CN102520404A - 一种基于图像质量最优的sar多普勒模糊数估计方法 - Google Patents
一种基于图像质量最优的sar多普勒模糊数估计方法 Download PDFInfo
- Publication number
- CN102520404A CN102520404A CN2011103907869A CN201110390786A CN102520404A CN 102520404 A CN102520404 A CN 102520404A CN 2011103907869 A CN2011103907869 A CN 2011103907869A CN 201110390786 A CN201110390786 A CN 201110390786A CN 102520404 A CN102520404 A CN 102520404A
- Authority
- CN
- China
- Prior art keywords
- amb
- sar
- doppler
- echo data
- apart
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于图像质量最优的合成孔径雷达(SAR)多普勒模糊数估计方法,属于SAR成像技术领域。本发明利用图像质量与多普勒模糊数估计偏差之间的函数关系,将使图像质量最好时对应的多普勒模糊数作为SAR多普勒模糊数的估计值。本发明采用了基于图像质量最优的SAR多普勒模糊数估计方法,由于SAR图像质量对多普勒模糊数估计误差十分敏感,并且该方法充分利用了图像质量与多普勒模糊数之间的定量关系,因此,对于低对比度和高对比度场景均具有较高的估计精度。
Description
技术领域
本发明涉及一种基于图像质量最优的SAR(合成孔径雷达)多普勒模糊数估计方法,属于SAR成像技术领域。
背景技术
在SAR成像处理中,多普勒中心是极其重要的成像参数,由于方位向回波数据依照脉冲重复频率进行采样,所以多普勒中心包括两部分:基带多普勒中心(多普勒中心小数部分)和多普勒模糊数(多普勒中心整数部分);如果多普勒模糊数存在偏差,会导致图像信噪比变差,直接影响图像质量;通常情况下,多普勒模糊数可由平台运动和天线姿态参数计算得到,不过由于测量单元的精度有限,导致计算值与真实值偏差很大,所以需要采用基于回波数据的多普勒模糊数估计方法。
场景的对比度会直接影响基于数据的多普勒模糊数估计方法的精度,如多重频法、多波长法、距离多视互相关法和距离差异法适用于低对比度场景,距离互相关法、多视频率差拍法、几何多普勒估计法和距离徙动校正/积分法适用于高对比度场景,而在实际处理中,目标区域通常同时具有低对比度和高对比度场景,这使得传统的多普勒模糊数估计方法估计精度下降,进而降低SAR图像质量,甚至无法辨识目标。
因此,需要开发一种既适用于低对比度场景、又适用于高对比度场景的高精度SAR多普勒模糊数估计方法。
发明内容
本发明的目的是为了克服已有技术的缺陷,解决传统SAR多普勒模糊数估计方法同时用于低对比度和高对比度场景下误差大、精度低的问题,提出了一种基于图像质量最优的SAR多普勒模糊数估计方法。
本发明的目的是通过以下技术方案实现的。
本发明的一种图像质量最优的SAR多普勒模糊数估计方法,其步骤如下:
步骤一、按目标合成孔径时间长度获取距离压缩后的SAR回波数据,采用时域相关法得到多普勒中心小数部分估计值,用fdc_base表示。
其中,Nr为距离压缩后的SAR回波数据的距离向采样点数,Fa为脉冲重复频率,k为相关间隔,arg(·)为取复角操作,Na为距离压缩后的SAR回波数据的方位向采样点数,S(τm,t)为距离压缩后的SAR回波数据中第m个距离单元的回波信号,1≤m≤Nr,τm为距离压缩后的SAR回波数据中第m个距离单元的回波信号对应的距离向快时间,t为方位向慢时间。
步骤二、根据SAR几何关系,通过公式(2)得到多普勒模糊数的粗估计值,用符号Mamb0表示;然后,根据多普勒模糊数的粗估计值Mamb0和预先设定的多普勒模糊数的估计偏差(用符号Mε表示)得到多普勒模糊数(用符号Mamb表示)的搜索区间为[Mamb0-Mε,Mamb0+Mε],即Mamb∈[Mamb0-Mε,Mamb0+Mε]。
其中,round(·)为取整操作,V为载机速度,θ为波束中心对应的前斜角,λ为SAR的波长;
步骤三、利用步骤一和步骤二得到的结果,根据公式(3),依次得到步骤二所述搜索区间[Mamb0-Mε,Mamb0+Mε]内的所有多普勒模糊数对应的多普勒中心,用符号fdc(Mamb)表示。
fdc(Mamb)=fdc_base+MambFa (3)
步骤四、利用步骤三得到的多普勒中心fdc(Mamb),对距离压缩后的SAR回波数据进行距离走动校正和方位压缩处理得到SAR图像,并计算其图像熵。
所述对距离压缩后的SAR回波数据进行距离走动校正和方位压缩处理得到SAR图像,并计算其图像熵的操作步骤包括第4.1步至第4.8步,具体为:
