• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 19
    • 下载费用:30 金币  

    重庆时时彩关闭公告: 基于全极化属性散射中心模型的目标属性特征提取方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410178887.3

    申请日:

    2014.04.29

    公开号:

    CN103969634A

    公开日:

    2014.08.06

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G01S 7/41申请日:20140429|||公开
    IPC分类号: G01S7/41 主分类号: G01S7/41
    申请人: 西安电子科技大学
    发明人: 刘宏伟; 纠博; 李飞; 王英华; 陈渤; 王鹏辉
    地址: 710071 陕西省西安市太白南路2号
    优先权:
    专利代理机构: 西安睿通知识产权代理事务所(特殊普通合伙) 61218 代理人: 惠文轩
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410178887.3

    授权公告号:

    ||||||

    法律状态公告日:

    2016.08.24|||2014.10.22|||2014.08.06

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明属于雷达技术,涉及一种雷达目标属性特征提取方法,公开了一种基于全极化属性散射中心模型的目标属性特征提取方法,其实现过程是:首先利用噪声样本建立散射中心强度门限,在雷达图像中进行强散射中心检测,并确定散射中心参数的取值集合;然后根据属性散射中心模型构建字典,通过对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束,利用坐标轮回下降法对极化分解系数矩阵与极化散射机理矩阵进行优化,进而可得目标属性散射中心参数及其极化特征。本发明能在属性散射中心重叠情况下有效提取目标属性散射中心及其极化特征,可用于雷达目标分类识别。

    权利要求书

    权利要求书
    1.  一种基于全极化属性散射中心模型的目标属性特征提取方法,其特征在于,包括以下步骤:
    步骤1,采集雷达图像,计算雷达图像的噪声强度根据雷达图像的噪声强度设定散射中心的信号强度门限ξ,其中将雷达图像中信号强度大于ξ的像素点确定为散射中心,根据检测到的散射中心坐标(x,y)确定对应的该散射中心长度L与倾斜角最终确定雷达图像中多个散射中心参数构成的集合θ;
    步骤2,结合散射中心参数的集合θ,根据属性散射中心模型构建散射中心参数字典D(θ)
    D(θ)=[d1,…,di,…,dN]
    其中,i表示散射中心参数字典的原子序号,N表示散射中心参数字典的原子个数,di为散射中心参数的集合θ中第i个元素对应的归一化原子,表示为:
    di=vec(g^i(f,φ;θi))||vec(g^i(f,φ;θi))||2]]>
    g^i(f,φ;θi)=exp(-j4πfc(xicosφ+yisinφ))·sinc(2πfcLisin(φ-φ‾i))]]>
    其中,vec(·)表示列向量化操作,||·||2为2范数算子,exp(·)为自然指数函数,sinc(·)为辛克函数,f为雷达发射信号频率,φ为雷达波束方位角,c为光速;
    进一步地,全极化属性散射中心模型的矩阵形式表示为:
    z=Σi=1Ndicipi(ψi)+n]]>
    C=c1...ci...cNN×5,Pi(ψi)=pi,1(ψi)...pi,k(ψi)...pi,5(ψi)5×4]]>
    偶极子:pi,1(ψi)=[cos2(ψi),sin(ψi)cos(ψi),sin(ψi)cos(ψi),sin2(ψi)]
    偶次散射体:pi,2(ψi)=[cos(2ψi),sin(2ψi),sin(2ψi),-cos(2ψi)]
    奇次散射体:pi,3(ψi)=[1,0,0,1]
    左螺旋:pi,4(ψi)=exp(-j2ψi)2[1,j,j,-1]]]>
    右螺旋:pi,5(ψi)=exp(-j2ψi)2[1,-j,-j,-1]]]>
    其中,C为目标极化分解系数矩阵,其行向量ci为di对应的属性散射中心的五种散射体下的极化分解系数,即目标极化分解系数矩阵C的第i行元素,i=1,2,…N,N为散射中心个数;Pi(ψi)为di对应的极化散射机理矩阵,ψi为其极化旋转角,pi,k(ψi)为第k种散射机理对应的极化散射系数向量,k=1,2,3,4,5;Z为全极化观测矩阵;n为噪声信号;
    步骤3,对目标极化分解系数矩阵C施加行稀疏约束λ1||C||2,1与矩阵稀疏约束λ2||C||1,构造如下式所示的稀疏信号的恢复优化方程,求解未知量目标极化分解系数矩阵C与极化散射机理矩阵Pi(ψi);
    minC,P12||Z-Σi=1NdiciPi(ψi)||F+λ1||C||2,1+λ2||C||1]]>
    ||C||2,1=Σi=1N||ci||2]]>
    ||C||1=Σi,k|ci,k|]]>
    其中,||·||2为向量的l2范数,||·||2,1为矩阵的l2,1范数,λ1为行稀疏约束正则化参数,0<λ1<1;||C||1为矩阵的l1范数,λ2为矩阵稀疏约束正则化参数,0<λ2<1;
    步骤4,由极化分解系数矩阵C确定其非零行对应的标号集合Λ,得到属性参数的估计集合由下式表示;
    θ^=i&Element;Λθi]]>
    其中θi为集合θ的第i个元素;
    步骤5,由所述极化分解矩阵C与属性散射中心长度L确定属性散射中心的散射类型,
    其中,C=c1...ci...cNN×5]]>由ci中元素ci,k>η的元素标号k确定ci对应散射中心的散射类型,i∈Λ,η为极化分解系数门限,设为
    当k=1时,散射中心的散射类型为偶极子;
    当k=2时,若Li>0散射中心的散射类型为二面角,若Li=0散射中心的散射类型为帽顶;
    当k=3时,若Li>0为分布式奇次散射体,若Li=0为局部式奇次散射体,包含平面、圆柱体;
    当k=4时,散射中心的散射类型为左螺旋;
    当k=5时,散射中心的散射类型为右螺旋。

