CN112014817A - 一种空间自旋目标三维重构方法 - Google Patents
一种空间自旋目标三维重构方法 Download PDFInfo
- Publication number
- CN112014817A CN112014817A CN202010858938.2A CN202010858938A CN112014817A CN 112014817 A CN112014817 A CN 112014817A CN 202010858938 A CN202010858938 A CN 202010858938A CN 112014817 A CN112014817 A CN 112014817A
- Authority
- CN
- China
- Prior art keywords
- target
- scattering
- spinning
- dimensional
- sub
- 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.)
- Granted
Links
- 238000009987 spinning Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 94
- 238000003384 imaging method Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 38
- 230000000875 corresponding effect Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000002592 echocardiography Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- QTTMOCOWZLSYSV-QWAPEVOJSA-M equilin sodium sulfate Chemical compound [Na+].[O-]S(=O)(=O)OC1=CC=C2[C@H]3CC[C@](C)(C(CC4)=O)[C@@H]4C3=CCC2=C1 QTTMOCOWZLSYSV-QWAPEVOJSA-M 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S13/9064—Inverse SAR [ISAR]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本发明公开了一种空间自旋目标三维重构方法,属于雷达成像技术领域,包括以下步骤:首先,建立空间自旋目标三维重构几何模型,完成空间自旋目标上散射点由三维空间向二维成像平面的投影;然后,使用RELAX方法在空间自旋目标二维图像序列中提取散射点信息,并对其构成的复杂序列进行二维关联优化处理;最后,使用奇异值分解方法对散射点的信息关联矩阵进行分解,完成空间自旋目标的三维重构。本发明避免了在信号域提取散射点信息带来的运算量大、计算复杂度高、定阶难等问题;在此基础上,使用距离维和多普勒维联合处理的方式,完成对空间自旋目标上的复杂多散射点优化关联;使用矩阵奇异值分解方法,实现空间自旋目标三维重构。
Description
技术领域
本发明涉及雷达成像技术领域,具体涉及一种空间自旋目标三维重构方法。
背景技术
雷达具有全天时、全天候工作的特点,被广泛应用于目标的监视、跟踪、成像及识别领域。近年来,随着雷达目标识别与分类技术应用需求的增加,如何从雷达回波数据中获取目标的三维散射信息,成为目标识别领域的重要发展方向之一。
传统的二维ISAR成像技术利用大带宽信号获得距离维高分辨成像,而横向高分辨率是利用目标与雷达的相对转动实现的。目标的二维ISAR图像可理解为目标散射信息在距离-多普勒平面上的投影,然后同一目标在不同时刻的ISAR图像也存在着较大的差异,获取的特征信息也是时变的,不利于后续目标识别。三维ISAR成像是在垂直于成像平面的方向增加了高度维信息,从而获得失真度较小的目标散射信息三维结构图。
根据三维成像的技术途径的差异,现有的目标三维成像方法在一定程度上实现了目标三维成像,但是无法在单基雷达上实现空间自旋目标的三维高精度重构。单基雷达三维重构是通过雷达高分辨一维距离向进行目标三维重构,不需要目标散射特性的先验信息。这种方法在处理目标多个散射点耦合于一个距离单元时,将无法实现目标散射信息的精确重构。基于图像序列的目标三维重构方法在一定程度上可以解决这个问题,但是该方法假设目标运动参数已知,并在此基础上建立目标三维结构与其二维ISAR图像的映射关系。这种方法在对非合作目标进行三维重构时是不成立的。针对这种情况下的目标散射信息的三维重构,可以对目标散射点轨迹进行矩阵分解,从而实现目标的三维重构结构。这种方法需要对每幅ISAR子图进行精确的定标,距离向定标只要雷达参数就可以很容易获得,但是方位向定标方法非常耗时,不利于实时处理。为解决上述技术问题,提出一种空间自旋目标三维重构方法。
发明内容
本发明所要解决的技术问题在于:如何解决传统方法单纯依赖于距离向信息,无法实现散射点关联的问题,提供了一种空间自旋目标三维重构方法。如图1所示,本方法将距离向和方位向联合处理,对空间自旋目标上多个散射点序列进行联合处理并进行曲线拟合,完成散射点位置的预测;最后对散射点信息矩阵进行奇异值分解,完成空间自旋目标的高精度三维重构。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
步骤一:空间自旋目标三维重构模型
本发明基于雷达与空间自旋目标的几何关系,建立雷达与空间自旋目标的运动几何模型如图2所示。其中,o为空间坐标系的坐标原点;P0,P1,P2,P3和P4分别表示空间自旋目标的散射点;目标以Z轴为旋转中心,旋转角速度记为w;雷达视线方向向量记为Los;雷达视线方向与XOY平面夹角为θ;雷达视线方向在XOY平面上的投影与X轴正方向夹角为
