排序方式: 共有16条查询结果,搜索用时 140 毫秒
1.
基于EEMD的SAR海洋内波参数反演 总被引:1,自引:0,他引:1
经验模态分解(EMD)方法对非平稳信号进行分解,容易出现模式混叠和边界效应,从而不能得到有物理意义的特征信息.集成经验模态分解(EEMD)能够有效地克服模式混叠和边界效应问题,可准确地提取信号的本质特征信息.在分析SAR图像反演海洋内波参数机理的基础上,本文提出了一种基于EEMD的海洋内波参数反演方法.实验结果表明:与小波分解和EMD方法相比,该方法能更有效地克服模式混叠现象,所提取的分量更接近内波波动的物理本质,所反演的内波参数与经验数据吻合. 相似文献
2.
基于合成孔径雷达(Synthetic aperture radar,SAR)图像的稀疏特性,将目标增强模型设计与性能要求相融合,建立了信噪比性能最优化目标函数与lk范数约束项构成的SAR图像变参数增强模型.通过对模型解的惟一性、收敛性及其增强性能分析,确定稀疏参数k的选择范围,继而通过参数估计的均方误差分析,得到正则参数的选择方法,并设计求解迭代过程.图像处理过程可达到较高的自动程度.MSTAR图像数据处理结果验证了该模型的有效性,经处理后图像噪声得到抑制,目标特征得到明显增强,性能优于传统正则化模型. 相似文献
3.
基于改进基追踪方法的信号去噪 总被引:1,自引:0,他引:1
提出了一种新的基追踪求解算法。依据信号特性自适应地选取字典;通过l1范数的近似表示,将有约束的极值问题转化为无约束问题,并利用一种新的迭代算法进行快速求解;几类典型信号实验结果验证了本方法具有良好的去噪效果。 相似文献
4.
5.
6.
7.
基于紧致字典的基追踪方法在SAR图像超分辨中的应用 总被引:3,自引:0,他引:3
基追踪方法是信号稀疏表示领域的一种新方法.它寻求从超完备的基集合(字典)中得到信号的最稀疏的表示,即用尽可能少的基尽可能精确地表示原信号,从而获得信号的内在本质特性.本文将基追踪方法的应用扩展到SAR(Synthetic Aperture Radar)图像的超分辨问题上来.首先在相位历史域依据SAR目标属性散射模型构造了一类紧致字典,从而大大减小了所求解问题的维数,其次设计了一种新的迭代算法进行快速求解,得到SAR图像中各散射中心位置和幅度的高精度估计,最后依据相位历史域SAR目标属性散射模型,生成更大尺度的相位历史数据,对生成的相位历史数据成像即得到更高分辨率的SAR图像.仿真算例和MSTAR实测数据计算表明,基于紧致字典的基追踪方法能够快速稳定实现,同时具有良好的超分辨性能. 相似文献
8.
9.
提出了一种由相关跟踪算法的改进算法和形心跟踪算法复合而成的新的双模跟踪算法.以双模跟踪算法作为算法核心形成一套实时跟踪处理软件系统,可用来实现对地面固定目标的模拟跟踪.同时还讨论了目标判别的策略和对目标丢失后的处理方法. 相似文献
10.