CN113671496A - 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 - Google Patents
一种基于图像滤波器的mimo雷达自聚焦三维成像方法 Download PDFInfo
- Publication number
- CN113671496A CN113671496A CN202111000133.5A CN202111000133A CN113671496A CN 113671496 A CN113671496 A CN 113671496A CN 202111000133 A CN202111000133 A CN 202111000133A CN 113671496 A CN113671496 A CN 113671496A
- Authority
- CN
- China
- Prior art keywords
- value
- focusing
- image
- corrected
- dielectric constant
- 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
-
- 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)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达成像技术领域,涉及一种基于图像滤波器的MIMO雷达自聚焦三维成像方法,该方法设计图像滤波器对MIMO穿透成像中的折射误差进行校正,以减小现有方法的计算量,同时获得更好的三维穿透自聚焦成像效果。有益结果:实现了MIMO雷达在环境参数未知情况下的三维自主聚焦成像,与传统的基于图像聚焦效果评估的自聚焦成像方法相比只需要进行一次成像,可有效减小运算时间;无需校正电磁波收发过程中的传播路径、不需要进行折射点估计的复杂运算,即可实现对目标位置的校正并起到提高图像聚焦的效果,同时通过聚焦度最高图像对应环境参数可反向估计实际环境参数,提高对被遮挡和非视距环境中目标数量和位置掌握的准确性。
Description
技术领域
本发明属于雷达成像技术领域,涉及一种基于图像滤波器的MIMO雷达自聚焦三维成像方法。
背景技术
三维穿透成像技术可以获取被遮挡、埋藏物体的数量和位置。被穿透介质通常为多层水平均匀介质,每层介质分界面处在反射电磁波的同时,还存在不可忽略的复杂折射,不对折射效应进行补偿直接成像会影响图像的聚焦质量和目标的定位精度。为了提升聚焦质量,准确定位目标位置,需利用被穿透介质的环境参数(墙体厚度、墙体介电常数)。在实际应用中,环境参数通常未知或难以估计,因此需要通过自聚焦成像方法自适应校正折射误差,获取良好聚焦图像和准确目标定位结果。
自聚焦成像方法主要分为基于回波参数估计和基于图像聚焦效果评估两类(上述两类方法的具体实现过程可参考文献:Z.Xu and T.Jin,"An image-domain filter forrefraction effects compensation of penetrating MIMO imagery,"IEEE Geoscienceand Remote Sensing Letters.,Jun 11,2021,https://ieeexplore-ieee-org-s.nudtproxy.yitlink.com/stamp/stamp.jsp?tp=&arnumber=9452055.DOI:10.1109/LGRS.2021.3084357."):基于回波的参数估计方法通过时延信息估计被穿透介质的厚度和介电常数,但无法处理目标与分层界面接近,回波出现混叠的复杂情况,且电磁波在分层界面间存在多次复杂的反射和折射,对回波的分离也存在巨大困难;基于图像聚焦效果评估的方法不依赖于对回波中时延信息的准确估计,受噪声影响小,具有更强的稳定性。但该方法需要多次成像,反复计算折射点位置,存在计算量极大的问题。
发明内容
本发明的目的是:提出一种基于图像滤波器的MIMO雷达自聚焦三维成像方法。该方法设计图像滤波器对MIMO穿透成像中的折射误差进行校正,以减小现有方法的计算量,同时获得更好的三维穿透自聚焦成像效果。
本发明的技术方案包括以下步骤:
第一步,设定待搜索墙体厚度值的最小值、最大值以及步长值和介电常数值的最小值、最大值以及步长值。
