KR101932051B1 - Pga에서 분산을 이용한 표적 선택 방법 - Google Patents

Pga에서 분산을 이용한 표적 선택 방법 Download PDF

Info

Publication number
KR101932051B1
KR101932051B1 KR1020170066356A KR20170066356A KR101932051B1 KR 101932051 B1 KR101932051 B1 KR 101932051B1 KR 1020170066356 A KR1020170066356 A KR 1020170066356A KR 20170066356 A KR20170066356 A KR 20170066356A KR 101932051 B1 KR101932051 B1 KR 101932051B1
Authority
KR
South Korea
Prior art keywords
variance
image
pga
dispersion
distance
Prior art date
Application number
KR1020170066356A
Other languages
English (en)
Other versions
KR20180130359A (ko
Inventor
이한길
김동환
Original Assignee
국방과학연구소
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020170066356A priority Critical patent/KR101932051B1/ko
Publication of KR20180130359A publication Critical patent/KR20180130359A/ko
Application granted granted Critical
Publication of KR101932051B1 publication Critical patent/KR101932051B1/ko

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
    • G01S13/9004—SAR image acquisition techniques
    • G01S13/9019—Auto-focussing of the SAR signals
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 PGA에서 표적을 선택하는 방법에 관한 것이다. 본 발명에 따른 PGA에서 분산을 이용한 표적 선택 방법은, 영상의 거리 방향의 분산과 방위 방향의 분산을 산출하는 단계; 상기 산출한 분산을 개별 픽셀의 값으로 변환하는 단계; 및 상기 변환한 값 중 기 설정된 기준 값을 초과하는 픽셀을 선별하고, 상기 선별한 픽셀을 포함하는 거리만을 추출하여 PGA(Phase Gradient Autofocus)를 수행하는 단계;를 포함한다.

