤4包括以下流程:
标准的正则化目标函数为
其中,Dx为水平离散导数算子,Dy为垂直离散导数算子,根据向量化的回波和目标散射系数,将Dx和Dy构造为
进一步地,所述步骤5包括以下流程:
采用迭代过程,求解目标函数以梯度为约束的目标函数的最小值
初始值:f0=(HTH+λDTD)-1HTg
通过迭代,得到目标散射系数的估计值,获得雷达前视超分辨成像中的目标轮廓重构结果。
本发明的有益效果:本发明提出了一种实现目标轮廓重构的雷达前视成像方法,将全变差函数用于雷达前视成像中,保留目标边缘信息,在提高目标方位向分辨的同时,实现前视区域中目标轮廓的清晰重构。基于卷积模型,将提高方位向分辨率的问题转化为卷积反演问题;在卷积反演过程中,将全变差函数应用于正则化方法,建立基于梯度约束的目标函数,增加边缘信息在卷积反演中的权重,避免了目标边缘信息在卷积反演过程丢失。本发明将全变差算子作为正则项来构造目标函数,提升了正则化方法在处理突变边缘时的能力,避免了目标边缘处分裂为多个较强单点目标,失去目标轮廓信息。
附图说明
图1为本发明的流程图。
图2为本发明的扫描雷达的运动几何模型图。
图3为本发明的扫描雷达平台与目标的距离历史示意图。
图4为本发明的天线方向图。
图5为本发明的目标分布图。
图6为本发明的回波数据图。
图7为现有技术中Tikhonov方法得到的目标重构结果图。
图8为现有技术中TSVD方法得到的目标重构结果图。
图9为本发明得到的目标重构结果图。
具体实施方式
本发明采用仿真实验来论证提出的方法在重构目标轮廓的有效性。本发明所有的步骤、结论都在Matlab2012仿真平台上验证正确,下面结合附图对本发明的实施例做进一步的说明。
请参阅图1,本发明提出的一种实现目标轮廓重构的雷达前视成像方法,通过以下步骤实现:
步骤1,基于扫描雷达的运动几何关系,建立方向位回波信号卷积模型,获取回波信号。
请参阅图2和图3,本发明采用的记载扫描雷达运动模型如图所示。雷达系统参数如下表(一)所示。
表(一)雷达系统参数
将观察场景离散化为由场景中的目标散射系数构成的二维矩阵形式,有
其中,rect(·)为矩形信号,其定义为T为发射脉冲持续时间,kr为调频斜率,τ为快时间,表示场景距离向信息,为目标延迟时间,t为慢时间,表示场景方位向信息,与位于(xi,yj)处的目标在场景角度位置相关,w(·)为天线方位图调制,fc为载频,N为噪声干扰。
步骤2,对回波信号进行距离向处理,得到脉冲压缩和消除距离走动的回波信号。
其中,B为发射信号的带宽;
因为对于实际应用来说,因为成像距离远、成像扇区小、扫描速度快,因此可以将R(t)进行一阶泰勒近似,又因为在正前视成像区域,θ与均比较小,可得到近似cosθ≈1,因此最终得到:R(t)≈R0-vt。其中载机平台运动速度v,方位向时间t可以通过惯导设备获取。因此,为了将方位向和距离向分开处理,消除载机平台运动产生的距离走动,简化回波表达形式,对g2(τ,t)进行尺度变换,以消除时间变量对载机平台和目标的瞬时斜距之间的影响,得到数据平面内消除距离走动后的回波信号
步骤3,将所述距离向处理后的回波信号构建为天线方向图和目标散射系数的卷积形式。
本步骤从步骤二出发,将距离向处理完成后得到的g3(τ,t)构建为天线方向图和目标散射系数的卷积形式
g=Hf+M (4)
其中,H为天线方向图矩阵,根据表(一),波束宽度为3°,扫描速度为30°/s,脉冲重复频率为1000Hz,可以得出,天线方向图采样点数为101,[hl...h0…h-l]由图4构成,可以得到天线方向图矩阵:
将回波信号矩阵和目标散射系数矩阵被重构成列向量
g=[g3(τ1,t1)…g3(τ1,tm)…g3(τn,t1)…g3(τn,tm)]H
通过上面的等式,将方位向超分辨成像问题转化为卷积反演求逆的问题。因此,目前面临的问题是在已知回波数据g和天线方向图矩阵H的情况下,获得目标的散射系数矩阵f。
在方位向回波信号上加入20dB的噪声,信噪比(SNR)的定义如下:
步骤4,利用全变差函数,建立梯度约束的目标函数。
本实施例中,由于卷积反演过程中的病态性,所以直接进行卷积反演是难以实现的。正则化的方法通过添加正则项,改善反演过程中的病态性,从而能够实现方位向超分辨成像。通过正则化的方法,将求逆问题转化为获得目标函数最小值得问题。标准的正则化目标函数为
