作者中心
专家审稿
责编办公
编辑办公引用排行
（被引数据来源于全网，每月更新）
1
2026, 15(1): 361-386.
摘要
1896KB
近年来，人工智能技术和对地观测领域的结合已成为领域发展的前沿热点，多模态大语言模型(MLLM)的快速发展为智能解译带来新的机遇和挑战。多模态对地观测大模型通过构建大语言模型与视觉模型之间的桥接机制并采用联合训练方式，深度融合光学影像、合成孔径雷达影像与文本等多模态信息，有效推动对地观测智能解译由浅层语义匹配向高层的世界知识理解跃迁。该文系统性回顾了多模态对地观测大模型的相关研究成果，以期为新的研究方向提供依据。具体而言，该文首先明确了多模态对地观测大模型(EO-MLLM)的概念定义，并梳理了多模态对地观测大模型的发展脉络。随后，详细阐述了多模态对地观测大模型的模型架构、训练方法、适用任务及其对应的基准数据集，并介绍了对地观测智能体。最后，探讨了多模态对地观测大模型的研究现状和未来发展方向。
近年来，人工智能技术和对地观测领域的结合已成为领域发展的前沿热点，多模态大语言模型(MLLM)的快速发展为智能解译带来新的机遇和挑战。多模态对地观测大模型通过构建大语言模型与视觉模型之间的桥接机制并采用联合训练方式，深度融合光学影像、合成孔径雷达影像与文本等多模态信息，有效推动对地观测智能解译由浅层语义匹配向高层的世界知识理解跃迁。该文系统性回顾了多模态对地观测大模型的相关研究成果，以期为新的研究方向提供依据。具体而言，该文首先明确了多模态对地观测大模型(EO-MLLM)的概念定义，并梳理了多模态对地观测大模型的发展脉络。随后，详细阐述了多模态对地观测大模型的模型架构、训练方法、适用任务及其对应的基准数据集，并介绍了对地观测智能体。最后，探讨了多模态对地观测大模型的研究现状和未来发展方向。
2
2026, 15(2): 409-440.
合成孔径雷达(SAR)在军事和民用领域应用广泛，SAR图像目标智能解译是SAR应用的重要组成部分。视觉语言模型在SAR目标解译过程中发挥了关键作用，通过引入自然语言理解有效弥补了SAR目标特性差异大和高质量标注样本稀缺的挑战，实现了从纯视觉解译到目标语义理解的发展。该文结合团队在SAR目标解译理论、算法及应用等方面的长期研究积累，对基于视觉语言的SAR图像目标智能解译进行了全面回顾和综述，深入分析了现有挑战和任务并总结了研究现状，汇总整理了公开数据集，系统梳理了从特定任务的视觉语言模型到对比式、对话式和生成式视觉语言模型和基础模型的发展历程，最后探讨了该领域的最新挑战与展望。
合成孔径雷达(SAR)在军事和民用领域应用广泛，SAR图像目标智能解译是SAR应用的重要组成部分。视觉语言模型在SAR目标解译过程中发挥了关键作用，通过引入自然语言理解有效弥补了SAR目标特性差异大和高质量标注样本稀缺的挑战，实现了从纯视觉解译到目标语义理解的发展。该文结合团队在SAR目标解译理论、算法及应用等方面的长期研究积累，对基于视觉语言的SAR图像目标智能解译进行了全面回顾和综述，深入分析了现有挑战和任务并总结了研究现状，汇总整理了公开数据集，系统梳理了从特定任务的视觉语言模型到对比式、对话式和生成式视觉语言模型和基础模型的发展历程，最后探讨了该领域的最新挑战与展望。
3
2026, 15(1): 1-25.
随着现代合成孔径雷达(SAR)三维成像系统对成像精度、效率及稳健性要求的不断提高，传统匹配滤波与压缩感知等方法三维成像性能受限。近年来，深度学习技术的迅猛发展为SAR三维成像提供了新的解决路径，通过将神经网络与雷达成像物理模型深度融合，形成了数据驱动与模型驱动协同的学习成像新范式。该文系统综述了深度学习在SAR三维成像中的研究进展，重点围绕超分辨成像与增强成像两大核心问题，基于前馈神经网络和深度展开网络的超分辨三维成像方法、多通道数据预处理和点云后处理三维增强成像方法论述了目前SAR三维成像方向的研究进展和研究热点，并综述了目前行业已公开发布的SAR三维成像数据集。此外，该文还探讨了当前深度学习SAR三维成像在高泛化高精度深度学习SAR超分辨三维成像技术研究、深度学习SAR高度维解模糊技术研究、深度学习SAR三维成像与图像增强一体化研究、深度学习SAR三维成像数据集构建等方面存在的研究挑战，并对未来发展趋势提出展望，旨在为相关领域学者提供研究参考和技术引导。
随着现代合成孔径雷达(SAR)三维成像系统对成像精度、效率及稳健性要求的不断提高，传统匹配滤波与压缩感知等方法三维成像性能受限。近年来，深度学习技术的迅猛发展为SAR三维成像提供了新的解决路径，通过将神经网络与雷达成像物理模型深度融合，形成了数据驱动与模型驱动协同的学习成像新范式。该文系统综述了深度学习在SAR三维成像中的研究进展，重点围绕超分辨成像与增强成像两大核心问题，基于前馈神经网络和深度展开网络的超分辨三维成像方法、多通道数据预处理和点云后处理三维增强成像方法论述了目前SAR三维成像方向的研究进展和研究热点，并综述了目前行业已公开发布的SAR三维成像数据集。此外，该文还探讨了当前深度学习SAR三维成像在高泛化高精度深度学习SAR超分辨三维成像技术研究、深度学习SAR高度维解模糊技术研究、深度学习SAR三维成像与图像增强一体化研究、深度学习SAR三维成像数据集构建等方面存在的研究挑战，并对未来发展趋势提出展望，旨在为相关领域学者提供研究参考和技术引导。
4
2026, 15(3): 944-963.