Description

PGA에서 분산을 이용한 표적 선택 방법{METHOD TO SELECT TARGETS IN PHASE GRADIENT AUTOFOCUS USING VARIANCE}
본 발명은 PGA에서 표적을 선택하는 방법에 관한 것이다.
Synthetic Aperture Radar(SAR)는 전자파를 이용한 능동 송수신 장비로 24시간 기상 환경에 영향 없이 촬영이 가능하다. SAR은 환경에 비교적 영향을 덜 받고 항시 운영이 가능하며, 전자파를 이용한 정보 획득이 가능하기 때문에 다양한 응용 분야에서 많이 이용되고 있다. 잘 알려진 응용 분야는 지형 정보 획득, DEM(Digital Elevation Model) 획득이 있다. 이외에도 전자파 특성을 이용한 지표의 수분 측정 등에 이용되고 있다.
SAR은 이동하는 탑재체가 필요하기 때문에 항공기와 위성의 임무장비로 사용된다. 위성의 경우 안정적인 경로를 이동할 수 있지만, 항공기는 대기의 영향으로 이동 경로가 변하기 쉽다.
SAR은 이동 경로가 직선에서 벗어나면 요동 보상을 통해서 신호 보정을 해야 한다. 하지만, 요동 측정 정확도의 한계와 신호 특징 때문에 요동 보상을 완벽하게 수행할 수 없다는 문제점이 존재한다. 항공기 SAR은 요동 측정 오차, 요동 보상 오차, 그리고 시스템의 측정되지 않은 오차를 보정하기 위한 방법으로 Autofocus라는 기법을 이용한다.
Autofocus는 적응적 신호처리 기법을 이용해서 형성된 영상에서 오차를 추정한다. 대표적인 Autofocus로 Phase Gradient Autofocus(PGA)가 있다. PGA는 점표적으로 가정되는 영상 셀을 찾고 이를 이용해서 오차를 추정하는 방법이다.
PGA의 성능은 점표적을 찾는 방법에 많은 영향을 받게 된다. 기본적인 PGA는 간단하게 거리 셀 마다 가장 큰 셀을 점표적으로 가정한다. 이에 따라, PGA 기법에 의하면 영상의 크기에 따라 연산 속도가 증가하고, 온보드 처리에 적용하기 힘든 경우도 발생할 수 있다.
본 발명은 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다. 또 다른 목적은, PGA에 적용할 표적을 분산을 이용하여 산출하는 방법을 제공하는 것을 그 목적으로 한다.
상기 또는 다른 목적을 달성하기 위해 본 발명의 일 측면에 따르면, 영상의 거리 방향의 분산과 방위 방향의 분산을 산출하는 단계; 상기 산출한 분산을 개별 픽셀의 값으로 변환하는 단계; 및 상기 변환한 값 중 기 설정된 기준 값을 초과하는 픽셀을 선별하고, 상기 선별한 픽셀을 포함하는 거리만을 추출하여 PGA(Phase Gradient Autofocus)를 수행하는 단계;를 포함하는 것을 특징으로 하는 PGA에서 분산을 이용한 표적 선택 방법을 제공한다.
실시 예에 있어서, 상기 영상의 거리 방향의 분산과 방위 방향의 분산은 다음의 수학식에 의해 산출할 수 있다.
Figure 112017051238618-pat00001
Figure 112017051238618-pat00002
여기서, xr[j]는 상기 거리 방향의 분산, xa[i]는 상기 방위 방향의 분산,
Figure 112017051238618-pat00003
는 상기 영상,
Figure 112017051238618-pat00004
는 방위 방향의 영상 픽셀 인덱스,
Figure 112017051238618-pat00005
는 거리 방향의 픽셀 인덱스,
Figure 112017051238618-pat00006
은 분산을 구하는 함수, r은 거리방향, a는 방위방향을 의미한다.
또 다른 실시 예에 있어서, 다음의 수학식에 의해 상기 개별 픽셀의 값을 산출할 수 있다.
Figure 112017051238618-pat00007
여기서, xr[j]는 상기 거리 방향의 분산, xa[i]는 상기 방위 방향의 분산을 의미한다.
또 다른 실시 예에 있어서, 상기 기 설정된 기준 값은, 다음의 수학식에 의해 산출될 수 있다.
Figure 112017051238618-pat00008
여기서, vari,j()는 모든 셀을 이용해서 분산을 구하는 함수, a는 계수를 의미한다.
본 발명에 따른 PGA에서 분산을 이용한 표적 선택 방법의 효과에 대해 설명하면 다음과 같다.
일반적인 PGA의 경우 모든 거리를 이용해서 처리하기 때문에, 영상 크기에 따라서 처리 시간이 급격하게 증가하게 된다. 이에 따라, 실시간 처리를 요구 받는 상황에서 일반적인 PGA는 처리 시간 제약 때문에 적용이 힘들 수가 있다.
본 발명은 PGA 알고리즘에서의 표적 선택 기법으로, 제안한 방법을 적용하면 처리 시간을 단축하면서도 성능 유지가 가능하다. 또한, 실시간 처리에 의한 시간 제약을 극복할 수 있다는 장점이 있다.
본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.
도 1은 본 발명에 따른 PGA에서 분산을 이용한 표적 선택 방법의 실시 예를 설명하기 위한 순서도이다.
도 2는 Autofocus 적용 전 영상의 실시 예이다.
도 3은 기본 PGA를 적용한 영상의 실시 예이다.
도 4는 본 발명에 따른 표적 선택 방법을 적용한 영상의 실시 예이다.
도 5는 영상 크기 별 처리 시간을 비교한 결과를 설명하기 위한 표이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명에서는 Autofocus에서 간편하게 표적 선택을 할 수 있는 방법을 제안한다. 제안한 방법에 의하면 유사한 성능을 유지하면서도 처리 속도를 향상시킬 수 있다.
구체적으로, 본 발명에 의하면 영상의 분산을 이용해서 점 표적으로 추정되는 셀을 찾을 수 있다. 통계적으로 분산이 크다는 의미는 상대적으로 큰 값이 존재한다는 의미이다. 그러므로 영상에서 거리와 방위 방향으로 모두 분산이 큰 셀은 점 표적으로 가정할 수 있다.
본 발명에서는 영상에서 2D 분산을 계산하고 점 표적으로 가정되는 셀을 찾는다.
도 1은 본 발명에 따른 PGA에서 분산을 이용한 표적 선택 방법의 실시 예를 설명하기 위한 순서도이다.
도 1을 참조하면, SAR Complex 영상에서 영상의 2D 분산을 산출할 수 있다. 이를 위해, 거리와 방위 방향으로 각각의 분산을 구한다.
다음의 수학식 1과 수학식 2는 각각 거리 방향의 분산과 방위 방향의 분산을 나타낸다.
Figure 112017051238618-pat00009
Figure 112017051238618-pat00010
상기 수학식 1과 수학식 2에서,
Figure 112017051238618-pat00011
는 Complex SAR 영상을 의미한다. 또한,
Figure 112017051238618-pat00012
는 방위 방향의 영상 픽셀 인덱스이고,
Figure 112017051238618-pat00013
는 거리 방향의 픽셀 인덱스이다.
Figure 112017051238618-pat00014
은 분산을 구하는 함수를 의미하고 아래 첨자는 방향(r은 거리방향, a는 방위방향)을 표현한다.
거리와 방위 방향으로 구해진 분산을 이용해서, 2D 분산(개별 픽셀의 값)은 다음의 수학식 3과 같이 구할 수 있다.
Figure 112017051238618-pat00015
다음의 수학식 4는 기준 값을 산출하는 식이다.
Figure 112017051238618-pat00016
상기 수학식 4에서 vari,j()는 2차원 모든 셀을 이용해서 분산을 구하는 수식이고, a는 계수로 이 값을 속도와 성능 사이에서 조절한다.
즉, 상기 수학식 3을 이용해 구한 값 중 상기 수학식 4로 구한 값 이상인 픽셀을 검출하고, 이 픽셀을 포함한 거리만 추출하여 PGA를 수행할 수 있다.
선택된 셀을 하나라도 포함한 거리의 개수가 일정한 수 보다 크다면, 이 거리를 이용해서 PGA를 수행한다. 하지만, 일정 수 이하가 되면 추정 정확도가 떨어질 수 있기 때문에 다른 방법을 이용해서 거리 인덱스를 구한다. 본 발명에서는 대안으로 크기를 이용해서 거리 인덱스를 구하는 방법을 이용한다.
이하, 도 2 내지 도 4를 참조하여 본 발명의 효과를 설명하고자 한다.
도 2 내지 도 4는 실제 비행 시험으로 획득한 영상을 처리한 결과이다.
도 2는 Autofocus 적용 전 영상의 실시 예이다.
도 2는 요동 보상만 적용한 영상으로, 여러 오차 때문에 영상 형성이 잘되어 있지 않음을 확인할 수 있다.
도 3은 기본 PGA를 적용한 영상의 실시 예이다.
도 4는 본 발명에 따른 표적 선택 방법을 적용한 영상의 실시 예이다.
도 4를 참조하면, 영상이 유사하게 보정된 것을 볼 수 있다.
도 5는 영상 크기 별 처리 시간을 비교한 결과를 설명하기 위한 표이다.
도 5는 영상 크기에 따른 보정 시간이다.
PGA는 반복적 적응 기법을 이용해서 오차를 줄여 나가는 방법이다. 기본 PGA와 제안하는 방법의 반복 회수는 유사하지만, 처리 시간이 많이 차이나는 것을 확인할 수 있다.
구체적으로, 방위와 거리 방향으로 각각 700m 크기의 영상을 형성하는 경우와, 방위 방향으로 2000m, 거리 방향으로 1200m로 형성하는 경우를 비교하였을 때, 제안한 방법이 모든 거리를 이용하는 일반적인 PGA에 비해서 처리 시간이 40% 정도 감소한 것을 확인할 수 있다.
이에 따라, 본 발명에 따른 PGA에서 분산을 이용한 표적 선택 방법의 효과에 대해 설명하면 다음과 같다.
일반적인 PGA의 경우 모든 거리를 이용해서 처리하기 때문에, 영상 크기에 따라서 처리 시간이 급격하게 증가하게 된다. 그 결과, 실시간 처리를 요구 받는 상황에서 일반적인 PGA는 처리 시간 제약 때문에 적용이 힘들 수가 있다.
본 발명은 PGA 알고리즘에서의 표적 선택 기법으로, 제안한 방법을 적용하면 처리 시간을 단축하면서도 성능 유지가 가능하다. 또한, 실시간 처리에 의한 시간 제약을 극복할 수 있다는 장점이 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (4)