第4.1步:将距离压缩后的SAR回波数据中第n个方位单元的回波信号S(τ,tn)沿距离向进行傅里叶变换,得到第n个方位单元回波信号S(τ,tn)的距离频谱S(f,tn),f为距离频率;
第4.2步:利用步骤三得到的每一个多普勒中心fdc(Mamb),构造其对应的相位因子,用符号φ(Mamb)表示。
φ(Mamb)=exp{-j2πfdc(Mamb)λTa(n)/c·f} (4)
其中,Ta(n)是距离压缩后的SAR回波数据的第n个方位单元对应的方位时间与孔径中心的时间差,c为光速;
第4.3步:根据公式(5)得到多普勒模糊数Mamb对应的相位校正后的距离频谱,用符号S(f,tn,Mamb)表示。
S(f,tn,Mamb)=S(f,tn)·φ(Mamb) (5)
第4.4步:对第4.3步得到的S(f,tn,Mamb)沿距离向做逆傅里叶变换得到距离走动校正后的SAR回波数据中第n个方位单元的回波信号,用S(τ,tn,Mamb)表示。
第4.5步:对应步骤三得到的每一个多普勒中心fdc(Mamb),构造其对应的去斜函数,用符号φd(Mamb)表示。
其中,Rm是走动校正后的SAR回波数据中第m个距离单元对应的斜距。
第4.6步:根据公式(7)得到多普勒模糊数Mamb对应的去斜后的SAR回波数据中第m个距离单元对应的回波信号,用符号S′(τm,t,Mamb)表示。
S′(τm,t,Mamb)=S(τm,t,Mamb)·φd(Mamb) (7)
第4.7步:利用第4.6步得到的结果,根据公式(8)得到多普勒模糊数Mamb对应的方位压缩后的第m个距离单元的SAR图像,用符号Im(Mamb)表示。
Im(Mamb)=|FFT{S′(τm,t,Mamb)}|2 (8)
其中,FFT{·}表示傅里叶变换。
第4.8步:利用第4.7步得到的结果,根据公式(9)得到多普勒模糊数Mamb对应的方位压缩后的SAR图像的熵,用符号H(Mamb)表示。
经过上述步骤即可得到距离压缩后的SAR回波数据的基于图像质量最优的SAR多普勒模糊数估计值。
有益效果
本发明提供了一种基于图像质量最优的SAR多普勒模糊数估计方法,与传统的SAR多普勒模糊数估计方法相比,具有以下优点:采用了基于图像质量最优的SAR多普勒模糊数估计方法,由于SAR图像质量对多普勒模糊数估计误差十分敏感,因此对于低对比度和高对比度场景都具有较高的估计精度。
附图说明
图1为本发明的具体实施例的实施流程图;
图2为本发明的具体实施例中使用四种不同方法得到的多普勒模糊数估计误差随场景对比度变化的示意图;其中,图2(a)为通过距离多视互相关法得到的多普勒模糊数估计误差随场景对比度变化的示意图;图2(b)为通过几何多普勒估计法得到的多普勒模糊数估计误差随场景对比度变化的示意图;图2(c)为通过距离徙动校正/积分法得到的多普勒模糊数估计误差随场景对比度变化的示意图;图2(d)为通过本发明方法得到的多普勒模糊数估计误差随场景对比度变化的示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
一种基于图像质量最优的SAR多普勒模糊数估计方法,观测场景为农田和城镇,同时具有低对比度和高对比度场景,其实施流程如图1所示,其具体步骤为:
步骤一、按目标合成孔径时间长度获取距离压缩后的SAR回波数据,采用时域相关法,根据公式(1)得到多普勒中心小数部分估计值,用fdc_base表示。
其中,Nr为距离压缩后的SAR回波数据的距离向采样点数且Nr=400,Fa为脉冲重复频率且Fa=1000Hz,k为相关间隔且k=1,arg(·)为取复角操作,Na为距离压缩后的SAR回波数据的方位向采样点数且Na=400,S(τm,t)为距离压缩后的SAR回波数据中第m个距离单元的回波信号,1≤m≤Nr,τm为距离压缩后的SAR回波数据中第m个距离单元的回波信号对应的距离向快时间,t为方位向慢时间。
步骤二、根据SAR几何关系得到多普勒模糊数的粗估计值,用符号Mamb0表示。
其中,round(·)为取整操作,V为载机速度且V=150m/s,θ为波束中心对应的前斜角且θ=95°,λ为SAR的波长且λ=0.03m,计算得到的多普勒模糊数的粗估计值为Mamb0=-1;
然后,根据多普勒模糊数的粗估计值Mamb0和预设的多普勒模糊数的估计偏差(用符号Mε表示且Mε=5)得到多普勒模糊数(用符号Mamb表示)的搜索区间为[Mamb0-Mε,Mamb0+Mε],即Mamb∈[Mamb0-Mε,Mamb0+Mε],对于本实施例有Mamb∈[-6,4]。
步骤三、利用步骤一和步骤二得到的结果,根据公式(3),依次得到搜索区间[Mamb0-Mε,Mamb0+Mε]内的所有多普勒模糊数对应的多普勒中心,用符号fdc(Mamb)表示。
fdc(Mamb)=fdc_base+MambFa (3)