第二步,将接收得到的原始雷达回波信号重新规划分组为多个通道的雷达回波信号,对每一个通道的雷达回波信号利用BP成像算法和傅里叶变换获得一幅空间频域上的未聚焦子图像。
第三步,根据任一待搜索墙体厚度值和任一介电常数值计算第二步所述通道的三维图像域的折射补偿因子(three dimensional image-domain refraction correction,3D-IDRC因子)。
第四步,将第二步获得的空间频域上的未聚焦子图像与第三步获得的3D-IDRC因子相乘并做逆傅里叶变换,得到每一个通道的校正后的时域子图像。
第五步,重复第四步直至遍历所有通道,获得所有通道的校正后的时域子图像。
第六步,将所有通道的校正后的时域子图像相干相加得到一幅校正后的聚焦图像,通过聚焦度评估函数得到第三步所述待搜索墙体厚度值和介电常数值下对应的校正聚焦度值。
第七步,重复第三步至第六步直至遍历所有待搜索的墙体厚度值和介电常数值,获得所有墙体厚度值和介电常数值下对应的校正聚焦度值。
第八步,搜索所有墙体厚度值和介电常数值下对应的校正聚焦度值,其中校正聚焦度值最高的校正后的聚焦图像即为自聚焦成像结果,其对应的墙体厚度值和介电常数值即为对实际墙体厚度值和介电常数值的估计值。
本发明的有益结果是:
1.本发明所述技术方案实现了MIMO雷达在环境参数未知情况下的三维自主聚焦成像,与传统的基于图像聚焦效果评估的自聚焦成像方法相比只需要进行一次成像,可有效减小运算时间;
2.本发明所述技术方案无需校正电磁波收发过程中的传播路径、不需要进行折射点估计的复杂运算,即可实现对目标位置的校正并起到提高图像聚焦的效果,同时通过聚焦度最高图像对应环境参数(墙体厚度值和介电常数值)可反向估计实际环境参数,提高对被遮挡和非视距环境中目标数量和位置掌握的准确性。
附图说明
图1是本发明的实施流程图;
图2是二维MIMO雷达在进行三维成像时的模拟场景示意图,并详细展示了收发天线在方位-高度平面的排布情况:(a)是本实施例中采用的二维十发十收MIMO雷达的阵列排布示意图,(b)是模拟应用场景;
图3是利用本发明的具体实施方式进行仿真实验的仿真结果,并将不化简阵列分组的校正结果与本发明化简阵列分组的三维成像结果进行比较:(a)校正前的三维图像,(b)十发二收校正后的三维图像,(c)十发十收校正后的三维图像,(d)校正前的方位-距离二维图像,(e)校正后的方位-距离二维图像,(f)校正前的方位-高度二维图像,(g)校正后的方位-高度二维图像,(h)聚焦度评估搜索结果。
具体实施方式
图1是本发明的实现流程图。具体实施方式包括以下步骤:
第一步,设定待搜索墙体厚度值的最小值、最大值以及步长值和介电常数值的最小值、最大值以及步长值。为了能正确估计出环境参数实现自聚焦,需要结合环境实际情况,在符合物理意义的前提下设置环境参数的最大值、最小值。步长值决定了搜索精度,步长值越小,搜索精度越高,但计算量越大,在实际应用中需综合考虑需要的搜索精度和计算时间选取合适的步长值,同时应保证步长值和其对应的最大值与最小值之差的商为正整数。本发明中所设定的待搜索墙体厚度值的最小值不小于0.1m,最大值不大于1m;介电常数值的最小值不小于1,最大值不大于10。不失一般性地,本实施例中设定待搜索墙体厚度的最小值为0.2m,最大值为0.8m,步长值为0.05m,这样就有个待搜索墙体厚度值;待搜索墙体介电常数的最小值为2,最大值为10,步长值为1,这样就有个待搜索介电常数值;基于上述参数值对仿真实验的仿真结果进行分析比较。
第二步,将接收得到的原始雷达回波信号重新规划分组为多个通道的雷达回波信号,对每一个通道的雷达回波信号利用BP成像算法和傅里叶变换获得一幅空间频域上的未聚焦子图像。
将M发N收(M个发射天线,N个接收天线)组成的阵列,共M*N个通道的单发单收原始雷达回波信号,重新规划为M发N’收(M个发射天线,N’个接收天线阵列)的L(L=M*N’)个通道的雷达回波信号,其中M、N、N’、N/N’均为正整数。上述N’个接收天线阵列中,每个接收天线阵列包含N/N’个接收天线,并且这些接收天线的高度应保证相同,呈现为在方位向上的线性分布,用位于中心的接收天线的位置和方位代表该组接收阵列的位置和方位。不失一般性地,在本实施例中我们取M=N=10,N’=2,即此时将从十发十收的MIMO阵列接收得到的100组单发单收(single-input and single-output,SISO)原始雷达回波信号重新规划分组为十发两收的20个通道的雷达回波信号。设置m=1,2,...,10表示发射天线的编号,n=1,2表示接收天线阵列的编号。对第m个发射天线和第n组接收天线阵列组成的通道的雷达回波信号s(t,m,n)利用后向投影(back projection,BP)成像算法获取对应的时域未聚焦子图像fmn(x,y,z):
