|
1.
|
穿墙雷达墙体与目标回波信号学习分离方法
|
|
|
|
|
|
|
卞粱 晋良念 刘庆华《雷达科学与技术》,2022年第20卷第3期
|
|
|
在穿墙雷达成像中，事先有效分离墙体回波与目标信号，可以避免它们在后续的建筑物布局反演和内部目标成像中的相互影响。然而，现有的稀疏分离方法往往需要人工选择阈值参数，在一定程度上影响了分离效果，为此提出一种墙体回波与目标信号的学习分离方法。该方法将两信号的分离视为一种联合低秩-稀疏约束问题，使用迭代软阈值分离算法求解稀疏解，然后把稀疏解的迭代过程映射成多层神经网络中的每一层，并用数据集自适应训练所有层中的阈值参数。仿真和实测数据处理结果表明，该方法与人工选择阈值参数相比，有效提高了墙体与目标回波信号的分离效果。
|
|
2.
|
穿墙雷达平面多层媒质二维衍射层析成像算法
|
|
|
|
|
|
|
屈乐乐 殷雨晴《微波学报》,2016年第32卷第6期
|
|
|
为了解决多层介质墙体后隐蔽目标探测的问题,提出了一种穿墙雷达平面多层媒质二维衍射层析成像算法。所提成像算法基于一阶Born 近似理论,通过平面多层媒质的格林函数谱域展开式和快速傅里叶变换技术,实现对多层墙体后隐蔽目标的快速准确成像重建。基于时域有限差分法产生的仿真数据处理结果验证了此成像算法的有效性和准确性。
|
|
3.
|
多视角穿墙雷达联合稀疏成像算法
|
|
|
|
|
|
|
杨天虹《电讯技术》,2019年第8期
|
|
|
多视角穿墙雷达成像系统利用多个视角的目标回波数据，可以有效提高目标成像重建结果的质量。在建立多视角穿墙雷达联合稀疏信号模型的基础上，提出了一种基于交叉验证技术的删失同时正交匹配追踪成像算法。该算法将每个观测视角雷达单元的测量数据分成重建数据和交叉验证数据两部分，通过进行多次删失同时正交匹配追踪迭代计算实现测量噪声水平估计和成像重建，既减小了各个视角雷达站间的数据通信开销，也摆脱了成像算法对测量噪声水平和场景稀疏度先验信息的依赖。仿真实验结果验证了所提成像算法的有效性和准确性。
|
|
4.
|
平面波激励下的二维衍射层析成像算法仿真
|
|
|
|
|
|
|
杨宝强 雷文太《数据采集与处理》,2006年第21卷第1期
|
|
|
以一阶Born近似和格林函数的平面波谱展开为基础，导出了平面波激励情况下的二维衍射层析成像算法并给出了详细的算法处理流程。在此基础上分析了散射场信号的信噪比和有耗媒质的衰减效应对成像结果的影响，并对多个仿真数据进行了成像处理。结果表明，该成像算法可以精确反演出目标的形状和电磁参数，可应用于雷达成像和目标识别。
|
|
5.
|
基于MMV模型压缩感知在超宽带穿墙雷达的应用
|
|
|
|
|
|
|
刘俞伯《桂林电子科技大学学报》,2012年第32卷第2期
|
|
|
针对超宽带穿墙雷达的具体工作过程和穿墙雷达目标成像空间的稀疏性,提出一种基于MMV模型的压缩感知成像方法,该方法通过获取回波数据,能够降低系统在采样上的要求,利用少量的数据可以很好地恢复出所需要的信息,从而达到成像的目的.仿真实验证明了该方法的可行性和有效性.
|
|
6.
|
基于压缩多信号分类算法的森林区域极化SAR层析成像
|
|
|
|
|
|
|
张冰尘 王万影 毕辉 赵曜 洪文《电子与信息学报》,2015年第3期
|
|
|
该文研究了一种基于压缩多信号分类算法的森林区域极化SAR层析成像方法。其具体步骤包括：全极化的SAR接收成像区域的反射回波，利用各极化通道的信号建立多观测向量模型；应用小波基对高程向结构进行稀疏表示，采用压缩多信号分类算法对观测区域的高程向后向散射系数进行重建，实现对森林区域层析成像。最后，通过仿真实验、PolSARpro仿真数据和德宇航E-SAR的P-波段数据验证了该方法在同等测量精度的要求下可以有效减少SAR层析成像所需的航过数，同时降低了虚假目标的出现概率。
|
|
7.