步骤四、利用步骤三得到的多普勒中心fdc(Mamb),对距离压缩后的SAR回波数据进行距离走动校正和方位压缩处理得到SAR图像,并计算其图像熵。其具体过程为:
第4.1步:将距离压缩后的SAR回波数据中第n个方位单元的回波信号S(τ,tn)沿距离向进行傅里叶变换,得到第n个方位单元回波信号S(τ,tn)的距离频谱S(f,tn),f为距离频率;
第4.2步:利用步骤三得到的每一个多普勒中心fdc(Mamb),构造其对应的相位因子,用符号φ(Mamb)表示。
φ(Mamb)=exp{-j2πfdc(Mamb)λTa(n)/c·f} (4)
其中,Ta(n)是距离压缩后的SAR回波数据的第n个方位单元对应的方位时间与孔径中心的时间差,c为光速;
第4.3步:根据公式(5)得到多普勒模糊数Mamb对应的相位校正后的距离频谱,用符号S(f,tn,Mamb)表示。
S(f,tn,Mamb)=S(f,tn)·φ(Mamb) (5)
第4.4步:对第4.3步得到的S(f,tn,Mamb)沿距离向做逆傅里叶变换得到距离走动校正后的SAR回波数据中第n个方位单元的回波信号,用S(τ,tn,Mamb)表示。
第4.5步:对应步骤三得到的每一个多普勒中心fdc(Mamb),构造其对应的去斜函数,用符号φd(Mamb)表示。
其中,Rm是走动校正后的SAR回波数据中第m个距离单元对应的斜距。
第4.6步:根据公式(7)得到多普勒模糊数Mamb对应的去斜后的SAR回波数据中第m个距离单元对应的回波信号,用符号S′(τm,t,Mamb)表示。
S′(τm,t,Mamb)=S(τm,t,Mamb)·φd(Mamb) (7)
第4.7步:利用第4.6步得到的结果,根据公式(8)得到多普勒模糊数Mamb对应的方位压缩后的第m个距离单元的SAR图像,用符号Im(Mamb)表示。
Im(Mamb)=|FFT{S′(τm,t,Mamb)}|2 (8)
其中,FFT{·}表示傅里叶变换。
第4.8步:利用第4.7步得到的结果,根据公式(9)得到多普勒模糊数Mamb对应的方位压缩后的SAR图像的熵,用符号H(Mamb)表示。
经过上述步骤即可得到距离压缩后的SAR回波数据的基于图像质量最优的SAR多普勒模糊数估计值。
对距离压缩的SAR回波数据分别利用距离多视互相关法、几何多普勒估计法、距离徙动校正/积分法和本实施例中的方法在不同场景对比度下得到了四组多普勒模糊数的估计误差随场景对比度变化的示意图,如图2(a)、图2(b)、图2(c)、图2(d)所示;其中,在图2的4张图中横坐标均为场景对比度,纵坐标均为多普勒模糊数的估计误差;图2(d)中的多普勒模糊数的估计误差在低对比度至高对比度时误差均为零,这表明本发明方法对于低对比度和高对比度场景均可得到高精度的多普勒模糊数的估计值。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种图像质量最优的SAR多普勒模糊数估计方法,其特征在于:其具体步骤如下:
步骤一、按目标合成孔径时间长度获取距离压缩后的SAR回波数据,采用时域相关法得到多普勒中心小数部分估计值,用fdc_base表示;
其中,Nr为距离压缩后的SAR回波数据的距离向采样点数,Fa为脉冲重复频率,k为相关间隔,arg(·)为取复角操作,Na为距离压缩后的SAR回波数据的方位向采样点数,S(τm,t)为距离压缩后的SAR回波数据中第m个距离单元的回波信号,1≤m≤Nr,τm为距离压缩后的SAR回波数据中第m个距离单元的回波信号对应的距离向快时间,t为方位向慢时间;
步骤二、根据SAR几何关系,通过公式(2)得到多普勒模糊数的粗估计值,用符号Mamb0表示;然后,根据多普勒模糊数的粗估计值Mamb0和预先设定的多普勒模糊数的估计偏差,用符号Mε表示,得到多普勒模糊数的搜索区间,多普勒模糊数用符号Mamb表示,则多普勒模糊数的搜索区间为[Mamb0-Mε,Mamb0+Mε],即Mamb∈[Mamb0-Mε,Mamb0+Mε];
其中,round(·)为取整操作,V为载机速度,θ为波束中心对应的前斜角,λ为SAR的波长;
步骤三、利用步骤一和步骤二得到的结果,根据公式(3),依次得到步骤二所述搜索区间[Mamb0-Mε,Mamb0+Mε]内的所有多普勒模糊数对应的多普勒中心,用符号fdc(Mamb)表示;
fdc(Mamb)=fdc_base+MambFa (3)
步骤四、利用步骤三得到的多普勒中心fdc(Mamb),对距离压缩后的SAR回波数据进行距离走动校正和方位压缩处理得到SAR图像,并计算其图像熵;
经过上述步骤即可得到距离压缩后的SAR回波数据的基于图像质量最优的SAR多普勒模糊数估计值。
2.如权利要求1所述的一种图像质量最优的SAR多普勒模糊数估计方法,其特征在于:其步骤四中所述对距离压缩后的SAR回波数据进行距离走动校正和方位压缩处理得到SAR图像,并计算其图像熵的操作步骤包括第4.1步至第4.8步,具体为:
第4.1步:将距离压缩后的SAR回波数据中第n个方位单元的回波信号S(τ,tn)沿距离向进行傅里叶变换,得到第n个方位单元回波信号S(τ,tn)的距离频谱S(f,tn),f为距离频率;
第4.2步:利用步骤三得到的每一个多普勒中心fdc(Mamb),构造其对应的相位因子,用符号φ(Mamb)表示;
φ(Mamb)=exp{-j2πfdc(Mamb)λTa(n)/c·f} (5)
其中,Ta(n)是距离压缩后的SAR回波数据的第n个方位单元对应的方位时间与孔径中心的时间差,c为光速;
第4.3步:根据公式(5)得到多普勒模糊数Mamb对应的相位校正后的距离频谱,用符号S(f,tn,Mamb)表示;
S(f,tn,Mamb)=S(f,tn)·φ(Mamb) (6)
第4.4步:对第4.3步得到的S(f,tn,Mamb)沿距离向做逆傅里叶变换得到距离走动校正后的SAR回波数据中第n个方位单元的回波信号,用S(τ,tn,Mamb)表示;
第4.5步:对应步骤三得到的每一个多普勒中心fdc(Mamb),构造其对应的去斜函数,用符号φd(Mamb)表示;
其中,Rm是走动校正后的SAR回波数据中第m个距离单元对应的斜距;
第4.6步:根据公式(7)得到多普勒模糊数Mamb对应的去斜后的SAR回波数据中第m个距离单元对应的回波信号,用符号S′(τm,t,Mamb)表示;
S′(τm,t,Mamb)=S(τm,t,Mamb)·φd(Mamb) (8)
第4.7步:利用第4.6步得到的结果,根据公式(8)得到多普勒模糊数Mamb对应的方位压缩后的第m个距离单元的SAR图像,用符号Im(Mamb)表示;
Im(Mamb)=|FFT{S′(τm,t,Mamb)}|2 (9)
其中,FFT{·}表示傅里叶变换;
第4.8步:利用第4.7步得到的结果,根据公式(9)得到多普勒模糊数Mamb对应的方位压缩后的SAR图像的熵,用符号H(Mamb)表示;
经过上述步骤的操作,即可得到对距离压缩后的SAR回波数据的SAR图像及其图像熵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110390786 CN102520404B (zh) | 2011-11-30 | 2011-11-30 | 一种基于图像质量最优的sar多普勒模糊数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110390786 CN102520404B (zh) | 2011-11-30 | 2011-11-30 | 一种基于图像质量最优的sar多普勒模糊数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102520404A true CN102520404A (zh) | 2012-06-27 |
CN102520404B CN102520404B (zh) | 2013-07-03 |
Family
ID=46291387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110390786 Expired - Fee Related CN102520404B (zh) | 2011-11-30 | 2011-11-30 | 一种基于图像质量最优的sar多普勒模糊数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102520404B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245949A (zh) * | 2013-03-26 | 2013-08-14 | 中国科学院电子学研究所 | 一种基于改进理想滤波器的sar方位模糊抑制方法 |
WO2014113915A1 (en) * | 2013-01-22 | 2014-07-31 | Silicon Image, Inc. | Mechanism for facilitating dynamic phase detection with high jitter tolerance for images of media streams |
CN104765023A (zh) * | 2015-03-20 | 2015-07-08 | 北京理工大学 | 一种星载合成孔径雷达高度分辨率计算方法 |
CN107037430A (zh) * | 2017-04-26 | 2017-08-11 | 北京环境特性研究所 | 用于飞行机载sar运动补偿的估计方法 |
CN109061640A (zh) * | 2018-07-02 | 2018-12-21 | 南京信息工程大学 | 一种用于顺轨干涉sar海流反演的方位模糊抑制方法 |
CN109358330A (zh) * | 2018-11-06 | 2019-02-19 | 电子科技大学 | 一种双基前视sar线性时间同步误差估计方法 |