首先将雷达回波对空间自旋目标的回波数据划分为多个重叠的子孔径数据,并对划分的子孔径数据分别进行运动补偿和成像。在划分后的各子孔径数据重叠部分对应的观测时间内,目标的运动较小,有助于进行各子孔径间空间目标散射点关联过程。雷达回波数据划分成多个子孔径数据的过程如附图3所示。
附图3中的起始和结束表示子孔径数据段的开始与结束位置,K表示子孔径总数;Tc表示子孔径的时间周期;Θk(k=1,2,…K)表示旋转角,下标k表示全孔径划分后,按计数顺序的第k个;Ωk表示完成全孔径数据划分后,第k个子孔径的起始数据与第k+1个子孔径的起始数据的转角;ΔT表示转角变化的持续时间。
假设空间自旋目标处于匀加速自旋运动,空间目标自旋角速度记为w0,自旋加速度记为a。那么第k个子孔径的旋转角度为:
wk=w0+k·ΔT·a 0≤k<K (2)
其中,wk表示第k个起始时刻。将(2)代入(1),可计算出空间目标的自旋角度Θk为:
对子孔径的局部慢时间表示为tm=m·PRI,m表示慢时间脉冲时刻,PRI表示发射信号的脉冲重复周期。那么附图3中对应的全孔径慢时间为:
tk,m=tm+k·ΔT (4)
其中
表示空间自旋目标的旋转矩阵。
空间自旋目标在tk,m时刻,散射点q的空间位置为
在雷达观测空间自旋目标的一个观测周期内,雷达的视线向量不会发生变化。雷达视线方向向量为:
雷达视线方向决定空间自旋目标成像平面距离维,另一方面,空间自旋目标图像的方位向为雷达视线与自旋目标旋转轴所确定的平面的法线方向。因此,空间自旋目标图像的方位向向量为:
Los⊥=(sinθ,cosθ,0) (10)
空间自旋目标的散射点q在成像平面上的投影可表示
对于任意时刻,空间自旋目标上的散射点在二维成像平面上的投影位置,都可以通过其初始时刻姿态的空间三维坐标和对应的投影矩阵的乘积,从而计算出空间自旋目标在二维成像平面上的实时投影位置。
图3中的每个子孔径成像时间较短,目标自旋角速度小。因此,cos(wktm)≈1,sin(wktm)≈wktm。并将(5)代入式(13)得
图3中的每个子孔径较小,可以用各子孔径的0时刻的成像位置与投影矩阵代替各个子孔径时间内的散射点投影位置与投影方向。因此每个子孔径成像平面的距离向与方位向向量分别用其tk,0时刻近似,并用tk代替,重新表示为(ik,jk),(14)与(15)表示为:
因此,(13)可表示为
对于图3在第k个子孔径中,空间自旋目标上的散射点在二维雷达图像中的位置记为:Uk=[uk,1,uk,2...,uk,Q]T,Vk=[vk,1,vk,2...,vk,Q]T,1≤k≤K。将每个子视角的二维成像平面的距离向位置Uk按照子视角的顺序排成一列,再把每个子视角的二维成像平面的方位向位置Vk按照子视角的顺序排成一列,放在所有距离向后面,所得的操作结果记为W=[U1... UK V1 ... VK]T。
空间自旋目标上散射点位置与其在附图3中各子孔径下雷达图像中位置的对应关系可表示为:
W=MPT (19)
其中,M表示每个子视角散射点的投影矩阵,由(ik,jk)组成,排列顺序和W相同;P表示目标所有散射点初始时刻的三维坐标。
步骤二:空间自旋目标散射点提取
本步骤在雷达回波数据域提取空间自旋目标的散射点信息,可避免在信号域提取散射点所带来的运算量大、定阶难等难题。
雷达发射的线性调频信号,那么雷达接收到经运动补偿后的回波信号可表示为s(fr,tm)
其中,fr表示距离向频率,fc表示中心频率,c表示光速,Ap表示散射点p的回波强度,Rp(tm)表示tm时刻散射点p到雷达的距离,n(fr,tm)是均值为零的加性高斯白噪声。本发明在实际操作中,将(21)表示成向量运算形式:
因此,对空间自旋目标散射点提取问题转化为求解(23)中参数Θ的最大似然估计:
其中,参数Θ=[A,x,y]包含空间自旋目标散射点回波的幅度信息A、散射点在二维雷达图像中沿距离向投影位置x,散射点在雷达二维图像中沿多普勒维投影位置y。
本发明中使用Relax迭代求解(24)。
令φp(m,n)为空间自旋目标散射点模型的基:
其中⊙为汉蒙德乘法算子。本发明中通过求解(28),获得空间自旋目标散射点的位置参数。
空间自旋目标的幅度通过相应的位置参数确定的基函数与雷达回波的相关值得到:
使用RELAX算法的散射点特征提取算法流程如下:
第五步:重复第三步和第四步,直到剩余回波能量与总能量比值Res_ratio达到预定的阈值,停止迭代。
步骤三:空间自旋目标散射点关联
本步骤采用距离向与方位向联合处理对多个散射点复杂序列关联进行优化处理。对于时间间隔较短的图像序列,每个散射点移动的距离较小,将所有时刻的散射点组合在一起,即可得到散射点轨迹。
步骤二完成对第k个子孔径的所有散射点进行提取,并将提取结果表示为Wk={(xk,1,yk,1) ... (xk,p,yk,p) ... (xk,Q,yk,Q)}。其中,(xk,p,yk,p)表示第k个子孔径时刻,空间自旋目标上的第p个散射点位置。
首先计算第k个子孔径的位置Wk,所有散射点与第k-1个子孔径的散射点位置Wk-1中所有散射点的距离差D=[d1 ... dp ... dQ],其中dp=[dp1 ... dpq ... dpQ]T,表示Wk中散射点p与Wk-1中所有散射点的距离差。
D中第p列最小值的下标为indp,表示第k个子孔径的第p个散射点位置距离第k-1个子孔径的第indp个散射点最近,建立最小值下标矩阵Mr,其中Mr中的元素为Q个最小值下标按照一定的顺序排列,形成一个以最小距离下标为元素的上三角矩阵,使其上下行相减,得到Mc,如果计算结果为0,说明在相邻的两个子孔径散射点位置关联中,相应散射点距离较近。这个时候可以使相邻更近的相邻子孔径的相应散射点进行关联,而较远的散射点可以根据距离维与方位多普勒维各自已经关联的前若干散射点进行曲线拟合,预测其下一时刻的位置,并写入这个散射点关联的第k个位置。
若矩阵Mc中下标为(k,l)的元素为0,则表示第k-1个子孔径的第k个散射点和第k+l个散射点关联到了第k子视角中相同的散射点。这表明对应的两个散射点相距较近,通过距离相关无法进行散射点相关处理。
