CN113176573A - 复数域结构化sar舰船目标动态仿真与速度估计方法 - Google Patents
复数域结构化sar舰船目标动态仿真与速度估计方法 Download PDFInfo
- Publication number
- CN113176573A CN113176573A CN202110463376.6A CN202110463376A CN113176573A CN 113176573 A CN113176573 A CN 113176573A CN 202110463376 A CN202110463376 A CN 202110463376A CN 113176573 A CN113176573 A CN 113176573A
- Authority
- CN
- China
- Prior art keywords
- ship target
- radar
- ship
- sar
- ray
- 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
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
- 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
- G01S13/9094—Theoretical aspects
-
- 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
- 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
- G01S7/417—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 involving the use of neural networks
-
- 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
- G01S7/418—Theoretical aspects
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)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
复数域结构化SAR舰船目标动态仿真与速度估计方法,属于SAR图像处理领域。本发明是为了解决在做SAR舰船目标仿真时缺乏大量仿真样本,且现有的SAR舰船目标仿真方法无法获取精确的舰船目标SAR图像,导致无法获取准确的舰船目标的问题。本发明方法包括:获取舰船3D模型,对舰船3D模型进行预处理,将预处理后的舰船3D模型划分为多个三角面元;根据设定的雷达参数进行射线追踪,得到舰船目标散射点空间坐标;进行舰船目标成像;将训练样本输入AlexNet网络得到训练好的AlexNet预训练模型,将待测样本输入训练好的AlexNet预训练模型,计算得到AlexNet网络复数域速度估计结果。本发明用于SAR舰船目标动态仿真与速度估计。
Description
技术领域
本发明涉及复数域结构化SAR舰船目标动态仿真与速度估计方法。属于SAR图像处理领域。
背景技术
由于合成孔径雷达一般采用侧视,使得舰船被雷达波束照射时,舰船目标接收到雷达 照射部位会向各个方向散射电磁波,此外一些部位被遮挡存在阴影效应,同时还会存在顶 底倒置和透视收缩等问题。目标的RCS跟电磁波入射角、舰船结构、材质等都有关系,被 电磁波照射分辨单元内还存在随机散射引起的相干斑噪声,使得舰船目标的散射模型较为 复杂。因此在传统SAR舰船目标仿真方法中采用多个散射点进行简化研究,即在SAR照射区域内放置若干个点目标,点目标之间呈现出船舶基本形状,而且每个点目标的RCS均设置为1,仿真得到的SAR图像与实测舰船目标SAR图像相差很大。
在对舰船目标进行SAR成像时,由于一般情况下舰船存在运动,会造成SAR图像中舰船目标的偏移和散焦。散焦的SAR舰船目标图像不利于SAR图像的后续处理。解决运 动舰船目标散焦的一般办法是通过估计多普勒中心调频率进行运动补偿,但该方法对SAR 大场景下多个舰船目标处理时,尤其是多个目标在相同距离单元或方位单位时处理较为复 杂,且效果不稳定。随着深度学习技术的快速发展,逐渐出现了利用深度网络解决SAR图 像散焦的方法,但由于难以获取大量SAR运动舰船目标的标注样本,该解决方法仍存在较 大瓶颈。