CN113567980A (zh) * | 2021-06-18 | 2021-10-29 | 北京理工雷科电子信息技术有限公司 | 基于图像质量评估的多普勒参数估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0336273A2 (de) * | 1988-04-02 | 1989-10-11 | Daimler-Benz Aerospace Aktiengesellschaft | Pulsdopplerradar |
CN102141611A (zh) * | 2010-12-29 | 2011-08-03 | 电子科技大学 | 斜视合成孔径雷达多普勒模糊数快速测定方法 |
CN102169173A (zh) * | 2010-12-07 | 2011-08-31 | 北京理工大学 | 一种倾斜地球同步轨道合成孔径雷达模糊度分析方法 |
US20110267223A1 (en) * | 2010-04-29 | 2011-11-03 | Raytheon Company | System and Method for Resolving Ambiguity in Radar, Lidar, and Acoustic Systems |
-
2011
- 2011-11-30 CN CN 201110390786 patent/CN102520404B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0336273A2 (de) * | 1988-04-02 | 1989-10-11 | Daimler-Benz Aerospace Aktiengesellschaft | Pulsdopplerradar |
US20110267223A1 (en) * | 2010-04-29 | 2011-11-03 | Raytheon Company | System and Method for Resolving Ambiguity in Radar, Lidar, and Acoustic Systems |
CN102169173A (zh) * | 2010-12-07 | 2011-08-31 | 北京理工大学 | 一种倾斜地球同步轨道合成孔径雷达模糊度分析方法 |
CN102141611A (zh) * | 2010-12-29 | 2011-08-03 | 电子科技大学 | 斜视合成孔径雷达多普勒模糊数快速测定方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9392145B2 (en) | 2013-01-22 | 2016-07-12 | Lattice Semiconductor Corporation | Mechanism for facilitating dynamic phase detection with high jitter tolerance for images of media streams |
CN105122305B (zh) * | 2013-01-22 | 2018-10-30 | 美国莱迪思半导体公司 | 用于助益有对媒体流的图像的高抖动容限的动态相位检测的机制 |
US8941780B2 (en) | 2013-01-22 | 2015-01-27 | Silicon Image, Inc. | Mechanism for facilitating dynamic phase detection with high jitter tolerance for images of media streams |
CN105122305A (zh) * | 2013-01-22 | 2015-12-02 | 美国莱迪思半导体公司 | 用于助益有对媒体流的图像的高抖动容限的动态相位检测的机制 |
WO2014113915A1 (en) * | 2013-01-22 | 2014-07-31 | Silicon Image, Inc. | Mechanism for facilitating dynamic phase detection with high jitter tolerance for images of media streams |
CN103245949B (zh) * | 2013-03-26 | 2014-12-03 | 中国科学院电子学研究所 | 一种基于改进理想滤波器的sar方位模糊抑制方法 |
CN103245949A (zh) * | 2013-03-26 | 2013-08-14 | 中国科学院电子学研究所 | 一种基于改进理想滤波器的sar方位模糊抑制方法 |
