导读:本文包含了毫米波无源成像论文开题报告文献综述及选题提纲参考文献，主要关键词:毫米波,无源探测成像,超分辨,深层网络
毫米波无源成像论文文献综述
沈松[1]（2019）在《基于深度学习的毫米波无源成像超分辨算法研究》一文中研究指出近年来国内外反恐形势日益严峻,危害性公共事件时有发生,对我国新时期的安防任务以及安检新技术提出了新的更高的要求。毫米波无源探测成像技术具有优良的技术性能,在上述领域具有重要应用价值。但受限于研制成本和部分部件的生产工艺水平,使得系统获取的成像结果的分辨率较低,无法优良地满足相应的检测识别等处理和操作。改善图像分辨率的一个有效的重要手段是成像超分辨处理。针对毫米波频段成像这一具体应用背景,传统超分辨算法的适用性并不好。所以,研究设计新的适用算法具有重要的技术意义和应用价值。本论文以相关领域的科研项目为依托,主要研究了基于深层卷积神经网络和基于生成对抗网络的毫米波成像超分辨算法,主要内容包括:(1)针对传统超分辨算法在毫米波成像上应用效果不佳的问题,分析归理了基于深度学习的超分辨算法的优势。研究了毫米波无源成像系统的退化过程及相关影响因子,得到了估计的系统成像退化模型。(2)针对已有的深度学习超分辨算法模型存在着深度浅、网络性能不佳、实时性较差等问题,提出了针对毫米波成像的深层卷积神经网络超分辨算法(SuperResolution Algorithm Using Deeper Convolutional Network,SRA-DCN)。该算法利用了相应的残差模块、递归模块和快速卷积模块,解决了网络参数激增、梯度爆炸等问题,并提高了算法处理的实时性和重建结果的准确度。(3)针对深度学习超分辨算法以均方误差作为网络损失函数带来的平滑效应问题,研究了感知损失函数,并作出改进:使用激活函数处理前的特征进行损失计算,避免了激活后特征稀疏性对重建准确度带来的不利影响。(4)针对以均方误差作为损失函数进行训练的网络,在大超分辨因子的情况下重建的图像存在直观视觉效果不佳的问题,提出了针对毫米波成像的生成对抗网络超分辨算法(Super-Resolution Algorithm Using Generative Adversarial Net-work,SRA-GAN)。设计了相应的稠密连接残差单元,使用改进的感知损失和网络融合策略来训练网络。该算法在大超分辨因子时对毫米波图像的超分辨重建结果评价指标值更高,而且具有更好的人眼视觉效果。通过仿真和实验获取的数据验证了本论文提出的算法在毫米波成像超分辨处理中的有效性和优越性。(本文来源于《电子科技大学》期刊2019-05-06）
许自辉[2]（2018）在《基于小型无人机的毫米波无源成像探测技术研究》一文中研究指出基于小型无人机的毫米波无源成像探测系统接收观测场景自身辐射的毫米波热辐射信号,重建观测场景的亮温分布图像,然后根据目标与背景的亮温差异在图像上检测目标,从而实现对目标的探测。本文以设计全天时、准全天候、体积小、低空域机动性强的毫米波无源成像探测系统为目标,研究了毫米波无源成像探测技术及小型无人机技术,并以此提出了基于小型无人机的毫米波无源成像探测技术。本课题主要研究内容有以下叁点:(1)首先阐述了毫米波无源成像探测基本原理,建立了低空空对地毫米波无源成像探测系统模型,并进行了低空空对地毫米波辐射背景与目标视在亮温差异的仿真,仿真结果表明视在亮温差异明显,可以利用该亮温差异实现目标成像探测。(2)设计了基于小型无人机的毫米波无源成像探测系统的整体实施方案。开展了94GHz无源成像探测子系统设计,依据其重量和成像指标需求对小型无人机平台进行了设计,并开展了小型无人机平台的稳定性实验,依据神经网络跟踪算法及误差算法对实验所得数据进行了分析验证。(3)研究了基于小型无人机的毫米波无源成像探测系统的两种扫描成像方式,U形扫描成像和频率扫描成像。U形扫描成像是指系统航迹规划为U形航迹时,实孔径天线主波束依飞行路径依次扫描成像。频率扫描成像是指当系统飞行的路线为直线时,改变频扫天线频率从而改变天线主波束指向对飞行路径两侧不同位置扫描成像。最后系统分别对地面金属目标与水面金属目标进行成像探测仿真验证,仿真结果表明系统成像探测性能可以满足探测需要。(本文来源于《南昌大学》期刊2018-06-08）