为了解决传统SAR舰船目标仿真方法难以准确刻画舰船目标SAR图像的问题以及深 度学习网络缺乏大量SAR运动舰船目标样本的问题,现需一种复数域结构化SAR舰船目标动态仿真与速度估计方法,即利用射线追踪的方式仿真不同舰船目标在不同速度下的SAR图像,并利用深度学习网络完成SAR舰船目标复数域速度估计任务。
发明内容
本发明是为了解决在做SAR舰船目标仿真时缺乏大量仿真样本,且现有的SAR舰船目标仿真方法无法获取精确的舰船目标SAR图像,导致无法获取准确的舰船目标的问题。现提供复数域结构化SAR舰船目标动态仿真与速度估计方法。
复数域结构化SAR舰船目标动态仿真与速度估计方法,包括:
步骤一、获取舰船3D模型,对舰船3D模型进行预处理,并将预处理后的舰船3D模型划分为多个三角面元;
步骤二、设定雷达参数,根据设定的雷达参数进行射线追踪,得到舰船目标散射点空 间坐标;
步骤三、基于步骤二的舰船目标散射点空间坐标进行舰船目标成像;具体过程为:
步骤三一、记在ti时刻得到的舰船目标散射点集合为Pi,则舰船目标散射点集合Pi通 过如下公式表示:
其中,表示ti时刻得到的舰船目标第1个散射点的方位向坐标;为ti时刻得到的舰 船目标第j个散射点的方位向坐标;表示ti时刻得到的舰船目标第1个散射点的距离向坐 标;为ti时刻得到的舰船目标第j个散射点的距离向坐标;表示ti时刻得到的舰船目标 第j个散射点的高度坐标;为ti时刻得到的舰船目标第j个散射点的高度坐标;为ti时 刻得到的舰船目标第1个散射点的RCS,所述RCS为雷达散射截面积;为ti时刻得到的 舰船目标第j个散射点的RCS;Mi为ti时刻得到的舰船目标散射点总数;
步骤三二、根据舰船目标散射点空间坐标和雷达参数,进行回波仿真,得到回波信号;
步骤三三、利用回波信号和雷达信号,通过BP算法计算得到运动舰船目标成像结果;
步骤四、将步骤三得到的舰船目标成像结果分为训练样本和测试样本;将训练样本输 入AlexNet网络得到训练好的AlexNet预训练模型,将测试样本输入训练好的AlexNet预训 练模型进行测试,若舰船目标成像结果的准确率大于等于准确率阈值,则将待测样本输入 训练好的AlexNet预训练模型,计算得到AlexNet网络复数域速度估计结果,若舰船目标 成像结果的准确率小于准确率阈值,则重新对AlexNet预训练模型进行训练。
有益效果
本发明通过构建基于舰船3D模型与射线追踪法的SAR运动舰船目标仿真方法,获得 大量不同类型不同速度的SAR运动舰船目标仿真图像,解决了传统SAR舰船目标仿真难以准确刻画运动舰船目标SAR图像的问题和仿真时缺乏大量仿真样本的问题。
本发明对AlexNet进行了改进,通过改进的AlexNet对参数进行估计,能够通过训练 进行SAR运动舰船目标复数域速度估计,能够更准确的获取运动舰船目标。
本发明对物理光学法计算金属RCS的公式进行了改进,使计算过程得到简化,并适用 于射线追踪法的处理过程,简化了RCS求解的复杂度。
附图说明
图1是射线追踪示意图;
图2是结构化散射点生成流程图;
图3是射线追踪流程图;
图4是运动舰船目标成像流程图;
图5a是SAR运动舰船目标成像结果示意图;
图5b是SAR运动舰船目标成像结果示意图;
图6是复数域速度估计流程图;
图7是AlexNet改进网络架构图。
具体实施方式
具体实施方式一:参照图1-7具体说明本实施方式,本实施方式复数域结构化SAR舰 船目标动态仿真与速度估计方法,包括:
步骤一、获取舰船3D模型,对舰船3D模型进行预处理,并将预处理后的舰船3D模型划分为多个三角面元;
步骤二、设定雷达参数,根据设定的雷达参数进行射线追踪,得到舰船目标散射点空 间坐标;
步骤三、基于步骤二的舰船目标散射点空间坐标进行舰船目标成像;具体过程为:
步骤三一、记在ti时刻得到的舰船目标散射点集合为Pi,则舰船目标散射点集合Pi通 过如下公式表示:
其中,表示ti时刻得到的舰船目标第1个散射点的方位向坐标;为ti时刻得到的舰 船目标第j个散射点的方位向坐标;表示ti时刻得到的舰船目标第1个散射点的距离向坐 标;为ti时刻得到的舰船目标第j个散射点的距离向坐标;表示ti时刻得到的舰船目标 第j个散射点的高度坐标;为ti时刻得到的舰船目标第j个散射点的高度坐标;为ti时 刻得到的舰船目标第1个散射点的RCS(雷达散射截面积);为ti时刻得到的舰船目标第 j个散射点的RCS;Mi为ti时刻得到的舰船目标散射点总数;
步骤三二、根据舰船目标散射点空间坐标和雷达参数,进行回波仿真,得到回波信号;
步骤三三、利用回波信号和雷达信号,通过BP算法计算得到运动舰船目标成像结果;
