引用排行

(被引数据来源于全网,每月更新)
1
随着无线通信技术的发展,全球通信产业对于无线频谱的需求日益增加。在此背景下,雷达与通信的频谱共享(RCSS)引起了工业界和学术界的极大关注。其内涵不仅包括促成雷达与通信设备的同频共存、互不干扰,从而高效利用频谱,还包括设计一种兼容二者的新型一体化系统,使得该系统能同时完成信息传输与目标探测两种功能。该文围绕雷达与通信频谱共享的两种解决方案:(1)雷达与通信系统的同频共存(RCC); (2)雷达通信一体化(DFRC)系统设计,进行了深入而系统的综述。具体而言,该文首先讨论雷达通信在多个频段共存的实例,然后简要介绍了雷达通信一体化技术在多个领域的应用场景。进一步地,讨论雷达通信同频共存和一体化系统的研究进展。最后,总结全文并讨论了该领域内的若干开放问题。 随着无线通信技术的发展,全球通信产业对于无线频谱的需求日益增加。在此背景下,雷达与通信的频谱共享(RCSS)引起了工业界和学术界的极大关注。其内涵不仅包括促成雷达与通信设备的同频共存、互不干扰,从而高效利用频谱,还包括设计一种兼容二者的新型一体化系统,使得该系统能同时完成信息传输与目标探测两种功能。该文围绕雷达与通信频谱共享的两种解决方案:(1)雷达与通信系统的同频共存(RCC); (2)雷达通信一体化(DFRC)系统设计,进行了深入而系统的综述。具体而言,该文首先讨论雷达通信在多个频段共存的实例,然后简要介绍了雷达通信一体化技术在多个领域的应用场景。进一步地,讨论雷达通信同频共存和一体化系统的研究进展。最后,总结全文并讨论了该领域内的若干开放问题。
2
针对雷达海上目标探测关键技术攻关对雷达实测数据的迫切需求,2019年提出了“雷达对海探测数据共享计划”。该计划旨在通过开展雷达试验获取数据,公开共享。2020年度该计划继续推进,开展了雷达目标RCS定标、不同海况海杂波与目标探测、海上机动目标检测跟踪3个方面的多次试验,获取了不同距离处不锈钢球定标体的雷达慢速扫描模式测量数据、不同方位下海杂波凝视模式测量数据、海上目标凝视模式探测数据、海上机动快艇雷达扫描模式测量数据,并同步获取了风和浪要素数据、目标AIS数据、可见光/红外数据等配合传感器数据。 针对雷达海上目标探测关键技术攻关对雷达实测数据的迫切需求,2019年提出了“雷达对海探测数据共享计划”。该计划旨在通过开展雷达试验获取数据,公开共享。2020年度该计划继续推进,开展了雷达目标RCS定标、不同海况海杂波与目标探测、海上机动目标检测跟踪3个方面的多次试验,获取了不同距离处不锈钢球定标体的雷达慢速扫描模式测量数据、不同方位下海杂波凝视模式测量数据、海上目标凝视模式探测数据、海上机动快艇雷达扫描模式测量数据,并同步获取了风和浪要素数据、目标AIS数据、可见光/红外数据等配合传感器数据。
3
随着人口老龄化的到来,跌倒检测逐渐成为研究热点。针对基于毫米波雷达的人体跌倒检测应用,该文提出了一种融合卷积神经网络和长短时记忆网络的距离多普勒热图序列检测网络(RDSNet)模型。首先通过卷积神经网络对距离多普勒热图进行特征提取得到特征向量,然后将动态序列对应的特征向量序列依次输入长短时记忆网络,进而学习得到热图序列的时间相关性信息,最后通过分类器网络得到检测结果。利用毫米波雷达采集了不同对象的多种人体动作,构建了距离多普勒热图数据集。对比试验表明,所提出的RDSNet网络模型检测准确率可达到96.67%,计算时延小于50 ms,而且具有良好的泛化能力,可为跌倒检测和人体姿态识别提供新的技术思路。 随着人口老龄化的到来,跌倒检测逐渐成为研究热点。针对基于毫米波雷达的人体跌倒检测应用,该文提出了一种融合卷积神经网络和长短时记忆网络的距离多普勒热图序列检测网络(RDSNet)模型。