丁康一[3]（2018）在《毫米波与太赫兹无源成像目标分割与识别算法研究》一文中研究指出随着我国经济、军事等各方面的快速发展,大国地位崛起,国际影响力迅速提升,我国所面临的恐怖主义和突发性公共危害事件威胁日益严峻、维稳任务也更加艰巨。发展和研究新型实用安检技术对提升国家安全保障能力有着极为重要的意义。国内外研究表明,毫米波及太赫兹无源成像探测技术由于其能够实现高空间分辨率与良好的探测穿透性,其在安检领域有着广阔和重要的应用前景。但由于生产成本与技术工艺的限制,一般的实际系统所初始获取的毫米波与太赫兹图像信噪比较低,若只凭借安检人员观测来对图像进行目标判定,不能满足对安检系统稳定性与速率的基本要求。采用毫米波与太赫兹无源成像“目标分割和识别”算法对目标进行标示,能显着提高图像的可视性,进而提高安检的可靠性与效率。因此,研究毫米波与太赫兹无源成像目标分割与识别算法对系统的实际应用,有着重要的意义。本论文研究依托实际科研项目开展,主要研究内容及结果包括:(1)分析了毫米波及太赫兹无源成像基础理论中的太赫兹频段物体的辐射特性,对目标分割算法有效性的评价方法进行了讨论。(2)针对传统算法难以分割与人体辐射亮温接近目标的问题,通过对人体区域的图像灰度分布进行估计,结合恒虚警检测(CFAR,Constant False Alarm Rate),提出了基于区域生长的自适应阈值目标分割(ATS-RG,Adaptive Threshold Segmentation Algorithm based on Regional Growth)算法。针对“区域生长条件难以设置”的问题,将边缘检测结果作为区域生长的生长限制条件,提出了基于改进型ATS-RG算法,并在毫米波图像处理上取得了优良的实验结果。(3)建立了毫米波无源探测成像目标识别样本库。根据目标分割算法的处理结果,建立了用于毫米波无源成像目标识别的初始样本库,并通过旋转、尺度变化等操作,对样本库进行了扩充。(4)研究了支持向量机与融合方向梯度直方图(HOG,Histograms of Oriented Gradient)特征相结合的目标识别算法,并采用主成分分析法(PCA,Principal Component Analysis)对HOG特征进行降维。研究了基于卷积神经网络的目标识别算法,搭建了适合于毫米波图像识别的卷积神经网络架构。针对实际安检过程中,“宁可出现虚警,不可出现漏检”的原则,优化了卷积神经网络的损失函数,仿真结果显示,该方法能在虚警率可接受的情况下,有效降低对危险目标的漏检率。(本文来源于《电子科技大学》期刊2018-05-16）
钟志斌[4]（2017）在《毫米波无源成像系统集成与通道均衡技术研究》一文中研究指出毫米波无源成像系统是一种通过接收探测场景中不同物体辐射的毫米波段能量,并将这些能量值转换成按空间分布的数字图像的探测系统。由于毫米波无源成像系统具有安全无辐射、非接触检查、容易探测金属及可穿透纺织衣物等特点,所成的图像可实现对人体携带隐匿物品的探测检查,因此该系统在机场安检、重点区域监控等领域具有广泛的运用前景。随着对成像系统中实时性和高分辨率等性能要求的提高,多通道成像机制或阵列成像机制是未来主流的发展趋势之一,但由于器件离散性以及制作工艺等因素,不同的通道响应存在差异,导致成像结果中出现条带噪声,影响后续图像处理算法的应用,因此需要对通道均衡进行研究。本文基于教研室实际科研项目,具体完成的工作如下:1、基于毫米波成像基本理论研究毫米波无源成像系统体系结构,对人体携带隐匿金属物体的无源探测方法进行了建模分析;并讨论了基于图像域的通道均衡理论以及相关算法。