  1. 영상의 거리 방향의 분산과 방위 방향의 분산을 산출하는 단계;
    상기 산출한 분산을 개별 픽셀의 값으로 변환하는 단계; 및
    상기 변환한 값 중 기 설정된 기준 값을 초과하는 픽셀을 선별하고, 상기 선별한 픽셀을 포함하는 거리만을 추출하여 PGA(Phase Gradient Autofocus)를 수행하는 단계;를 포함하는 것을 특징으로 하는 PGA에서 분산을 이용한 표적 선택 방법.
  2. 제1항에 있어서,
    상기 영상의 거리 방향의 분산과 방위 방향의 분산은 다음의 수학식에 의해 산출하는 것을 특징으로 하는 PGA에서 분산을 이용한 표적 선택 방법.
    Figure 112017051238618-pat00017

    Figure 112017051238618-pat00018

    여기서, xr[j]는 상기 거리 방향의 분산, xa[i]는 상기 방위 방향의 분산,
    Figure 112017051238618-pat00019
    는 상기 영상,
    Figure 112017051238618-pat00020
    는 방위 방향의 영상 픽셀 인덱스,
    Figure 112017051238618-pat00021
    는 거리 방향의 픽셀 인덱스,
    Figure 112017051238618-pat00022
    은 분산을 구하는 함수, r은 거리방향, a는 방위방향을 의미한다.
  3. 제2항에 있어서,
    다음의 수학식에 의해 상기 개별 픽셀의 값을 산출하는 것을 특징으로 하는 PGA에서 분산을 이용한 표적 선택 방법.
    Figure 112017051238618-pat00023