首先通过卷积神经网络对距离多普勒热图进行特征提取得到特征向量,然后将动态序列对应的特征向量序列依次输入长短时记忆网络,进而学习得到热图序列的时间相关性信息,最后通过分类器网络得到检测结果。利用毫米波雷达采集了不同对象的多种人体动作,构建了距离多普勒热图数据集。对比试验表明,所提出的RDSNet网络模型检测准确率可达到96.67%,计算时延小于50 ms,而且具有良好的泛化能力,可为跌倒检测和人体姿态识别提供新的技术思路。
4
极化合成孔径雷达(PolSAR)使用二维脉冲压缩技术获取高分辨力极化信息图像,目前已广泛应用在军事侦察、地形测绘、环境与自然灾害监视、海上舰船目标检测等领域。如何解决复杂海杂波的建模与参数估计、慢小目标检测、密集目标检测等问题仍然是当前PolSAR图像舰船目标检测的难点。该文归纳梳理了PolSAR图像舰船目标检测的4类主流方法:极化特征目标检测方法、慢速运动目标检测方法、舰船目标尾迹检测方法以及基于深度学习的目标检测方法等,同时给出了各类方法所存在的问题以及可能的解决方法,并预测了其未来研究重点和发展趋势。 极化合成孔径雷达(PolSAR)使用二维脉冲压缩技术获取高分辨力极化信息图像,目前已广泛应用在军事侦察、地形测绘、环境与自然灾害监视、海上舰船目标检测等领域。如何解决复杂海杂波的建模与参数估计、慢小目标检测、密集目标检测等问题仍然是当前PolSAR图像舰船目标检测的难点。该文归纳梳理了PolSAR图像舰船目标检测的4类主流方法:极化特征目标检测方法、慢速运动目标检测方法、舰船目标尾迹检测方法以及基于深度学习的目标检测方法等,同时给出了各类方法所存在的问题以及可能的解决方法,并预测了其未来研究重点和发展趋势。
5
多目标跟踪(MTT)是雷达数据处理领域的难点。相较于一般场景,海上多目标跟踪(MMTT)面临的挑战更大。一方面,复杂的海洋环境和较低的信杂比使得海面小型目标的检测性能受限,检测得到的点迹存在漏检并包含大量虚警,导致多目标跟踪处理的难度大大增加;另一方面,当海面目标以多群形式编队运动,或采用高分辨率雷达对海探测时,目标量测容易呈现跨单元分布的特征,这种情况下,采用常规的多目标跟踪方法效果不理想。目前,国内外关于海上多目标跟踪方面的研究文献还不多,且大都侧重于单一情形。该文从常规多目标跟踪方法、幅度信息辅助的多目标跟踪方法、多目标检测前跟踪方法以及多扩展目标跟踪方法等4个方面对海上多目标跟踪技术进行了梳理,并对海上多目标跟踪的未来发展方向进行了展望。 多目标跟踪(MTT)是雷达数据处理领域的难点。相较于一般场景,海上多目标跟踪(MMTT)面临的挑战更大。一方面,复杂的海洋环境和较低的信杂比使得海面小型目标的检测性能受限,检测得到的点迹存在漏检并包含大量虚警,导致多目标跟踪处理的难度大大增加;另一方面,当海面目标以多群形式编队运动,或采用高分辨率雷达对海探测时,目标量测容易呈现跨单元分布的特征,这种情况下,采用常规的多目标跟踪方法效果不理想。目前,国内外关于海上多目标跟踪方面的研究文献还不多,且大都侧重于单一情形。该文从常规多目标跟踪方法、幅度信息辅助的多目标跟踪方法、多目标检测前跟踪方法以及多扩展目标跟踪方法等4个方面对海上多目标跟踪技术进行了梳理,并对海上多目标跟踪的未来发展方向进行了展望。
6