为得到方位向高分辨的同时目标轮廓清晰重构的成像结果,本发明将全变差函数作为正则项,选取p=2,q=1,建立以梯度为约束的目标函数
其中,Dx为水平离散导数算子,Dy为垂直离散导数算子,根据向量化的回波和目标散射系数,将Dx和Dy构造为
求解等式(6)的最小值,将得到带有清晰轮廓的雷达前视成像结果。由于L1范数存在不可微分的点,所以目标函数的最小值不能通过求导获得。因此,本发明采用了迭代加权范数的方法来获取正确的解。定义下面的矩阵
其中,Ω=diag(((Dxf)2+(Dyf)2)-1/2),基于构造的矩阵,将等式(6)转化为
步骤5,利用迭代加权最小二乘法求解以梯度为约束的目标函数,得到雷达前视超分辨成像中的目标轮廓重构结果。
通过式(8),可以用L2范数的最小值来估计L1范数的最小值。W的值将会随着散射系数f的估计值的变化而更新,最终,目标函数等式(6)的最小值可以通过迭代过程获得,本实施例中迭代次数选择为5,即k=5,具体描述如下:
初始值:f0=(HTH+λDTD)-1HTg
通过式(9),选择合适的迭代次数,可以得到目标散射系数的估计值,最终获得雷达前视超分辨成像中的目标轮廓重构结果。
本发明实施例中场景目标分布情况如附图5所示,为了验证本发明所述方法的有效性,设置了幅度渐变的目标以及扩展点目标,并在回波中加入20dB的噪声。回波信号如附图6所示,相近的两个扩展点目标的回波连接在一起,由于噪声影响,目标过渡区域存在多个单峰。附图7和附图8分别为Tikhonov方法和TSVD方法得到的目标重构结果。虽然方位向分辨率得到了提高,但在突变边缘处理上,这两种方法能力一般,在过渡目标区域出现多峰的重构结果。附图9为本发明所提基于全变差函数的雷达前视区域目标轮廓重构方法,从重构结果中可以看出,该方法不但提高了方位向分辨率,而且在目标边缘处理上有出色的表现,目标过渡区域被准确的重构。
与附图7和8对比,本发明得到的附图9在恢复目标边缘信息时性能更好。由于噪声的干扰,导致Tikhonov方法与TSVD方法在恢复目标边缘信息的目标时,会出现多峰的结果。
综上所述,本发明提出了一种实现目标轮廓重构的雷达前视成像方法,将全变差函数用于雷达前视成像中,保留目标边缘信息,在提高目标方位向分辨的同时,实现前视区域中目标轮廓的清晰重构。基于卷积模型,将提高方位向分辨率的问题转化为卷积反演问题;在卷积反演过程中,将全变差函数应用于正则化方法,建立基于梯度约束的目标函数,增加边缘信息在卷积反演中的权重,避免了目标边缘信息在卷积反演过程丢失。本发明将全变差算子作为正则项来构造目标函数,提升了正则化方法在处理突变边缘时的能力,避免了目标边缘处分裂为多个较强单点目标,失去目标轮廓信息。
在基于梯度约束的目标函数建立后,本发明通过迭代加权范数的方法来求解目标函数的最小值,获得目标轮廓重建图,从而实现雷达前视目标轮廓清晰重构。相关的方法仍然在本发明的保护范围之内。
本领域工程人员可根据本发明公布的基于全变差函数的雷达前视目标轮廓重构方法做出相关的应用,相关知识仍在本发明的保护范围之内。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.一种实现目标轮廓重构的雷达前视成像方法,其特征在于,包括以下步骤:
步骤1,基于扫描雷达的运动几何关系,建立方向位回波信号卷积模型,获取回波信号;包括以下流程:
将观察场景离散化为由场景中的目标散射系数构成的二维矩阵形式,有
其中,rect(·)为矩形信号,其定义为T为发射脉冲持续时间,kr为调频斜率,τ为快时间,表示场景距离向信息,为目标延迟时间,t为慢时间,表示场景方位向信息,与位于(xi,yj)处的目标在场景角度位置相关,w(·)为天线方位图调制,fc为载频,N为噪声干扰;
步骤2,对回波信号进行距离向处理,得到脉冲压缩和消除距离走动的回波信号;包括以下流程:
其中,B为发射信号的带宽;
对g2(τ,t)进行尺度变换,以消除时间变量对载机平台和目标的瞬时斜距之间的影响,得到数据平面内消除距离走动后的回波信号
步骤3,将所述距离向处理后的回波信号构建为天线方向图和目标散射系数的卷积形式;包括以下流程:
将g3(τ,t)构建为天线方向图和目标散射系数的卷积形式
g=Hf+M
其中,g3(τ,t)与目标散射系数矩阵被列向量化处理,
g=[g3(τ1,t1)…g3(τ1,tm)…g3(τn,t1)…g3(τn,tm)]H,
步骤4,利用全变差函数,建立梯度约束的目标函数;包括以下流程:
标准的正则化目标函数为
其中,Dx为水平离散导数算子,Dy为垂直离散导数算子;根据向量化的回波和目标散射系数,将Dx和Dy构造为
步骤5,利用迭代加权最小二乘法求解以梯度为约束的目标函数,得到雷达前视超分辨成像中的目标轮廓重构结果;包括以下流程:
采用迭代过程,求解目标函数的最小值
初始值:f0=(HTH+λDTD)-1HTg
for k=0,1,2…
Ωk=diag(((Dxfk)2+(Dyfk)2)-1/2)
fk+1=(HTH+λDTWkD)-1HTg
end
通过迭代,得到目标散射系数的估计值,获得雷达前视超分辨成像中的目标轮廓重构结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810520534.5A CN109001700B (zh) | 2018-05-28 | 2018-05-28 | 一种实现目标轮廓重构的雷达前视成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810520534.5A CN109001700B (zh) | 2018-05-28 | 2018-05-28 | 一种实现目标轮廓重构的雷达前视成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109001700A CN109001700A (zh) | 2018-12-14 |
CN109001700B true CN109001700B (zh) | 2021-07-06 |
Family
ID=64574219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810520534.5A Active CN109001700B (zh) | 2018-05-28 | 2018-05-28 | 一种实现目标轮廓重构的雷达前视成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109001700B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709549A (zh) * | 2019-02-28 | 2019-05-03 | 电子科技大学 | 一种前视雷达超分辨率成像方法 |
CN110208796B (zh) * | 2019-05-27 | 2021-04-06 | 电子科技大学 | 基于奇异值逆滤波的扫描雷达超分辨成像方法 |
CN110082760A (zh) * | 2019-05-27 | 2019-08-02 | 电子科技大学 | 一种随机辐射雷达三维高分辨成像方法 |
CN114609604B (zh) * | 2022-03-25 | 2023-06-09 | 电子科技大学 | 无人机集群目标检测及目标轮廓、集群规模估计方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551457B (zh) * | 2009-04-29 | 2012-05-30 | 电子科技大学 | 一种前视线阵三维合成孔径雷达系统构建方法 |
CN102967859B (zh) * | 2012-11-14 | 2014-03-26 | 电子科技大学 | 一种前视扫描雷达成像方法 |
US9460052B2 (en) * | 2012-12-21 | 2016-10-04 | Inview Technology Corporation | Signal reconstruction using total-variation primal-dual hybrid gradient (TV-PDHG) algorithm |