2、根据成像系统要求,研究了数据采集单元的基本结构和实现方案,提出了一种“局部串行+整体并行”的数据采集方案,并完成了相应的器件选型、电路设计及硬件实现。3、基于Intel FPGA的开发平台,利用Verilog HDL语言完成数据采集传控单元的数字逻辑设计,实现了该单元中数据采集、数据存储、传输控制的功能要求。4、根据成像系统对伺服扫描机构的功能及指标要求,研究了伺服扫描机构的控制方法以及扫描系统结构等,提出了一维伺服快速扫描的转台实现方案并进行设计研制。最后结合显控子系统、信号处理子系统以及天线前端子系统等,完成了总体系统的集成测试。5、结合项目实际成像机制,研究了基本的通道均衡理论;提出了基于矩匹配的改进方法,以及基于神经网络的改进方法;并利用这些方法对成像结果中出现的条带噪声进行了抑制或去除。(本文来源于《电子科技大学》期刊2017-03-31）
赵春林[5]（2017）在《战场目标毫米波辐射特性及无源成像超分辨算法研究》一文中研究指出毫米波无源探测成像系统通过接收场景向外辐射的电磁波,利用不同材质的辐射差异来进行成像。因其具有无辐射,非接触,隐蔽性好且能检测隐匿物品等优点,所以被广泛应用于战场侦测、安防安检等领域。但是,毫米波无源探测成像系统受天线、通道特性的影响,其成像结果存在模糊、畸变等现象。这给后续的目标检测、跟踪等处理带来了严重的影响。因此需要对系统的成像结果进行超分辨处理,以改善图像质量。本文依托了教研组实际的科研项目展开了研究,论文的具体工作如下:1.研究了毫米波无源探测成像系统的体制,分析毫米波图像成像过程中的降质模型,从而确立了以毫米波辐射特性及图像超分辨处理为核心的研究方向。2.研究了毫米波的传播特性,重点研究了云、雾等对毫米波传播的衰减作用;研究了金属材质在毫米波段的发射率与入射角的关系;建立了立体目标毫米波辐射亮温的计算模型并进行了仿真实验。3.分析了“基于预分类学习的毫米波图像超分辨算法”的数学模型,归理了其核心思路。利用Gabor滤波器进行特征提取,以及利用k-means算法进行预分类的思路,对传统基于学习的超分辨算法普遍存在的图像块误匹配问题进行了改进。仿真实验的结果表明,改进后的算法对光学及毫米波图像均有良好的超分辨重建效果。4.研究了“基于卷积神经网络的图像超分辨算法(Super-Resulotion based Convolutional Neural Network,SRCNN)”。针对毫米波图像噪声大、分辨率低等特点,对原网络结构进行了改进。仿真实验的结果表明,改进的算法在超分辨重建效果和实时性上都均取得了良好的效果。(本文来源于《电子科技大学》期刊2017-03-31）
朱包忠[6]（2017）在《无源毫米波成像信号处理单元设计及图像融合算法研究》一文中研究指出无源毫米波探测成像技术由于其对金属或部分非金属等隐匿目标具有良好的探测性、探测手段无辐射,适合于在机场、车站等公共场所用于人体安检,近年来已成为安检领域的研究热点。探测系统接收场景自身辐射的毫米波亮温信息,采用信号处理以及图像处理等后期技术进行加工,形成可在显控终端显示的图像。在无源毫米波探测成像系统中,信号处理单元起着承上启下的中枢作用,其主要负责将数据采集单元采集到的毫米波信息转化成可清晰显示的毫米波图像。本文以实际科研项目为平台,对信号处理单元进行了深入研究与设计。具体研究内容如下:1、基于黑体辐射理论以及嵌入式软件基础等成像理论,对无源毫米波成像系统的系统结构框架进行了分析研究,并从整体上分析了信号处理单元在整个系统中所起的重要作用。2、在无源毫米波成像系统中,融合的图像既具有光学图像信息表达丰富的优点,又具有毫米波图像隐匿危险物品可显现的特点。因此,本文结合图像融合的基本思路,研究提出了一种基于轮廓波变换的光学与毫米波图像融合算法。3、研究了信号处理单元的硬件结构以及软件架构,搭建了相应的硬件系统,设计了相应的应用处理软件,并完成了信号处理单元的软件系统调试。4、针对成像系统成像过程中遇到的帧间随机噪声等实际问题,研究提出了一系列基于实际应用的预处理算法。实验表明,预处理算法效果良好,提升了成像系统的成像质量。通过项目验收的检验和相关实验的验证,本文设计信号处理单元均达到了设计的预期效果,提出的基于轮廓波变换的算法达到了预期效果,提出的基于实际应用的预处理算法也有效解决了相关问题。(本文来源于《电子科技大学》期刊2017-03-31）