在合成孔径雷达遥感图像中,舰船由金属材质构成,后向散射强;海面平滑,后向散射弱,因此舰船是海面背景下的视觉显著目标。然而,SAR遥感影像幅宽大、海面背景复杂,且不同舰船目标特征差异大,导致舰船快速准确检测困难。为此,该文提出一种基于视觉显著性的SAR遥感图像NanoDet舰船检测方法。该方法首先通过自动聚类算法划分图像样本为不同场景类别;其次,针对不同场景下的图像进行差异化的显著性检测;最后,使用优化后的轻量化网络模型NanoDet对加入显著性图的训练样本进行特征学习,使系统模型能够实现快速和高精确度的舰船检测效果。该方法对SAR图像应用实时性具有一定的帮助,且其轻量化模型利于未来实现硬件移植。该文利用公开数据集SSDD和AIR-SARship-2.0进行实验验证,体现了该算法的有效性。 在合成孔径雷达遥感图像中,舰船由金属材质构成,后向散射强;海面平滑,后向散射弱,因此舰船是海面背景下的视觉显著目标。然而,SAR遥感影像幅宽大、海面背景复杂,且不同舰船目标特征差异大,导致舰船快速准确检测困难。为此,该文提出一种基于视觉显著性的SAR遥感图像NanoDet舰船检测方法。该方法首先通过自动聚类算法划分图像样本为不同场景类别;其次,针对不同场景下的图像进行差异化的显著性检测;最后,使用优化后的轻量化网络模型NanoDet对加入显著性图的训练样本进行特征学习,使系统模型能够实现快速和高精确度的舰船检测效果。该方法对SAR图像应用实时性具有一定的帮助,且其轻量化模型利于未来实现硬件移植。该文利用公开数据集SSDD和AIR-SARship-2.0进行实验验证,体现了该算法的有效性。
7
对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。 对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。
8
双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。 双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。
9
雷达通信一体化波形设计是近年来的研究热点。有学者提出利用正交频分复用(OFDM)信号的奇偶载波分别调制雷达与通信功能来实现一体化。但OFDM通信系统一般采用循环前缀(CP)来避免多径效应带来的载波间干扰(ICI)和符号间干扰(ISI),这会降低能量利用率,并会形成虚假目标,影响雷达性能;此外,传统的OFDM一体化信号对多普勒比较敏感,微小的多普勒频偏也会带来正交性能的严重下降。该文在此基础上提出了一种新的波形设计和处理方法。该方法利用空白保护间隔替代循环前缀,可以在对抗多径效应的同时避免出现由于循环前缀引入的虚假目标,有效防止载波间干扰和符号间干扰。在信号处理方法上,该文提出利用雷达发射信号的先验信息进行信道估计与补偿多普勒频偏的方法。与传统方法相比,该文方法降低了系统在导频与训练序列等资源上的开销,提升了能量利用率和频谱效率,并且改善了峰值旁瓣比(PSLR)、积分旁瓣比(ISLR)和通信误码率(BER)等指标。仿真实验验证了该文方法的有效性。 雷达通信一体化波形设计是近年来的研究热点。有学者提出利用正交频分复用(OFDM)信号的奇偶载波分别调制雷达与通信功能来实现一体化。但OFDM通信系统一般采用循环前缀(CP)来避免多径效应带来的载波间干扰(ICI)和符号间干扰(ISI),这会降低能量利用率,并会形成虚假目标,影响雷达性能;此外,传统的OFDM一体化信号对多普勒比较敏感,微小的多普勒频偏也会带来正交性能的严重下降。该文在此基础上提出了一种新的波形设计和处理方法。该方法利用空白保护间隔替代循环前缀,可以在对抗多径效应的同时避免出现由于循环前缀引入的虚假目标,有效防止载波间干扰和符号间干扰。在信号处理方法上,该文提出利用雷达发射信号的先验信息进行信道估计与补偿多普勒频偏的方法。与传统方法相比,该文方法降低了系统在导频与训练序列等资源上的开销,提升了能量利用率和频谱效率,并且改善了峰值旁瓣比(PSLR)、积分旁瓣比(ISLR)和通信误码率(BER)等指标。仿真实验验证了该文方法的有效性。