对于空间自旋目标而言,其在自旋运动过程中,某些散射点会越来越近或者因为遮挡等原因使其轨迹不可见。在散射点关联时就会出现下一时刻相应的散射点都离某个散射点q近的情况,此时可认为与散射点q最近的散射点与q关联,其余距离较近的散射点可以根据前n时刻的散射点变化趋势通过二阶拟合估计得到。当所有子孔径的散射点都关联后,得到每个子孔径的位置Wk。
在观测过程中,雷达成像平面不变,空间自旋目标的径向距离变化为:
空间自旋目标的径向速度可以表示为:
其多普勒频率fa(tm)为:
其中λ为波长。雷达检测的方位向位置为:
散射点轨迹在XOY平面的投影曲线的数学表达式为:
(Rr(tm)-z sinθ)2+R2 a(tm)=r2cos2θ (39)
由于散射点关联后,其轨迹存在一定的抖动。如果直接用这样的散射点轨迹进行三维重构,会导致重构的误差偏大。因此,还需要对圆形轨迹进行拟合,得到光滑的散射点轨迹。拟合后的散射点轨迹按照Wk中各散射点位置的顺序按照上述关联的结果进行重排,直到所有子孔径散射点都关联结束。
将关联后的散射点轨迹按照距离维与方位维分开重排,组成一个2K×Q的矩阵,重排后的结果表示为:
其中K为子孔径数,Q为目标散射点数
步骤四:空间自旋目标三维重构
本步骤对散射点轨迹矩阵分解,得到空间自旋目标的三维结构。由所有子孔径散射点位置变化组成的矩阵W的秩最大为3。
对矩阵W进行奇异值分解
W=MPT=UΣVT (41)
其中,P为空间自旋目标散射信息构成的三维矩阵,根据矩阵理论,可知其秩为3,M表示由空间三维向二维成像平面投影的矩阵,其秩也为3。
投影矩阵M的每一行都是单位向量,且M中对应的距离向与方位向投影矩阵还是正交的。
令uk表示矩阵U的第k行,rk=ukA。则满足的条件为
令H=AAT,矩阵H可以表示为
令g(a,b)=[a1b1,a2b1+a1b2,a3b1+a1b3,a2b2,a3b2+a2b3,a3b3]T,其中a=[a1,a2,a3],b=[b1,b2,b3],则有
GL=C (45)
其中L=[h1,h2,h3,h4,h5,h6]T
由于Λ对角线上所有值都为正数,所以
因此,目标函数可表示为
通过计算可得L=(GTG)-1GTC,利用式(42)和(47)即可得到目标在某时刻三维结构位置P。
本发明相比现有技术具有以下优点:该空间自旋目标三维重构方法,建立了空间自旋目标三维重构模型,通过对空间自旋目标回波的多视角数据划分,完成空间自旋目标散射点信息的高低维映射关系;然后使用Relax算法在数据域完成目标ISAR图像序列中散射点提取,避免了在信号域提取散射点信息带来的运算量大、计算复杂度高、定阶难等问题;在此基础上,使用距离维和多普勒维联合处理的方式,完成对空间自旋目标上的复杂多散射点优化关联;最后,使用矩阵奇异值分解方法,实现空间自旋目标三维重构,值得被推广使用。
附图说明
图1是本发明实施例中空间自旋目标三维重构方法流程图。
图2是本发明实施例中空间自旋目标的结构示意图;
图3是空间自实施例中雷达回波数据划分子视角的示意图;
图4a是空间自实施例中空间自旋目标二维成像结果图;
图4b是空间自实施例中散射点1的提取结果图;
图4c是空间自实施例中散射点2的提取结果图;
图4d是空间自实施例中散射点3的提取结果图;
图4e是空间自实施例中散射点4的提取结果图;
图4f是空间自实施例中散射点5的提取结果图;
图5a是空间自实施例中距离单元关联结果图;
图5b是空间自实施例中多普勒单元关联结果图;
图5c是空间自实施例中关联结果的二维展示图;
图5d是空间自实施例中距离向轨迹图;
图5e是空间自实施例中方位向轨迹图;
图5f是空间自实施例中平滑后的二维轨迹图;
图6a是空间自实施例中空间自旋目标结构图;
图6b是空间自实施例中空间自旋目标在43.3度雷达视角下的重构结果图;
图6c是空间自实施例中空间自旋目标在65度雷达视角下的重构结果图;
图6d是空间自实施例中空间自旋目标在86度雷达视角下的重构结果图;
图6e是空间自实施例中空间自旋目标在118度雷达视角下的重构结果图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种空间自旋目标三维重构方法,包括
本发明采用仿真试验验证所提的空间自旋目标三维重构方法的可行性和有效性。本发明的所有步骤、结论都在Matlab2015仿真平台上验证正确,以下给出实施本发明方法的详细操作步骤。
步骤一:空间自旋目标三维重构模型
本实施方案采用的空间自旋目标如附图2所示,设置的目标由5个强散射点组成,散射点的空间位置分布,如表1所示。仿真的雷达系统参数如表2所示。雷达相对仿真目标的视线俯仰角度为45°。观测时间内,雷达相对于目标的视线角度不会突变,目标的自旋速度恒定。根据空间自旋目标三维重构几何模型,将雷达回波数据划分为多个重叠的子孔径数据,并分别对其进行运动补偿和成像。
表1如下:
表1、空间自旋目标散射点位置参数
散射点1 | 散射点2 | 散射点3 | 散射点4 | 散射点5 | |
X轴/m | 0.125 | 0.125 | -0.125 | -0.125 | 0 |
Y轴/m | 0.125 | -0.125 | 0.125 | -0.125 | 0 |
Z轴/m | 0 | 0 | 0 | 0 | 0.6 |
表2如下:
表2、雷达系统参数
参数名称 | 数值 | 单位 |
中心频率 | 13.5 | GHz |
带宽 | 2 | GHz |
脉宽 | 2 | us |
雷达重复频率 | 600 | Hz |
采样频率 | 2200 | MHz |
雷达回波数据划分如附图3所示,K表示子孔径总数;Kc表示子孔径的时间周期;Θk(k=1,2,…K)表示旋转角,下标k表示全孔径划分后,按计数顺序的第k个;Ωk表示完成全孔径数据划分后,第k个子孔径的起始数据与第k+1个子孔径的起始数据的转角;ΔT表示转角变化的持续时间,空间目标自旋角速度记为w0,自旋加速度记为a,,Tc表示子孔径观测时间长度。