步骤四、将步骤三得到的舰船目标成像结果分为训练样本和测试样本;将训练样本输 入AlexNet网络得到训练好的AlexNet预训练模型,将测试样本输入训练好的AlexNet预训 练模型进行测试,若舰船目标成像结果的准确率大于等于准确率阈值,则将待测样本输入 训练好的AlexNet预训练模型,计算得到AlexNet网络复数域速度估计结果,若舰船目标 成像结果的准确率小于准确率阈值,则重新对AlexNet预训练模型进行训练。运动舰船目 标成像结果如图5a、图5b所示。
具体实施方式二:本实施方式与具体实施方式一不同的是,所述步骤一对舰船3D模 型进行预处理;具体过程为:
去除舰船3D模型的水下机构,所述水下机构包括螺旋桨、船锚或旗帜;预处理后可使得与真实SAR对舰船目标成像的物理过程更为接近,同时能够减少划分三角面元的时间。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是,所述步骤一中划分的 三角面元边长取雷达入射波波长的六分之一,表示为:
其中,△l表示三角面元边长;c表示光速,f表示雷达载频;
三角面元的质量和数量决定了计算碰撞检测的时间长短,所以要优先先考虑时间成本 和计算机资源限制。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是,所述步骤二设定 雷达参数,根据设定的雷达参数进行射线追踪,得到舰船目标散射点空间坐标;具体过程 为:
步骤二一、如图3所示,首先根据当前舰船目标方位向采样时刻确定雷达目标,即射 线的起点;
步骤二三、射线追踪法很重要的一部分就是判断射线是否与场景中物体相交,即碰撞 检测,并求出交点坐标。因为已经对舰船模型进行了网格剖分,所以舰船模型均是由若干 个三角面元组成。因此判断射线与场景中舰船模型是否相交的问题,可以转化为射线与场 景中舰船模型每一个三角面元是否相交的问题。换言之,便是将空间中线与复杂几何体相 交的问题转化为空间中线与三角面元相交的问题。但每一条射线的碰撞检测都将遍历所有 的三角面元,增加了时间成本,所以为了解决这一问题,可以假设存在一个能够包含舰船 3D模型的最小外切球体S,球体S的球心为OS,半径为RS;
步骤二六、判断是否遍历完舰船3D模型的所有三角面元,若是,则执行步骤二七,若否,则执行步骤二四;
步骤二七、保留距离雷达所在空间坐标最近的射线与三角面元的交点,执行步骤二八; 此步骤是为了保留距射线起点最近交点,因为空间中一条射线与一个封闭物体(如球体), 除去相切的情况,若相交,则必定有两个交点(这里不考虑射线起点在封闭物体内部的情 况),然而实际雷达照射物体时,只有一面能够反射电磁波,阴影面由于存在遮挡而无法 发射。因此只需要在多个交点中取距离射线起点(雷达所在位置)最近的点,即可满足实 际情况,换言之,只有距离射线起点最近的交点,才被用于后续的成像仿真;
步骤二八、判断是否遍历完所有射线,若是,则执行步骤二九,若否,则执行步骤二一;
步骤二九、判断是否遍历完所有舰船目标方位向采样时刻,若是,则执行步骤二十, 若否,则执行步骤二二;
步骤二十、输出所有方位向采样时刻的交点空间坐标和与交点空间坐标对应的RCS。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是,所述步骤二一根 据当前舰船目标方位向采样时刻确定雷达目标,即射线的起点;具体过程为:
记在ti方位时刻射线簇的起点为雷达所在空间坐标Oi,若雷达的高度为H,雷达载体 平台的速度为V,则ti时刻雷达的空间坐标为Oi=(0,Vti,H),即射线的起点。
其它步骤及参数与具体实施方式一至四之一相同。
射线簇均匀地指向雷达照射区域,假设雷达照射区域在方位向的范围是(Xmin~Xmax), 雷达照射区域在距离向的范围为(Ymin~Ymax),雷达方位向分辨率为dX,雷达距离向分辨率 为dY;根据雷达分辨率将雷达照射区域划分为多个均匀的网格,每个网格对应SAR图像 的一个像素,则网格中心点坐标集合为:
其它步骤及参数与具体实施方式一至五之一相同。
步骤二四一、
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八:本实施方式与具体实施方式一至七之一不同的是,所述步骤二五记 录交点所在空间点坐标,计算此空间点坐标对应的RCS;具体过程为:
计算空间点坐标对应的RCS公式如下:
其中,σ表示空间点坐标对应的RCS;记Tr为与射线相交的三角面元,面积为则φ为入射波与Tr法向量的夹角(锐角);φi为与Tr相交的第i个三角面元法向量的入射波的夹角;k为静电力常量;a为中间变量, 表示与Tr相交的三角面元个数,φm为 与Tr相邻的三角面元法向量和入射波夹角(锐角)的平均值;