|
电容层析成像图像重建的新算法 被引次数：15
|
|
|
|
|
|
|
赵进创 傅文利 李陶深 梁家荣《计算机工程》,2004年第30卷第8期
|
|
|
对采用RBF神经网络的8电极电容层析成像系统的图像重建的方法进行了探讨。该神经网络采用遗传算法结合传统的最近邻聚类方法进行学习。仿真实验结果表明，该方法的成像精度及成像实时性较好。
|
|
8.
|
基于递归神经网络的非平稳网络丢包层析成像
|
|
|
|
|
|
|
邹橹 胡光岷 钱峰《计算机应用》,2008年第28卷第Z1期
|
|
|
为了提高互联网的管理和控制水平.进而优化配置网络资源,一种新的估计网络内部参数的方法"网络层析成像"得到了广泛关注.提出一种基于递归神经网络的非平稳网络丢包层析成像方法,利用递归多层感知器求解非平稳网络丢包模型.采用NS2仿真工具进行实验,证明了该算法能够自适应非平稳网络丢包率随时间变化而产生的波动,以实时追踪网络内部链路的丢包率.
|
|
9.
|
一种机载SAR层析三维成像算法 被引次数：2
|
|
|
|
|
|
|
王金峰 皮亦鸣 曹宗杰《电子与信息学报》,2010年第32卷第5期
|
|
|
针对机载平台难以同时满足多基线SAR层析3维成像所要求的短基线及大孔径问题，本文提出一种基于稀疏信号表示的机载SAR层析3维成像算法。首先基于高频率SAR目标的多散射中心假设，将目标在第3维成像方向上建模为稀疏分布模型，进而根据观测系统几何及信号频率特征构建了冗余字典，从而实现了成像问题到稀疏信号表示问题的转化，并最终通过求解以稀疏性度量函数为正则项的不适定方程获得成像结果。通过仿真实例的成像结果阐述了算法参数对成像的影响，并通过对SAR层析3维成像的仿真结果证明了算法的有效性。
|
|
10.
|
三维目标曲线SAR成像的降维搜索算法
|
|
|
|
|
|
|
苏志刚 彭应宁 王秀坛《电子与信息学报》,2006年第28卷第6期
|
|
|
曲线合成孔径雷达（CurviLinear Synthetic Aperture Radar，CLSAR）利用雷达平台的单条曲线轨迹就可形成三维成像所需的曲线合成孔径。由于CLSAR采集的数据在三维频率空间是稀疏的，简单地采用非参数化方法所获得的图像几乎无法使用，所以有价值的目标三维像必须采用参数化方法来获得。该文提出一种新的适用于CLSAR的目标三维成像算法。该算法巧妙地利用了接收数据中距离方向与垂直距离方向参数问的弱耦合性，将高维优化问题解耦为低维优化问题，并顺序地估计出相应参数，最后采用一个迭代过程进行参数求精。仿真实验表明，新算法是一种适用于CLSAR的有效的目标三维成像算法。
|
|
11.
|
用线性神经网络映射光学过程层析成像的逆问题
|
|
|
|
|
|
|
李扬 汪仁煌 郑莹娜《中国图象图形学报》,2003年第8卷第7期
|
|
|
过程层析成像 (Process tomography)的逆问题也称为成像算法 ,它不仅需要反映被测物质与激励场的相互作用原理 ,而且应与传感器的空间阵列结构相匹配 .成像算法的性能好坏 (包括图象质量和每帧计算需时 )是过程层析成像技术能否应用于工业过程监控系统的关键问题之一 .为了得到性能良好的重建图象 ,提出了一种线性神经网络图象重建算法 .该算法首先通过建立光学层析成像的正问题和逆问题的线性化模型来求解正问题 ,以得出图象和投影的关系模式对 ,然后将其用于训练和构造线性神经网络 ;最后使用训练好的线性神经网络来映射光学层析成像的逆问题 .实验表明 ,该方法具有较高的图象质量和极高的成像实时性 ,是一种性能良好的图象重建算法
|
|
12.
