龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：本发明属于毫米波雷达技术领域，公开了基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法，包括以下步骤：获取距离聚焦后的回波数据s，构造成像算子和共轭算子当没有满足终止条件时，迭代执行步骤，直到满足终止条件；输出三维成像结果本申请避免了额外的正则化参数输入；避免观测矩阵的构造、存储以及求解优化过程中的大规模矩阵‑向量乘法，基于MF的成像模型构建的成像算子，以替代CS模型中的矢量化操作，提高了计算效率。
主权项：1.基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法，其特征在于，包括以下步骤：获取距离聚焦后的回波数据s，构造成像算子和共轭算子其中,其中z表示阵列平面到目标沿距离方向的距离，kz为对应的波数；IFFT2D表示二维逆快速傅里叶变换，FFT2D表示二维快速傅里叶变换；e是自然常数，j是虚数单位，⊙表示Hadamard积；Θ表示三维成像结果；当没有满足终止条件时，执行以下步骤：计算∑Θ＝LγI+diagα-1-1，α为方差，L是利普希茨常数，γ是噪声方差，I是单位矩阵，∑Θ是后验分布的协方差矩阵；计算三维成像结果Θ的估计值μΘ＝γ∑ΘLδ+Ms-δ，δ是迭代的中间变量，估计值μΘ初始化为Ms，并且随着迭代而变化；将三维成像结果Θ的估计值μΘ赋值给Θ；计算α服从伽马分布，其中β为尺度参数；计算β服从伽马先验分布，a和b是β伽马先验分布的形状和尺度参数；计算M表示回波数据量，c和d是γ的超参数，gΘ,δ是关于Θ,δ的松弛函数，将三维成像结果Θ的估计值μΘ赋值给δ；直到满足终止条件；输出三维成像结果Θ＝μΘ。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号