那么第k个子孔径的旋转角度为
wk=w0+k·ΔT·a 0≤k<K
其中wk表示第k个起始时刻。
对子孔径的局部慢时间表示为tm=m·PRI,m表示慢时间脉冲时刻,PRI表示发射信号的脉冲重复周期。那么附图3中对应的全孔径慢时间为:
tk,m=tm+k·ΔT
m=0,1,…Mt-1,Mt表示雷达发射的总脉冲数。对应的第k个子孔径的第m个脉冲的慢时间,空间自旋目标的瞬时旋转角速度为:
h表示空间自旋目标的第h个转角,h可以取值0,1,…,k-1。
那么,空间自旋目标在tk,m时刻,散射点q的空间位置为:
雷达视线方向向量为:
那么空间自旋目标的散射点q在成像平面上投影为
因为附图3中的每个子孔径成像时间较短,目标自旋角速度小,因此cos(wktm)≈1,sin(wktm)≈wktm。在tk,m时刻,空间自旋目标上是散射点在二维雷达成像平面的距离向与方位向投影矩阵的表达形式如下:
因为每个子孔径较小,可以用各子孔径的0时刻的成像位置与投影矩阵代替各个子孔径时间内的散射点投影位置与投影方向。因此每个子孔径成像平面的距离向与方位向向量分别用其tk,0时刻近似,并用tk代替,重新表示为(ik,jk)。
在第k个子孔径中,空间自旋目标上的散射点在二维雷达图像中的位置记为:Uk=[uk,1,uk,2...,uk,Q]T,Vk=[vk,1,vk,2...,vk,Q]T,1≤k≤K。将每个子视角的二维成像平面的距离向位置Uk按照子视角的顺序排成一列,再把每个子视角的二维成像平面的方位向位置Vk按照子视角的顺序排成一列,放在所有距离向后面,所得的操作结果记为W=[U1 ... UK V1... VK]T。
那么,空间自旋目标上散射点位置与其在表1中各子孔径下雷达图像中位置的对应关系可表示为
W=MPT
M表示每个子视角散射点的投影矩阵,由(ik,jk)组成,排列顺序和W相同,P表示目标所有散射点初始时刻的三维坐标。
步骤二:空间自旋目标散射点提取
本发明中假设雷达发射的线性调频信号,那么雷达接收到经运动补偿后的回波数据可表示为s(fr,tm)
其中fr表示距离向频率,fc表示中心频率,Ap表示散射点p的回波强度,c为光速,Rp(tm)表示tm时刻散射点p到雷达的距离,n(fr,tm)是均值为零的加性高斯白噪声。
本发明在实际操作中,将s(fr,tm)表示成
对空间自旋目标散射点提取问题转化为对参数Θ进行最大似然估计
其中,⊙为汉蒙德乘法算子。
使用表2给出的雷达系统参数对表1中给出的自旋目标散射点提取的仿真结果如附图4所示。可以看出,使用本发明提出的方法,可完成目标的二维高分辨ISAR成像和5个散射点信息的提取。
步骤三:空间自旋目标散射点关联
本步骤采用距离向与方位向联合处理对多个散射点复杂序列关联进行优化处理。对于时间间隔较短的图像序列,每个散射点移动的距离较小,将所有时刻的散射点组合在一起,即可得到散射点轨迹。
将步骤二对第k个子孔径的所有散射点进行提取结果表示为Wk={(xk,1,yk,1)...(xk,p,yk,p)...(xk,Q,yk,Q)}。其中,(xk,p,yk,p)表示第k个子孔径时刻,空间自旋目标上的第p个散射点位置。
计算第k个子孔径的位置Wk,散射点与第k-1个子孔径的散射点位置Wk-1中所有散射点的距离差D=[d1 ... dp ... dQ],其中dp=[dp1 ... dpq ... dpQ]T,表示Wk中散射点p与Wk-1中所有散射点的距离差,表示为:
D中第p列最小值的下标为indp,表示第k个子孔径的第p个散射点位置距离第k-1个子孔径的第indp个散射点最近,建立最小值下标矩阵Mr,其中Mr中的元素为Q个最小值下标按照一定的顺序排列,形成一个以最小距离下标为元素的上三角矩阵,使其上下行相减,得到Mc,如果计算结果为0,说明在相邻的两个子孔径散射点位置关联中,相应散射点距离较近。
在观测过程中,雷达成像平面不变。空间自旋目标转化为转台目标的旋转,造成的径向距离变化为:
多普勒频率fa(tm)表达式为
其中λ为波长。雷达检测的方位向位置为
目标散射点的轨迹在XOY平面的投影曲线可表示为
(Rr(tm)-z sinθ)2+R2 a(tm)=r2 cos2θ
拟合后,将得到光滑的散射点轨迹按照Wk中各散射点位置的顺序按照上述关联的结果进行重排,直到所有子孔径散射点都关联结束。关联后的散射点轨迹按照距离维与方位维分开重排,组成一个2K×Q的矩阵,其中K为子孔径数,Q为目标散射点数,表示为:
该步骤得到的仿真结果如附图5所示。图5(a)和图5(b)为两维联合关联未经过拟合的结果,图中可见,虽然在方位单元轨迹存在较多的交叉,但都没有出现关联错误的现象。图5(a)和图5(b)以二维图表现形式如图5(c)所示,其中的曲线抖动剧烈,不利于后面的重构算法,所以需要进行平滑。图5(d)中点画线为平滑后距离单元转化为物理距离后的结果,其中虚线表示对应目标散射点的距离向轨迹变化,实线为仿真设定的轨迹结果。图5(e)虚线为估计的方位向轨迹变化结果,实线为仿真的方位轨迹结果,图5(d)和图5(e)的二维表现形式如附图5(f)所示。
步骤四:空间自旋目标三维重构
本步骤对散射点轨迹矩阵分解可以获得目标的三维结构。由所有子孔径散射点位置变化组成的矩阵W的秩最大为3。矩阵为空间自旋目标3维几何结构的矩阵,且秩为3,为投影矩阵,秩为3。根据矩阵理论可知,矩阵M和P相乘得到的新矩阵秩最大为3。
对矩阵W进行奇异值分解
W=MPT=UΣVT
令uk表示矩阵U的第k行,rk=ukA。则满足的条件为:
令H=AAT。矩阵H可表示为:
令g(a,b)=[a1b1,a2b1+a1b2,a3b1+a1b3,a2b2,a3b2+a2b3,a3b3]T,其中a=[a1,a2,a3],b=[b1,b2,b3],则有:
GL=C
其中L=[h1,h2,h3,h4,h5,h6]T
因为A=SΛ1/2,H=AAT,目标函数可表示为:
GL=C
G=[g(u1,u1),g(u2,u2),...g(uK,uK),g(u1,u1+K),g(u2,u2+K),...g(uK,u2K)]T