CN104765023A (zh) * | 2015-03-20 | 2015-07-08 | 北京理工大学 | 一种星载合成孔径雷达高度分辨率计算方法 |
CN104765023B (zh) * | 2015-03-20 | 2017-03-29 | 北京理工大学 | 一种星载合成孔径雷达高度分辨率计算方法 |
CN107037430A (zh) * | 2017-04-26 | 2017-08-11 | 北京环境特性研究所 | 用于飞行机载sar运动补偿的估计方法 |
CN109061640A (zh) * | 2018-07-02 | 2018-12-21 | 南京信息工程大学 | 一种用于顺轨干涉sar海流反演的方位模糊抑制方法 |
CN109358330A (zh) * | 2018-11-06 | 2019-02-19 | 电子科技大学 | 一种双基前视sar线性时间同步误差估计方法 |
CN109358330B (zh) * | 2018-11-06 | 2020-04-21 | 电子科技大学 | 一种双基前视sar线性时间同步误差估计方法 |
CN113567980A (zh) * | 2021-06-18 | 2021-10-29 | 北京理工雷科电子信息技术有限公司 | 基于图像质量评估的多普勒参数估计方法 |
CN113567980B (zh) * | 2021-06-18 | 2023-08-18 | 北京理工雷科电子信息技术有限公司 | 基于图像质量评估的多普勒参数估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102520404B (zh) | 2013-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102520404B (zh) | 一种基于图像质量最优的sar多普勒模糊数估计方法 | |
CN101498788B (zh) | 一种逆合成孔径雷达的目标转角估计和横向定标方法 | |
CN109856635B (zh) | 一种csar地面动目标重聚焦成像方法 | |
CN103424741B (zh) | 基于高分辨isar成像的光滑进动锥体参数估计方法 | |
CN103293521B (zh) | 一种利用x波段雷达探测近海海域水深的方法 | |
CN102914772B (zh) | 基于等效散射点的进动目标二维成像方法 | |
CN102749621B (zh) | 一种双基地合成孔径雷达频域成像方法 | |
CN102176016A (zh) | 一种大斜视滑动聚束sar成像处理方法 | |
CN103364783B (zh) | 基于单通道sar的运动目标径向速度无模糊估计方法 | |
CN102645652A (zh) | 单通道sar地面运动目标检测的方法 | |
CN107918127A (zh) | 一种基于车载InSAR的道路边坡形变检测***及方法 | |
CN101620272B (zh) | 一种逆合成孔径雷达的目标转速估计方法 | |
CN102121990B (zh) | 基于空时分析的逆合成孔径雷达的目标转速估计方法 | |
CN103616685B (zh) | 基于图像特征的isar图像几何定标方法 | |
CN102141611B (zh) | 斜视合成孔径雷达多普勒模糊数快速测定方法 | |
CN106054154B (zh) | 一种基于icpf的机动目标的步进频率信号高分辨率成像方法 | |
CN103885062B (zh) | 双基前视sar动目标成像方法与动目标速度估计方法 | |
CN111856466A (zh) | 一种高效的复杂运动目标isar平动补偿方法 | |
CN103809180A (zh) | 用于InSAR地形测量的方位向预滤波处理方法 | |
CN103245949B (zh) | 一种基于改进理想滤波器的sar方位模糊抑制方法 | |
CN110988873A (zh) | 基于能量中心提取的单通道sar舰船速度估计方法及*** | |
CN105699971B (zh) | 一种sar雷达运动目标成像方法 | |
CN104459651B (zh) | 机载sar-gmti***等效基线长度估计方法 | |
CN112505647A (zh) | 一种基于序贯子图像序列的动目标方位速度估计方法 | |
Cai et al. | An effective ISAR autofocus algorithm based on single eigenvector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130703 Termination date: 20141130 |
|
EXPY | Termination of patent right or utility model |