CN114755654A - 一种基于图像拟态技术的残损雷达信号修复方法 - Google Patents
一种基于图像拟态技术的残损雷达信号修复方法 Download PDFInfo
- Publication number
- CN114755654A CN114755654A CN202210665307.8A CN202210665307A CN114755654A CN 114755654 A CN114755654 A CN 114755654A CN 202210665307 A CN202210665307 A CN 202210665307A CN 114755654 A CN114755654 A CN 114755654A
- Authority
- CN
- China
- Prior art keywords
- radar detection
- image
- signal
- detection signal
- mimicry
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于图像拟态技术的残损雷达信号修复方法,其中,包括以下步骤:S1、基于变分模态分解的雷达探测信号降解去噪,实现雷达探测信号的降解去噪;S2、基于映射机理的雷达探测信号图像拟态技术,实现雷达探测信号一维时域空间到二维图像域空间的快速转换;S3、基于压缩感知理论的雷达探测拟态信号图像快速重构技术,实现残损雷达探测信号的快速准确重构,解决了传统方法面对大体量残损雷达探测信号时较为乏力的问题,无论在连续丢失还是随机丢失情况下,相较于现有技术可以更好地重构出完整的原始信号,修复后的信号在时域、频域以及瞬时频率等方面均与原始信号相当接近。
Description
技术领域
本发明属于雷达信号分析技术领域,具体涉及一种基于图像拟态技术的残损雷达信号修复方法。
背景技术
随着雷达侦收能力的大幅增强,多手段获得的采集数据呈现出两大特点:一是体量大,数据规模达到PB量级;二是由于机会照射和微弱信号等问题,数据缺损严重。
但现有的信号处理能力难以应对新的“数据集”,大量残损数据被弃用,导致很多有用信息被淹没,制约了数据挖掘潜力,影响了异源数据融合能力。这种侦收手段增多、侦收能力提升,但处理能力薄弱的问题,已成为制约着雷达探测能力“质变”的瓶颈。
发明内容
本发明的目的在于提供一种基于图像拟态技术的残损雷达信号修复方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于图像拟态技术的残损雷达信号修复方法,其特征在于,包括以下步骤:
S1、基于变分模态分解的雷达探测信号降解去噪,实现雷达探测信号的降解去噪;
S2、基于映射机理的雷达探测信号图像拟态技术,实现雷达探测信号一维时域空间到二维图像域空间的快速转换;
S3、基于压缩感知理论的雷达探测拟态信号图像快速重构技术,实现残损雷达探测信号的快速准确重构。
优选的,所述步骤S1中通过交替方向乘子法不断更新各模态及其中心频率,使得每一固有模态分量的估计带宽之和最小,并逐步将各模态解调到相应的基频带。
优选的,所述步骤S2中雷达探测信号为随时间变化的一维函数。
优选的,所述步骤S2中雷达探测信号采用<t、A>及f s >的三元数组表示,其中,f s 为信号采集时的采样频率,t为当前采样点的时刻, A为当前采样点的幅度值。
优选的,所述步骤S2中通过建立<t、A>与<P(i,j)、G>的映射关系,将雷达探测信号拟态映射至图像域表达,其中,t为当前采样点的时刻, A为当前采样点的幅度值,P(i,j)为像素点位置,G为像素点灰度值。
优选的,所述步骤S2具体包括如下步骤:
S21、基于信息熵增益准则对雷达探测信号进行预处理操作,将雷达探测信号转换成行列结构,使信号的时域数据点映射为图像空间的像素点;
S22、计算各像素点间的归一化信息距离;
S23、通过灰度级量化编码得到各像素点灰度值;
S24、完成雷达探测信号由<t、A>到<P(i,j),G>的映射,构成雷达探测信号图像,其中,t为当前采样点的时刻,A为当前采样点的幅度值,P(i,j)为像素点位置,G为像素点灰度值。
优选的,所述步骤S21中预处理操作包括,切分、加窗、折叠、编排及整合操作。
优选的,所述步骤S3具体包括如下步骤:
S31、将残缺雷达探测信号利用冗余字典进行稀疏化表示;
S32、选用与稀疏基不相关的观测基对原信号进行观测,将高维信号投影至低维空间;
S33、应用恢复算法求解优化问题从投影中重构原信号。
本发明的技术效果和优点,该基于图像拟态技术的残损雷达信号修复方法:
1、解决了传统方法面对大体量残损雷达探测信号时较为乏力的问题, 无论在连续丢失还是随机丢失情况下,相较于现有技术可以更好地重构出完整的原始信号,修复后的信号在时域、频域以及瞬时频率等方面均与原始信号相当接近。
2、针对大规模残损雷达探测信号的高精度重构问题,将信号映射成图像,把传统雷达探测信号处理问题转化为图像处理问题, 可以从更多的角度更为详细的分析处理雷达信号,达到多层次立体侦收的目的。
附图说明
通过下面的对具体实施方式和附图的详细描述,前面所诉的技术方案和技术特征将会变得更为明显。
