模型自适应的深度学习SAR三维成像方法.pdfVIP

下载本文档

0
0
约2.17万字
约 20页
2023-05-19 发布于四川
举报
版权申诉

模型自适应的深度学习SAR三维成像方法.pdf

1、本文档共20页，其中可免费阅读19页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明涉及一种模型自适应的深度学习SAR三维成像方法，属于层析SAR三维成像技术领域。本发明所提方法在层析SAR三维网络中提出了引入观测矩阵权重因子，以适应三维成像中目标位置空变导致的观测矩阵空变特性，提升空变特性自适应能力；引入自适应阈值参量，以适应空变的目标散射模型，提高散射特性自适应能力。与传统深度学习稀疏重建方法相比，本方法能够解决模型空变问题，提高聚焦深度一个数量级；与传统的高分辨成像算法SL1MMER算法相比，可以提高成像处理效率一个数量级。

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114879188 A (43)申请公布日 2022.08.09 (21)申请号 202210413328.0 (22)申请日 2022.04.20 (71)申请人北京理工大学地址 100081