基于深度学习的大气臭氧遥感激光雷达数据融合方法.pdfVIP

下载本文档

1
0
约1.66万字
约 14页
2023-05-26 发布于四川
举报
版权申诉

基于深度学习的大气臭氧遥感激光雷达数据融合方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于深度学习的大气臭氧遥感激光雷达数据融合方法，本发明基于深度学习(DL)思想，对激光雷达数据进行特征分析，统一定义数据格式..以条带模式为例，构建卷积神经网络SAR(CNN‑SAR)信号重建网络，得到重建的SAR激光雷达数据，将雷达回波数据的仿真结果和性能与距离多普勒算法进行了比较。结果表明，在全采样率条件下，两种方法都能达到较好的重建效果，但CNN‑SAR对恢复弱目标有较好的效果，CNN‑SAR成像所需时间较少，振幅误差和相位误差较小。在相同的欠采样速率下，该方法性能更好。

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112285709 B (45)授权公告日 2022.07.26 (21)申请号 202010424063.5 G01S 7/41 (2006.01)