图4中所示信号的采样频率均为1GHz,采样时间均为10us,其中:
正向线性调频信号x 1起始调制频率为125MHz调制带宽为100MHz;
正向线性调频信号x 2起始调制频率为125MHz,调制带宽为200MHz;
负向线性调频信号x 3起始调制频率为125MHz,调制带宽为100MHz;
正向偶二次方调频信号x 4起始调制频率为125MHz调制带宽为100MHz;
正向偶二次方调频信号x 5起始调制频率为125MHz,调制带宽为50MHz;
负向线性调频信号x 6起始调制频率为125MHz,调制带宽为100MHz;
巴克码信号分别是7位barker信号x 7、11位barker码信号x 8以及13位barker码信号x 9。
图1为本发明残损雷达探测信号图像拟态与重构技术流程图;
图2为本发明VMD降解去噪效果图;
图3为本发明雷达探测信号图像拟态映射示意图;
图4为本发明部分典型雷达探测信号图像拟态效果;
图5为本发明残缺线性调频信号图像拟态效果;
图6为本发明数据连续丢失10%线性调频信号重构结果;
图7为本发明数据随机丢失30%线性调频信号重构结果。
具体实施方式
下面将结合本发明实施例中的附图1-7,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了如图1中所示的一种基于图像拟态技术的残损雷达信号修复方法,是一种基于图像处理技术的残损雷达信号处理方法,针对残损雷达信号处理困难问题进行研究,基于图像处理相关技术对大体量的残损雷达信号进行分析处理,为后续进行雷达参数估计等处理提供必要前提。
其中,包括以下步骤:
S1、基于变分模态分解的雷达探测信号降解去噪,实现雷达探测信号的降解去噪;
S2、基于映射机理的雷达探测信号图像拟态技术,实现雷达探测信号一维时域空间到二维图像域空间的快速转换;
S3、基于压缩感知理论的雷达探测拟态信号图像快速重构技术,实现残损雷达探测信号的快速准确重构。
具体的,所述步骤S1中通过交替方向乘子法不断更新各模态及其中心频率,使得每一固有模态分量的估计带宽之和最小,并逐步将各模态解调到相应的基频带。
具体的,所述步骤S2中雷达探测信号为随时间变化的一维函数。
具体的,所述步骤S2中雷达探测信号采用<t、A>及f s >的三元数组表示,其中,f s 为信号采集时的采样频率,t为当前采样点的时刻, A为当前采样点的幅度值。
具体的,所述步骤S2中通过建立<t、A>与<P(i,j)、G>的映射关系,将雷达探测信号拟态映射至图像域表达,其中,t为当前采样点的时刻, A为当前采样点的幅度值,P(i,j)为像素点位置,G为像素点灰度值。
具体的,所述步骤S2具体包括如下步骤:
S21、基于信息熵增益准则对雷达探测信号进行预处理操作,将雷达探测信号转换成行列结构,使信号的时域数据点映射为图像空间的像素点;
S22、计算各像素点间的归一化信息距离;
S23、通过灰度级量化编码得到各像素点灰度值;
S24、完成雷达探测信号由<t、A>到<P(i,j),G>的映射,构成雷达探测信号图像,其中,t为当前采样点的时刻,A为当前采样点的幅度值,P(i,j)为像素点位置,G为像素点灰度值。
具体的,所述步骤S21中预处理操作包括,切分、加窗、折叠、编排及整合操作。
具体的,所述步骤S3具体包括如下步骤:
S31、将残缺雷达探测信号利用冗余字典进行稀疏化表示;
S32、选用与稀疏基不相关的观测基对原信号进行观测,将高维信号投影至低维空间;
S33、应用恢复算法求解优化问题从投影中重构原信号。
在本发明中,该基于图像拟态技术的残损雷达信号修复方法,首先通过合适的转换协议将残损雷达信号由一维时域数据拟态转换至二维图像域,然后再利用压缩感知理论重构信号图像,实现残损雷达信号的精确恢复和增强感知,相较于现有技术可以更好地重构出完整的原始信号,修复后信号的在时域、频域以及瞬时频率等方面与原始信号相当接近。
其中,在连续丢失情况下,数据随机丢失率不高于35%时,本方法都可以较好的修复出原始信号;在随机丢失情况下,信号修复效果要明显优于连续丢失的情况,数据随机丢失率不高于60%时,本方法修复的采集信号与原始真实信号相比平均相对误差接近于0。而常规的插值算法无论是在处理连续丢失率达到10%及以上的采集信号还是在处理随机缺失率达到40%及以上的采集信号后,其结果的时域和频域均发生了严重失真,特别是瞬时频率的严重失真导致处理结果完全体现不出信号的原有特性。
还需要指出的是,在计算时间上,插值算法用时是本发明的1.5倍左右。此外,这种基于图像拟态技术的处理方法也给传统的一维雷达信号处理提供了一种切实可行的新思路,而不在仅仅局限于时域分析、频域分析以及时频域分析处理方法。通过本发明技术的应用,可以从更多的角度更为详细的分析处理雷达信号,达到多层次立体侦收的目的。
在本发明中,该基于图像拟态技术的残损雷达信号修复方法是通过信号处理的“软”手段,实现雷达侦收设备信息感知能力的“硬”提升,全面优化采集数据质量,极大提升获取高价值电子目标的工作参数、信号特征和行为规律等方面的能力,通过信息感知能力的进化,提升电磁空间的“软对抗”能力。
工作原理:
S1、基于变分模态分解的雷达探测信号降解去噪,实现雷达探测信号的降解去噪:
变分模态分解(Variational Mode Decomposition, VMD)技术解决了经验模态分解(Empirical Mode Decomposition, EMD)存在的模态混叠、虚假分量和端点效应等问题。
假设每一个固有模态(Intrinsic Mode Function, IMF)分量有着不同的中心频率和有限带宽,通过交替方向乘子法(Alternate Direction Method of Multipliers,ADMM),不断更新各模态及其中心频率,使得每一个固有模态(Intrinsic Mode Function,IMF)分量的估计带宽之和最小,逐步将各模态解调到相应的基频带,实现信号从低频到高频的有效降解分离,去除信号噪声。
变分模态分解(Variational Mode Decomposition, VMD)降解去噪效果,如图2所示。
其中,主体信号是中心频率为52MHz,调频带宽为4MHz的正向线性调频连续残缺信号,噪声信号在时域、频域上均与主体信号混叠。
S2、基于映射机理的雷达探测信号图像拟态技术,实现雷达探测信号一维时域空间到二维图像域空间的快速转换:
由于雷达探测信号是随时间变化的一维函数,因此可以使用<t,A>,f s >的三元数组来表示,其中,f s 表示该信号采集时的采样频率,t表示当前采样点的时刻,A表示当前采样点的幅度值。
一方面,当雷达探测信号采集完成之后,f s 是固定的,即只需使用<t,A>即可表示信号。
另一方面,对于数字图像,只需确定每个像素点位置P(i,j)以及其灰度值G即可确定图像。
因此将雷达探测信号拟态映射至图像域表达,需要建立<t,A>与<P(i,j),G>之间的映射关系,将雷达探测信号拟态映射至图像域表示,从而引入图像处理的相关方法解决传统雷达探测信号处理方法的瓶颈问题。
雷达探测信号图像拟态映射示意图如图3所示。
其中,具体包括如下步骤:
S21、基于信息理论中的信息熵增益准则对信号进行合理的切分、加窗、折叠、编排、整合等操作,将雷达探测信号转换成行列结构,使信号的时域数据点映射为图像空间的像素点;
S22、计算各像素点间的归一化信息距离,从而通过灰度级量化编码得到各像素点灰度值;
S24、完成雷达探测信号由<t、A>到<P(i,j),G>的映射,构成雷达探测信号“图像”。
其中,部分典型雷达探测信号“图像”如图4所示。
由图4可知,不同的调制方式映射成的图像明显不同,且相同调制方式采用不同参数的图像区别明显。
此外,雷达探测信号拟态映射到图像域后,细小的数据变化也会在拟态图像中反映。
其中,如图5所示为残缺线性调频信号图像拟态效果,可见当信号发生部分丢失之后,拟态图像整体上依然保持有原完整信号拟态图像的大体特征,只是某些细微特征发生了细小变化。
S3、基于压缩感知理论的雷达探测拟态信号图像快速重构技术,实现残损雷达探测信号的快速准确重构:
压缩感知理论(Compressed Sensing, CS)突破了奈奎斯特采样定理的限制:如果信号在某个域中是稀疏的,那么该信号可以由远低于奈奎斯特采样定理要求的采样点重建。
其中,具体包括如下步骤:
S31、先将残缺的雷达探测信号利用冗余字典进行稀疏化表示;
S32、选用与稀疏基不相关的观测基对原信号进行观测,将高维信号投影至低维空间;
S33、应用恢复算法求解优化问题从投影中重构原信号。
对于雷达探测信号的拟态图像可以使用诸如离散余弦变换(Discrete CosineTransform, DCT)的方法进一步表征至稀疏域,基于压缩感知理论(Compressed Sensing,CS)理论重构信号图像,进而通过逆拟态映射重构出时域完整信号。
对采样频率均为1GHz,采样时间为10us,起始调制频率为125MHz调制带宽为100MHz的正向线性调频信号(即图4中所示的x 1信号)进行仿真实验,仿真结果如图6和图7所示。
基于图6和图7所示,发现在连续缺失10%数据的情况下,本方法能够近乎完美地重构出原始完整信号,修复信号不仅仅在时域、频域上与原始完整信号相当接近,同时极大地改善了瞬时频率特性,重现了线性调频信号瞬时频率线性增加特征。虽然在修复信号的瞬时频率曲线在对应的缺失位置有波动,线性程度有所损失,但总体趋势可以看出是线性调频信号。
并且,发现在随机缺失30%数据的情况下,本方法均可以近乎完美地修复出原始完整信号,修复信号在时域、频域上与原始完整信号相当接近,同时也重现了线性调频信号瞬时频率线性增加特征。
解决了传统方法面对大体量残损雷达探测信号时较为乏力的问题, 无论在连续丢失还是随机丢失情况下,相较于现有技术可以更好地重构出完整的原始信号,修复后的信号在时域、频域以及瞬时频率等方面均与原始信号相当接近。
并且,针对大规模残损雷达探测信号的高精度重构问题,将信号映射成图像,把传统雷达探测信号处理问题转化为图像处理问题, 可以从更多的角度更为详细的分析处理雷达信号,达到多层次立体侦收的目的。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像拟态技术的残损雷达信号修复方法,其特征在于,包括以下步骤:
S1、基于变分模态分解的雷达探测信号降解去噪,实现雷达探测信号的降解去噪;
S2、基于映射机理的雷达探测信号图像拟态技术,实现雷达探测信号一维时域空间到二维图像域空间的快速转换;
S3、基于压缩感知理论的雷达探测拟态信号图像快速重构技术,实现残损雷达探测信号的快速准确重构。
2.根据权利要求1所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于:所述步骤S1中通过交替方向乘子法不断更新各模态及其中心频率,使得每一固有模态分量的估计带宽之和最小,并逐步将各模态解调到相应的基频带。
3.根据权利要求1所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于:所述步骤S2中雷达探测信号为随时间变化的一维函数。
4.根据权利要求1所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于:所述步骤S2中雷达探测信号采用<t、A>及f s >的三元数组表示,其中,f s 为信号采集时的采样频率,t为当前采样点的时刻, A为当前采样点的幅度值。
5.根据权利要求1所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于:所述步骤S2中通过建立<t、A>与<P(i,j)、G>的映射关系,将雷达探测信号拟态映射至图像域表达,其中,t为当前采样点的时刻, A为当前采样点的幅度值,P(i,j)为像素点位置,G为像素点灰度值。
6.根据权利要求1所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于,所述步骤S2具体包括如下步骤:
S21、基于信息熵增益准则对雷达探测信号进行预处理操作,将雷达探测信号转换成行列结构,使信号的时域数据点映射为图像空间的像素点;
S22、计算各像素点间的归一化信息距离;
S23、通过灰度级量化编码得到各像素点灰度值;
S24、完成雷达探测信号由<t、A>到<P(i,j),G>的映射,构成雷达探测信号图像,其中,t为当前采样点的时刻,A为当前采样点的幅度值,P(i,j)为像素点位置,G为像素点灰度值。
7.根据权利要求6所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于:所述步骤S21中预处理操作包括,切分、加窗、折叠、编排及整合操作。
8.根据权利要求1所述的一种基于图像拟态技术的残损雷达信号修复方法,其特征在于,所述步骤S3具体包括如下步骤:
S31、将残缺雷达探测信号利用冗余字典进行稀疏化表示;
S32、选用与稀疏基不相关的观测基对原信号进行观测,将高维信号投影至低维空间;
S33、应用恢复算法求解优化问题从投影中重构原信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210665307.8A CN114755654B (zh) | 2022-06-14 | 2022-06-14 | 一种基于图像拟态技术的残损雷达信号修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210665307.8A CN114755654B (zh) | 2022-06-14 | 2022-06-14 | 一种基于图像拟态技术的残损雷达信号修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114755654A true CN114755654A (zh) | 2022-07-15 |
CN114755654B CN114755654B (zh) | 2022-11-18 |
Family
ID=82336252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210665307.8A Active CN114755654B (zh) | 2022-06-14 | 2022-06-14 | 一种基于图像拟态技术的残损雷达信号修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114755654B (zh) |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8411945D0 (en) * | 1983-05-13 | 1984-06-13 | Vingmed As | Synthesizing continuous estimate signal |
WO2008063691A2 (en) * | 2006-04-12 | 2008-05-29 | William Marsh Rice University | Apparatus and method for compressive sensing radar imaging |
US20110169686A1 (en) * | 2008-05-29 | 2011-07-14 | Gian Luca Eusebi Borzelli | Target detection in a sar-imaged sea area |
