-
公开(公告)号：CN103399301A
公开(公告)日：2013-11-20
申请号：CN201310271845.X
申请日：2013-07-01
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种宽带SAR信号的接收装置及接收方法，装置包括接收模块、差频模块和采集模块，方法包括五个步骤，本发明对接收到的宽带SAR回波信号进行差频处理，使雷达回波信号带宽大幅度减小，后续的宽带SAR信号采集设备（A/D转换等）得以简化。使用雷达直达波信号作为对宽带SAR回波信号差频处理时所需的差频信号。相比于传统差频处理，本发明提出的宽带SAR信号接收方法在雷达发射的宽带SAR信号具体参数不能精准确定时（如非配合性的SAR平台），仍可以对接收到的雷达回波信号进行差频处理并完成SAR回波信号的采集。
-
公开(公告)号：CN102721949A
公开(公告)日：2012-10-10
申请号：CN201210208149.X
申请日：2012-06-19
Applicant: 北京航空航天大学
IPC: G01S7/40
Abstract: 本发明公开一种通用模式下星载SAR等效噪声系数的计算方法，属于信号处理领域，包括读入星载SAR系统的相关参数、获取在中心时刻波束照射场景中心点时的卫星地距几何关系参数、进行距离向天线宽度展宽、计算所选取方位向第j列位置点的合成孔径时间、计算所选取方位向第j列位置点的卫星地距几何关系参数、获取所选取位置点在距离向天线方向图中的增益和计算所选取的位置点的等效噪声系数等步骤。本发明采用地球球体模型，和实际情况逼近，结果更加准确和可靠；本发明在获取等效噪声系数时，充分考虑了斜视状态时的空间几何特性，具有更高的可靠性。本发明得到等效噪声系数随距离向位置和方位向位置变换的三维曲线，结果表现形式直观性强。
-
公开(公告)号：CN101685159B
公开(公告)日：2011-05-25
申请号：CN200910091286.8
申请日：2009-08-17
Applicant: 北京航空航天大学
IPC: G01S13/90
Abstract: 一种星载SAR信号高精度保相成像处理平台的构建方法，它有十大步骤：一、求解星载SAR数据成像处理参数；二、按帧读入星载SAR回波数据并按二维复数数组形式进行存放；三、沿方位向进行快速离散傅立叶变换；四、在距离多普勒域进行多普勒中心频率圆周移位；五、距离-多普勒域信号插值处理；六、沿距离向进行快速离散傅立叶变换；七、将数据在波数域进行距离徙动校正及压缩，完成距离向上聚焦处理并补偿残留复常数相位项；八、沿距离向进行快速离散傅立叶逆变换；九、在距离多普勒域完成方位向聚焦处理并补偿残留复常数相位项；十、沿方位向进行快速离散傅立叶逆变换并补偿频域圆周移位所引入线性相位误差。本方法可快速灵活完成SAR信号的保相成像处理。
-
公开(公告)号：CN101551450B
公开(公告)日：2011-05-25
申请号：CN200910083173.3
申请日：2009-05-06
Applicant: 北京航空航天大学
Abstract: 本发明是一种星载极化SAR法拉第旋转效应校正平台的构建方法，它有八大步骤。步骤一：线性全极化SAR复图像数据格式化处理；步骤二：线性全极化SAR复图像数据内存空间分块处理；步骤三：SAR图像数据块的复协方差矩阵计算；步骤四：基于复协方差的虚部构造复数统计量；步骤五：计算复数统计量的相位角求得法拉第旋转角估计值；步骤六：利用全球导航系统TEC数据求得无模糊的法拉第旋转角估计值步骤七：利用对电离层法拉第旋转效应进行校正处理；步骤八：按照步骤三至步骤七对每一个复图像数据块进行法拉第旋转效应校正处理，直到全部完成校正处理。本发明圆满地解决了现有的法拉第旋转角估计方法中的角度模糊问题，具有广泛的实用价值和应用前景。
-
公开(公告)号：CN101833094A
公开(公告)日：2010-09-15
申请号：CN201010141350.1
申请日：2010-04-06
Applicant: 北京航空航天大学
IPC: G01S13/90
Abstract: 本发明公开了一种星载TOPSAR数据成像处理装置及其处理方法，装置包括数据存储模块、频域扩展模块、数据聚焦模块和时域扩展模块。方法包括以下几个步骤：步骤一：TOPSAR数据的读入及存储；步骤二：TOPSAR数据方位向的频域扩展；步骤三：TOPSAR数据的聚焦处理；步骤四：TOPSAR数据方位向的时域扩展，完成TOPSAR数据的精确成像处理；本发明在频域扩展中，利用傅立叶变换到频域，减少运算量，提高处理速度和精度，具有更好的实用性；在时域扩展中，利用傅立叶变换到频域，避免了插值重采样运算，提高处理的效率。本发明充分考虑了TOPSAR工作模式的特点，克服其自身频域和时域混叠的特性，效率高效。
-
Patent Agency Ranking
公开(公告)号：CN101551450A
公开(公告)日：2009-10-07
申请号：CN200910083173.3
