魏中浩
- 作品数：16 被引量：53H指数：5
- 供职机构：中国科学院电子学研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信更多>>
- 基于广义最小最大凹惩罚的SAR成像方法
- 本公开提供了一种开基于广义最小最大凹惩罚的SAR成像方法。该基于广义最小最大凹惩罚的SAR成像方法包括：利用SAR回波数据构建基于GMC的SAR成像模型；利用前向‑后向算法求解基于GMC的SAR成像模型，在满足迭代终止条...
- 张冰尘魏中浩吴一戎
- 文献传递
- 一种基于混沌调频信号的稀疏雷达成像
- 2017年
- 稀疏雷达成像是指将稀疏信号处理理论引入雷达成像并有机结合而成的微波成像新方法。混沌调频信号是一种基于混沌映射产生的类噪声信号,与采用线性调频信号的雷达相比,它的波形之间互不相干且具有随机性,提升了雷达的隐蔽性能;其模糊函数形状为图钉形,增强了稀疏雷达成像中观测矩阵的列不相关性。利用支持分布式运算的交替方向法对稀疏场景进行重构,仿真实验表明,基于混沌调频信号的稀疏雷达成像可以在降低信号采样率的条件下对原始场景进行准确重建。
- 李松魏中浩张冰尘张冰尘洪文
- 关键词：混沌调频信号雷达成像
- 一种适用于恒虚警率检测的稀疏微波成像方法
- 本发明提供了一种适用于恒虚警率检测的稀疏微波成像方法，利用复信息传递法对观测场景的稀疏微波成像进行迭代重建，得到观测场景的稀疏重建图像和非稀疏重建图像。相比于匹配滤波方法，可以有效地抑制杂波和旁瓣，降低了杂波对恒虚警率检...
- 毕辉张冰尘魏中浩洪文吴一戎
- 文献传递
- 一种基于层次稀疏的全极化SAR层析成像方法被引量：2
- 2020年
- SAR层析成像利用多航过复数据对观测目标进行高程向重构,全极化数据具有丰富的散射信息。将全极化数据与SAR层析成像相结合,利用城市建筑高程向散射体的稀疏性和全极化数据信号稀疏支撑集相同的特点,提出基于组稀疏约束和稀疏约束相结合的求解模型,并利用层次稀疏的方法对模型进行求解。通过Monte Carlo仿真实验将该模型法的性能与单极化层析成像模型和基于组稀疏的求解方法的性能进行对比,并将该方法应用到实测数据的半点目标仿真实验中。结果表明,本文提出的方法提高了高程向重建精度,且有更好的鲁棒性,在低信噪比下也能较好地恢复目标的高程向信息和后向散射系数。
- 杨牡丹魏中浩徐志林张冰尘张冰尘
- 基于l_1正则化的多通道滑动聚束SAR成像被引量：6
- 2019年
- 提出了基于l_1正则化的多通道滑动聚束合成孔径雷达(synthetic aperture radar,SAR)稀疏成像算法。该方法将偏置相位中心天线(displaced phase center antenna,DPCA)技术和l_1正则化策略结合来解决非均匀采样带来的方位模糊问题,并利用方位距离解耦算法降低计算复杂度。当非均匀度较大时,所提方法相比于基于多普勒频谱重建的匹配滤波器组方法能更有效抑制方位模糊,具有更大的距离向测绘带宽潜力。该方法能有效抑制噪声和旁瓣,提高目标背景比,从而提高成像性能。通过仿真和实际数据实验,验证了所提算法的有效性。
- 徐志林魏中浩吴辰阳张冰尘
- 关键词：多通道偏置相位中心天线L1正则化
- 一种适用于恒虚警率检测的稀疏微波成像方法
- 本发明提供了一种适用于恒虚警率检测的稀疏微波成像方法，利用复信息传递法对观测场景的稀疏微波成像进行迭代重建，得到观测场景的稀疏重建图像和非稀疏重建图像。相比于匹配滤波方法，可以有效地抑制杂波和旁瓣，降低了杂波对恒虚警率检...
- 毕辉张冰尘魏中浩洪文吴一戎
- 文献传递
- 基于广义最小最大凹惩罚项的ISAR稀疏成像方法被引量：5
- 2019年
- 介绍一种基于广义最小最大凹(generalized minimax concave,GMC)惩罚项的ISAR稀疏成像方法。该方法的惩罚项形式与L_1范数最小化方法不同,不仅使最小二乘损失函数凸性最小,而且避免了L_1范数最小化方法系统性幅值低估问题。通过仿真实验说明GMC算法在ISAR成像中的幅度保持特性。利用Yak-42飞机的实际数据进行ISAR成像,结果表明GMC算法在成像精度方面优势明显,具有更好的成像效果。
- 杨力魏中浩张冰尘张冰尘
- 关键词：ISAR
- 一种稀疏SAR成像自适应稀疏度估计方法、装置
- 本发明提出了一种稀疏SAR成像自适应稀疏度估计方法，该方法包括：首先利用匹配滤波方法对欠采样的SAR原始数据进行成像，得到复图像，然后采用基于复图像的稀疏SAR成像方法，在复图像域中自适应迭代，得到预估的稀疏度，然后根据...
- 张冰尘刘鸣谦徐志林魏中浩吴一戎
- 文献传递
- 合成孔径雷达稀疏成像方法
- 一种SAR稀疏成像方法，包括：构造全孔径回波模拟算子M，并得到模拟回波数据；基于所述模拟回波数据来构建雷达观测方程；根据构建的雷达观测方程，建立基于SAR回波模拟算子的L<Sub>q</Sub>正则化成像模型；以及采用阈...
- 张冰尘魏中浩毕辉吴一戎
- 深度卷积神经网络在迁移学习模式下的SAR目标识别被引量：33
- 2018年
- 合成孔径雷达(synthetic aperture radar,SAR)自动目标识别过程主要包括目标特征提取和分类器训练两个步骤。提出一种基于深度卷积神经网络(deep convolutional neural networks,DNNs)的SAR自动目标识别方法,使用一类优化的DNNs网络结构对SAR图像目标进行分类训练。该网络结构自动提取目标类别特征,避免人工预选取特征方法带来的不标准性。在DNNs网络模型训练过程中引入迁移学习的概念,以防止结果陷入局部最优解和加快模型参数的训练。最后使用美国运动和静止目标获取与识别MSTAR数据集进行试验,给出该方法与其他分类方法结果的对比,证明其取得较高的分类正确率。
- 李松魏中浩张冰尘张冰尘
- 关键词：自动目标识别
