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！

龙图腾网恭喜北京理工大学;北京理工大学重庆创新中心;北京理工大学前沿技术研究院申请的专利相似性约束下GEO星机双基SAR动目标智能成像方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114910905B 。

龙图腾网通过国家知识产权局官网在2025-05-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210427304.0，技术领域涉及：G01S13/90；该发明授权相似性约束下GEO星机双基SAR动目标智能成像方法是由董锡超;崔畅;胡程;李元昊;王裕沛设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本相似性约束下GEO星机双基SAR动目标智能成像方法在说明书摘要公布了：本发明提供一种相似性约束下GEO星机双基SAR动目标智能成像方法，包括：通过GEOSA‑BSAR系统采集含有运动目标的回波数据，并对回波数据进行距离压缩、方位维FFT和杂波抑制处理，获取运动目标的距离‑多普勒域信号；对距离‑多普勒域信号进行距离维FFT处理、相位补偿和2D‑IFFT处理，获取运动目标散焦信号；构建基于相似性约束的深度神经网络模型，深度神经网络模型的网络结构由若干个残差块搭建，并通过优化含相似性度量的损失函数对深度神经网络进行训练，得到深度神经网络模型参数；将运动目标散焦信号输入训练后的深度神经网络模型，输出得到聚焦的运动目标图像。本发明能够快速准确地对运动目标进行成像。

本发明授权相似性约束下GEO星机双基SAR动目标智能成像方法在权利要求书中公布了：1.一种相似性约束下GEO星机双基SAR动目标智能成像方法，其特征在于，包括以下步骤：通过GEOSA-BSAR系统采集含有运动目标的回波数据，并对回波数据进行距离压缩、方位维FFT和杂波抑制处理，获取运动目标的距离-多普勒域信号，包括：通过GEOSA-BSAR系统采集含有运动目标的回波数据，并对回波数据进行距离压缩，得到第一信号为： 其中，r为距离，ta为慢时间，c为光速，σt,k和Rt,kta分别为第k个散射点的散射系数和双程斜距历程，λ为波长，cr,ta为静止杂波信号，nr,ta为噪声；将第一信号经过方位维FFT变换到距离-多普勒域，获取第二信号为： 其中，fa为方位频率，Wa,kfa和ψkfa分别为第k个散射点的斜距频域表达、方位向包络和距离-多普勒域信号相位；cr,fa和nr,fa分别为杂波和噪声的距离-多普勒域信号；通过多普勒滤波或空时自适应处理方法对所述第二信号进行杂波抑制，获取距离-多普勒域信号为： 对所述距离-多普勒域信号进行距离维FFT处理、相位补偿和2D-IFFT处理，获取运动目标散焦信号，包括：对所述距离-多普勒域信号进行距离维FFT处理，得到二维频域信号，表示为： 其中，fr为距离频率，Wkfr,fa和分别为第k个散射点的二维频域信号包络和相位，其中，第k个散射点的二维频域信号相位近似为： 其中，R0,k、k1,k、k2,k、k3,k和k4,k分别为第k个散射点的双程斜距历程Rt,kta对慢时间ta进行泰勒展开后常数项、第一至第四阶项系数；f0为雷达工作频率；对所述二维频域信号进行相位补偿和2D-IFFT处理，获取运动目标散焦信号，即：sder,ta＝IFFT2D[st,ffr,fahcomfr,fa]；其中，IFFT2D[st,ffr,fahcomfr,fa]表示2D-IFFT处理，补偿的参考函数hcomfr,fa是根据静止场景中心点信号二维频谱的高阶相位构建的，其表达式为： 其中，k10、k20、k30和k40分别为静止场景的中心点双程斜距历程对慢时间进行泰勒展开后的第一至第四阶项系数；构建基于相似性约束的深度神经网络模型，所述深度神经网络模型的网络结构由若干个残差块搭建，并通过优化含相似性度量的损失函数对深度神经网络进行训练，得到深度神经网络模型参数，所述损失函数为： 其中，I为输入数据，O为标签数据，CI为基于相似性约束的深度神经网络模型的处理结果，[CI]xy表示CI在x,y位置的像素值，Oxy表示O在x,y位置的像素值，Na为信号的方位向点数，Nr为信号的距离向点数；将所述运动目标散焦信号输入训练后的深度神经网络模型，输出得到聚焦的运动目标图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学;北京理工大学重庆创新中心;北京理工大学前沿技术研究院，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。