CN102879782A (zh) * | 2012-09-25 | 2013-01-16 | 北京理工大学 | 基于分数阶傅里叶变换的压缩感知sar成像方法 |
US20150061926A1 (en) * | 2008-12-10 | 2015-03-05 | U.S. Government As Represented By The Secretary Of The Army | Target detection utilizing image array comparison |
JP2015141124A (ja) * | 2014-01-29 | 2015-08-03 | 三菱電機株式会社 | 合成開口レーダ信号処理装置及び合成開口レーダ信号処理方法 |
CN105242255A (zh) * | 2015-10-28 | 2016-01-13 | 西安电子科技大学 | 基于压缩感知的双通道sar-gmti方法 |
CN105528773A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市一体医疗科技有限公司 | 基于标记法的多模态微波成像方法及系统 |
CN106405548A (zh) * | 2016-08-23 | 2017-02-15 | 西安电子科技大学 | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 |
CN106530213A (zh) * | 2016-10-13 | 2017-03-22 | 上海交通大学 | 一种合成孔径雷达图像自动可视化算法 |
CN107340518A (zh) * | 2017-07-19 | 2017-11-10 | 电子科技大学 | 一种用于信号缺失下的isar雷达成像方法 |
WO2018122651A1 (en) * | 2017-01-02 | 2018-07-05 | Technion Research & Development Foundation Ltd. | Beamforming with coded signals in frequency domain |
CN109061658A (zh) * | 2018-06-06 | 2018-12-21 | 天津大学 | 激光雷达数据融方法 |
CN111175744A (zh) * | 2019-09-20 | 2020-05-19 | 中国船舶工业系统工程研究院 | 一种雷达图像快速生成与缩放方法 |
CN111487593A (zh) * | 2020-03-17 | 2020-08-04 | 中国人民解放军国防科技大学 | 一种残缺雷达信号修复方法 |
CN111983637A (zh) * | 2020-08-20 | 2020-11-24 | 南京林业大学 | 一种基于激光雷达的果园行间路径提取方法 |
CN112099006A (zh) * | 2020-09-15 | 2020-12-18 | 中山大学 | 一种合成孔径雷达相对定位误差校正方法、系统及装置 |
CN112255607A (zh) * | 2020-09-30 | 2021-01-22 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN113625275A (zh) * | 2021-08-05 | 2021-11-09 | 中国人民解放军国防科技大学 | 一种稀疏孔径雷达图像二维联合重构方法 |
CN113723244A (zh) * | 2021-08-20 | 2021-11-30 | 中国电子科技集团公司第二十八研究所 | 一种基于改进变分模态分解的雷达辐射源信号分离方法 |
WO2021250943A1 (en) * | 2020-06-11 | 2021-12-16 | Mitsubishi Electric Corporation | Graph-based array signal denoising for perturbed synthetic aperture radar |
CN113917490A (zh) * | 2021-09-13 | 2022-01-11 | 北京理工大学 | 激光测风雷达信号去噪方法及装置 |
WO2022022239A1 (zh) * | 2020-07-28 | 2022-02-03 | 南京航空航天大学 | 一种基于检测前估计的雷达目标检测方法 |
CN114527429A (zh) * | 2022-03-01 | 2022-05-24 | 中国电子科技集团公司第十四研究所 | 一种机场场面监视雷达图像显示补漏技术 |
-
2022
- 2022-06-14 CN CN202210665307.8A patent/CN114755654B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8411945D0 (en) * | 1983-05-13 | 1984-06-13 | Vingmed As | Synthesizing continuous estimate signal |