毛靖琦[7]（2017）在《毫米波无源成像运动目标检测与跟踪算法研究》一文中研究指出毫米波无源探测成像系统通过接收场景中辐射的毫米波,利用不同材质的物体辐射毫米波能量的差异性成像。该系统应用在安检领域,具有对人体无害、能保护人体隐私、能探测隐藏在衣物下的金属及非金属物体等优点。但是,由于工程受限,毫米波图像信噪比较低,且在安检环境中,目标可能随人体运动发生形变、尺度变化、被遮挡等现象,给目标检测与跟踪带来了困难。因此,研究目标检测与跟踪算法,实现对毫米波图像中目标的有效检测、准确定位、连续稳定跟踪具有较高的学术价值与实用价值。本文依托实际科研项目,基于人体、金属物体及背景辐射特性,在分析毫米波无源成像原理的基础上,开展了毫米波无源成像目标检测与目标跟踪算法的研究。主要研究内容阐述如下:(1)针对实际成像场景中,背景与目标亮温相差不大导致毫米波图像中目标与背景灰度差异较小,研究提出了基于区域提取的目标检测算法。该算法通过对图像中人体区域所在列进行归一化增强,然后对增强图像进行直方图修正,并在新的直方图中采用加权最大熵阈值分割法求解分割阈值,再对增强图像分割、提取人体区域、提取目标。最后,在毫米波图像中进行仿真,结果表明,该算法检测率高,虚警率低。(2)针对实际场景中目标随人体运动边界变得模糊,甚至会淹没在噪声中,使用基于区域提取的检测算法难以检测出目标,发生漏检现象;针对判别式跟踪算法在目标受遮挡、发生尺度变化情况下,目标定位容易发生偏移,甚至发生目标跟丢现象,研究提出了基于循环矩阵的快速跟踪算法。该算法采用多通道梯度直方图特征描述目标,构建循环样本特征,利用循环矩阵性质,使用快速傅里叶变换及其逆变换求解线性分类器及所有样本特征响应,快速预测目标位置。仿真实验表明,该算法稳定性好,抗噪性强。(3)针对安检环境中,有人场景及无人场景成像平均灰度值不同,且人体可能携带多目标,研究提出了毫米波图像序列多目标检测与跟踪算法。该算法首先通过平均灰度判定,确定开始检测的起始帧,再取检测到的十帧图像中目标个数出现帧数最多的值作为实际目标个数,然后,在后续图像帧中进行目标关联,对于不能检测出的目标采用跟踪算法预测该目标位置。仿真实验表明,该算法在各目标相对距离不变的情况下,能实现对各目标有效稳定的跟踪。(本文来源于《电子科技大学》期刊2017-03-31）
邹冉[8]（2017）在《毫米波无源成像隐匿目标检测算法研究》一文中研究指出目前,我国面临的反恐形势日趋复杂,反恐任务日益艰巨,安检技术作为反恐力量的支撑,必须与时俱进。国内外研究表明,毫米波无源探测成像技术已成为安检技术的重要发展趋势,其中,隐匿目标检测算法是毫米波无源探测成像技术中的核心技术之一。隐匿目标检测算法在微波和红外图像领域已经有了许多成熟的研究和运用案例,而针对毫米波图像领域,还有大量的问题和技术方法有待深入研究与解决。本论文的研究内容依托于具体科研项目,主要内容包括:(1)基于毫米波无源成像技术理论基础,建立了目标在毫米波波段的热辐射功率与物体自身温度及亮温温度的数学模型,研究了几种与毫米波图像质量相关的评价方法。(2)分析了毫米波无源探测成像系统的成像结果中出现条带噪声的原因,提出了相应的通道失配模型。通过实际的毫米波无源探测成像实验,对通道两点定标算法进行了评估,并提出了通道两点定标算法的改进算法。(3)利用实际科研项目研制的系统所取得的成像样本数据,对传统多通道成像图像域均衡算法中的直方图匹配法、傅里叶变换法进行了相应的仿真实验,并从实验结果中分析归理了所使用均衡算法的性能,从而确定了在毫米波图像领域进行图像域通道均衡的研究方向。