全极化

摘要： 4月7日,珠海海事局和广东纳睿雷达科技股份有限公司签署合作协议,共建全国首家全极化相控阵交通管制雷达应用联合创新中心,共同提升交通管制雷达等海事装备的信息化水平,助力全要素“水上大交管”建设。

摘要： 强海杂波中的漂浮小目标检测是对海雷达探测的热点与难点问题。传统算法在单一域(时域,多普勒域以及时频域)中检测性能差,基于特征的检测算法是解决海面漂浮小目标检测的有效手段。提出了基于全极化信息的特征融合检测算法,选取时域与多普勒域的6特征,提取出基于全极化信息的6特征,分析特征的可分性,最后利用PCA异常检测器进行目标快速检测。在实测IPIX雷达数据集上进行验证,实验结果证明,相比于已有的PCA检测算法,所提算法具有优良的检测性能。

摘要： 开展海上舰船目标的速度反演在海洋航运监测方面有着重要意义。针对舰船运动速度反演,论文首先针对舰船尾迹的全极化SAR图像特征开展仿真,探究不同极化下SAR图像中舰船尾迹特征的差异。进而结合基于尾迹的舰船速度反演方法,利用不同极化下的舰船尾迹SAR图像开展舰船速度反演,分析海况、舰船运动速度和极化对反演结果的影响。研究结果表明,同极化舰船尾迹SAR图像中能够较好地体现出尾迹波浪特征,而交叉极化图像难以体现出波浪特征,即便如此,不同极化下的尾迹SAR图像都可以用来实现舰船速度的高精度反演。

摘要： 昆虫雷达通过测量波束中昆虫的极化信息,估计昆虫头部朝向,进而完成对昆虫迁飞轨迹的监测.但是,全极化雷达系统中的非理想因素会影响到昆虫头部朝向的估计精度.为了研究全极化系统幅相不一致对朝向测量的影响,本文对昆虫极化散射特征和全极化系统建模,并对朝向误差进行分析,得到了朝向误差和通道间幅相不一致的关系.理论分析和仿真结果表明昆虫朝向误差同时与系统、自身散射特性以及真实朝向相关,系统幅相不一致会导致估计出来的昆虫朝向偏向极化方向.这些工作为全极化系统设计提供了新的思路.

摘要： 该文针对传统全极化高分辨一维距离像(HRRP)雷达目标识别问题,提出了结合Cameron分解和融合简化核极限学习机(RKELM)的目标识别方法,旨在提高全极化HRRP目标识别性能.在特征提取阶段,所提方法利用Cameron分解定义了目标在各个标准散射体上的投影分量.通过分析,将目标在三面角、二面角和1/4波长器件这3个散射基上沿距离维的投影分量作为目标特征,实现对目标散射特性更加精细化的描述.在分类阶段,考虑到RKELM算法识别性能的不稳定性,提出了一种基于原型聚类预处理的RKELM方法,并在此基础上设计了特征级融合RKELM网络和决策级融合RKELM网络,以对投影特征进行融合分类.实验部分利用10类民用车辆的全极化HRRP数据将所提识别方法和现有方法进行了对比,结果表明:(1)所采用的Cameron分解投影特征表现出了较高的可分性和噪声稳健性;(2)当训练样本数较多时,特征级融合RKELM算法的泛化性能较好;当训练样本数较少时,决策级融合RKELM的泛化性能较好.

摘要： 由于双基地雷达具有反隐身、抗干扰、抗摧毁等诸多天然优势,双基地雷达的 目标探测和识别问题逐渐成为研究热点.以双基地雷达微动空间 目标为研究对象,首先分析了电磁计算双基地散射数据和双基地雷达目标回波的对应关系,然后指出了利用电磁计算数据获得的目标仿真回波与 目标真实回波极化坐标系的差异,并提出了相应的校正方法,最后进行了仿真验证.结果表明,所提方法保证了电磁仿真回波数据与实测回波数据的极化一致性,可以为后续的双基地雷达目标特征提取、目标识别等算法研究提供数据支撑.

