共查询到20条相似文献,搜索用时 62 毫秒
1.
基于方位特性表征的属性散射中心模型参数估计方法 总被引:1,自引:0,他引:1
属性散射中心模型使用一组富含物理意义的特征参数描述高频区目标的散射特性,其模型参数中具有的频率和方位依赖项为目标识别提供了重要的特征信息。但复杂的模型形式使得参数的提取只能在图像域中进行,其中一个关键的步骤就是图像分割。由于属性散射中心在图像域中表现形式的复杂性,传统的分割算法往往不能准确地描述划分区域中散射的内在本质,使得参数的估计误差偏大。针对此缺陷,提出了一种基于方位特性表征的参数估计方法。该方法利用散射点的方位函数对散射类型进行判断,指导散射中心区域的划分以提高参数的估计精度。仿真实验验证了方法的有效性。 相似文献
2.
增强成像方法将待检测目标的先验知识引入到成像过程中对其进行增强,有助于提高图像的直观性和改善后续检测效果.旋转体目标具有散射特性的方位不变性,而大多数人造和自然杂波不具备该特点,因此可利用方位散射不变性对旋转体目标进行增强成像.该文首先提出了方位散射熵的概念以度量目标不同方位向散射特性的一致性,在此基础上提出了基于方位散射熵的旋转体目标增强成像算法,最后针对实际机载 SAR 应用中存在的位置和姿态误差给出了结合运动误差补偿的方位散射熵的计算方法.实测数据结果证明了该文所提方法的有效性和实用性. 相似文献
3.
在超宽带穿墙雷达成像领域,交叉极化雷达能有效识别建筑物角散射中心,而交叉极化接收到的回波信号较弱,成像中的耦合信号得到增强,角散射信号不易识别。对此提出一种基于方位散射熵的建筑物特征提取方法。该方法首先利用散射体交叉极化相关性对交叉极化成像结果进行加权提取角散射中心,然后通过方位散射熵滤除墙体杂波影响、增强墙角散射幅度,最后使用循环迭代的中心定位算法得到精确的墙角散射中心。仿真和实验数据结果表明,该方法通过角散射体的极化特性和方位角属性可以准确地提取建筑物角散射中心。 相似文献
4.
5.
6.
7.
8.
针对现有体散射测量系统中激光器与探测器相互遮挡导致探测角度减小的问题,设计了一款新型的水中颗粒物的体散射函数测量系统。首先,通过双潜望式光路结构,将激光发生平面与散射探测平面分离,减小了激光器对探测角度的遮挡;同时,通过潜望式出射棱镜将透射光导出水体,避免了容器的杯壁散射,提高背散射测量的准确性。根据实际工艺,改进出射棱镜,设计系统样机,实现了3°~178°大角度范围体散射函数的测量。结合系统结构与水下光传输原理,根据数据矫正算法,矫正由于测量光程及水体衰减造成的偏差。对比矫正后结果与米散射仿真结果,证明方法的可靠性。 相似文献
9.
10.
11.
传统的迭代多尺度方法 (iterative multiscaling approach, IMA)在求解非线性电磁场逆散射问题时,可以自适应提高成像空间的分辨率,缓解逆问题的病态性,但容易陷入局部极小值且无法做到实时重构.文中提出了一种迭代多尺度深度网络,该网络结合传统IMA和深度网络的优势,将IMA展开成深度网络模型(命名为IMA-Net).该方法迭代地执行一种感兴趣区域(regions of interest, ROI)提取算法,在不同尺度的ROI内构建目标函数,并将目标函数分解成若干个优化子问题,子问题的迭代更新过程映射到深度网络结构中,交替更新相关分量,求解出目标函数的最优值.实验结果验证了该方法的有效性和优越性,为目标实时重构提供了一个有效方案. 相似文献
12.
Two-dimensional scattering center extraction based on multiple elastic modules network 总被引:5,自引:0,他引:5
Kyung-Tae Kim Hyo-Tae Kim 《Antennas and Propagation, IEEE Transactions on》2003,51(4):848-861
The concept of scattering centers on a target is commonly used for radar signature modeling and data compression, as well as target recognition. In particular, two-dimensional (2-D) scattering centers are useful features in automatic target recognition, which uses a synthetic aperture radar system, because they are directly related to physical scattering mechanisms and also have small dimensionality. We propose a new technique for estimating 2-D scattering centers using radar data in the frequency-aspect domain. The technique first estimates one-dimensional scattering centers at several aspects, and the multiple elastic modules network optimization is exploited to find 2-D locations and amplitudes of the target's scattering centers. Experimental results illustrate that the proposed method is efficient not only for estimating 2-D scattering centers on the target but also in computation. 相似文献
13.
14.
为快速获取超宽带电磁脉冲激励下雷达目标在时域上的电磁响应,提出一种基于属性散射中心正向建模的方法用于目标时域回波仿真。从目标几何模型出发,利用射线追踪、分集技术对空间中所有射线进行标记与归类,分离并定量表征目标的强散射源。基于属性散射中心模型,正向确定模型参数,构建出目标属性散射中心模型,在选定的辐射源激励下进行仿真计算,快速获取目标时域回波信号。以典型目标简化坦克为例,选取不同形式的超宽带电磁脉冲信号作为辐射源,基于正向建模方法构建简化坦克的散射中心模型,快速获取给定电磁脉冲激励下的雷达回波信号,并与利用高频仿真方法得到的一维距离像对比,结果具有较好的一致性,从而验证了利用散射中心模型快速进行不同辐射源激励下回波仿真的有效性。 相似文献
15.
针对穿墙雷达(TWR)室内不规则场景中信号传播的多径效应所导致成像区域“幻影”存在的问题,提出了一种基于脉冲雷达信号平台频域压缩感知(CS)框架的多径利用方法。在建立室内多径回波脉冲信号矢量模型的基础上,将每条多径分量作为一个特殊的观测通道,并利用目标、多径“幻影”依赖于阵列子孔径方位(AD)的特性,由此来分析目标、“幻影”与子孔径位置的关联性,最后通过调和平均(HMAM)子孔径图像融合方法实现 “幻影”抑制和目标的虚拟多视角成像。该方法克服了脉冲信号时域压缩感知计算复杂度高以及需要事先已知室内几何反射位置的不足。不同场景的仿真结果验证了此方法的可行性和优越性。 相似文献
16.
设计并加工了一种基于双层频率选择表面(frequency selective surface, FSS)的一维Vivaldi阵列天线.首先采用周期边界条件分析无限大阵列中的单元特性, 利用等效传输线原理和广义散射参数矩阵来设计优化加载在Vivaldi阵列上方的介质宽角匹配层.然后, 在所加载的双层介质匹配层表面直接印制FSS结构使阵列扫描特性得到极大改善.仿真和实测结果表明, 一维Vivaldi阵列中心单元在7~12 GHz的有源驻波比均小于2.5, 在8~10 GHz波束扫描范围能够达到±60°.仿真结果还表明:采用双层FSS结构的Vivaldi阵列与未加载匹配层的Vivaldi阵列相比, 在7~11.5 GHz增益有2~4 dB的提高; 同时在扫描至±60°时, FSS结构的加载使得阵列在对应扫描角下的交叉极化下降了5~10 dB. 相似文献
17.
为实现大型航空零件三维测量过程中激光光条的快速高精度提取,提出了一种结合分层处理的激光光条亚像素中心提取方法。首先,根据序列图像的结构不变性将高分辨率图像压缩为低分辨图像。接着,通过二次拟合求解低分辨率图像中激光光条中心的法线斜率。然后,将低分辨图像求得的法线斜率还原到高分辨激光光条图像中。进而通过灰度重心判断准则,快速计算激光光条的亚像素中心。最后,采用所提出的方法分别在实验室和大型航空零件装配测试台上进行了复合材料标准样件和复杂零件的三维形貌测量。实验结果表明:该方法的单激光光条重建误差为0.269 mm,三维形面的重建误差为0.268 mm。该方法可有效提高工程零件快速测量过程中激光光条提取精度,满足大型航空零件现场测量的工程要求。 相似文献
18.
19.
基于散射中心参数化模型和反向传播(back propagation, BP)神经网络,构建了一种针对目标全角度、宽频段下的远场电场预测网络,该网络将利用目标的位置、幅度、频率等数据信息实现远场电场实部与虚部的快速预测. 首先,将对目标强散射点的位置以及强度等参数进行提取;然后,对二维角域以及频域进行区域划分,构建并联式的智能网络架构,从而建立散射中心参数化模型与高精度远场电场间的关系. 该方法能够通过新型并联网络的训练,减小传统散射中心模型的频率、角度依赖性的影响,实现目标远场电场的快速获取. 由于在网络设计时,充分借鉴了现有的模型中各散射参数对目标电场的影响,因此该神经网络具有清晰的物理意义以及突出的泛化能力. 与传统的基于几何绕射理论(geometrical theory of diffraction, GTD)模型的电场重构方法相比,本文方法具有更高的准确性,实验结果表明提出的并联网络使得预测电场误差下降了18%以上,同时针对目标后向远场电场的预测,其相对均方根误差能够小于5%.
相似文献20.
从高分辨一维距离像(high range resolution profile,HRRP)出发,针对HRRP姿态敏感以及锥体目标识别中姿态获取困难的问题,推导分析了散射中心极化比与锥体目标姿态的关联关系,提出了基于散射中心极化比姿态反演的方法:利用散射中心参数估计模型对锥体目标不同极化下的宽带数据进行分析,分别提取其散射中心参数,同时计算散射中心参数的极化比,并与理论的极化比曲线进行匹配,最终获取目标的姿态角.基于球头锥的数值计算与极化特征提取结果验证了方法的有效性.利用此方法能够做到对目标姿态的快速反演,为进一步的目标识别提供支撑. 相似文献