10
可重构电磁超表面是电磁超表面领域广受关注的热点方向。将可控器件/材料引入超表面设计,可重构超表面的电磁调控性能可以实时灵活动态控制。这极大丰富了超表面的功能,有力推动了超表面由理论设计向工程应用突破。近年来该团队持续关注电磁超表面的最新发展,围绕微波频段的可重构超表面,从理论、技术与应用3个层面开展探索研究。该文首先梳理了国内外在该领域的研究历程,然后从可重构超表面对电磁波的幅度、相位和极化特性调控及其应用等方面着手,综述了该团队在该领域的研究成果,并给出对未来工作的展望。 可重构电磁超表面是电磁超表面领域广受关注的热点方向。将可控器件/材料引入超表面设计,可重构超表面的电磁调控性能可以实时灵活动态控制。这极大丰富了超表面的功能,有力推动了超表面由理论设计向工程应用突破。近年来该团队持续关注电磁超表面的最新发展,围绕微波频段的可重构超表面,从理论、技术与应用3个层面开展探索研究。该文首先梳理了国内外在该领域的研究历程,然后从可重构超表面对电磁波的幅度、相位和极化特性调控及其应用等方面着手,综述了该团队在该领域的研究成果,并给出对未来工作的展望。
11
近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗鲁棒性的基本定义,分别建立对抗学习攻击与防御敌手模型,系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展,并结合SAR图像目标识别对抗攻击实例分析了典型方法特性;最后结合团队研究工作,指出存在的开放性问题,为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。 近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗鲁棒性的基本定义,分别建立对抗学习攻击与防御敌手模型,系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展,并结合SAR图像目标识别对抗攻击实例分析了典型方法特性;最后结合团队研究工作,指出存在的开放性问题,为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。
12
基于多传感器融合感知是实现汽车智能驾驶的关键技术之一,已成为智能驾驶领域的热点问题。然而,由于毫米波雷达分辨率有限,且易受噪声、杂波、多径等因素的干扰,激光雷达易受天气的影响,现有的融合算法很难实现这两种传感器数据的精确融合,得到鲁棒的结果。针对智能驾驶中准确鲁棒的感知问题,该文提出了一种融合毫米波雷达和激光雷达鲁棒的感知算法。使用基于特征的两步配准的空间校正新方法,实现了三维激光点云和二维毫米波雷达点云精确的空间同步。使用改进的毫米波雷达滤波算法,减少了噪声、多径等对毫米波雷达点云的影响。然后根据该文提出的新颖的融合方法对两种传感器的数据进行融合,得到准确鲁棒的感知结果,解决了烟雾对激光性能影响的问题。最后,通过实际场景的实验测试,验证了该文算法的有效性和鲁棒性,即使在烟雾等极端环境中仍然能够实现准确和鲁棒的感知。使用该文融合方法建立的环境地图更加精确,得到的定位结果比使用单一传感器的定位误差减少了至少50%。 基于多传感器融合感知是实现汽车智能驾驶的关键技术之一,已成为智能驾驶领域的热点问题。