摘要： 今年11月,广东纳睿雷达科技股份有限公司(下称“纳睿雷达”)登上“2021年珠海市专精特新中小企业”名单。作为国内掌握自主知识产权的高新技术企业,纳睿雷达不仅掌握全极化多功能有源相控阵雷达核心技术,还实现了产业化。为了突破先进相控阵雷达在民用领域大规模推广应用瓶颈,纳睿雷达大大降低了成本,同时将相控阵技术和极化技术结合,满足探测目标多样的需求。近日,《法人》记者走访了纳睿雷达公司,深入了解这家“专精特新”企业。

摘要： 各极化通道独立处理和三维分步成像会忽视数据之间的关联性,造成散射中心的失配以及极化散射矩阵获取的不准确.鉴于此,该文提出一种基于稀疏重构的全极化联合多维重建方法.该方法通过设置联合稀疏约束对所有极化通道及所有维度进行联合,将全极化多维重建建模为多通道联合稀疏重构问题.通过数据插值对模型简化后,结合三维快速傅里叶变换、共轭梯度法和牛顿迭代法给出一种高效的模型求解方法,可以同时得到极化散射矩阵和目标三维信息.该文方法保证了不同极化通道、不同维度的稀疏支撑集一致,且充分利用了数据之间的关联性带来的额外信息.基于仿真数据和电磁计算数据的实验结果表明,该方法的性能不受目标类型影响,具有一定的抗噪性,能有效地获取目标的多维重建结果,得到的三维成像结果分辨率高且极化散射矩阵估计精度高.

摘要： 本文提出了一种基于球不变随机矢量(SIRV，Sphericallylnvatiant Random Vectors)杂波模型，利用极化似然比检验(PLRT，Poladmetdc LikelihoodTest)模型提取差异图，并使用最小误差阈值法(KI)将差异图二值化的全极化图像变化检测的新方法。该方法基于全极化SAR图像相干矩阵的统计特性，利用SIRV模型对全极化SAR图像统计特征进行拟合，得到全极化SAR数据协方差矩阵的概率分布函数(PDF，ProbabilityDistribution Function，);然后结合PLRT模型，求得不同时相的两个目标协方差矩阵PDF的似然距离估计的表达式，生成不同时相两幅全极化SAR图像的差异图像；最后，通过KI阈值分割来确定变化区域。本文使用2009年4月9日与2010年6月15日苏州城区的两幅RadarSat-2全极化影像做为实验数据，利用SIRV模型来对两幅全极化SAR图像统计特征进行拟合，并将变化检测结果同基于Wishart分布模型的变化检测结果做比较。实验结果表明：全极化图像中90％以上的象元都可用SIRV模型中的KummerU分布模型准确拟合，不管是对于图像中的均匀区域还是不均匀区域;相对于Wishart分布模型，基于SIRV模型的变化检测方法一方面可以有效保留图像局部纹理信息，另一方面能更加准确的提取苏州城区的变化区域，并有效降低虚警。

摘要： 本文利用2009年8月23日Radarsat-2全极化图像数据，结合极化分解的方法提取不同农作物散射特征，并进行Wishart监督分类和非监督分类。结果表明，城市及水体散射特征特点明显：水稻由于植株底部具有含水层，易于其他农作物分辨;根据大豆和玉米平均散射角的差异性进行了区分，最终分类精度达到78.1%。上述说明，全极化雷达数据能提供更为丰富的地物散射信息，是农作物遥感监测的重要数据来源。

摘要： 本发明涉及一种基于相对极化全变差的极化SAR影像相干斑抑制方法，通过对极化SAR影像的极化相干矩阵分离为主对角线元素和非对角线元素，应用窗口卷积局部全变差和全局全变差更新主对角线元素，由原非对角线元素和更新后的主对角线元素重构极化相干矩阵，利用相邻像元上的极化相干矩阵比值和更新前后的极化相干矩阵距离，获得须保留极化特征的像元位置。本发明仅对不属于上述像元位置的极化相干矩阵的主对角线元素进行相干斑抑制，解决了现有极化SAR相干斑抑制中不能很好地将极化SAR影像的结构信息和散射特性两者相结合进行相干斑抑制的问题，使得极化SAR的相干斑抑制在结构信息和散射特性两方面都得到保持。

摘要： 用于单极化或双极化的薄膜全内反射衍射光栅，可以包括基板。所述衍射光栅可以包括蚀刻停止层，以防止蚀刻所述基板。所述蚀刻停止层可以沉积在所述基板上。所述衍射光栅可以包括指示与电介质层的蚀刻相关联的蚀刻终点的标记层。所述标记层可以沉积在所述蚀刻停止层的一部分上。所述衍射光栅可以包括所述电介质层，所述电解质层在被蚀刻之后形成光栅层。所述电介质层可以至少沉积在所述标记层上。

摘要： 本发明的一种适用于星载极化相关型全极化微波辐射计的天线交叉极化校正方法，通过重新推导包含四个Stokes参数天线温度方程，采用天线温度仿真技术得到4×4的交叉极化M矩阵，为在轨运行的全极化辐射计实现最终的天线交叉极化校正。该方法不同于天线设计和优化阶段进行的交叉极化校正，而是适用于辐射计在轨运行后的最终校正。本发明实现了星载极化相关型全极化微波辐射计的天线交叉极化校正。