申请日：2009-05-06
Applicant: 北京航空航天大学
Abstract: 本发明是一种星载极化SAR法拉第旋转效应校正平台的构建方法，它有八大步骤。步骤一：线性全极化SAR复图像数据格式化处理；步骤二：线性全极化SAR复图像数据内存空间分块处理；步骤三：SAR图像数据块的复协方差矩阵计算；步骤四：基于复协方差的虚部构造复数统计量；步骤五：计算复数统计量的相位角求得法拉第旋转角估计值；步骤六：利用全球导航系统TEC数据求得无模糊的法拉第旋转角估计值F；步骤七：利用F对电离层法拉第旋转效应进行校正处理；步骤八：按照步骤三至步骤七对每一个复图像数据块进行法拉第旋转效应校正处理，直到全部完成校正处理。本发明圆满地解决了现有的法拉第旋转角估计方法中的角度模糊问题，具有广泛的实用价值和应用前景。
-
公开(公告)号：CN101236247A
公开(公告)日：2008-08-06
申请号：CN200810101522.5
申请日：2008-03-07
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种星载多通道天线SAR数据通道幅相误差校正平台。通过选取一个通道的幅相特性作为标准，其它通道的幅相特性和它进行复数除法运算，即可得到其它通道的幅相特性和选作标准通道的幅相特性之间的比值结果。在处理实际数据时，只需要用除标准通道外的其它通道的幅相特性除以相应的比值结果即可，避免了信号发生器自身所引入的误差；另一方面，虽然选做标准通道的幅相特性并不是完全理想的，但由于经幅相误差校正后每一个通道的数据都具有相同的幅相特性，因而在方位向上能够有效地抑制虚假目标的出现，获取理想的方位向图像性能指标。同时从成像角度出发，对误差补偿效果进行评定，自适应的进行调整，从而得到满意的补偿效果。
-
公开(公告)号：CN114677290B
公开(公告)日：2024-08-02
申请号：CN202210021063.X
申请日：2022-01-10
Applicant: 北京航空航天大学
IPC: G06T5/00 , G06T7/11 , G06T7/136 , G06V10/764
Abstract: 本发明实施例涉及图像处理技术领域，特别涉及一种SAR图像扇贝抑制的处理方法和装置。该方法包括：通过对待处理的SAR图像进行阈值分割，得到第一子图像和第二子图像；其中，所述第一子图像中的每个像素点的像素值大于预设阈值，所述第二子图像中的每个像素点的像素值不大于所述预设阈值；然后对第二子图像在距离向上进行分块，得到至少两个图像块；其次对第二子图像包括的所有图像块进行卡尔曼滤波处理，并将卡尔曼滤波处理后的所有图像块进行合并，得到目标子图像；最后将第一子图像和目标子图像进行合并，得到目标SAR图像。本申请提供的SAR图像的处理方法能够有效抑制图像中的扇贝效应，提高图像的质量。
-
公开(公告)号：CN117538867A
公开(公告)日：2024-02-09
申请号：CN202311451749.3
申请日：2023-11-02
Applicant: 北京航空航天大学
IPC: G01S13/90
Abstract: 本发明涉及信号处理技术领域，特别涉及一种星载SAR斜视滑动聚束模式的数据成像方法及装置。方法包括：获取初始回波数据及星载SAR系统的成像参数，所述初始回波数据为所述星载SAR系统在预设场景中多个目标的回波数据的集合；基于所述成像参数，对所述初始回波数据进行多普勒频谱解混叠，得到解混叠后的数据；基于所述成像参数，对解混叠后的数据进行聚焦处理，并利用改进的非线性调频算法拓展方位向聚焦深度，得到聚焦后的SAR图像。其中，所述改进的非线性调频算法是通过对传统的非线性调频算法进行高阶修正得到的。本发明，可以对大斜视角滑动聚束模式的回波数据进有效聚焦，成像精度高。
-
公开(公告)号：CN116385886A
公开(公告)日：2023-07-04
申请号：CN202310423473.1
申请日：2023-04-19
Applicant: 北京航空航天大学
IPC: G06V20/10 , G06V20/54 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明实施例涉及目标检测技术领域，特别涉及一种基于TextCNN模型的舰船距离压缩域数据检测方法，包括：获取有标签的SAR舰船数据，并进行距离压缩处理，得到样本舰船数据集；基于得到的所述样本舰船数据集，划分训练集和验证集；构建TextCNN模型，用于目标检测；利用所述训练集和验证集对构建的TextCNN模型进行训练，得到训练后的TextCNN模型；获取待检测的SAR舰船数据，并进行距离压缩处理，得到检测数据；将得到的检测数据输入训练后的TextCNN模型，进行舰船目标检测，得到对应的检测结果。本发明能够提高利用距离压缩域数据检测舰船目标的准确性。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.032 seconds)
