期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种距离聚焦后的SAR原始数据压缩算法
被引量：
1
1
作者
曾尚春
朱兆达
《电子与信息学报》
EI
CSCD
北大核心
2008年第4期921-924,共4页
由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。该文提出一种新算法,先对SAR原始数据作距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向作矢量线性预测,并对预测残差序列作分块自适应量化。结合一...
由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。该文提出一种新算法,先对SAR原始数据作距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向作矢量线性预测,并对预测残差序列作分块自适应量化。结合一组实测SAR原始数据,用3种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了3种压缩算法所成的图像。实验表明,在相同比特率条件下,该文算法得到的数据域信噪比和图像域信噪比均比BAQ算法高。该文算法的计算量远小于有关文献给出的距离聚焦后的压缩方法。
展开更多
关键词
合成孔径雷达
距离
聚焦
矢量线性预测
信噪比
块自适应量化
比特率
下载PDF
职称材料
一种SAR原始数据压缩新算法
被引量：
1
2
作者
曾尚春
朱兆达
《航空学报》
EI
CAS
CSCD
北大核心
2007年第4期959-963,共5页
由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。因此提出一种新算法,先对SAR原始数据做距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向做线性预测,并对预测差值系列做块自适应量化。实验表明,在相...
由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。因此提出一种新算法,先对SAR原始数据做距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向做线性预测,并对预测差值系列做块自适应量化。实验表明,在相同比特率条件下,该算法得到的数据域信噪比和图像域信噪比均比块自适应量化(BAQ)算法高,计算量远小于有关文献给出的距离聚焦后的压缩方法,具有一定实用价值。
展开更多
关键词
SAR
BAQ
距离
聚焦
线性预测
信噪比
比特率
块自适应量化
下载PDF
职称材料
多阵列超声导波频相联控激励下复合材料损伤聚焦成像方法
3
作者
胡权耀
钟永腾
《无损检测》
CAS
2023年第11期24-29,58,共7页
针对超声导波相控阵方法中相位控制参数缺少距离和频率变量的不足,提出了多阵列超声导波频相联控激励下复合材料损伤聚焦成像方法。相比于标准的超声导波相控阵技术,该方法通过在各阵元上设置不同的激励频率,实现了在复合材料板上对点...
针对超声导波相控阵方法中相位控制参数缺少距离和频率变量的不足,提出了多阵列超声导波频相联控激励下复合材料损伤聚焦成像方法。相比于标准的超声导波相控阵技术,该方法通过在各阵元上设置不同的激励频率,实现了在复合材料板上对点的角度-距离聚焦扫查和损伤定位。首先,建立了多阵列超声导波频相联控激励聚焦信号模型;其次,设计了一种分布式多输入多输出(MIMO)线性阵列,对监测区域逐点聚焦扫查,并建立阵列超声导波损伤回波接收,运用多重信号分类(MUSIC)方法,实现复合材料损伤成像。玻璃纤维板的仿真和试验结果表明,该方法对复合材料具有较好的聚焦性能,较高的损伤成像和定位精度。
展开更多
关键词
超声导波阵列
频相联控
角度-
距离
聚焦
复合材料
损伤成像
下载PDF
职称材料
长距离等电聚焦一次性同步检测人类补体C6及C8A的多态性
4
作者
张林
辛军平
+2 位作者
李荣华
裴黎
陈国弟
《中国法医学杂志》
CSCD
2000年第3期163-164,共2页
关键词
人类补体
C6
C8A
基因多态性
长
距离
等电
聚焦
下载PDF
职称材料
题名
一种距离聚焦后的SAR原始数据压缩算法
被引量：
1
1
作者
曾尚春
朱兆达
机构
西南民族大学电气信息工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2008年第4期921-924,共4页
基金
航空科学基金(05D52027)资助课题
文摘
由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。该文提出一种新算法,先对SAR原始数据作距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向作矢量线性预测,并对预测残差序列作分块自适应量化。结合一组实测SAR原始数据,用3种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了3种压缩算法所成的图像。实验表明,在相同比特率条件下,该文算法得到的数据域信噪比和图像域信噪比均比BAQ算法高。该文算法的计算量远小于有关文献给出的距离聚焦后的压缩方法。
关键词
合成孔径雷达
距离
聚焦
矢量线性预测
信噪比
块自适应量化
比特率
Keywords
Synthetic Aperture Radar （SAR）
Range focusing
Vector linear prediction
Signal to Noise Ratio （SNR）
Block Adaptive Quantization （BAQ）
Bit rate
分类号
TN957.52 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
一种SAR原始数据压缩新算法
被引量：
1
2
作者
曾尚春
朱兆达
机构
南京航空航天大学
出处
《航空学报》
EI
CAS
CSCD
北大核心
2007年第4期959-963,共5页
文摘
由于合成孔径雷达(SAR)原始数据的相关性很低,直接压缩原始数据是比较困难的。因此提出一种新算法,先对SAR原始数据做距离聚焦处理,使其在方位向具有较强的相关性,再沿方位向做线性预测,并对预测差值系列做块自适应量化。实验表明,在相同比特率条件下,该算法得到的数据域信噪比和图像域信噪比均比块自适应量化(BAQ)算法高,计算量远小于有关文献给出的距离聚焦后的压缩方法,具有一定实用价值。
关键词
SAR
BAQ
距离
聚焦
线性预测
信噪比
比特率
块自适应量化
Keywords
SAR
BAQ
range focusing
linear prediction
signal to noise ratio
bit rate
block adaptive quantization
分类号
TN957.52 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
多阵列超声导波频相联控激励下复合材料损伤聚焦成像方法
3
作者
胡权耀
钟永腾
机构
温州大学机电工程学院
出处
《无损检测》
CAS
2023年第11期24-29,58,共7页
文摘
针对超声导波相控阵方法中相位控制参数缺少距离和频率变量的不足,提出了多阵列超声导波频相联控激励下复合材料损伤聚焦成像方法。相比于标准的超声导波相控阵技术,该方法通过在各阵元上设置不同的激励频率,实现了在复合材料板上对点的角度-距离聚焦扫查和损伤定位。首先,建立了多阵列超声导波频相联控激励聚焦信号模型;其次,设计了一种分布式多输入多输出(MIMO)线性阵列,对监测区域逐点聚焦扫查,并建立阵列超声导波损伤回波接收,运用多重信号分类(MUSIC)方法,实现复合材料损伤成像。玻璃纤维板的仿真和试验结果表明,该方法对复合材料具有较好的聚焦性能,较高的损伤成像和定位精度。
关键词
超声导波阵列
频相联控
角度-
距离
聚焦
复合材料
损伤成像
Keywords
ultrasonic guided wave array
frequency-phase joint control
angle-distance focus
composite material
damage imaging
分类号
TG115.28 [金属学及工艺—物理冶金]
下载PDF
职称材料
题名
长距离等电聚焦一次性同步检测人类补体C6及C8A的多态性
4
作者
张林
辛军平
李荣华
裴黎
陈国弟
机构
华西医科大学法医学院物证教研室
公安部物证鉴定中心
出处
《中国法医学杂志》
CSCD
2000年第3期163-164,共2页
关键词
人类补体
C6
C8A
基因多态性
长
距离
等电
聚焦
分类号
R394 [医药卫生—医学遗传学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种距离聚焦后的SAR原始数据压缩算法
曾尚春
朱兆达
《电子与信息学报》
EI
CSCD
北大核心
2008
1
下载PDF
职称材料
2
一种SAR原始数据压缩新算法
曾尚春
朱兆达
《航空学报》
EI
CAS
CSCD
北大核心
2007
1
下载PDF
职称材料
3
多阵列超声导波频相联控激励下复合材料损伤聚焦成像方法
胡权耀
钟永腾
《无损检测》
CAS
2023
0
下载PDF
职称材料
4
长距离等电聚焦一次性同步检测人类补体C6及C8A的多态性
张林
辛军平
李荣华
裴黎
陈国弟
《中国法医学杂志》
CSCD
2000
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