摘要： 本发明实施例公开了一种全极化图像极化分解的方法，包括：获取全极化图像中p个目标像素中每个像素的n个独立隐藏特征值；对所述p个目标像素中每个像素的n个独立隐藏特征值进行主成分分析，得到与所述n个独立隐藏特征值分别对应的n个权重值；确定所述n个权重值中的m个权重值，其中，所述m个权重值均大于所述n个权重之中除所述m个权重值以外的n‑m个权重值，m全极化图像极化分级的装置、电子设备及计算机存储介质。

摘要： 本发明公开了一种全极化多输入多输出合成孔径雷达(FP‑MIMO‑SAR)极化校准方法，该方法采用可旋转双天线有源极化校准器(RODAPARC)和标准金属圆柱体作为极化校准体，并通过以下两个步骤实现极化校准：首先利用RODAPARC双站极化散射矩阵(PSM)和有源极化校准器全极化(PARC‑FP)雷达极化校准模型，对FP‑MIMO‑SAR中N组收发通道、每通道4种极化组合进行有源极化校准，获得N组极化校准参数；然后利用标准金属圆柱定标体进行无源极化校准，对N组极化校准参数进行优化，实现雷达系统的辐射定标、串扰和通道不平衡校准。

摘要： 本发明实施例公开了一种全极化图像极化分解的方法，包括：获取通过极化合成孔径雷达PolSAR获取的全极化图像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向角，其中，i为正整数；根据所述取向角确定概率密度函数；根据所述概率密度函数确定体散射模型；根据所述体散射模型确定所述第i个像素的体散射功率。本发明实施例还公开了一种全极化图像极化分级的装置、电子设备及计算机存储介质。

摘要： 本发明的一种适用于星载极化相关型全极化微波辐射计的天线交叉极化校正方法，通过重新推导包含四个Stokes参数天线温度方程，采用天线温度仿真技术得到4×4的交叉极化M矩阵，为在轨运行的全极化辐射计实现最终的天线交叉极化校正。该方法不同于天线设计和优化阶段进行的交叉极化校正，而是适用于辐射计在轨运行后的最终校正。本发明实现了星载极化相关型全极化微波辐射计的天线交叉极化校正。

摘要： 本发明公开了一种基于极化散射特征的全极化SAR卷积神经网络分类方法，所示方法包括：将获取的极化SAR影像进行辐射定标、滤波预处理后进行反射对称分解处理，得到极化特征参数；对极化特征参数进行归一化处理；通过提取不同数目的极化特征，构建卷积神经网络模型训练样本集；对卷积神经网络模型进行训练；利用训练好的卷积神经网络模型进行极化SAR影像分类；与现有的研究方法相比，本发明通过研究不同极化特征组合方案，基于深度学习的方法结合了极化SAR影像中的后向散射信息和像素邻域间的信息特征，利用多层卷积提取地物的特征，从样本中挖掘有助于分类的信息，从而获得较高精度的分类结果。

摘要： 本发明公开了一种基于极化特性驱动的全极化SAR图像舰船检测方法，包括：S1、对全极化SAR图像进行预处理，获取全极化SAR图像的极化特性数据；S2、构建极化特性驱动的卷积神经网络，将极化特性数据输入主干网络和密集结构提取极化特性数据中包含的极化特性，并在特征金字塔中进行多尺度融合，所述主干网络和密集结构用于网络中上下文特征重用；S3、按照预设的训练参数和损失函数，对极化特性驱动的卷积神经网络进行训练形成全极化SAR图像目标检测网络，并利用训练好的极化特性驱动的全极化SAR图像目标检测网络执行全极化SAR图像舰船检测和指标评估。本发明能够有效的提升场景中小目标的检测能力以及在强散射背景下能够有效的检测出舰船。

摘要： 本发明公开了一种基于旋转式单极化探地雷达的全极化目标辨识分类方法，属于工程地质勘探领域，该方法具体过程如下：利用具有旋转式单极化天线的单极化探地雷达获取目标体的全极化散射矩阵数据；利用H‑α分解方法对所述全极化散射矩阵数据进行特征提取，得到用于辨识目标体的散射特征参数散射熵H和平均散射角α；将目标体的散射熵H和平均散射角α值与已有的H‑α辨识图比对，根据散射熵H和平均散射角α值在H‑α辨识图中分布的位置确定目标体的类型。本发明可在不改变现有的探地雷达设备或增加设备花费的情况下，直接将现有商用单极化探地雷达升级成全极化探地雷达，从而提高探地雷达对管线类线性目标探测、定位和辨识分类的效率及准确度。