    2.  根据权利要求1所述的基于全极化属性散射中心模型的目标属性特征提取方法,其特征在于,
    步骤3的具体子步骤如下:
    设定循环次数M,循环标号m=1,并随机选取极化旋转角ψi初值,i=1,2,…N;并设定M值;
    3a)根据极化旋转角ψi以及下式构建极化散射机理字典Pi(ψi),i=1,2,…N;
    偶极子:pi,1(ψi)=[cos2(ψi),sin(ψi)cos(ψi),sin(ψi)cos(ψi),sin2(ψi)]
    偶次散射体:pi,2(ψi)=[cos(2ψi),sin(2ψi),sin(2ψi),-cos(2ψi)]
    奇次散射体:pi,3(ψi)=[1,0,0,1]
    左螺旋:pi,4(ψi)=exp(-j2ψi)2[1,j,j,-1]]]>
    右螺旋:pi,5(ψi)=exp(-j2ψi)2[1,-j,-j,-1]]]>
    3b)将所述极化散射机理字典Pi(ψi)代入下面的稀疏信号的恢复优化方程,由凸优化工具包求解式稀疏信号的恢复优化方程估计极化分解系数矩阵C;
    minc12||Z-Σi=1NdiciPi(ψi)||F+λ1||C||2,1+λ2||C||1]]>
    ||C||2,1=Σi=1N||ci||2]]>
    ||C||1=Σi,k|ci,k|]]>
    其中,C为目标极化分解系数矩阵,ci为di对应的属性散射中心的五种散射体下的极化分解系数,即目标极化分解系数矩阵C的第i行;||·||F表示矩阵的F范数,||·||2为向量的l2范数,||C||2,1为矩阵的l2,1范数;对应于行稀疏约束,λ1为其正则化参数,λ1值越大散射中心的个数越少,当雷达图像的信噪比越小时,λ1值选择越大;||C||1为矩阵的l1范数,对应于矩阵稀疏约束,λ2为其正则化参数,λ2值越大散射类型的成分个数越少,散射类型的成分个数选取1-2个;
    3c)将所估计的极化分解矩阵C代入下面的稀疏信号的误差最小二乘优化方程,求解可得极化旋转角ψi的估计值,i=1,2,…N;
    minψi,i=1,2,...N12||Z-Σi=1NdiciPi(ψi)||F2]]>
    首先,求解矩阵Pi(ψi)的最小二乘估计值如下式所示

    其中,表示矩阵伪逆;
    再将向可行方向进行投影,搜索得到极化旋转角ψi的估计值如下式所示
    ψi=argmaxψp^i,kH&CenterDot;pk(ψ),k=1,2,3,4,5]]>
    s.&Element;[-π2,π2]]]>
    其中,i=1,2,…,N;(·)H表示共轭转置,为的第k行,k=1,2,3,4,5;
    3d)将循环标号m增加1,若m<M则转到步骤3a)继续循环;否则,停止循环,输出目标极化分解系数矩阵C与极化散射机理矩阵Pi(ψi)。

    3.  根据权利要求2所述的基于全极化属性散射中心模型的目标属性特征提取方法,
    其特征在于,循环次数M的范围为10-20。

    4.  根据权利要求1所述的基于全极化属性散射中心模型的目标属性特征提取方法,其特征在于,所述步骤5中极化分解系数门限

    关 键 词:
    基于 极化 属性 散射 中心 模型 目标 特征 提取 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于全极化属性散射中心模型的目标属性特征提取方法.pdf
    链接地址://www.4mum.com.cn/p-6141994.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03