然而,由于毫米波雷达分辨率有限,且易受噪声、杂波、多径等因素的干扰,激光雷达易受天气的影响,现有的融合算法很难实现这两种传感器数据的精确融合,得到鲁棒的结果。针对智能驾驶中准确鲁棒的感知问题,该文提出了一种融合毫米波雷达和激光雷达鲁棒的感知算法。使用基于特征的两步配准的空间校正新方法,实现了三维激光点云和二维毫米波雷达点云精确的空间同步。使用改进的毫米波雷达滤波算法,减少了噪声、多径等对毫米波雷达点云的影响。然后根据该文提出的新颖的融合方法对两种传感器的数据进行融合,得到准确鲁棒的感知结果,解决了烟雾对激光性能影响的问题。最后,通过实际场景的实验测试,验证了该文算法的有效性和鲁棒性,即使在烟雾等极端环境中仍然能够实现准确和鲁棒的感知。使用该文融合方法建立的环境地图更加精确,得到的定位结果比使用单一传感器的定位误差减少了至少50%。
13
三维成像是合成孔径雷达技术发展的前沿趋势之一,目前的SAR三维成像体制主要包括层析和阵列干涉,但面临数据采集周期长或系统过于复杂的问题,为此该文提出了SAR微波视觉三维成像的新技术思路,即充分挖掘利用SAR微波散射机制和图像视觉语义中蕴含的三维线索,并将其与SAR成像模型有效结合,以显著降低SAR三维成像的系统复杂度,实现高效能、低成本的SAR三维成像。为推动SAR微波视觉三维成像理论技术的发展,在国家自然科学基金重大项目支持下,拟构建一个比较完整的SAR微波视觉三维成像数据集。该文概述了该数据集的构成和构建规划,并给出了第一批发布数据(SARMV3D-1.0)的组成和信息描述方式、数据集制作的方法,为该数据集的共享和应用提供支撑。 三维成像是合成孔径雷达技术发展的前沿趋势之一,目前的SAR三维成像体制主要包括层析和阵列干涉,但面临数据采集周期长或系统过于复杂的问题,为此该文提出了SAR微波视觉三维成像的新技术思路,即充分挖掘利用SAR微波散射机制和图像视觉语义中蕴含的三维线索,并将其与SAR成像模型有效结合,以显著降低SAR三维成像的系统复杂度,实现高效能、低成本的SAR三维成像。为推动SAR微波视觉三维成像理论技术的发展,在国家自然科学基金重大项目支持下,拟构建一个比较完整的SAR微波视觉三维成像数据集。该文概述了该数据集的构成和构建规划,并给出了第一批发布数据(SARMV3D-1.0)的组成和信息描述方式、数据集制作的方法,为该数据集的共享和应用提供支撑。
14
传统雷达存在主瓣欺骗式干扰难抑制、距离模糊杂波难分离等问题。一方面,由于增加了发射维自由度,波形分集阵列新体制的提出改变了雷达获取信息的方式。另一方面,通过灵活的系统设计和信号处理方法,增强了信息提取能力,在抗干扰、检测等方面比传统相控阵、MIMO雷达有明显的性能提升。该文总结了波形分集阵列雷达的国内外最新研究进展,分别从频率、时间和相位调制方式给出阵列分集体制的基本概念,并对波形分集阵列雷达的研究趋势进行了梳理。在现有基础理论和关键技术研究的基础上,验证波形分集阵列在提供目标新信息、增加系统额外可控自由度方面的优势,提升了新体制雷达的多维探测能力。 传统雷达存在主瓣欺骗式干扰难抑制、距离模糊杂波难分离等问题。一方面,由于增加了发射维自由度,波形分集阵列新体制的提出改变了雷达获取信息的方式。另一方面,通过灵活的系统设计和信号处理方法,增强了信息提取能力,在抗干扰、检测等方面比传统相控阵、MIMO雷达有明显的性能提升。该文总结了波形分集阵列雷达的国内外最新研究进展,分别从频率、时间和相位调制方式给出阵列分集体制的基本概念,并对波形分集阵列雷达的研究趋势进行了梳理。在现有基础理论和关键技术研究的基础上,验证波形分集阵列在提供目标新信息、增加系统额外可控自由度方面的优势,提升了新体制雷达的多维探测能力。