|
基于SFCW雷达的多场景墙体参数反演
|
|
|
|
|
|
|
葛薇 张照 彭正辉 王春和《电子测量技术》,2017年第40卷第5期
|
|
|
穿墙探测所处的外界环境内通常存在多种散射体,是否存在金属物品、有无人体对墙体参数反演具有不同的影响,进而影响穿墙定位与成像的准确性.将不同的外界环境分为不同场景,根据电磁波传播理论和菲涅尔公式建立电磁波穿墙传播模型,并详细阐述了用于提高步进扫频连续波(stepped frequency continuous wave,SFCW)穿墙雷达分辨率的Extend Prony算法和墙体参数快速反演算法,得出一种反演墙体介电常数和厚度的方法,并在墙后无散射体场景、墙后存在金属物体场景和墙后存在人体场景多场景中进行实验,最后将真实值与实验结果对比,表明在不同场景中具有较强适应性,反演出的墙体参数是现场穿墙探测的重要参考依据.
|
|
13.
|
基于加权星图稀疏正则化的图像压缩感知重构
|
|
|
|
|
|
|
谢中华 马丽红《四川大学学报(工程科学版)》,2018年第50卷第1期
|
|
|
为了更有效地表达图像的高阶稀疏结构，提出基于图稀疏正则化的压缩感知重构算法，通过图论方法描述图像稀疏系数间的相关性。首先，采用图结构化稀疏度量表征图像的非局部相似性，并化简稀疏系数的完全图结构为仅与均值节点连接的星图结构，以实现更高效的稀疏表达；然后，通过加权范数的形式体现稀疏系数的不同重要性，达到自适应恢复的目的。进一步，提出求解星图稀疏模型的近似消息传递算法，通过引入辅助变量，使得权值参数和稀疏系数的优化问题更易求解。实验结果表明，所提出的算法在客观质量和主观质量上优于其他基于非局部稀疏模型的重构算法，验证了星图稀疏模型的有效性。
|
|
14.
|
基于小波神经网络的电容层析成像图像重建算法 被引次数：7
|
|
|
|
|
|
|
张立峰 王化祥《中国电机工程学报》,2008年第28卷第35期
|
|
|
电容层析成像(electrical capacitance tomography，ECT)技术是一个复杂的非线性问题，针对图像重建问题的病态性，提出了基于小波神经网络的图像重建算法。利用主成分分析法对输入变量(电容测量值)进行降维处理，利用小波神经网络建立电容测量值与成像区域介电常数分布的非线性映射。小波神经网络的神经元激励函数由伸缩和平移因子决定的小波基函数，采用BP算法对网络进行训练，并引入学习率与动量因子的自适应调整方法以加快网络训练的收敛速度。实验结果表明，与典型的反投影及Landweber迭代算法相比，该算法所构图像质量有明显改善。
|
|
15.
|
基于扰动的结合Off-grid目标的层析SAR三维成像方法
|
|
|
|
|
|
|
杜邦 仇晓兰 张柘 雷斌 丁赤飚《雷达学报》,2022年第11卷第1期
|
|
|
层析合成孔径雷达(TomoSAR)通过组合在不同高度上获取的多基线二维SAR数据，实现合成孔径雷达的三维成像。TomoSAR的求解本质是一维谱估计问题，基于压缩感知的方法可以在非均匀分布的少量基线观测下实现求解，逐渐成为了主流的成像方式。在经典的压缩感知算法流程中，需要将连续的高程向划分成固定的网格，并且假定目标正好位于所划分的网格上。然而该假设通常难以成立，从而引起“基失配”问题，目前该问题在TomoSAR中很少被讨论。该文首先讨论了目标不在网格(Off-grid)上的TomoSAR观测模型，提出了采用加性扰动项来修正目标偏离网格所带来影响的求解模型。在此基础之上，引入局部优化算法与\begin{document}$ {L}_{1} $\end{document}范数最小化结合的方法，求解所提出的Off-grid TomoSAR模型。最后，利用仿真数据和机载阵列干涉SAR实际飞行数据进行了验证，结果表明，对于Off-grid目标，该方法能够得到比基于\begin{document}$ {L}_{1} $\end{document}范数最小化的经典方法更准确的位置、幅度和相位求解结果，证明了方法的优越性。
|
|
16.
