買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京航空航天大學(xué);南京航空航天大學(xué)深圳研究院申請的專利一種基于L2, 1/2范數(shù)的無模糊稀疏SAR成像方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN113933837B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-12-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111142509.6，技術(shù)領(lǐng)域涉及：G01S13/90；該發(fā)明授權(quán)一種基于L2, 1/2范數(shù)的無模糊稀疏SAR成像方法是由畢輝;殷嚴(yán)杰;張晶晶;盧興夢設(shè)計(jì)研發(fā)完成，并于2021-09-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于L2, 1/2范數(shù)的無模糊稀疏SAR成像方法在說明書摘要公布了：本發(fā)明公開了一種基于L2,12范數(shù)的無模糊稀疏SAR成像方法，該方法面向采集到的降采樣數(shù)據(jù)，構(gòu)建無模糊稀疏SAR成像模型，提出基于L2,12范數(shù)的正則化優(yōu)化重構(gòu)問題，并通過閾值迭代恢復(fù)算法實(shí)現(xiàn)場景的高精度稀疏重建。本發(fā)明基于稀疏信號處理進(jìn)行研究，以解決數(shù)據(jù)降采樣所引起的方位模糊問題，并提出基于L2,12范數(shù)的無模糊稀疏SAR成像方法。相比于現(xiàn)有技術(shù)，本發(fā)明方法可基于降采樣數(shù)據(jù)進(jìn)行稀疏場景的精確重構(gòu)，有效抑制方位模糊，獲得高質(zhì)量無模糊稀疏SAR圖像。

本發(fā)明授權(quán)一種基于L2, 1/2范數(shù)的無模糊稀疏SAR成像方法在權(quán)利要求書中公布了：1.一種基于L2,12范數(shù)的無模糊稀疏SAR成像方法，其特征在于，包括如下步驟： 步驟1，根據(jù)采集到的降采樣數(shù)據(jù)，構(gòu)建無模糊稀疏SAR成像模型；具體過程如下： 令主多普勒頻譜方位頻率為fη，則方位向周期采樣導(dǎo)致的方位模糊區(qū)域的多普勒頻率fa表示為： fa＝fη+i·PRF,i∈Zandi≠0 其中，PRF是脈沖重復(fù)頻率，i表示第i塊方位模糊區(qū)域，Z表示整數(shù)； 構(gòu)建主多普勒區(qū)域的CSA算子，包括變標(biāo)算子距離徙動(dòng)校正及壓縮算子和方位聚焦及相位校正算子基于所構(gòu)建的算子，主多普勒區(qū)域的MF過程和逆MF過程表示為： 其中，F(xiàn)a和分別表示方位向的傅里葉變換算子和逆傅里葉變換算子，F(xiàn)r和分別表示距離向的傅里葉變換算子和逆傅里葉變換算子，上標(biāo)*表示共軛； 同理，構(gòu)建方位模糊區(qū)域的CSA算子，包括變標(biāo)算子距離徙動(dòng)校正及壓縮算子和方位聚焦及相位校正算子基于所構(gòu)建的算子，得到方位模糊區(qū)域的MF過程和逆MF過程 則基于近似觀測的無模糊稀疏SAR成像模型表示為： 其中，Y是二維降采樣回波數(shù)據(jù)，Ya是滿采樣數(shù)據(jù)，Ξa(chǎn)和Ξr分別表示方位向和距離向的降采樣矩陣，N0是噪聲矩陣，X和分別表示目標(biāo)場景和方位模糊區(qū)域； 步驟2，基于無模糊稀疏SAR成像模型，提出基于L2,12范數(shù)的正則化優(yōu)化重構(gòu)問題； 步驟3，通過閾值迭代恢復(fù)算法求解步驟2提出的基于L2,12范數(shù)的正則化優(yōu)化重構(gòu)問題，實(shí)現(xiàn)觀測場景的稀疏重建。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京航空航天大學(xué);南京航空航天大學(xué)深圳研究院，其通訊地址為：210016 江蘇省南京市秦淮區(qū)御道街29號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。

以上內(nèi)容由龍圖騰AI智能生成。