15
由于洪灾区域的地物散射特性受环境影响会发生改变,在对该区域合成孔径雷达(SAR)图像进行变化检测时会使检测结果的错误率提高,而且用单一方法得到的差异图变化检测结果精度较低。针对上述问题,该文提出一种基于融合差异图的变化检测方法,该方法通过构造基于改进相对熵与均值比的融合差异图,综合了熵值差异图的区域敏感性和均值差异图的区域保持性的优势。首先,利用皮尔逊相关系数对模糊局部信息C均值聚类(FLICM)方法的初始聚类结果进行二次分类,再将二次分类结果作为图像初始分割,最后利用迭代条件模型和马尔科夫随机场(ICM-MRF)获得图像的最终分割结果。为了验证所提方法的有效性,该文使用瑞士Bern地区在1999年4月和5月的ERS-2遥感数据以及加拿大Ottawa地区在1997年5月和8月的Radarsat遥感数据进行实验,并用该方法对中国鄱阳湖地区2020年6月和7月的Sentinel-1-A遥感数据进行了洪灾检测实验,估计了鄱阳湖附近区域洪灾前后的受灾范围和变化趋势。实验结果表明该文算法总体检测误差较低,一定程度上降低了检测结果的错误率,提高了检测结果的精度。 由于洪灾区域的地物散射特性受环境影响会发生改变,在对该区域合成孔径雷达(SAR)图像进行变化检测时会使检测结果的错误率提高,而且用单一方法得到的差异图变化检测结果精度较低。针对上述问题,该文提出一种基于融合差异图的变化检测方法,该方法通过构造基于改进相对熵与均值比的融合差异图,综合了熵值差异图的区域敏感性和均值差异图的区域保持性的优势。首先,利用皮尔逊相关系数对模糊局部信息C均值聚类(FLICM)方法的初始聚类结果进行二次分类,再将二次分类结果作为图像初始分割,最后利用迭代条件模型和马尔科夫随机场(ICM-MRF)获得图像的最终分割结果。为了验证所提方法的有效性,该文使用瑞士Bern地区在1999年4月和5月的ERS-2遥感数据以及加拿大Ottawa地区在1997年5月和8月的Radarsat遥感数据进行实验,并用该方法对中国鄱阳湖地区2020年6月和7月的Sentinel-1-A遥感数据进行了洪灾检测实验,估计了鄱阳湖附近区域洪灾前后的受灾范围和变化趋势。实验结果表明该文算法总体检测误差较低,一定程度上降低了检测结果的错误率,提高了检测结果的精度。
16
传统合成孔径雷达(SAR)成像可视为点目标散射模型约束下数据空间到图像空间的映射。然而,真实目标多为延展目标,与传统线性成像处理中的点目标散射模型存在失配,会导致SAR图像表征失真。常见的现象是使延展目标多呈现为孤立强点,阻碍了基于SAR图像的目标辨识等应用。SAR参数化成像技术是为解决上述模型失配问题而诞生的一种非线性成像方法,特点是兼顾点目标和延展目标的散射模型。具体来说,是通过利用不同类别目标的回波或图像的相位与幅度特征对观测角度的敏感性,辨识目标类型,反演目标散射参数,进而根据目标散射的参数化模型,重建目标图像的技术。在对延展目标成像时,可获得比传统线性成像方法更好的图像质量。该文主要介绍了线型延展目标的参数化成像技术,对应真实场景中的孤立强点和连续边缘,深入讨论了基于回波域、图像域的参数化成像技术和试验结果,展望了未来SAR参数化成像技术的发展趋势。 传统合成孔径雷达(SAR)成像可视为点目标散射模型约束下数据空间到图像空间的映射。然而,真实目标多为延展目标,与传统线性成像处理中的点目标散射模型存在失配,会导致SAR图像表征失真。常见的现象是使延展目标多呈现为孤立强点,阻碍了基于SAR图像的目标辨识等应用。SAR参数化成像技术是为解决上述模型失配问题而诞生的一种非线性成像方法,特点是兼顾点目标和延展目标的散射模型。具体来说,是通过利用不同类别目标的回波或图像的相位与幅度特征对观测角度的敏感性,辨识目标类型,反演目标散射参数,进而根据目标散射的参数化模型,重建目标图像的技术。在对延展目标成像时,可获得比传统线性成像方法更好的图像质量。该文主要介绍了线型延展目标的参数化成像技术,对应真实场景中的孤立强点和连续边缘,深入讨论了基于回波域、图像域的参数化成像技术和试验结果,展望了未来SAR参数化成像技术的发展趋势。