重点研究了矩匹配法,通过利用毫米波图像的统计信息,研究提出了一种基于改进矩匹配法的多通道成像图像域自适应均衡算法,并取得了优良的实验结果。(4)采用支持向量机理论,在分类器的回归模型条件下,从数学上分析并解决了二分类问题中经典的分类面构建问题。并在此基础上,通过对尺度不变特征变换(SIFT)算子及数字图像连通域的研究,研究提出了一种改进的基于支持向量机的隐匿目标检测算法。本论文中的所有仿真实验数据样本均来源于实际的科研实验,实验结果验证了相关研究内容的有效性。综上所述,本论文中所有的改进算法能够有效地提高毫米波无源成像中隐匿目标的检测性能,对毫米波无源探测成像技术有实际的理论参考和工程应用价值。(本文来源于《电子科技大学》期刊2017-03-29）
李思萌[9]（2016）在《毫米波无源成像目标检测算法研究及实现》一文中研究指出毫米波无源成像系统,根据系统接收到的各类物体在毫米波段的辐射能量差异来进行成像。该系统能有效穿透衣服等遮盖物对隐匿金属目标进行成像;其不主动发射电磁波,对人体无辐射,且具有很好的隐蔽性;毫米波频段的电磁波在雨雾中传播的损耗较小,能穿透雨雾,毫米波成像系统可以实现全天候工作。因此,利用该系统检测出隐匿物品在安检及军事应用等领域都有极大的应用前景。目标检测技术是该系统在实际应用中的一项关键技术,针对毫米波领域的目标检测算法的研究具有重大意义。本文依托具体科研项目,深入研究了无源毫米波成像的目标检测技术。主要的研究内容包括:(1)阐述了毫米波无源探测基本理论,并分析总结了金属物体在毫米波段的辐射特性,以及成像结果的特点。(2)针对背景中不存在干扰目标的无源毫米波成像,研究了“基于最大类间方差法的目标检测算法”。针对传统的Otsu单阈值方法不能有效分割毫米波图像的问题,提出Otsu双阈值方法。并引入毫米波图像各个区域的面积信息,修正其目标函数,提高了算法的检测精度。仿真实验表明,相对于传统算法,该算法能更有效地检测到隐匿目标。(3)针对无源毫米波成像信噪比低的情况,研究了抗噪声能力强的“基于密度的空间聚类算法”(Density-Based Spatial Clustering of Applications with Noise,简称DBSCAN),并针对其“对边界模糊的图像聚类效果不佳”的问题,研究提出了“基于局部密度的快速聚类算法”,提高了算法的检测精度。仿真实验表明,相对于DBSCAN算法,基于局部密度的快速聚类算法聚类效果更好,检测结果更准确。(4)针对无源毫米波成像背景中存在干扰目标时,直接使用阈值分割方法会产生虚警问题,研究了“基于自组织背景建模法的目标检测算法”,以剔除背景中干扰目标的影响,并针对其初始收敛速度慢的问题进行了改进。仿真结果表明,该算法的目标检测效果良好。(本文来源于《电子科技大学》期刊2016-04-30）
付彦龙[10]（2016）在《无源毫米波成像系统显控终端设计与超分辨算法研究》一文中研究指出无源毫米波成像系统接收场景中多物体自身在毫米波段的电磁辐射,并根据物体间辐射能量差异进行成像。与传统的可见光成像、红外探测成像相比,它能够穿透衣物和包裹进行隐匿物体的探测;与有源毫米波探测成像、X射线成像相比,它不对外辐射电磁波,对人体无害。以上优良的技术特性使得无源毫米波成像技术在人体安检、反恐监控等领域受到高度重视。受成像系统天线尺寸孔径限制,系统获取的图像高频信息丢失,图像存在模糊现象,视觉效果较差,并且不利于后续的目标检测与识别。超分辨技术通过对低分辨率图像进行算法处理得到高分辨率图像,提高成像质量。显示和控制单元(显控终端)是无源毫米波成像系统的重要组成部分。显控终端的具体实现方式有多种,既可以使用个人笔记本电脑,也可以使用嵌入式系统。两种平台各有其优点:笔记本电脑具有较大的存储容量,处理器速度快、软件开发效率高,使用方便灵活;嵌入式系统的体积较小、功耗低、成本低,在系统集成和成本控制上有一定优势。