排序方式: 共有85条查询结果,搜索用时 15 毫秒
1.
2.
逆合成孔径成像激光雷达是一种结合将激光信号和逆合成孔径原理相结合的新体制雷达,能实现对运动目标的超高分辨成像,为提取目标的精细微动特征提供了新的途径。研究了基于逆合成孔径成像激光雷达的目标振动微多普勒特征,分析了目标运动时激光信号的高载频和大带宽对目标微多普勒特征的影响,并通过仿真实验对基于逆合成孔径成像激光雷达的目标微多普勒特征和基于微波波段逆合成孔径雷达的目标微多普勒特征进行了比较,证明了逆合成孔径成像激光雷达能够提供足够的分辨率来分析微小目标微动部件带来的多普勒效应。 相似文献
3.
虚拟现实技术的起源和发展得益于机器人技术,同时为机器人技术提供了强有力的技术手段,二者之间有相互协同优势。阐述基于虚拟现实的遥控机器人的技术原理、体系结构、开发平台与当前主流方法,介绍了本领域中已解决问题与待解决问题,该系统从远程机器人传回的主要是字符信息,可以大大提高传输效率,让反馈的信息由虚拟现实环境进行处理,能够有效地解决通信延迟的问题。同时,这种新型的机器人遥操作系统建立了系统的分层控制模型,增加了操作者的沉浸感,减少了程序员的工作量,丰富了想象力,提高了人机交互能力。 相似文献
4.
对感兴趣目标的数量、位置、型号等参数信息的精确获取一直是合成孔径雷达(SAR)技术中最为重要的研究内容之一。现阶段的SAR信息处理主要分为成像和解译两大部分,两者的研究相对独立。SAR成像和解译各自开发了大量算法,复杂度越来越高,但SAR解译并未因成像分辨率提升而变得简单,特别是对重点目标识别率低的问题并未从本质上得以解决。针对上述问题,该文从SAR成像解译一体化角度出发,尝试利用“数据驱动+智能学习”的方法提升机载SAR的信息处理能力。首先分析了基于“数据驱动+智能学习”方法的SAR成像解译一体化的可行性及现阶段存在的主要问题;在此基础上,提出一种“数据驱动+智能学习”的SAR学习成像方法,给出了学习成像框架、网络参数选取方法、网络训练方法和初步的仿真结果,并分析了需要解决的关键性技术问题。 相似文献
5.
稀疏处理主要研究如何利用低维数据实现高维稀疏信号的准确重建。基于该特性,已有较多学者将其应用于ISAR成像中用以减少数据量,改善成像质量。文中首先从ISAR回波数据出发,建立了基于稀疏处理的ISAR成像模型,并给出实验处理结果;然后,针对稀疏ISAR成像中存在的对目标和环境的自适应能力不强、工作效率不高等问题,提出将稀疏ISAR成像与认知雷达相结合,构建了认知稀疏ISAR成像框图,并给出了两种认知稀疏ISAR成像策略,能够有效减少成像所需数据量,提高雷达利用效率;最后,利用实验数据验证了所提模型的有效性。 相似文献
6.
7.
地面目标的微小运动是目标本身独有的特性,可用于目标的分类与识别。论文对一站固定式双基FMCWSAR地面振动目标检测与特征提取方法展开研究,采用相位中心偏置天线(DPCA)技术进行杂波抑制,进而检测出地面振动目标。对回波信号分析表明,经DPCA杂波抑制后回波信号中存在一个随慢时间变化的包络项,称为慢时间包络(STE),该项将影响振动目标微多普勒(m-D)时频曲线的能量分布,导致无法获取完整的振动目标m-D时频曲线;进一步地,利用STE项与振动特征之间的关系,可实现振动目标的特征提取。仿真实验验证了理论分析结果及特征提取方法的有效性。 相似文献
8.
随着网络安全形势的日益严峻,系统和软件漏洞呈现出不断上升的趋势,导致信息系统的安全性受到越来越多的威胁,本文阐述了基于P2P架构的Linux补丁分发系统设计,实现Linux补丁的分发、安装,保证系统漏洞得到及时修补,从而提升信息系统的可靠性。 相似文献
9.
10.
多重测量矢量模型下的稀疏步进频率SAR成像算法 总被引:2,自引:0,他引:2
基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。 相似文献