通过计算可得L=(GTG)-1GTC,即可得到目标在某时刻三维结构位置P。
该步骤得到的空间自旋目标三维重构仿真结果如附图6所示。从图中可以看出,不同雷达视角下,空间自旋目标散射点的空间信息得到了高精度重构。本领域工程技术人员可根据本发明公开的空间自旋目标散射点提取、散射点关联技术以及空间自旋目标三维重构的方法做出相关的应用,相关知识仍在本发明保护范围之内。
综上所述,本实施例的空间自旋目标三维重构方法,建立了空间自旋目标三维重构模型,通过对空间自旋目标回波的多视角数据划分,完成空间自旋目标散射点信息的高低维映射关系;然后使用Relax算法在数据域完成目标ISAR图像序列中散射点提取,避免了在信号域提取散射点信息带来的运算量大、计算复杂度高、定阶难等问题;在此基础上,使用距离维和多普勒维联合处理的方式,完成对空间自旋目标上的复杂多散射点优化关联;最后,使用矩阵奇异值分解方法,实现空间自旋目标三维重构,值得被推广使用。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种空间自旋目标三维重构方法,其特征在于,包括以下步骤:
S1:建立三维重构模型
基于雷达与空间自旋目标的几何关系,建立雷达与空间自旋目标的三维重构模型,完成空间自旋目标上散射点由三维空间向二维成像平面的投影;
S2:散射点提取
在空间自旋目标二维图像序列中提取空间自旋目标的散射点信息;
S3:散射点关联
采用距离向与方位向联合处理对多个散射点复杂序列关联进行处理,对于时间间隔较短的图像序列,将所有时刻的散射点组合在一起,得到散射点轨迹;
S4:三维重构
对散射点轨迹矩阵进行奇异值分解,计算得到空间自旋目标的三维结构。
2.根据权利要求1所述的一种空间自旋目标三维重构方法,其特征在于:所述步骤S1的具体过程如下:
S11:将雷达回波对空间自旋目标的回波数据划分为多个重叠的子孔径数据,并对划分的子孔径数据分别进行运动补偿和成像;
S12:在空间自旋目标图像序列中,确定空间自旋目标上散射点位置在各子孔径下雷达图像中位置的对应关系。
3.根据权利要求2所述的一种空间自旋目标三维重构方法,其特征在于:所述步骤S11的具体过程如下:
S111:设空间自旋目标处于匀加速自旋运动,空间目标自旋角速度记为w0,自旋加速度记为a,计算第k个子孔径的旋转角度,旋转角度为:
wk=w0+k·ΔT·a 0≤k<K
其中,K表示子孔径总数;Tc表示子孔径的时间周期;Θk(k=1,2,…K)表示旋转角,下标k表示全孔径划分后,按计数顺序的第k个;Ωk表示完成全孔径数据划分后,第k个子孔径的起始数据与第k+1个子孔径的起始数据的转角;ΔT表示转角变化的持续时间;wk表示第k个起始时刻;
S112:计算空间目标的自旋角度Θk,自旋角度Θk为:
将子孔径的局部慢时间表示为tm=m·PRI,m表示慢时间脉冲时刻,PRI表示发射信号的脉冲重复周期,计算得到对应的全孔径慢时间:
tk,m=tm+k·ΔT
其中,m=0,1,…Mt-1,Mt表示雷达发射的总脉冲数,下标t表示该变量用于发射脉冲的计数;
S113:在第k个子孔径的第m个脉冲的慢时间,计算空间自旋目标的瞬时旋转角度θ(tk,m):
4.根据权利要求3所述的一种空间自旋目标三维重构方法,其特征在于:所述步骤S12的具体过程如下:
计算空间自旋目标在tk,m时刻,散射点q的空间位置为:
S122:计算空间自旋目标的散射点q在成像平面上的投影,表示为:
其中为雷达视线方向向量,Los⊥=(sinθ,cosθ,0)为空间自旋目标图像的方位向向量,该向量与雷达视线方向向量Los正交,表示空间自旋目标上的散射点q在tk,m时刻在二维成像平面上沿距离向的投影位置,表示空间自旋目标上的散射点q在tk,m时刻在二维成像平面上沿方位向的投影位置;
S123:对于任意时刻,空间自旋目标上的散射点在二维成像平面上的投影位置,通过其初始时刻姿态的空间三维坐标和对应的投影矩阵的乘积计算,计算过程如下:
令cos(wktm)=1,sin(wktm)=wktm得到:
将上式表示为:
S124:在第k个子孔径中,将空间自旋目标上的散射点在二维雷达图像中的位置记为Uk=[uk,1,uk,2...,uk,Q]T,Vk=[vk,1,vk,2...,vk,Q]T,1≤k≤K,将每个子视角的二维成像平面的距离向位置Uk按照子视角的顺序排成一列,再把每个子视角的二维成像平面的方位向位置Vk按照子视角的顺序排成一列,放在所有距离向后面,所得的操作结果记为W=[U1 ... UKV1 ... VK]T;
得到空间自旋目标上散射点位置各子孔径下雷达图像中位置的对应关系,表示为:
W=MPT
其中,M表示每个子视角散射点的投影矩阵,由(ik,jk)组成,排列顺序和W相同;P表示目标所有散射点初始时刻的三维坐标。
5.根据权利要求4所述的一种空间自旋目标三维重构方法,其特征在于:所述步骤S2的具体过程如下:
S21:将雷达接收到经运动补偿后的回波信号s(fr,tm)表示为:
其中,fr表示距离向频率,fc表示中心频率,c表示光速,Ap表示散射点p的回波强度,Rp(tm)表示tm时刻散射点p到雷达的距离,n(fr,tm)是均值为零的加性高斯白噪声;
S22:将回波信号s(fr,tm)表示向量运算形式:
S24:对参数Θ进行最大似然估计:
其中,参数Θ=[A,x,y]包含空间自旋目标散射点回波的幅度信息A、散射点在二维雷达图像中沿距离向投影位置x,散射点在雷达二维图像中沿多普勒维投影位置y。
7.根据权利要求6所述的一种空间自旋目标三维重构方法,其特征在于:所述步骤S3中的具体过程如下:
S31:将步骤S2对第k个子孔径的所有散射点进行提取结果表示为Wk={(xk,1,yk,1) ...(xk,p,yk,p) ... (xk,Q,yk,Q)},其中,(xk,p,yk,p)表示第k个子孔径时刻空间自旋目标上的第p个散射点位置;
S32:计算第k个子孔径的位置Wk,散射点与第k-1个子孔径的散射点位置Wk-1中所有散射点的距离差D=[d1 ... dp ... dQ],其中dp=[dp1 ... dpq ... dpQ]T,表示Wk中散射点p与Wk-1中所有散射点的距离差,表示为:
S33:D中第p列最小值的下标为indp,表示第k个子孔径的第p个散射点位置距离第k-1个子孔径的第indp个散射点最近,建立最小值下标矩阵Mr,其中Mr中的元素为Q个最小值下标按照一定的顺序排列,形成一个以最小距离下标为元素的上三角矩阵,使其上下行相减,得到Mc,其中Mr为:
S34:在观测过程中,雷达成像平面不变,则空间自旋目标的径向距离变化为:
则空间自旋目标的径向速度表示为:
空间自旋目标多普勒频率fa(tm)为:
其中λ为波长;
雷达检测的方位向位置为:
目标散射点的轨迹在XOY平面的投影曲线表示为:
(Rr(tm)-zsinθ)2+R2 a(tm)=r2cos2θ
S35:对轨迹进行拟合,得到光滑的散射点轨迹。拟合后的散射点轨迹按照Wk中各散射点位置的顺序按照关联结果进行重排,直到所有子孔径散射点都关联结束。
9.根据权利要求8所述的一种空间自旋目标三维重构方法,其特征在于:所述步骤S4的具体过程如下:
S41:由所有子孔径散射点位置变化组成的矩阵W的秩最大为3;
对矩阵W进行奇异值分解:
W=MPT=UΣVT
其中,P为空间自旋目标散射信息构成的三维矩阵,根据矩阵理论,可知其秩为3;M表示由空间三维向二维成像平面投影的矩阵,其秩也为3;
令uk表示矩阵U的第k行,rk=ukA,则满足的条件为:
令H=AAT,矩阵H表示为:
令g(a,b)=[a1b1,a2b1+a1b2,a3b1+a1b3,a2b2,a3b2+a2b3,a3b3]T,其中a=[a1,a2,a3],b=[b1,b2,b3],则有:
GL=C
其中,L=[h1,h2,h3,h4,h5,h6]T,
S43:根据计算出的L,重构出H,并对H进行特征值分解,得到H=SΛS,其中Λ为三维对角矩阵,S为Λ特征值对应的特征向量组成的矩阵;
由于Λ对角线上所有值均为正数,则:
A=SΛ1/2
H=AAT
将目标函数表示为:
GL=C
S44:通过计算得到L=(GTG)-1GTC,即可得到目标在指定时刻的三维结构位置P。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010858938.2A CN112014817B (zh) | 2020-08-24 | 2020-08-24 | 一种空间自旋目标三维重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010858938.2A CN112014817B (zh) | 2020-08-24 | 2020-08-24 | 一种空间自旋目标三维重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112014817A true CN112014817A (zh) | 2020-12-01 |
CN112014817B CN112014817B (zh) | 2023-06-02 |
Family
ID=73505761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010858938.2A Active CN112014817B (zh) | 2020-08-24 | 2020-08-24 | 一种空间自旋目标三维重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014817B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527452A (zh) * | 2022-01-14 | 2022-05-24 | 浙江零跑科技股份有限公司 | 一种激光雷达外参在线标定方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU6862994A (en) * | 1993-07-29 | 1995-02-09 | Lockheed Martin Tactical Systems Inc. | Auto-focusing correction for rotational acceleration effects on inverse synthetic aperture radar images |
US5394151A (en) * | 1993-09-30 | 1995-02-28 | The United States Of America As Represented By The Secretary Of The Navy | Apparatus and method for producing three-dimensional images |
EP0883860A1 (en) * | 1996-02-29 | 1998-12-16 | Acuson Corporation | Multiple ultrasound image registration system, method and transducer |
US20030097068A1 (en) * | 1998-06-02 | 2003-05-22 | Acuson Corporation | Medical diagnostic ultrasound system and method for versatile processing |
EP1482324A2 (en) * | 2003-05-30 | 2004-12-01 | The Boeing Company | Inverse synthetic aperture radar-based covert system for human identification |
CN101832912A (zh) * | 2010-04-16 | 2010-09-15 | 首都师范大学 | 太赫兹波快速成像扫描装置 |
CN102353945A (zh) * | 2011-03-31 | 2012-02-15 | 北京航空航天大学 | 基于isar像序列的散射点三维位置重构方法 |
CN103091674A (zh) * | 2012-12-14 | 2013-05-08 | 西安电子科技大学 | 基于hrrp序列的空间目标高分辨成像方法 |
CN104007430A (zh) * | 2014-05-29 | 2014-08-27 | 西安电子科技大学 | 基于瞬时调频率估计的进动目标的微多普勒提取方法 |
CN105259553A (zh) * | 2015-11-11 | 2016-01-20 | 西安电子科技大学 | 基于距离-瞬时多普勒像的微动目标散射点航迹关联方法 |
CN108196240A (zh) * | 2018-02-07 | 2018-06-22 | 中国人民解放军国防科技大学 | 一种适用于csar成像的地面动目标轨迹重构方法 |
CN109146001A (zh) * | 2018-09-14 | 2019-01-04 | 西安电子科技大学 | 多视角isar图像融合方法 |
CN109541589A (zh) * | 2018-10-25 | 2019-03-29 | 中国电子科技集团公司电子科学研究院 | 空间自旋目标雷达的三维成像方法、装置及存储介质 |
CN111208513A (zh) * | 2020-01-15 | 2020-05-29 | 西安电子科技大学 | 空间目标isar图像序列能量反向投影与三维重构方法 |
CN111504953A (zh) * | 2020-04-24 | 2020-08-07 | 上海无线电设备研究所 | 一种太赫兹时域光谱目标三维散射成像测量方法 |
-
2020
- 2020-08-24 CN CN202010858938.2A patent/CN112014817B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU6862994A (en) * | 1993-07-29 | 1995-02-09 | Lockheed Martin Tactical Systems Inc. | Auto-focusing correction for rotational acceleration effects on inverse synthetic aperture radar images |
US5394151A (en) * | 1993-09-30 | 1995-02-28 | The United States Of America As Represented By The Secretary Of The Navy | Apparatus and method for producing three-dimensional images |
EP0883860A1 (en) * | 1996-02-29 | 1998-12-16 | Acuson Corporation | Multiple ultrasound image registration system, method and transducer |
US20030097068A1 (en) * | 1998-06-02 | 2003-05-22 | Acuson Corporation | Medical diagnostic ultrasound system and method for versatile processing |
EP1482324A2 (en) * | 2003-05-30 | 2004-12-01 | The Boeing Company | Inverse synthetic aperture radar-based covert system for human identification |
CN101832912A (zh) * | 2010-04-16 | 2010-09-15 | 首都师范大学 | 太赫兹波快速成像扫描装置 |
CN102353945A (zh) * | 2011-03-31 | 2012-02-15 | 北京航空航天大学 | 基于isar像序列的散射点三维位置重构方法 |
CN103091674A (zh) * | 2012-12-14 | 2013-05-08 | 西安电子科技大学 | 基于hrrp序列的空间目标高分辨成像方法 |
CN104007430A (zh) * | 2014-05-29 | 2014-08-27 | 西安电子科技大学 | 基于瞬时调频率估计的进动目标的微多普勒提取方法 |
CN105259553A (zh) * | 2015-11-11 | 2016-01-20 | 西安电子科技大学 | 基于距离-瞬时多普勒像的微动目标散射点航迹关联方法 |
CN108196240A (zh) * | 2018-02-07 | 2018-06-22 | 中国人民解放军国防科技大学 | 一种适用于csar成像的地面动目标轨迹重构方法 |
CN109146001A (zh) * | 2018-09-14 | 2019-01-04 | 西安电子科技大学 | 多视角isar图像融合方法 |
CN109541589A (zh) * | 2018-10-25 | 2019-03-29 | 中国电子科技集团公司电子科学研究院 | 空间自旋目标雷达的三维成像方法、装置及存储介质 |
CN111208513A (zh) * | 2020-01-15 | 2020-05-29 | 西安电子科技大学 | 空间目标isar图像序列能量反向投影与三维重构方法 |
CN111504953A (zh) * | 2020-04-24 | 2020-08-07 | 上海无线电设备研究所 | 一种太赫兹时域光谱目标三维散射成像测量方法 |