再通过傅里叶变换获得空间频域上的未聚焦子图像Fmn。上式中,x表示接收天线的方位信息,y表示接收天线的高度信息,z表示目标与接收天线的距离信息,δ表示冲激函数,t表示时间,和分别表示第m个发射天线到成像点以及第n组接收天线到成像点在自由空间的传播时延。
上式中,kz为距离向波数,和分别为原始发射和接收部分的方位向波数(获得距离向波数、原始发射和接收部分的方位向波数的方法具体可参考文献:T.Jin,J.Lou,and Z.Zhou,″Extraction of Landmine Features Using a Forward-Looking Ground-Penetrating Radar With MIMO Array,″IEEE Transactions on Geoscience and RemoteSensing,vol.50,no.10,pp.4135-4144,Oct.2012.)。和分别为修正的发射和接收部分的方位向波数,通过下式对原始发射和接收部分的方位向波数和做旋转变换后得到:
其中,Nx和Ny分别是方位向和高度向的成像点数,Δx和Δy分别是方位向和高度向的成像分辨率,ky为高度向波数(获得高度向波数的方法具体可参考文献:T.Jin,J.Lou,and Z.Zhou,″Extraction of Landmine Features Using a Forward-Looking Ground-Penetrating Radar With MIMO Array,″IEEE Transactions on Geoscience and RemoteSensing,vol.50,no.10,pp.4135-4144,Oct.2012.)。和分别是发射和接收过程中的旋转角度,可利用由收发天线的坐标(xm,ym,zm),(xn,yn,zn)和成像点坐标(xA,yA,zA)按下式计算得到:
第五步,重复第四步直至遍历所有通道,获得所有通道的校正后的时域子图像。
通过聚焦度评估函数kurt得到第三步所述待搜索墙体厚度值和介电常数值下对应的校正聚焦度值:
本发明通过在第三步至第六步设计的图像滤波器,对MIMO穿透成像中的折射误差进行了校正,最终得到了校正后的聚焦图像。
第七步,重复第三步至第六步直至遍历所有待搜索的墙体厚度值和介电常数值,获得所有墙体厚度值和介电常数值下对应的校正聚焦度值。
第八步,搜索所有墙体厚度值和介电常数值下对应的校正聚焦度值,其中校正聚焦度值最高的校正后的聚焦图像即为自聚焦成像结果,其对应的墙体厚度值和介电常数值即为对实际墙体厚度值和介电常数值的估计值:
图2(a)是本实施例中采用的二维十发十收MIMO雷达的阵列排布示意图,横坐标表示方位向,单位为“米”,纵坐标表示高度向,单位为“米”。其中圆点表示发射天线,对其任意编号为1,2,…,10(编号参数用m表示);方块表示接收天线。通过图2(a)可以看出接收天线中的前五个的高度相同都为0.3米,后五个的高度也相同都为-0.3米,因此我们可以将前五个和后五个接收天线分别视为两组高度不同的接收阵列,并将其任意编号为1,2(编号参数用n表示)。由此将阵列排布从十发十收的100个通道减少为十发两收的20个通道,从而显著减小了成像过程的计算量。图2(b)是模拟应用场景,以穿墙实验为例,雷达天线水平并紧贴于墙前放置,以天线阵列的方位向为成像场景的方位向,天线阵列的高度向为成像场景的高度向,以垂直墙体的方向为距离向。用角反射器模拟点目标,发射天线穿透墙体照射到墙后的被遮挡目标,目标反射电磁波被接收天线接收,完成数据采集。
图3是利用本发明的具体实施方式进行仿真实验的仿真结果。其中图3(a)、(b)和(c)的水平面表示方位-距离平面,垂直于水平面的纵轴表示高度,单位都是“米”。图3(d)和(e)分别是图3(a)和(b)在方位-距离平面上的二维投影;图3(f)和(g)分别是图3(a)和(b)在方位-高度平面上的二维投影。图3(h)是聚焦度评估搜索结果,水平面一维表示相对介电常数,另一维表示墙体厚度,单位为“米”;垂直于水平面的纵轴表示归一化的图像聚焦度。表1是目标中心位置在校正前以及利用20个通道的3D-IDRC因子和100个通道的3D-IDRC因子校正后的对比。
表1目标中心位置在校正前以及利用20个通道的3D-IDRC因子和100个通道的3D-IDRC因子校正后的对比
