AMcoder - javascript, python, java, html, php, sql

omega-k ալգորիթմի մոդելավորում matlab-ում

Ես ուզում եմ մոդելավորել omega k ալգորիթմը՝ կենտրոնացնելու սինթետիկ բացվածքի ռադարի հումքի տվյալները՝ հիմնված Քամինգի գրքի վրա՝ Սինթետիկ բացվածքի ռադարի տվյալների թվային մշակումը: Սկզբում ես մոդելավորեցի կետային թիրախային չմշակված տվյալները stripmap ռեժիմում և արեցի այն ամենը, ինչ նշված է գրքում: Բայց իմ թիրախը կենտրոնացած չէ: Համոզվելու համար, որ իմ չմշակված տվյալները իսկապես պատրաստված են, ես դրանք կենտրոնացրել եմ սովորական RDA ալգորիթմի միջոցով, և իմ կետային թիրախը կենտրոնացել է իրական դիրքում, ինչը նշանակում է, որ իմ չմշակված տվյալների մոդելավորման ռեժիմը Ok է:

Ահա իմ matlab կոդը օմեգա k ալգորիթմի համար.

%% __________________________________________________________________________
fr          = linspace(-fs/2,fs/2,nfftr);
faz         = linspace(-PRF/2,PRF/2,nffta);
fr_prime    = sqrt((f0+fr).^2-(c*faz'/(2*vp)).^2)-f0;
Rref        = rs(ceil(Ns/2));
theta_ref   = 4*pi*Rref/c*(fr_prime+f0)+pi*fr.^2/kr;
%2D FFT
S_raw       = fftshift(fft2(s_raw,nffta,nfftr));
%RFM
S_BC        = S_raw.*exp(1j*theta_ref);
for idx = 1:Na
    S_int(idx,:) = interp1(fr_prime(idx,:)+f0,S_BC(idx,:),fr+f0,'pchip');
end
S_c = S_int.*exp(-1j*4*pi*fr*Rref/c);
s_c = ifft2(S_c,Na,Nr);
%% __________________________________________________________________________

այս ծածկագրում.

  • f0: կենտրոնական հաճախականություն
  • kr. Ծլվլոցների մակարդակը միջակայքում
  • fs. Նմուշառման հաճախականությունը տիրույթում
  • vp: հարթակի արագություն
  • rs՝ միջակայքի զանգված (ձևավորել մոտ տիրույթից մինչև հեռավոր միջակայք)
  • Rref. Հղման տիրույթ (լսում եմ, որ այն որպես միջին տիրույթի բջիջ)
  • Ns՝ տիրույթի բջիջների քանակը
  • Na. նմուշների քանակը ազիմուտում
  • s_c: Կենտրոնացված պատկեր

երեք թիրախներ տեղակայված են [10 , Ns/2 , Ns-10] հեռավորության վրա և Na/2 ազիմուտում: ահա իմ արդյունքները.

Ժամանակի տիրույթում զանգվածային սեղմումից հետո տվյալներ

Տվյալները ժամանակի տիրույթում զանգվածային սեղմումից հետո

Տվյալներ ժամանակի տիրույթում stolt interpolation-ից հետո

Տվյալներ ժամանակի տիրույթում stolt interpolation-ից հետո

Ես ուսումնասիրեցի մի քանի ինտերպոլացիայի մեթոդներ, ինչպիսիք են sinc interp-ը, linear interp-ը, pchip-ը և այլն, բայց դրանցից ոչ մեկն ինձ մոտ չաշխատեց: Ես գնահատում եմ բոլորին, ովքեր կարող էին օգնել ինձ և ասել, թե որն է իմ սխալը... շնորհակալություն...


  • Բարի գալուստ Ռաստակ։ Կարծում եմ, որ դուք ավելի շատ հնարավորություններ ունեք SuperUser-ում Matlab-ի հարցերին պատասխան ստանալու համար (superuser.com) 24.06.2020

Պատասխանները:


1

Omega-k-ի ճշգրիտ տարբերակում Քամինգը չխնդրեց կրկին բազմապատկել համապատասխան զտիչով stolt interpolation-ից հետո: Կենտրոնացումը պետք է ամբողջական լինի միայն 2D iFFT-ով:

31.08.2020
Նոր նյութեր

Օգտագործելով Fetch Vs Axios.Js-ը՝ HTTP հարցումներ կատարելու համար
JavaScript-ը կարող է ցանցային հարցումներ ուղարկել սերվեր և բեռնել նոր տեղեկատվություն, երբ դա անհրաժեշտ լինի: Օրինակ, մենք կարող ենք օգտագործել ցանցային հարցումը պատվեր ներկայացնելու,..

Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար
Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար Ինչպե՞ս հանգստացնել ձեր միտքը և աշխատեցնել ձեր պրոցեսորը: Ինչպես մնալ հանգիստ և զարգանալ ճնշման տակ...

Մեքենայի ուսուցում բանկային և ֆինանսների ոլորտում
Բարդ, խելացի անվտանգության համակարգերը և հաճախորդների սպասարկման պարզեցված ծառայությունները բիզնեսի հաջողության բանալին են: Ֆինանսական հաստատությունները, մասնավորապես, պետք է առաջ մնան կորի..

Ես AI-ին հարցրի կյանքի իմաստը, այն ինչ ասում էր, ցնցող էր:
Այն պահից ի վեր, երբ ես իմացա Արհեստական ​​ինտելեկտի մասին, ես հիացած էի այն բանով, թե ինչպես է այն կարողանում հասկանալ մարդկային նորմալ տեքստը, և այն կարող է առաջացնել իր սեփական արձագանքը դրա..

Ինչպես սովորել կոդավորումը Python-ում վագրի պես:
Սովորելու համար ծրագրավորման նոր լեզու ընտրելը բարդ է: Անկախ նրանից, թե դուք սկսնակ եք, թե առաջադեմ, դա օգնում է իմանալ, թե ինչ թեմաներ պետք է սովորել: Ծրագրավորման լեզվի հիմունքները, դրա..

C++-ի օրական բիթ(ե) | Ամենաերկար պալինդրոմային ենթաշարը
C++ #198-ի ամենօրյա բիթ(ե), Ընդհանուր հարցազրույցի խնդիր. Ամենաերկար պալինդրոմային ենթատող: Այսօր մենք կանդրադառնանք հարցազրույցի ընդհանուր խնդրին. Ամենաերկար palindromic substring...

Kydavra ICAReducer՝ ձեր տվյալների ծավալայինությունը նվազեցնելու համար
Ի՞նչ է ICAReducer-ը: ICAReducer-ն աշխատում է հետևյալ կերպ. այն նվազեցնում է նրանց միջև բարձր փոխկապակցված հատկանիշները մինչև մեկ սյունակ: Բավականին նման է PCAreducer-ին, չնայած այն..