WO2008063691A2 (en) * | 2006-04-12 | 2008-05-29 | William Marsh Rice University | Apparatus and method for compressive sensing radar imaging |
US20110169686A1 (en) * | 2008-05-29 | 2011-07-14 | Gian Luca Eusebi Borzelli | Target detection in a sar-imaged sea area |
US20150061926A1 (en) * | 2008-12-10 | 2015-03-05 | U.S. Government As Represented By The Secretary Of The Army | Target detection utilizing image array comparison |
CN102879782A (zh) * | 2012-09-25 | 2013-01-16 | 北京理工大学 | 基于分数阶傅里叶变换的压缩感知sar成像方法 |
JP2015141124A (ja) * | 2014-01-29 | 2015-08-03 | 三菱電機株式会社 | 合成開口レーダ信号処理装置及び合成開口レーダ信号処理方法 |
CN105242255A (zh) * | 2015-10-28 | 2016-01-13 | 西安电子科技大学 | 基于压缩感知的双通道sar-gmti方法 |
CN105528773A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市一体医疗科技有限公司 | 基于标记法的多模态微波成像方法及系统 |
CN106405548A (zh) * | 2016-08-23 | 2017-02-15 | 西安电子科技大学 | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 |
CN106530213A (zh) * | 2016-10-13 | 2017-03-22 | 上海交通大学 | 一种合成孔径雷达图像自动可视化算法 |
WO2018122651A1 (en) * | 2017-01-02 | 2018-07-05 | Technion Research & Development Foundation Ltd. | Beamforming with coded signals in frequency domain |
CN107340518A (zh) * | 2017-07-19 | 2017-11-10 | 电子科技大学 | 一种用于信号缺失下的isar雷达成像方法 |
CN109061658A (zh) * | 2018-06-06 | 2018-12-21 | 天津大学 | 激光雷达数据融方法 |
CN111175744A (zh) * | 2019-09-20 | 2020-05-19 | 中国船舶工业系统工程研究院 | 一种雷达图像快速生成与缩放方法 |
CN111487593A (zh) * | 2020-03-17 | 2020-08-04 | 中国人民解放军国防科技大学 | 一种残缺雷达信号修复方法 |
WO2021250943A1 (en) * | 2020-06-11 | 2021-12-16 | Mitsubishi Electric Corporation | Graph-based array signal denoising for perturbed synthetic aperture radar |
WO2022022239A1 (zh) * | 2020-07-28 | 2022-02-03 | 南京航空航天大学 | 一种基于检测前估计的雷达目标检测方法 |
CN111983637A (zh) * | 2020-08-20 | 2020-11-24 | 南京林业大学 | 一种基于激光雷达的果园行间路径提取方法 |
CN112099006A (zh) * | 2020-09-15 | 2020-12-18 | 中山大学 | 一种合成孔径雷达相对定位误差校正方法、系统及装置 |
CN112255607A (zh) * | 2020-09-30 | 2021-01-22 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN113625275A (zh) * | 2021-08-05 | 2021-11-09 | 中国人民解放军国防科技大学 | 一种稀疏孔径雷达图像二维联合重构方法 |
CN113723244A (zh) * | 2021-08-20 | 2021-11-30 | 中国电子科技集团公司第二十八研究所 | 一种基于改进变分模态分解的雷达辐射源信号分离方法 |
CN113917490A (zh) * | 2021-09-13 | 2022-01-11 | 北京理工大学 | 激光测风雷达信号去噪方法及装置 |