本文依托具体的科研项目开展研究,研究了卷积神经网络在图像处理上优势,研究并实现了一种基于卷积神经网络的单帧超分辨算法。完成了基于笔记本电脑和基于嵌入式系统两种平台下的无源毫米波成像系统显控终端界面设计和应用程序开发。论文的主要研究内容总结如下:(1)研究了基于卷积神经网络的图像超分辨算法,并对毫米波图像进行实验验证,实验结果说明该算法有效的提高了毫米波图像的分辨率。(2)结合成像系统的总体技术指标和性能要求,对显控终端进行功能需求分析与传输接口设计,确定软硬件平台。(3)完成了显控终端界面设计以及进行应用程序模块化设计,实现了各模块的程序设计与开发,包括串口通信模块、网络通信模块、图像的实时接收与显示。完成了多平台下的显控终端图形化界面设计及相应软件的开发与测试。(4)完成了显示控制单元与成像系统其他单元之间的联合调试以及系统的功能验证。实验结果论证了显控终端的技术指标与功能以及系统功能达到了设计要求。(本文来源于《电子科技大学》期刊2016-04-30）
毫米波无源成像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于小型无人机的毫米波无源成像探测系统接收观测场景自身辐射的毫米波热辐射信号,重建观测场景的亮温分布图像,然后根据目标与背景的亮温差异在图像上检测目标,从而实现对目标的探测。本文以设计全天时、准全天候、体积小、低空域机动性强的毫米波无源成像探测系统为目标,研究了毫米波无源成像探测技术及小型无人机技术,并以此提出了基于小型无人机的毫米波无源成像探测技术。本课题主要研究内容有以下叁点:(1)首先阐述了毫米波无源成像探测基本原理,建立了低空空对地毫米波无源成像探测系统模型,并进行了低空空对地毫米波辐射背景与目标视在亮温差异的仿真,仿真结果表明视在亮温差异明显,可以利用该亮温差异实现目标成像探测。(2)设计了基于小型无人机的毫米波无源成像探测系统的整体实施方案。开展了94GHz无源成像探测子系统设计,依据其重量和成像指标需求对小型无人机平台进行了设计,并开展了小型无人机平台的稳定性实验,依据神经网络跟踪算法及误差算法对实验所得数据进行了分析验证。(3)研究了基于小型无人机的毫米波无源成像探测系统的两种扫描成像方式,U形扫描成像和频率扫描成像。U形扫描成像是指系统航迹规划为U形航迹时,实孔径天线主波束依飞行路径依次扫描成像。频率扫描成像是指当系统飞行的路线为直线时,改变频扫天线频率从而改变天线主波束指向对飞行路径两侧不同位置扫描成像。最后系统分别对地面金属目标与水面金属目标进行成像探测仿真验证,仿真结果表明系统成像探测性能可以满足探测需要。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
毫米波无源成像论文参考文献
[1].沈松.基于深度学习的毫米波无源成像超分辨算法研究[D].电子科技大学.2019
[2].许自辉.基于小型无人机的毫米波无源成像探测技术研究[D].南昌大学.2018
[3].丁康一.毫米波与太赫兹无源成像目标分割与识别算法研究[D].电子科技大学.2018
[4].钟志斌.毫米波无源成像系统集成与通道均衡技术研究[D].电子科技大学.2017
[5].赵春林.战场目标毫米波辐射特性及无源成像超分辨算法研究[D].电子科技大学.2017
[6].朱包忠.无源毫米波成像信号处理单元设计及图像融合算法研究[D].电子科技大学.2017
[7].毛靖琦.毫米波无源成像运动目标检测与跟踪算法研究[D].电子科技大学.2017
[8].邹冉.毫米波无源成像隐匿目标检测算法研究[D].电子科技大学.2017
[9].李思萌.毫米波无源成像目标检测算法研究及实现[D].电子科技大学.2016
[10].付彦龙.无源毫米波成像系统显控终端设计与超分辨算法研究[D].电子科技大学.2016