特定辐射源个体识别依赖设备发射信号的“射频指纹”微弱差异识别辐射源所属个体身份属性，是支撑无线安全、频谱管控和态势感知的重要基石。随着无线场景的多样化与动态化，单一域(源域与目标域分布相同)下训练的深度学习模型往往在跨接收机、跨时间等真实环境中性能急剧下降，目前缺乏关于该方面全面、细致的综述。基于此，该文首先对跨场景类型进行分类，然后系统归纳总结主流算法框架及代表性方法，着重剖析每类方法的核心思想与关键技术，并总结了主要开源跨场景数据集，最后指出当前研究的瓶颈与未来可能方向，旨在推动复杂电磁环境下的辐射源个体识别理论和方法研究的新发展。
特定辐射源个体识别依赖设备发射信号的“射频指纹”微弱差异识别辐射源所属个体身份属性，是支撑无线安全、频谱管控和态势感知的重要基石。随着无线场景的多样化与动态化，单一域(源域与目标域分布相同)下训练的深度学习模型往往在跨接收机、跨时间等真实环境中性能急剧下降，目前缺乏关于该方面全面、细致的综述。基于此，该文首先对跨场景类型进行分类，然后系统归纳总结主流算法框架及代表性方法，着重剖析每类方法的核心思想与关键技术，并总结了主要开源跨场景数据集，最后指出当前研究的瓶颈与未来可能方向，旨在推动复杂电磁环境下的辐射源个体识别理论和方法研究的新发展。
5
2026, 15(3): 1106-1123.
针对无人机集群对组网雷达实施航迹欺骗过程中因平台故障、损毁等导致生成虚假航迹中断的问题，提出面向航迹欺骗的无人机集群任务分配与飞行路径联合博弈优化算法。首先，基于去中心化的集群协作机制，构建针对组网雷达的无人机集群航迹欺骗合作博弈模型。在此基础上，根据组网雷达同源检验准则，以最大化无人机集群航迹欺骗博弈效用函数为优化目标，以满足集群动力学性能与任务分配限制为约束条件，建立无人机集群航迹欺骗博弈优化模型，并通过严格势博弈理论证明纳什均衡解的存在性与收敛性。针对上述非凸、非线性混合整数优化问题，采用基于分布式联盟博弈和遗传算法的迭代算法进行求解。仿真结果表明，与现有算法相比，所提算法能够在平台故障、损毁等情况下，对无人机集群欺骗干扰任务和飞行路径进行联合重规划，提升针对组网雷达生成虚假航迹的连续性和航迹欺骗效果。
针对无人机集群对组网雷达实施航迹欺骗过程中因平台故障、损毁等导致生成虚假航迹中断的问题，提出面向航迹欺骗的无人机集群任务分配与飞行路径联合博弈优化算法。首先，基于去中心化的集群协作机制，构建针对组网雷达的无人机集群航迹欺骗合作博弈模型。在此基础上，根据组网雷达同源检验准则，以最大化无人机集群航迹欺骗博弈效用函数为优化目标，以满足集群动力学性能与任务分配限制为约束条件，建立无人机集群航迹欺骗博弈优化模型，并通过严格势博弈理论证明纳什均衡解的存在性与收敛性。针对上述非凸、非线性混合整数优化问题，采用基于分布式联盟博弈和遗传算法的迭代算法进行求解。仿真结果表明，与现有算法相比，所提算法能够在平台故障、损毁等情况下，对无人机集群欺骗干扰任务和飞行路径进行联合重规划，提升针对组网雷达生成虚假航迹的连续性和航迹欺骗效果。
6
2026, 15(2): 637-649.