Non-Patent Citations (4)
Title |
---|
LIU, XW等: "Reconstruction of Three-Dimensional Images Based on Estimation of Spinning Target Parameters in Radar Network", 《REMOTE SENSING 》, pages 548 - 552 * |
彭东稳: "逆合成孔径雷达二维及三维成像方法研究", 《中国优秀博硕士学位论文全文数据库 (博士)》, pages 1 - 161 * |
徐丹,符吉祥,孙光才,邢孟道,苏涛,保铮: "空间目标的短时三维几何重构方法", 《电子与信息学报》, vol. 41, no. 8, pages 1952 - 1959 * |
李永国: "微动目标三维高分辨成像方法研究", 《中国优秀硕士学位论文全文数据库》, pages 1 - 77 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527452A (zh) * | 2022-01-14 | 2022-05-24 | 浙江零跑科技股份有限公司 | 一种激光雷达外参在线标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112014817B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Three-dimensional precession feature extraction of space targets | |
CN103713288B (zh) | 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法 | |
CN109100718B (zh) | 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法 | |
CN108594228B (zh) | 基于isar图像重聚焦的空间目标姿态估计方法 | |
CN111157985B (zh) | 基于多站一维距离像序列的空间刚体目标三维重构方法 | |
CN112099011B (zh) | 基于focuss算法的全息sar子孔径三维重建方法 | |
CN110244303B (zh) | 基于sbl-admm的稀疏孔径isar成像方法 | |
CN109633647A (zh) | 一种双基地isar稀疏孔径成像方法 | |
CN110146886A (zh) | 非均匀旋转目标运动参数的快速估计方法 | |
Liu et al. | A new 3-D geometry reconstruction method of space target utilizing the scatterer energy accumulation of ISAR image sequence | |
CN109613532A (zh) | 一种机载雷达实时多普勒波束锐化超分辨成像方法 | |
CN114114267B (zh) | 一种基于自旋空间目标模型投影匹配的目标姿态估计方法 | |
CN105137425A (zh) | 基于卷积反演原理的扫描雷达前视角超分辨方法 | |
CN113030972B (zh) | 基于快速稀疏贝叶斯学习的机动目标isar成像方法 | |
CN112433210A (zh) | 一种双站前视探地雷达快速时域成像方法 | |
Liu et al. | A novel ISAR imaging and scaling approach for maneuvering targets based on high-accuracy phase parameter estimation algorithm | |
CN112014817A (zh) | 一种空间自旋目标三维重构方法 | |
Ren et al. | A three-dimensional imaging algorithm for tomography SAR based on improved interpolated array transform1 | |
CN112433208A (zh) | 一种双站圆周探地雷达快速时域成像方法及系统 | |
Ryu et al. | Frame selection method for isar imaging of 3-d rotating target based on time–frequency analysis and radon transform | |
CN112684446B (zh) | 基于最小熵准则的Bi-ISAR横向定标与畸变校正方法 | |
Rong et al. | InISAR imaging for maneuvering target based on the quadratic frequency modulated signal model with time-varying amplitude | |
Zhou et al. | A Novel Method of Three-Dimensional Geometry Reconstruction of Space Targets Based on the ISAR Image Sequence | |
Gong et al. | A novel approach for squint InISAR imaging with dual-antenna configuration | |
Kang et al. | ISAR Image 3D Reconstruction Based on Radar Network |
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 |