Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学梁毅获国家专利权

西安电子科技大学梁毅获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西安电子科技大学申请的专利基于分治盲探SAMP的动态平台前视超分辨成像方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116338685B

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310153817.1,技术领域涉及:G01S13/89;该发明授权基于分治盲探SAMP的动态平台前视超分辨成像方法是由梁毅;郭怡亨;王婷婷;梁宇杰;邢孟道设计研发完成,并于2023-02-22向国家知识产权局提交的专利申请。

基于分治盲探SAMP的动态平台前视超分辨成像方法在说明书摘要公布了:本发明公开了一种基于分治盲探SAMP的动态平台前视超分辨成像方法,包括:对基带回波信号进行距离向滤波;根据滤波信号利用加速度相位补偿函数和包络去斜函数计算前视场景散射系数观测值;构建过完备字典矩阵;根据前视场景散射系数观测值和过完备字典矩阵,利用改进SAMP算法进行前视超分辨成像;该算法基于分治法进行稀疏度估计,基于稀疏度重构前视场景信号;其中,两个函数以及过完备字典矩阵均基于面向动态平台的单通道前视扫描成像几何模型构建;该模型引入了动态平台的三维加速度以准确表征动态平台的运动轨迹。本发明解决了动态平台下前视超分辨成像模糊的问题,有效实现了高速运行的动态平台的前视超分辨成像。

本发明授权基于分治盲探SAMP的动态平台前视超分辨成像方法在权利要求书中公布了:1.一种基于分治盲探SAMP的动态平台前视超分辨成像方法,其特征在于,包括: 获取基带回波信号,并对所述基带回波信号进行距离向匹配滤波处理,得到距离向匹配滤波信号; 根据所述距离向匹配滤波信号,利用预设的加速度相位补偿函数和包络去斜函数计算前视场景散射系数观测值;其中,所述加速度相位补偿函数和所述包络去斜函数均是基于面向动态平台的单通道前视扫描成像几何模型所预先构建的; 基于雷达运动参数以及所述单通道前视扫描成像几何模型构建过完备字典矩阵; 根据所述前视场景散射系数观测值以及所述过完备字典矩阵,利用改进的SAMP算法进行前视超分辨成像;所述改进的SAMP算法首先基于分治法进行稀疏度估计,然后基于所估计的稀疏度重构前视场景信号; 其中,所述单通道前视扫描成像几何模型在笛卡尔坐标系下以所述动态平台在零时刻的水平等效速度方向为y轴、天向为z轴、侧向为x轴,以零时刻所述动态平台在x-O-y平面的投影点为坐标原点,且引入了所述动态平台的三维加速度以准确表征所述动态平台的运动轨迹; 其中,根据所述前视场景散射系数观测值以及所述过完备字典矩阵,利用改进的SAMP算法进行前视超分辨成像,包括: A、初始化信号残差为所述前视场景散射系数观测值,并初始化原子集为空集;其中,所述信号残差用于表征真实的前视场景信号与估计的前视场景信号之间的差异; B、根据当前的信号残差和所述过完备字典矩阵更新原子集,利用稀疏度过量判断准则分治估计稀疏度,并基于所估计的稀疏度从更新后的原子集中寻找用于恢复前视场景信号的支撑集; C、根据当前的支撑集和所述前视场景散射系数观测值,利用最小二乘法求解估计的前视场景信号,根据估计的前视场景信号计算并更新信号残差,并计算残差相关度;所述残差相关度用于表征当前的残差与支撑集的相关性; D、根据信号残差和残差相关度的收敛情况判断算法是否收敛;如果收敛,将当前估计的前视场景信号作为重构的前视场景信号;如果未收敛,将当前的支撑集作为原子集返回步骤B; 其中,步骤B,包括: B1、根据当前的信号残差和所述过完备字典矩阵,利用下述公式更新原子集: ; ; 其中,为预设的第一门限;表示所述过完备字典矩阵,表示当前的信号残差;j为的列标;为第一下标索引集,其中的下标索引从的列标j中选取,选出的下标用i编号;表示利用从中选取的列,表示更新后的原子集,表示更新前的原子集; B2、计算,并从中找出最大的I个原子索引,构成第二下标索引集:其中,表示所述前视场景散射系数观测值,为的转置矩阵; B3、判断是否成立;若成立,令I=I+1后返回步骤B2,直到时,将当前的I作为所估计的稀疏度,执行步骤B4;若不成立,则令I=I-1后返回步骤B2,直到时,将当前的I作为所估计的稀疏度,执行步骤B4;其中,表示用从中选取的列;表示2范数运算符;表示所述过完备字典矩阵满足有限等距RIP性质的参数; B4、利用估计出所述稀疏度时的第二下标索引集从当前的原子集中选取用于恢复前视场景信号的支撑集; 其中,根据信号残差和残差相关度的收敛情况判断算法是否收敛,包括: 判断或是否成立; 若有任一项成立,认为算法已收敛; 若没有一项成立,继续判断是否成立; 若成立,认为算法已收敛; 若不成立,认为算法未收敛; 其中,表示本次迭代中计算的残差相关度,表示上一次迭代中计算的残差相关度;表示本次迭代中计算的信号残差,表示上一次迭代中计算的信号残差,表示所述前视场景散射系数观测值;为预设的第二门限;为预设的第三门限;表示2范数运算符。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安电子科技大学,其通讯地址为:710071 陕西省西安市太白南路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。