[发明专利]极化SAR图像中目标极化相干特征的增强方法在审

专利信息
申请号: 201510888374.6 申请日: 2015-12-05
公开(公告)号: CN105528767A 公开(公告)日: 2016-04-27
发明(设计)人: 陈思伟;李永祯;王雪松;肖顺平 申请(专利权)人: 中国人民解放军国防科学技术大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 国防科技大学专利服务中心 43202 代理人: 王文惠
地址: 410073 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提供一种极化SAR图像中目标极化相干特征的增强方法。技术方案包括:第一步是构建极化散射矢量,包括构建Pauli极化散射矢量和Lexicographic极化散射矢量。第二步是构建极化相干矩阵和极化协方差矩阵。第三步是极化相干矩阵和极化协方差矩阵旋转处理。第四步是计算旋转域中极化相干特征序列。第五步是计算增强的极化相干特征量。计算旋转域中极化相干特征序列的最大值,确定为增强的极化相干特征量。本发明对极化相干特征增强效果明显,对不同地物具有很好的普适性和鲁棒性。
搜索关键词: 极化 sar 图像 目标 相干 特征 增强 方法
【主权项】:
一种极化SAR图像中目标极化相干特征的增强方法,SAR是指合成孔径雷达,获得极化SAR图像每个像素点的极化散射矩阵Sj,j=1,2,…,W,W表示极化SAR图像的像素点数,令极化散射矩阵S=Sj,其特征在于,包括下述步骤:第一步,构建极化散射矢量:设极化散射矩阵为<mrow><mi>S</mi><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub></mtd><mtd><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub></mtd></mtr><mtr><mtd><msub><mi>S</mi><mrow><mi>V</mi><mi>H</mi></mrow></msub></mtd><mtd><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>且满足互易性条件即SHV=SVH;利用下式分别计算Pauli极化散射矢量kP和Lexicographic极化散射矢量kL<mrow><msub><mi>k</mi><mi>P</mi></msub><mo>=</mo><mfrac><mn>1</mn><msqrt><mn>2</mn></msqrt></mfrac><msup><mfenced open = '[' close = ']'><mtable><mtr><mtd><mrow><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>+</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub></mrow></mtd><mtd><mrow><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>-</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub></mrow></mtd><mtd><mrow><mn>2</mn><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub></mrow></mtd></mtr></mtable></mfenced><mi>T</mi></msup></mrow><mrow><msub><mi>k</mi><mi>L</mi></msub><mo>=</mo><msup><mfenced open = '[' close = ']'><mtable><mtr><mtd><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub></mtd><mtd><mrow><msqrt><mn>2</mn></msqrt><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub></mrow></mtd><mtd><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub></mtd></mtr></mtable></mfenced><mi>T</mi></msup></mrow>其中,SHH为在水平极化H发射和水平极化H接收条件下获取的复后向散射系数;SVH为在水平极化H发射和垂直极化V接收条件下获取的复后向散射系数;SHV为在垂直极化V发射和水平极化H接收条件下获取的复后向散射系数;SVV为在垂直极化V发射和垂直极化V接收条件下获取的复后向散射系数;其中V表示垂直,H表示水平,上标T为转置处理;第二步,构建极化相干矩阵和极化协方差矩阵;利用Pauli极化散射矢量,选取具有散射相似性的样本像素,并通过样本集合平均处理,构建极化相干矩阵T为:<mrow><mi>=</mi><mfrac><mi>1</mi><mi>2</mi></mfrac><mfenced open = "[" close = "]"><mtable><mtr><mtd><mrow><mo>&lt;</mo><mo>|</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>+</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>+</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><msup><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>-</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><mo>*</mo></msup><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mn>2</mn><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>+</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><msubsup><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow><mo>*</mo></msubsup><mo>&gt;</mo></mrow></mtd></mtr><mtr><mtd><mrow><mo>&lt;</mo><msup><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>+</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><mo>*</mo></msup><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>-</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mo>|</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>-</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mn>2</mn><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>-</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><msubsup><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow><mo>*</mo></msubsup><mo>&gt;</mo></mrow></mtd></mtr><mtr><mtd><mrow><mo>&lt;</mo><mn>2</mn><msup><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>+</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><mo>*</mo></msup><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mn>2</mn><msup><mrow><mo>(</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><mo>-</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>)</mo></mrow><mo>*</mo></msup><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mn>4</mn><mo>|</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>&gt;</mo></mrow></mtd></mtr></mtable></mfenced></mrow>利用Lexicographic极化散射矢量,选取具有散射相似性的样本像素,并通过样本集合平均处理,构建极化协方差矩阵C为:<mrow><mi>=</mi><mfenced open = "[" close = "]"><mtable><mtr><mtd><mrow><mo>&lt;</mo><mo>|</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>&gt;</mo></mrow></mtd><mtd><mrow><msqrt><mn>2</mn></msqrt><mo>&lt;</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><msubsup><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow><mo>*</mo></msubsup><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow></msub><msubsup><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow><mo>*</mo></msubsup><mo>&gt;</mo></mrow></mtd></mtr><mtr><mtd><mrow><msqrt><mn>2</mn></msqrt><mo>&lt;</mo><msubsup><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow><mo>*</mo></msubsup><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><mo>&gt;</mo></mrow></mtd><mtd><mrow><mn>2</mn><mo>&lt;</mo><mo>|</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>&gt;</mo></mrow></mtd><mtd><mrow><msqrt><mn>2</mn></msqrt><mo>&lt;</mo><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><msubsup><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow><mo>*</mo></msubsup><mo>&gt;</mo></mrow></mtd></mtr><mtr><mtd><mrow><mo>&lt;</mo><msubsup><mi>S</mi><mrow><mi>H</mi><mi>H</mi></mrow><mo>*</mo></msubsup><msub><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow></msub><mo>&gt;</mo></mrow></mtd><mtd><mrow><msqrt><mn>2</mn></msqrt><mo>&lt;</mo><msubsup><mi>S</mi><mrow><mi>H</mi><mi>V</mi></mrow><mo>*</mo></msubsup><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><mo>&gt;</mo></mrow></mtd><mtd><mrow><mo>&lt;</mo><mo>|</mo><msub><mi>S</mi><mrow><mi>V</mi><mi>V</mi></mrow></msub><msup><mo>|</mo><mn>2</mn></msup><mo>&gt;</mo></mrow></mtd></mtr></mtable></mfenced></mrow>其中,<·>为集合平均处理,上标为共轭转置处理,上标*表示求共轭;第三步,极化相干矩阵和极化协方差矩阵旋转处理;在绕SAR视线方向,对极化相干矩阵进行旋转处理,对旋转域中的旋转角θi,计算旋转处理后的极化相干矩阵T′(θi),为:其中,旋转矩阵为<mrow><msub><mi>R</mi><mn>3</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><mfenced open = '[' close = ']'><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mn>0</mn></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mrow><mi>c</mi><mi>o</mi><mi>s</mi><mn>2</mn><msub><mi>&theta;</mi><mi>i</mi></msub></mrow></mtd><mtd><mrow><mi>s</mi><mi>i</mi><mi>n</mi><mn>2</mn><msub><mi>&theta;</mi><mi>i</mi></msub></mrow></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mrow><mo>-</mo><mi>s</mi><mi>i</mi><mi>n</mi><mn>2</mn><msub><mi>&theta;</mi><mi>i</mi></msub></mrow></mtd><mtd><mrow><mi>c</mi><mi>o</mi><mi>s</mi><mn>2</mn><msub><mi>&theta;</mi><mi>i</mi></msub></mrow></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>θi为旋转域中的旋转角,<mrow><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mn>0</mn><mo>,</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>;</mo></mrow>N根据实际情况确定;计算旋转处理后的极化协方差矩阵C′(θi)为:C′(θi)=A‑1T′(θi)A其中,相似性变换矩阵<mrow><mi>A</mi><mo>=</mo><mfrac><mn>1</mn><msqrt><mn>2</mn></msqrt></mfrac><mfenced open = '[' close = ']'><mtable><mtr><mtd><mn>1</mn></mtd><mtd><mn>0</mn></mtd><mtd><mn>1</mn></mtd></mtr><mtr><mtd><mn>1</mn></mtd><mtd><mn>0</mn></mtd><mtd><mrow><mo>-</mo><mn>1</mn></mrow></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><msqrt><mn>2</mn></msqrt></mtd><mtd><mn>0</mn></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>A‑1为A的逆矩阵;第四步,计算旋转域中的极化相干特征序列;对每一个旋转角θi,计算极化相干特征量,为:<mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mo>(</mo><mi>H</mi><mi>H</mi><mo>+</mo><mi>V</mi><mi>V</mi><mo>)</mo><mo>-</mo><mo>(</mo><mi>H</mi><mi>V</mi><mo>)</mo></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mfrac><mrow><mo>|</mo><msub><mi>T</mi><mn>13</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo></mrow><msqrt><mrow><msub><mi>T</mi><mn>11</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>T</mi><mn>33</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msqrt></mfrac></mrow><mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mo>(</mo><mi>H</mi><mi>H</mi><mo>-</mo><mi>V</mi><mi>V</mi><mo>)</mo><mo>-</mo><mo>(</mo><mi>H</mi><mi>V</mi><mo>)</mo></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mfrac><mrow><mo>|</mo><msub><mi>T</mi><mn>23</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo></mrow><msqrt><mrow><msub><mi>T</mi><mn>22</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>T</mi><mn>33</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msqrt></mfrac></mrow><mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>H</mi><mi>H</mi><mo>-</mo><mi>V</mi><mi>V</mi></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mfrac><mrow><mo>|</mo><msub><mi>C</mi><mn>13</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo></mrow><msqrt><mrow><msub><mi>C</mi><mn>11</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>C</mi><mn>33</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msqrt></mfrac></mrow><mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>H</mi><mi>H</mi><mo>-</mo><mi>H</mi><mi>V</mi></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mfrac><mrow><mo>|</mo><msub><mi>C</mi><mn>12</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo></mrow><msqrt><mrow><msub><mi>C</mi><mn>11</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><msub><mi>C</mi><mn>22</mn></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msqrt></mfrac></mrow>得到上述极化相干特征量在旋转域中的极化相干特征序列,分别为:<mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mo>(</mo><mi>H</mi><mi>H</mi><mo>+</mo><mi>V</mi><mi>V</mi><mo>)</mo><mo>-</mo><mo>(</mo><mi>H</mi><mi>V</mi><mo>)</mo></mrow></msub><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mo>{</mo><mo>|</mo><msub><mi>&gamma;</mi><mrow><mo>(</mo><mi>H</mi><mi>H</mi><mo>+</mo><mi>V</mi><mi>V</mi><mo>)</mo><mo>-</mo><mo>(</mo><mi>H</mi><mi>V</mi><mo>)</mo></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mn>0</mn><mo>,</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>}</mo><mo>,</mo></mrow><mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mo>(</mo><mi>H</mi><mi>H</mi><mo>-</mo><mi>V</mi><mi>V</mi><mo>)</mo><mo>-</mo><mo>(</mo><mi>H</mi><mi>V</mi><mo>)</mo></mrow></msub><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mo>{</mo><mo>|</mo><msub><mi>&gamma;</mi><mrow><mo>(</mo><mi>H</mi><mi>H</mi><mo>-</mo><mi>V</mi><mi>V</mi><mo>)</mo><mo>-</mo><mo>(</mo><mi>H</mi><mi>V</mi><mo>)</mo></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mn>0</mn><mo>,</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>}</mo><mo>,</mo></mrow><mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>H</mi><mi>H</mi><mo>-</mo><mi>V</mi><mi>V</mi></mrow></msub><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mo>{</mo><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>H</mi><mi>H</mi><mo>-</mo><mi>V</mi><mi>V</mi></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mn>0</mn><mo>,</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>}</mo><mo>,</mo></mrow><mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>H</mi><mi>H</mi><mo>-</mo><mi>H</mi><mi>V</mi></mrow></msub><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mo>{</mo><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>H</mi><mi>H</mi><mo>-</mo><mi>H</mi><mi>V</mi></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mn>0</mn><mo>,</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>}</mo><mo>;</mo></mrow>第五步,计算增强的极化相干特征量;在旋转域,计算极化相干特征序列|γp‑q(θ)|的最大值|γp‑q(θ)|max,为<mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>p</mi><mo>-</mo><mi>q</mi></mrow></msub><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><msub><mo>|</mo><mrow><mi>m</mi><mi>a</mi><mi>x</mi></mrow></msub><mo>=</mo><munder><mrow><mi>m</mi><mi>a</mi><mi>x</mi></mrow><mi>i</mi></munder><mo>{</mo><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>p</mi><mo>-</mo><mi>q</mi></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>}</mo></mrow>其中,<mrow><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>p</mi><mo>-</mo><mi>q</mi></mrow></msub><mrow><mo>(</mo><mi>&theta;</mi><mo>)</mo></mrow><mo>|</mo><mo>=</mo><mo>{</mo><mo>|</mo><msub><mi>&gamma;</mi><mrow><mi>p</mi><mo>-</mo><mi>q</mi></mrow></msub><mrow><mo>(</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>|</mo><mo>|</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>=</mo><mo>-</mo><mi>&pi;</mi><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>-</mo><mi>&pi;</mi><mo>+</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mn>0</mn><mo>,</mo><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mn>2</mn><mfrac><mrow><mn>2</mn><mi>&pi;</mi></mrow><mi>N</mi></mfrac><mo>,</mo><mo>...</mo><mo>,</mo><mi>&pi;</mi><mo>}</mo><mo>,</mo></mrow>p和q分别代表相应的极化通道。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科学技术大学,未经中国人民解放军国防科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201510888374.6/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top