本实施方式中,对RCS的计算部分理论上需要根据波动方程及相应的边界条件才能精 确求解目标RCS,但是求解上述方程必须要使物体表面与某一个可分离的坐标系相吻合, 也即有严格级数解可以利用时,波动方程才能有严格的解析解。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九:本实施方式与具体实施方式一至八之一不同的是,所述步骤三二根 据输入的舰船目标散射点空间坐标和雷达参数,进行回波仿真,得到回波信号;具体过程 为:
设雷达的高度为H,雷达载体平台的速度为V,则ti时刻雷达的空间坐标为 Oi=(0,Vti,H),ti时刻雷达与舰船目标第j个散射点的距离为:
其中,Rj(ti)表示ti时刻雷达与舰船目标第j个散射点的距离;
则对于方位时刻ti,雷达接收的回波信号为:
其中,fc为发射信号载频,γ为发射信号线性调频斜率,τP是发射脉冲宽度,TR是脉冲重复周期,rect(t)是矩形函数,定义为τ是回波延迟时间, τ=2R(t)/c,c是光速;表示ti时刻发射雷达波的返回时刻;n表示ti时刻发射的第n个 脉冲信号;
若方位向采样点数为N,则ti=iTR,i=1,2,...,N,所以全部方位时刻累加得到的回 波信号为:
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十:本实施方式与具体实施方式一至八之一不同的是,所述AlexNet的 结构如图7所示,AlexNet网络的结构连接关系依次为:
输入层、卷积层1、池化层1、卷积层2、池化层2、卷积层3、卷积层4、卷积层5、 池化层3、全连接层1、全连接层2、输出层;其中:
输入层图像大小为128×128×2;
卷积层1中卷积核大小为9×9×96,步长为1,激活函数为ReLU;
池化层1采用最大值池化,大小为3×3,步长为2;
卷积层2中卷积核大小为5×5×256,步长为1,激活函数为ReLU;
池化层2采用最大值池化,大小为3×3,步长为2;
卷积层3中卷积核大小为3×3×384,步长为1,激活函数为ReLU;
卷积层4中卷积核大小为3×3×384,步长为1,激活函数为ReLU;
卷积层5中卷积核大小为3×3×256,步长为1,激活函数为ReLU;
池化层3采用最大值池化,大小为3×3,步长为2;
全连接层1包含1024个神经元,激活函数为ReLU;
全连接层2包含100个神经元,激活函数为ReLU;
输出层包含两个输出神经元,分别对应距离向速度vr和方位向速度va,该层没有激活 函数。
其它步骤及参数与具体实施方式一至九之一相同。
Claims (10)
1.复数域结构化SAR舰船目标动态仿真与速度估计方法,其特征在于,包括以下步骤:
步骤一、获取舰船3D模型,对舰船3D模型进行预处理,并将预处理后的舰船3D模型划分为多个三角面元;
步骤二、设定雷达参数,根据设定的雷达参数进行射线追踪,得到舰船目标散射点空间坐标;
步骤三、基于步骤二的舰船目标散射点空间坐标进行舰船目标成像;具体过程为:
步骤三一、记在ti时刻得到的舰船目标散射点集合为Pi,则舰船目标散射点集合Pi通过如下公式表示:
其中,表示ti时刻得到的舰船目标第1个散射点的方位向坐标;为ti时刻得到的舰船目标第j个散射点的方位向坐标;表示ti时刻得到的舰船目标第1个散射点的距离向坐标;为ti时刻得到的舰船目标第j个散射点的距离向坐标;表示ti时刻得到的舰船目标第j个散射点的高度坐标;为ti时刻得到的舰船目标第j个散射点的高度坐标;为ti时刻得到的舰船目标第1个散射点的RCS,所述RCS为雷达散射截面积;为ti时刻得到的舰船目标第j个散射点的RCS;Mi为ti时刻得到的舰船目标散射点总数;
步骤三二、根据舰船目标散射点空间坐标和雷达参数,进行回波仿真,得到回波信号;
步骤三三、利用回波信号和雷达信号,通过BP算法计算得到运动舰船目标成像结果;
步骤四、将步骤三得到的舰船目标成像结果分为训练样本和测试样本;将训练样本输入AlexNet网络得到训练好的AlexNet预训练模型,将测试样本输入训练好的AlexNet预训练模型进行测试,若舰船目标成像结果的准确率大于等于准确率阈值,则将待测样本输入训练好的AlexNet预训练模型,计算得到AlexNet网络复数域速度估计结果,若舰船目标成像结果的准确率小于准确率阈值,则重新对AlexNet预训练模型进行训练。
2.根据权利要求1所述复数域结构化SAR舰船目标动态仿真与速度估计方法,其特征在于,所述对舰船3D模型进行预处理;具体过程为:
去除舰船3D模型的水下机构,所述水下机构包括螺旋桨、船锚或旗帜。
4.根据权利要求3所述复数域结构化SAR舰船目标动态仿真与速度估计方法,其特征在于,所述步骤二设定雷达参数,根据设定的雷达参数进行射线追踪,得到舰船目标散射点空间坐标;具体过程为:
步骤二一、根据舰船目标方位向采样时刻确定雷达目标,即射线的起点;
步骤二三、假设存在一个能够包含舰船3D模型的最小外切球体S,球体S的球心为OS,半径为RS;
步骤二六、判断是否遍历完舰船3D模型的所有三角面元,若是,则执行步骤二七,若否,则执行步骤二四;
步骤二七、保留距离雷达所在空间坐标最近的射线与三角面元的交点,执行步骤二八;
步骤二八、判断是否遍历完所有射线,若是,则执行步骤二九,若否,则执行步骤二一;
步骤二九、判断是否遍历完所有舰船目标方位向采样时刻,若是,则执行步骤二十,若否,则执行步骤二二;
步骤二十、输出所有方位向采样时刻的交点空间坐标和与交点空间坐标对应的RCS。
5.根据权利要求4所述复数域结构化SAR舰船目标动态仿真与速度估计方法,其特征在于,所述步骤二一根据当前舰船目标方位向采样时刻确定雷达目标,即射线的起点;具体过程为:
记在ti方位时刻射线簇的起点为雷达所在空间坐标Oi,若雷达的高度为H,雷达载体平台的速度为V,则ti时刻雷达的空间坐标为Oi=(0,Vti,H)。
9.根据权利要求8所述复数域结构化SAR舰船目标动态仿真与速度估计方法,其特征在于,所述步骤三二根据输入的舰船目标散射点空间坐标和雷达参数,进行回波仿真,得到回波信号;具体过程为:
设雷达的高度为H,雷达载体平台的速度为V,则ti时刻雷达的空间坐标为Oi=(0,Vti,H),ti时刻雷达与舰船目标第j个散射点的距离为:
其中,Rj(ti)表示ti时刻雷达与舰船目标第j个散射点的距离;
则对于方位时刻ti,雷达接收的回波信号为:
其中,fc为发射信号载频,γ为发射信号线性调频斜率,τP是发射脉冲宽度,TR是脉冲重复周期,rect(t)是矩形函数,定义为τ是回波延迟时间,τ=2R(t)/c,c是光速;表示ti时刻发射雷达波的返回时刻;n表示ti时刻发射的第n个脉冲信号;
若方位向采样点数为N,则ti=iTR,i=1,2,...,N,全部方位时刻累加得到的回波信号为:
10.根据权利要求9所述复数域结构化SAR舰船目标动态仿真与速度估计方法,其特征在于,所述AlexNet网络的结构连接关系依次为:
输入层、卷积层1、池化层1、卷积层2、池化层2、卷积层3、卷积层4、卷积层5、池化层3、全连接层1、全连接层2、输出层;其中:
输入层图像大小为128×128×2;
卷积层1中卷积核大小为9×9×96,步长为1,激活函数为ReLU;
池化层1采用最大值池化,大小为3×3,步长为2;
卷积层2中卷积核大小为5×5×256,步长为1,激活函数为ReLU;
池化层2采用最大值池化,大小为3×3,步长为2;
卷积层3中卷积核大小为3×3×384,步长为1,激活函数为ReLU;
卷积层4中卷积核大小为3×3×384,步长为1,激活函数为ReLU;
卷积层5中卷积核大小为3×3×256,步长为1,激活函数为ReLU;
池化层3采用最大值池化,大小为3×3,步长为2;
全连接层1包含1024个神经元,激活函数为ReLU;
全连接层2包含100个神经元,激活函数为ReLU;
输出层包含两个输出神经元,分别对应距离向速度vr和方位向速度va,该层没有激活函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110463376.6A CN113176573B (zh) | 2021-04-23 | 2021-04-23 | 复数域结构化sar舰船目标动态仿真与速度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110463376.6A CN113176573B (zh) | 2021-04-23 | 2021-04-23 | 复数域结构化sar舰船目标动态仿真与速度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113176573A true CN113176573A (zh) | 2021-07-27 |
CN113176573B CN113176573B (zh) | 2022-06-17 |
Family