|
基于稀疏处理的运动目标认知ISAR成像技术
|
|
|
|
|
|
|
顾福飞 罗 迎 陈怡君 张 群《现代雷达》,2018年第40卷第11期
|
|
|
稀疏处理主要研究如何利用低维数据实现高维稀疏信号的准确重建。基于该特性,已有较多学者将其应用于ISAR成像中用以减少数据量,改善成像质量。文中首先从ISAR回波数据出发,建立了基于稀疏处理的ISAR成像模型,并给出实验处理结果;然后,针对稀疏ISAR成像中存在的对目标和环境的自适应能力不强、工作效率不高等问题,提出将稀疏ISAR成像与认知雷达相结合,构建了认知稀疏ISAR成像框图,并给出了两种认知稀疏ISAR成像策略,能够有效减少成像所需数据量,提高雷达利用效率;最后,利用实验数据验证了所提模型的有效性。
|
|
17.
|
Chebyshev神经网络在ECT图像重建中的研究与应用
|
|
|
|
|
|
|
李岩 曹帅 冯莉 张礼勇《计算机工程与应用》,2011年第47卷第32期
|
|
|
针对目前电容层析成像系统图像重建分辨率不高,精确度低的问题,提出了一种新的采用Chebyshev神经网络对电容层析成像系统进行图像重建的方法。该神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性、非线性逼近精度高等优异特性。通过对封闭管道的气固两相流进行数据检测,并采用改进后的神经网络算法进行图像重建,实验结果证明该方法能明显改善成像质量,进而证明了该方法的有效性。
|
|
18.
|
基于稀疏贝叶斯学习的无源雷达高分辨成像
|
|
|
|
|
|
|
王天云 于小飞 陈卫东 丁丽 陈畅《电子与信息学报》,2015年第37卷第5期
|
|
|
针对无源雷达压缩感知成像,该文提出一种基于稀疏贝叶斯学习的高分辨成像算法.基于一次快拍模式下的无源雷达回波模型,文中首先考虑目标散射系数的统计特性及其对微波频率的依赖关系,将无源雷达成像转化为MMV(Multiple Measurement Vector)联合稀疏优化问题;然后对目标建立了级联形式的稀疏先验模型,并利用稀疏贝叶斯学习技术进行求解.相比之前基于目标确定性假设的稀疏恢复方法,所提算法更好地利用了目标的统计先验信息,具有能够自适应调整参数(目标模型参数和未知噪声功率)和高分辨反演目标等优点.仿真结果验证了该算法的有效性.
|
|
19.
|
基于稀疏和低秩结构的层析SAR成像方法
|
|
|
|
|
|
|
赵曜 许俊聪 全相印 崔莉 张柘《雷达学报》,2022年第11卷第1期
|
|
|
该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法。传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建。考虑城市和森林等区域中各自的布局分布较为类似，目标在相邻方位-距离单元的高程向分布具有较强相关性。该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性，构建稀疏和低秩结构相结合的目标区域层析SAR成像模型，采用ADMM算法对层析SAR成像模型进行求解，将复杂的原优化问题分解为若干相对简单的子问题，通过优化变量交替投影的方式进行算法求解，得到层析SAR成像结果。该方法提高了低航过数或低通道数情况下的重建精度，拥有更好的成像性能。仿真和实测数据实验表明，该重建方法能够有效分离散射体并保证重建能量的精度，且在降低航过数或通道数的情况下保持良好的成像效果，有效抑制伪影现象。
|
|
20.
|
基于图像总变分最小化的穿墙雷达多层墙体成像方法
|
|
|
|
|
|
|
宋祥源 屈乐乐《电脑与信息技术》,2021年第29卷第4期
|
|
|
针对穿墙雷达多层墙体探测场景,文章提出了一种基于图像总变分最小化(Total Variation Minimization,TVM)的穿墙雷达多层墙体成像方法,成像重构过程中通过计算多层媒质的格林函数来构造字典矩阵,通过引入图像的TVM约束来实现成像重构.仿真结果表明所提成像算法不仅可以减少成像重建时间,而且可以较好地保留目标的几何形状和边缘,提高图像重建质量.
|