雷达发射波形信号的参数设置如下:采用十发十收的二维MIMO阵列,发射天线发射初始频率为1.785GHz,步长为4MHz的步进频信号。目标的真实位置设定在(0.2m,0.2m,2m),被穿透墙体的厚度设定为0.4m,相对介电常数为6。
如发明内容中第一步所述,设定待搜索墙体厚度的最小值为0.2m,最大值为0.8m,步长值为0.05m,待搜索墙体介电常数的最小值为2,最大值为10,步长值为1。通过重新规划的阵列分组,利用20个通道完成自聚焦成像。
自聚焦结果在位置校正方面,通过表1中目标中心位置的对比可知,由于折射效应的影响,校正前图像的目标定位存在较大误差,与实际位置相去甚远,无法真实反映被遮挡目标的位置。校正后目标的定位准确度则得到了显著提升,可以基本反应目标的实际位置。利用十发两收阵列组合设计的3D-IDRC取得了和利用十发十收阵列组合设计的3D-IDRC同样好的校正效果;将上述利用20个通道与100个通道的自聚焦成像过程的计算时间进行比对,在对数量相同的环境参数进行搜索遍历时,本发明的完成二维搜索的时间为318.6676秒,后者完成二维搜索的时间为1138.9474秒。说明本发明中将高度相同的接收阵列看作整体的思想可节省接近3/4的计算时间,可以在保证校正精度的前提下显著减小计算量。
自聚焦结果在图像聚焦方面,通过图3(a)、(d)和(f)与图3(b)、(e)和(g)对比可直观看出校正后图像的聚焦效果更好。图3(h)表示了不同的环境参数通过图像滤波器得到的校正结果对应的聚焦程度,搜索得到最高的聚焦度对应的成像结果如图3(b)所示,此时,该最高聚焦度对应的环境参数:相对介电常数为6,墙体厚度为0.4m,与实验设定数值一致。说明本方法不仅可以通过自聚焦改善图像聚焦程度,校正目标位置,还可同时估计环境参数。
Claims (6)
1.一种基于图像滤波器的MIMO雷达自聚焦三维成像方法,其特征在于,该方法包括以下步骤:
第一步,设定待搜索墙体厚度值的最小值、最大值以及步长值和介电常数值的最小值、最大值以及步长值;
第二步,将接收得到的原始雷达回波信号重新规划分组为多个通道的雷达回波信号,对每一个通道的雷达回波信号利用BP成像算法和傅里叶变换获得一幅空间频域上的未聚焦子图像;
第三步,根据任一待搜索墙体厚度值和任一介电常数值计算第二步所述通道的3D-IDRC因子;
第四步,将第二步获得的空间频域上的未聚焦子图像与第三步获得的3D-IDRC因子相乘并做逆傅里叶变换,得到每一个通道的校正后的时域子图像;
第五步,重复第四步直至遍历所有通道,获得所有通道的校正后的时域子图像;
第六步,将所有通道的校正后的时域子图像相干相加得到一幅校正后的聚焦图像,通过聚焦度评估函数得到第三步所述待搜索墙体厚度值和介电常数值下对应的校正聚焦度值;
第七步,重复第三步至第六步直至遍历所有待搜索的墙体厚度值和介电常数值,获得所有墙体厚度值和介电常数值下对应的校正聚焦度值;
第八步,搜索所有墙体厚度值和介电常数值下对应的校正聚焦度值,其中校正聚焦度值最高的校正后的聚焦图像即为自聚焦成像结果,其对应的墙体厚度值和介电常数值即为对实际墙体厚度值和介电常数值的估计值。
2.一种根据权利要求1所述基于图像滤波器的MIMO雷达自聚焦三维成像方法,其特征在于:第一步中,设定的待搜索墙体厚度值的最小值不小于0.1m,最大值不大于1m;介电常数值的最小值不小于1,最大值不大于10;并综合考虑需要的搜索精度和计算时间选取合适的步长值,同时保证步长值和其对应的最大值与最小值之差的商为正整数。
3.一种根据权利要求2所述基于图像滤波器的MIMO雷达自聚焦三维成像方法,其特征在于:第一步中,设定待搜索墙体厚度的最小值为0.2m,最大值为0.8m,步长值为0.05m;待搜索墙体介电常数的最小值为2,最大值为10,步长值为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111000133.5A CN113671496B (zh) | 2021-08-27 | 2021-08-27 | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111000133.5A CN113671496B (zh) | 2021-08-27 | 2021-08-27 | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113671496A true CN113671496A (zh) | 2021-11-19 |
CN113671496B CN113671496B (zh) | 2023-07-21 |
Family
ID=78547233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111000133.5A Active CN113671496B (zh) | 2021-08-27 | 2021-08-27 | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113671496B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115061138A (zh) * | 2022-08-18 | 2022-09-16 | 中南大学 | 探地雷达自聚焦并行掩膜后向投影成像方法、设备及介质 |
CN117310696A (zh) * | 2023-09-26 | 2023-12-29 | 中南大学 | 一种探地雷达自聚焦后向投影成像方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872974A (zh) * | 2017-01-23 | 2017-06-20 | 西安电子科技大学 | 基于高超声速平台双通道雷达的高精度运动目标成像方法 |
CN109541585A (zh) * | 2018-10-09 | 2019-03-29 | 中国人民解放军第四军医大学 | 一种基于峰度评估的人体穿墙检测成像方法 |
US20190170858A1 (en) * | 2017-12-01 | 2019-06-06 | Electromagnetic Systems, Inc. | Adaptive Correction of Radar Channel-to-Channel Time-Dependent Errors |
CN112444811A (zh) * | 2020-11-19 | 2021-03-05 | 北京航空航天大学 | 一种综合mimo雷达和isar的目标检测和成像方法 |
WO2021062914A1 (zh) * | 2019-09-30 | 2021-04-08 | 南京慧尔视智能科技有限公司 | 一种基于mimo体制的提高雷达角度分辨率的布局及方法 |
-
2021
- 2021-08-27 CN CN202111000133.5A patent/CN113671496B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872974A (zh) * | 2017-01-23 | 2017-06-20 | 西安电子科技大学 | 基于高超声速平台双通道雷达的高精度运动目标成像方法 |
US20190170858A1 (en) * | 2017-12-01 | 2019-06-06 | Electromagnetic Systems, Inc. | Adaptive Correction of Radar Channel-to-Channel Time-Dependent Errors |
CN109541585A (zh) * | 2018-10-09 | 2019-03-29 | 中国人民解放军第四军医大学 | 一种基于峰度评估的人体穿墙检测成像方法 |
WO2021062914A1 (zh) * | 2019-09-30 | 2021-04-08 | 南京慧尔视智能科技有限公司 | 一种基于mimo体制的提高雷达角度分辨率的布局及方法 |
CN112444811A (zh) * | 2020-11-19 | 2021-03-05 | 北京航空航天大学 | 一种综合mimo雷达和isar的目标检测和成像方法 |
Non-Patent Citations (3)
Title |
---|
A. P. SINGH ET AL.: "An Approach To Estimate Wall Parameters Using Genetic Algorithm And Time-domain Reflection Method For Through-Wall Imaging", URSI REGIONAL CONFERENCE ON RADIO SCIENCE * |
宋勇平;金添;陆必应;周智敏;: "一种新的MIMO线阵穿墙成像模型及其环境参数估计", 电子与信息学报, no. 12 * |