CN105137425B (zh) * | 2015-07-17 | 2017-12-01 | 电子科技大学 | 基于卷积反演原理的扫描雷达前视角超分辨方法 |
CN106168665B (zh) * | 2016-07-18 | 2018-03-27 | 电子科技大学 | 一种基于正则化的扫描雷达自适应角超分辨方法 |
CN106908787B (zh) * | 2017-02-24 | 2019-08-13 | 中国电子科技集团公司第三十八研究所 | 一种实波束扫描雷达前视角超分辨成像方法 |
-
2018
- 2018-05-28 CN CN201810520534.5A patent/CN109001700B/zh active Active
Non-Patent Citations (2)
Title |
---|
微波凝视关联成像的信息处理方法与仿真;何学智;《中国博士学位论文全文数据库 信息科技辑》;20131015(第10期);正文第71-74页 * |
运动平台前视雷达超分辨成像理论与方法;张寅;《中国博士学位论文全文数据库 信息科技辑》;20170215(第02期);正文第31-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109001700A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109001700B (zh) | 一种实现目标轮廓重构的雷达前视成像方法 | |
CN103869311B (zh) | 实波束扫描雷达超分辨成像方法 | |
CN108051809B (zh) | 基于Radon变换的运动目标成像方法、装置及电子设备 | |
CN104950306B (zh) | 一种海杂波背景下前视海面目标角超分辨成像方法 | |
CN108459321B (zh) | 基于距离-方位圆模型的大斜视高分辨率sar成像方法 | |
CN104977582B (zh) | 一种实现扫描雷达方位超分辨成像的解卷积方法 | |
CN105699969B (zh) | 基于广义高斯约束的最大后验估计角超分辨成像方法 | |
CN105445704B (zh) | 一种sar图像中的雷达动目标抑制方法 | |
CN105137425B (zh) | 基于卷积反演原理的扫描雷达前视角超分辨方法 | |
CN108226891B (zh) | 一种扫描雷达回波计算方法 | |
CN108562884A (zh) | 一种基于最大后验概率的机载前视海面目标角超分辨方法 | |
CN103885058B (zh) | 一种利用稀疏统计特性的机载雷达前视超分辨成像方法 | |
CN107621635B (zh) | 一种前视海面目标角超分辨方法 | |
CN109613532B (zh) | 一种机载雷达实时多普勒波束锐化超分辨成像方法 | |
CN104536000A (zh) | 一种实波束扫描雷达角超分辨方法 | |
CN105717508B (zh) | 一种基于发射波形方位向调制的机载雷达前视成像方法 | |
CN108427115A (zh) | 合成孔径雷达对运动目标参数的快速估计方法 | |
CN105137424A (zh) | 一种杂波背景下实波束扫描雷达角超分辨方法 | |
CN110118967B (zh) | 一种基于全变差的扫描雷达方位向超分辨成像方法 | |
CN107402380A (zh) | 一种实现多普勒波束锐化成像的快速自适应迭代方法 | |
CN103576150B (zh) | 基于高超声速飞行器俯冲段的前斜视sar成像方法 | |
CN104122549A (zh) | 基于反卷积的雷达角超分辨成像方法 | |
CN104330779A (zh) | 机载合成孔径雷达运动误差补偿方法 | |
CN106918810A (zh) | 一种存在阵元幅相误差时的微波关联成像方法 | |
CN118209984B (zh) | 联合探测先验信息的天基对空机动目标isar成像方法及设备 |
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 |