ID=76926694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110463376.6A Active CN113176573B (zh) | 2021-04-23 | 2021-04-23 | 复数域结构化sar舰船目标动态仿真与速度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113176573B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820712A (zh) * | 2021-09-07 | 2021-12-21 | 中山大学 | 一种基于强散射点的舰船目标定位方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778870A (zh) * | 2015-12-22 | 2017-05-31 | 中国电子科技集团公司第二十研究所 | 一种基于rpca技术的sar图像舰船目标检测方法 |
EP3364212A1 (en) * | 2017-02-15 | 2018-08-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | A method and an apparatus for computer-assisted processing of sar raw data |
CN108594230A (zh) * | 2018-07-17 | 2018-09-28 | 电子科技大学 | 一种海船场景的合成孔径雷达图像仿真方法 |
CN111458711A (zh) * | 2020-04-24 | 2020-07-28 | 北京卫星信息工程研究所 | 星载双波段sar系统和舰船目标的探测方法 |
CN111781599A (zh) * | 2020-07-16 | 2020-10-16 | 哈尔滨工业大学 | 基于CV-EstNet的SAR运动舰船目标速度估算方法 |
US20210003699A1 (en) * | 2019-07-02 | 2021-01-07 | Wuyi University | Method and apparatus for sar image data enhancement, and storage medium |
-
2021
- 2021-04-23 CN CN202110463376.6A patent/CN113176573B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778870A (zh) * | 2015-12-22 | 2017-05-31 | 中国电子科技集团公司第二十研究所 | 一种基于rpca技术的sar图像舰船目标检测方法 |
EP3364212A1 (en) * | 2017-02-15 | 2018-08-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | A method and an apparatus for computer-assisted processing of sar raw data |
CN108594230A (zh) * | 2018-07-17 | 2018-09-28 | 电子科技大学 | 一种海船场景的合成孔径雷达图像仿真方法 |
US20210003699A1 (en) * | 2019-07-02 | 2021-01-07 | Wuyi University | Method and apparatus for sar image data enhancement, and storage medium |
CN111458711A (zh) * | 2020-04-24 | 2020-07-28 | 北京卫星信息工程研究所 | 星载双波段sar系统和舰船目标的探测方法 |
CN111781599A (zh) * | 2020-07-16 | 2020-10-16 | 哈尔滨工业大学 | 基于CV-EstNet的SAR运动舰船目标速度估算方法 |
Non-Patent Citations (3)
Title |
---|
CHENG-YEN CHIANG等: ""Simulation of complex target RCS with application to SAR image recognition"", 《2011 3RD INTERNATIONAL ASIA-PACIFIC CONFERENCE ON SYNTHETIC APERTURE RADAR (APSAR)》 * |
YUN ZHANG等: ""Moving Target Detection and Tracking Based on Gmphd Filter in SAR System"", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