宋永坤 等: "基于距离辅助的超宽带MIMO雷达图像人体姿态重构网络", 信号处理 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115061138A (zh) * | 2022-08-18 | 2022-09-16 | 中南大学 | 探地雷达自聚焦并行掩膜后向投影成像方法、设备及介质 |
CN115061138B (zh) * | 2022-08-18 | 2022-10-28 | 中南大学 | 探地雷达自聚焦并行掩膜后向投影成像方法、设备及介质 |
CN117310696A (zh) * | 2023-09-26 | 2023-12-29 | 中南大学 | 一种探地雷达自聚焦后向投影成像方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113671496B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229048B (zh) | 一种高分宽幅sar动目标速度估计与成像方法 | |
CN103901429B (zh) | 基于稀疏孔径的机动目标逆合成孔径雷达成像方法 | |
US11454702B2 (en) | Synthetic aperture radar method and synthetic aperture radar device | |
CN109188387B (zh) | 基于插值补偿的分布式相参雷达目标参数估计方法 | |
CN109541597B (zh) | 一种多站雷达isar图像配准方法 | |
CN113671496A (zh) | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 | |
CN109143237B (zh) | 适用于任意平台轨迹的双基聚束sar的pfa波前弯曲校正方法 | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN104020471B (zh) | 一种基于分块处理的sar实时成像方法及系统 | |
CN107561486B (zh) | 一种基于主动时反的浅海目标波达方向估计方法 | |
CN110632594B (zh) | 一种长波长星载sar成像方法 | |
CN104749570B (zh) | 一种移不变机载双基合成孔径雷达目标定位方法 | |
CN103336278A (zh) | 多视角观测下前视三维sar成像方法 | |
CN109669182B (zh) | 无源双基地sar动/静目标联合稀疏成像方法 | |
CN113189592B (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN110879391A (zh) | 基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法 | |
CN108732555A (zh) | 一种获取运动误差向量的方法以及自动驾驶阵列微波成像运动补偿的方法 | |
CN110658502A (zh) | 一种幅相误差校正方法 | |
CN116774178A (zh) | 单频mimo弧形阵列雷达的近距频域三维成像方法 | |
CN110412585A (zh) | 一种基于mvdr的下视合成孔径三维成像方法及系统 | |
CN115128607A (zh) | 一种十字mimo阵列雷达系统及其三维成像方法 | |
Zhan et al. | Constant-Time-Delay Interferences in Near-Field SAR: Analysis and Suppression in Image Domain | |
CN114780911A (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
CN111638516B (zh) | 基于双频共轭处理技术的太赫兹频段sar运动补偿算法 | |
Han et al. | MIMO radar fast imaging algorithm based on sub-image combination |
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 |