CN114527429A (zh) * | 2022-03-01 | 2022-05-24 | 中国电子科技集团公司第十四研究所 | 一种机场场面监视雷达图像显示补漏技术 |
Non-Patent Citations (1)
Title |
---|
徐建平: ""压缩感知算法在雷达成像中的应用研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114755654B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
Chung et al. | Inverse halftoning algorithm using edge-based lookup table approach | |
CN109949222B (zh) | 基于语义图的图像超分辨率重建方法 | |
CN109359633B (zh) | 基于希尔伯特-黄变换和小波脊线的信号联合分类方法 | |
CN114755654B (zh) | 一种基于图像拟态技术的残损雷达信号修复方法 | |
CN101663894A (zh) | 减少图像解压缩系统中的块伪像 | |
Pascazio et al. | SAR raw data compression by subband coding | |
CN109558857B (zh) | 一种混沌信号降噪方法 | |
Maksimović et al. | Experimental analysis of wavelet decomposition on edge detection | |
Zhu et al. | Image denoising by wavelet transform based on new threshold | |
CN114881215A (zh) | 一种毫米波雷达数据筛选性神经网络处理方法 | |
Parkes et al. | The compression of raw SAR and SAR image data | |
Lasmika et al. | Improving Quality of Satellite Image by Wavelet Transforming & Morphological Filtering | |
Sun et al. | A novel multi-focus image fusion algorithm based on NSST-FRFT | |
Yadav et al. | A Survey of Image Compression using Neural Network and Wavelet Transformation | |
Tang et al. | Maximum a posteriori decoding for KMV-cast pseudo-analog video transmission | |
Annalakshmi et al. | Side Scan Sonar Images Based Ocean Bottom Sediment Classification | |
He et al. | A novel image denoising algorithm based on non-uniform rectangular partition and interpolation | |
Ageenko et al. | On the Restoration of Semantic Features in Raster Topographic Images | |
Guo et al. | Residual Attention Augmented U-shaped Network for One-bit SAR Image Restoration | |
Kim et al. | Supplementary loss concealment technique for image transmission through data hiding | |
Abedellatif et al. | Non-exhaustive search method for fractal image compression | |
Sveinsson et al. | Speckle reduction of SAR images in the bandlet domain | |
KR20020031028A (ko) | 오리엔테이션 보간 노드의 부호화 장치 및 방법 | |
Qian et al. | Blind Quality Index for Super Resolution Reconstructed Images Using First-and Second-Order Structural Degradation |
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 |