化青龙: ""基于复数域深度学习的SAR舰船目标识别方法研究"", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820712A (zh) * | 2021-09-07 | 2021-12-21 | 中山大学 | 一种基于强散射点的舰船目标定位方法及系统 |
CN113820712B (zh) * | 2021-09-07 | 2023-07-28 | 中山大学 | 一种基于强散射点的舰船目标定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113176573B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112612024A (zh) | 微波阵列快速成像方法 | |
CN111352107B (zh) | 基于多通道数字和差的单脉冲跟踪与成像方法 | |
CN114910915A (zh) | 一种侧扫声呐的水下目标多模式成像方法 | |
CN113176573B (zh) | 复数域结构化sar舰船目标动态仿真与速度估计方法 | |
CN116953653B (zh) | 一种基于多波段天气雷达组网回波外推方法 | |
CN107255805A (zh) | 基于加权最小二乘的雷达目标rcs的预测方法 | |
CN110456362B (zh) | 一种基于脉冲对发射的目标声成像及测速方法与系统 | |
CN109991608B (zh) | 一种基于逆合成孔径原理的水下目标声纳成像方法 | |
Xie et al. | Neural network normal estimation and bathymetry reconstruction from sidescan sonar | |
CN112649806B (zh) | 一种mimo雷达近场三维成像方法 | |
CN111830500A (zh) | 基于改进的sbr快速成像技术的海面舰船目标的雷达图像仿真方法 | |
CN110412585B (zh) | 一种基于mvdr的下视合成孔径三维成像方法及系统 | |
CN116503716A (zh) | 一种雷达图像衍生与数据库扩容的方法 | |
CN111142112A (zh) | 一种水下锚系小目标快速非成像检测方法 | |
CN116184376A (zh) | 一种水下三维地形及多波束图像声呐数据仿真系统和方法 | |
CN113359196B (zh) | 基于子空间法和dbf的多目标生命体征探测方法 | |
CN113050098B (zh) | 基于块稀疏稳健主成分分析的反蛙人声呐混响抑制方法 | |
CN113075633A (zh) | 一种基于距离-俯仰联合字典的目标定位方法 | |
Sung et al. | Underwater object detection of AUV based on sonar simulator utilizing noise addition | |
Gyöngy et al. | Experimental validation of a convolution-based ultrasound image formation model using a planar arrangement of micrometer-scale scatterers | |
CN116577734B (zh) | 基于先验知识的机载雷达精细化杂波仿真方法与装置 | |
Lian et al. | An Attention Based Complex-valued Convolutional Autoencoder for GEO SA-Bi SAR Ship Target Refocusing | |
US20220229173A1 (en) | Complex recurrent neural network for synthetic aperture radar (sar) target recognition | |
La Manna | Quantifying and Modeling the Effects of Internal Waves on Synthetic Aperture Sonar | |
Yang et al. | Refocusing of moving ships based on deep learning for high altitude platform SAR |
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 |