17
目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着巨大的挑战。针对上述问题,该文提出了一种多尺度特征融合与特征通道关系校准的 SAR 图像船舶检测算法。在Faster R-CNN的基础上,首先通过引入通道注意力机制对特征提取网络进行特征间通道关系校准,提高网络对复杂场景下船舶目标特征提取的表达能力;其次,不同于原始的基于单一尺度特征生成候选区域的方法,该文基于神经架构搜索算法引入改进的特征金字塔结构,高效地将多尺度特征进行充分融合,改善了船舶目标中对小目标、近岸密集目标的漏检问题。最后,在SSDD数据集上进行对比验证。实验结果表明,相较原始的Faster R-CNN,检测精度从85.4%提高到89.4%,检测速率也从2.8 FPS提高到10.7 FPS。该方法能够有效实现高速与高精度的SAR图像船舶检测,具有一定的现实意义。 目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着巨大的挑战。针对上述问题,该文提出了一种多尺度特征融合与特征通道关系校准的 SAR 图像船舶检测算法。在Faster R-CNN的基础上,首先通过引入通道注意力机制对特征提取网络进行特征间通道关系校准,提高网络对复杂场景下船舶目标特征提取的表达能力;其次,不同于原始的基于单一尺度特征生成候选区域的方法,该文基于神经架构搜索算法引入改进的特征金字塔结构,高效地将多尺度特征进行充分融合,改善了船舶目标中对小目标、近岸密集目标的漏检问题。最后,在SSDD数据集上进行对比验证。实验结果表明,相较原始的Faster R-CNN,检测精度从85.4%提高到89.4%,检测速率也从2.8 FPS提高到10.7 FPS。该方法能够有效实现高速与高精度的SAR图像船舶检测,具有一定的现实意义。
18
单脉冲测角技术用于扫描雷达前视成像可有效提高图像的清晰度,但单个脉冲对同分辨单元多目标测角时会发生角闪烁现象,造成图像模糊。该文提出了一种基于单脉冲雷达和差通道多普勒估计的前视成像算法,利用目标和平台之间相对运动引起的多普勒梯度差异实现同分辨单元内不同方向目标的分离,然后在多普勒域采用和差比幅测角(SDAC)技术测量目标的方位角,完成能量投影。为提高测角精度,进一步提出了采用调频Z变换(CZT)重建和差多普勒估计并进行比幅测角的算法。点目标仿真实验结果表明,所提出的算法在前斜视方向具有分离多目标的能力,对实测数据成像结果验证了基于CZT的成像算法相比传统算法能显著提高对场景成像的轮廓清晰度。 单脉冲测角技术用于扫描雷达前视成像可有效提高图像的清晰度,但单个脉冲对同分辨单元多目标测角时会发生角闪烁现象,造成图像模糊。该文提出了一种基于单脉冲雷达和差通道多普勒估计的前视成像算法,利用目标和平台之间相对运动引起的多普勒梯度差异实现同分辨单元内不同方向目标的分离,然后在多普勒域采用和差比幅测角(SDAC)技术测量目标的方位角,完成能量投影。为提高测角精度,进一步提出了采用调频Z变换(CZT)重建和差多普勒估计并进行比幅测角的算法。点目标仿真实验结果表明,所提出的算法在前斜视方向具有分离多目标的能力,对实测数据成像结果验证了基于CZT的成像算法相比传统算法能显著提高对场景成像的轮廓清晰度。