    여기서, xr[j]는 상기 거리 방향의 분산, xa[i]는 상기 방위 방향의 분산을 의미한다.
  4. 제3항에 있어서,
    상기 기 설정된 기준 값은, 다음의 수학식에 의해 산출되는 것을 특징으로 하는 PGA에서 분산을 이용한 표적 선택 방법.
    Figure 112017051238618-pat00024

    여기서, vari,j()는 모든 셀을 이용해서 분산을 구하는 함수, a는 계수를 의미한다.
KR1020170066356A 2017-05-29 2017-05-29 Pga에서 분산을 이용한 표적 선택 방법 KR101932051B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170066356A KR101932051B1 (ko) 2017-05-29 2017-05-29 Pga에서 분산을 이용한 표적 선택 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170066356A KR101932051B1 (ko) 2017-05-29 2017-05-29 Pga에서 분산을 이용한 표적 선택 방법

Publications (2)

Publication Number Publication Date
KR20180130359A KR20180130359A (ko) 2018-12-07
KR101932051B1 true KR101932051B1 (ko) 2018-12-24

Family

ID=64669770

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170066356A KR101932051B1 (ko) 2017-05-29 2017-05-29 Pga에서 분산을 이용한 표적 선택 방법

Country Status (1)

Country Link
KR (1) KR101932051B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102588625B1 (ko) * 2021-11-19 2023-10-11 알에프코어 주식회사 무인 항공기를 위한 합성 개구 레이더의 위상 그레디언트 자동 초점의 연산 가속화 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008268023A (ja) 2007-04-20 2008-11-06 Matsushita Electric Works Ltd 個体検出器
JP4829487B2 (ja) 2004-08-10 2011-12-07 古野電気株式会社 前方探知ソナー及び水中画像表示装置
JP2015108539A (ja) 2013-12-04 2015-06-11 三菱電機株式会社 レーザレーダ装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4829487B2 (ja) 2004-08-10 2011-12-07 古野電気株式会社 前方探知ソナー及び水中画像表示装置
JP2008268023A (ja) 2007-04-20 2008-11-06 Matsushita Electric Works Ltd 個体検出器
JP2015108539A (ja) 2013-12-04 2015-06-11 三菱電機株式会社 レーザレーダ装置

Also Published As

Publication number Publication date
KR20180130359A (ko) 2018-12-07

Similar Documents

Publication Publication Date Title
US20180259618A1 (en) Detection and ranging systems and methods
Thompson et al. Extending the phase gradient autofocus algorithm for low-altitude stripmap mode SAR
CN108279404B (zh) 一种基于空间谱估计的双通道sar相位误差校正方法
US8994584B2 (en) Autofocus-based compensation (ABC) system and method for a hovering ground moving target indication (GMTI) sensor
CN103616687B (zh) 分段线性估计的多项式拟合isar包络对齐方法
Chen et al. Two-step accuracy improvement of motion compensation for airborne SAR with ultrahigh resolution and wide swath
US8816896B2 (en) On-board INS quadratic correction method using maximum likelihood motion estimation of ground scatterers from radar data
CN104280745B (zh) 一种改进的空频信号处理方法及处理装置
CN106680817A (zh) 一种实现前视雷达高分辨成像的方法
Zhang et al. Range-dependent map-drift algorithm for focusing UAV SAR imagery
US20080297405A1 (en) Synthetic Aperture focusing techniques
US7006031B1 (en) Interrupt SAR image restoration using linear prediction and Range Migration Algorithm (RMA) processing
KR102200624B1 (ko) 필터링된 gnss 신호를 제공하기 위한 방법
CN103645466B (zh) 一种基于平台姿态时变性补偿的极化定标方法
KR101932051B1 (ko) Pga에서 분산을 이용한 표적 선택 방법
US8798359B2 (en) Systems and methods for image sharpening
CN109799502B (zh) 一种适用于滤波反投影算法的两维自聚焦方法
CN110441772B (zh) 大轨道分布范围下星载稀疏重航过sar三维成像方法
CN104155653B (zh) 一种基于特征距离子空间的sar后向投影成像方法
JP4793240B2 (ja) 高分解能レーダ装置
WO2015166560A1 (ja) 測角装置及び測角方法
CN108732555B (zh) 一种自动驾驶阵列微波成像运动补偿的方法
CN108562898B (zh) 一种前侧视sar的距离和方位两维空变自聚焦方法
Azouz et al. Motion compensation for high-resolution automobile-SAR
JP2008249551A (ja) 情報処理装置及び情報処理方法及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant