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：哈尔滨工业大学

摘要：基于CV‑ConvLSTM的SAR三维转动目标转速估计方法，涉及图像处理技术领域，针对现有技术中运用时频分析成像处理的方法消除模糊存在准确率低的问题，本申请提出了一种CV‑ConvLSTM，CV‑ConvLSTM将包括卷积层、激活函数、输入门、遗忘门、输出门在内的整个网络扩展到复杂域中，并在此基础上，推导出一种用于CV‑ConvLSTM训练的复数域随时间反向传播算法CV‑BPTT。本申请基于CV‑ConvLSTM设计了TSF‑Net架构，进行SAR三维转动目标转速估计，将SAR转速估计任务转换为一个图像回归问题，来实现目标转速估计，估计精度显着提高。本申请利用SAR成像原理、复数域深度学习技术，更好的满足复杂SAR转速估计需求，对视角变化、仿射变换、噪声保持一定程度的稳定性。

主权项：1.基于CV-ConvLSTM的SAR三维转动目标转速估计方法，其特征在于包括以下步骤：步骤一：对长积累SAR回波进行解调和脉冲压缩，然后采用子孔径成像方法生成复数域SAR图像序列，并获取SAR图像序列对应的转动角速度，所述转动角速度包括偏航角速度、俯仰角速度和侧摆角速度；步骤二：将SAR图像序列输入TSF网络模型中，得到转动角速度；步骤三：利用得到的转动角速度与SAR图像序列对应的转动角速度得到损失函数，并根据CV-BPTT算法进行权值更新，进而得到训练好的TSF网络模型；步骤四：利用训练好的TSF网络模型完成目标转速估计；所述TSF网络模型包括输入层、CV-ResNet17子网络、CV-ConvLSTM模块和输出层；所述输入层输入数据为四维复数域SAR图像序列，维度为F×H×W×C，F代表序列长度，H为SAR图像高，W为图像宽，C为图像通道数；所述CV-ResNet17子网络用于深度特征提取，CV-ResNet17包含17个卷积层；所述CV-ConvLSTM模块包括两个CV-ConvLSTM子网络级联；所述输出层包括3个神经元，3个神经元的输出分别代表侧摆角速度ωr+jωr、俯仰角速度ωp+jωp和偏航角速度ωy+jωy，输出层与CV-ResNet17子网络输出特征图全连接，并且输出层无激活函数，在给定输入样本及其对应标签的情况下，通过最小化训练数据的损失函数，以监督的方式学习TSF的参数。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于CV-ConvLSTM的SAR三维转动目标转速估计方法