19
从电子侦察数据中反演多功能雷达的工作模式,是电子侦察领域广泛关注的难点问题,也是充分挖掘电磁大数据情报效益的重要内容,对雷达型号识别、工作状态识别、行为意图推断、精确电子干扰等应用具有直接的支撑作用。该文以多功能雷达信号模型的简洁性为基本依据,参考信息理论定义了雷达脉冲列的复杂度度量规则,并遵循复杂度最小化准则对多功能雷达脉冲列进行语义编码,以提取雷达执行不同功能时的脉组结构,进一步地,基于脉冲列编码序列估计脉组之间的切换矩阵,从而重建了多功能雷达工作模型。该文设置典型的仿真实验对新方法的可行性和性能进行了验证,结果表明新方法能够借助编码理论,自动从多功能雷达侦察脉冲列中准确提取雷达脉组,并高精度重建多功能雷达工作模型,脉冲列的语义编码与模型重建过程对漏脉冲等数据噪声具有较强的适应能力。 从电子侦察数据中反演多功能雷达的工作模式,是电子侦察领域广泛关注的难点问题,也是充分挖掘电磁大数据情报效益的重要内容,对雷达型号识别、工作状态识别、行为意图推断、精确电子干扰等应用具有直接的支撑作用。该文以多功能雷达信号模型的简洁性为基本依据,参考信息理论定义了雷达脉冲列的复杂度度量规则,并遵循复杂度最小化准则对多功能雷达脉冲列进行语义编码,以提取雷达执行不同功能时的脉组结构,进一步地,基于脉冲列编码序列估计脉组之间的切换矩阵,从而重建了多功能雷达工作模型。该文设置典型的仿真实验对新方法的可行性和性能进行了验证,结果表明新方法能够借助编码理论,自动从多功能雷达侦察脉冲列中准确提取雷达脉组,并高精度重建多功能雷达工作模型,脉冲列的语义编码与模型重建过程对漏脉冲等数据噪声具有较强的适应能力。
20
合成孔径雷达(SAR)的自动目标识别(ATR)技术目前已广泛应用于军事和民用领域。SAR图像对成像的方位角极其敏感,同一目标在不同方位角下的SAR图像存在一定差异,而多方位角的SAR图像序列蕴含着更加丰富的分类识别信息。因此,该文提出一种基于EfficientNet和BiGRU的多角度SAR目标识别模型,并使用孤岛损失来训练模型。该方法在MSTAR数据集10类目标识别任务中可以达到100%的识别准确率,对大俯仰角(擦地角)下成像、存在版本变体、存在配置变体的3种特殊情况下的SAR目标分别达到了99.68%, 99.95%, 99.91%的识别准确率。此外,该方法在小规模的数据集上也能达到令人满意的识别准确率。实验结果表明,该方法在MSTAR的大部分数据集上识别准确率均优于其他多角度SAR目标识别方法,且具有一定的鲁棒性。 合成孔径雷达(SAR)的自动目标识别(ATR)技术目前已广泛应用于军事和民用领域。SAR图像对成像的方位角极其敏感,同一目标在不同方位角下的SAR图像存在一定差异,而多方位角的SAR图像序列蕴含着更加丰富的分类识别信息。因此,该文提出一种基于EfficientNet和BiGRU的多角度SAR目标识别模型,并使用孤岛损失来训练模型。该方法在MSTAR数据集10类目标识别任务中可以达到100%的识别准确率,对大俯仰角(擦地角)下成像、存在版本变体、存在配置变体的3种特殊情况下的SAR目标分别达到了99.68%, 99.95%, 99.91%的识别准确率。此外,该方法在小规模的数据集上也能达到令人满意的识别准确率。实验结果表明,该方法在MSTAR的大部分数据集上识别准确率均优于其他多角度SAR目标识别方法,且具有一定的鲁棒性。
  • 首页
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 末页
  • 共:4页