针对非合作双基地雷达目标跟踪时主要面临的高杂波率、低检测概率等问题，该文提出了一种基于互信息熵和改进PHD滤波器的目标跟踪协同处理框架，首先将目标点和杂波点与参考模型间不同的统计相关程度量化为互信息熵值，基于互信息熵维特征完成杂波点迹筛除；其次通过动态权值补偿对经典PHD滤波器进行改进，减缓粒子权值归零过程的同时减少目标误删现象，解决低检测概率下点迹不连续且间隔随机给目标跟踪带来的点迹断联、目标丢失等问题。通过仿真实验验证了所提算法框架的有效性与性能，外场实测数据验证了所提方法在实际应用中可取得良好的目标跟踪结果。
针对非合作双基地雷达目标跟踪时主要面临的高杂波率、低检测概率等问题，该文提出了一种基于互信息熵和改进PHD滤波器的目标跟踪协同处理框架，首先将目标点和杂波点与参考模型间不同的统计相关程度量化为互信息熵值，基于互信息熵维特征完成杂波点迹筛除；其次通过动态权值补偿对经典PHD滤波器进行改进，减缓粒子权值归零过程的同时减少目标误删现象，解决低检测概率下点迹不连续且间隔随机给目标跟踪带来的点迹断联、目标丢失等问题。通过仿真实验验证了所提算法框架的有效性与性能，外场实测数据验证了所提方法在实际应用中可取得良好的目标跟踪结果。
7
2026, 15(1): 215-237.
星载干涉合成孔径雷达(InSAR)技术通过测量雷达视线方向的相位差实现地表高程测量与形变监测。然而，面向未来更高精度的干涉测量需求，InSAR系统设计参数与测量精度的解析模型仍存在关键参数不完备、物理约束刻画不充分等问题，对下一代合成孔径雷达干涉测量技术的发展形成制约。该文针对系统设计参数和测量精度间存在的复杂多因素耦合问题开展研究，详细分析了空间、时间基线星载干涉合成孔径雷达成像理论约束关系，构建了融合多源失相干的空-时误差模型，量化了基线参数与测量精度的非线性关系，建立了涵盖相干性、高程精度、基于相干时间基线的形变灵敏度等关键指标的完备评估框架，在此基础上提出了超长基线星载InSAR的概念与体制。同时，对超长基线星载InSAR的性能进行了详细分析，阐述了超长基线星载InSAR在轨道设计、系统设计、同步方法、误差校正以及相位解缠等方面的技术挑战，介绍了超长基线星载InSAR在高精度高程测量与形变测量以及分布式SAR系统等方面的应用潜力，可为未来新一代高精度、多维度InSAR系统设计提供理论支撑，在地球科学前沿探索与国家重大工程安全保障中发挥更大价值。
星载干涉合成孔径雷达(InSAR)技术通过测量雷达视线方向的相位差实现地表高程测量与形变监测。然而，面向未来更高精度的干涉测量需求，InSAR系统设计参数与测量精度的解析模型仍存在关键参数不完备、物理约束刻画不充分等问题，对下一代合成孔径雷达干涉测量技术的发展形成制约。该文针对系统设计参数和测量精度间存在的复杂多因素耦合问题开展研究，详细分析了空间、时间基线星载干涉合成孔径雷达成像理论约束关系，构建了融合多源失相干的空-时误差模型，量化了基线参数与测量精度的非线性关系，建立了涵盖相干性、高程精度、基于相干时间基线的形变灵敏度等关键指标的完备评估框架，在此基础上提出了超长基线星载InSAR的概念与体制。同时，对超长基线星载InSAR的性能进行了详细分析，阐述了超长基线星载InSAR在轨道设计、系统设计、同步方法、误差校正以及相位解缠等方面的技术挑战，介绍了超长基线星载InSAR在高精度高程测量与形变测量以及分布式SAR系统等方面的应用潜力，可为未来新一代高精度、多维度InSAR系统设计提供理论支撑，在地球科学前沿探索与国家重大工程安全保障中发挥更大价值。
8
2026, 15(1): 135-149.
针对雷达通信一体化(RCI)在扩展杂波环境中目标检测能力弱和通信性能受限制的问题，该文提出一种扩展目标脉冲响应(TIR)不确定性集合下MIMO RCI系统发射信号波形和接收滤波器联合优化算法。首先，考虑到实际中无法预先准确获得扩展TIR，该文建立TIR存在于球面不确定性集合下，以最大化最小信干噪比为目标的优化函数。其次，为了保障MIMO RCI系统服务每个用户的信息传输可靠性，采用每用户干扰约束，并引入相似性和峰均比约束以确保发射波形具备良好的模糊函数特性。针对构建的非凸二次约束分式规划问题，该文提出了一种循环优化算法迭代优化发射信号波形和接收滤波器。该算法先利用广义瑞利熵获得最优接收滤波器；再利用拉格朗日对偶原理，将原NP-Hard问题中的非凸部分转化为凸问题，并通过半正定优化方法求解。此外，该文也给出了收敛性和计算复杂度分析。仿真结果表明，提出的算法能在扩展杂波背景下有效提高雷达信干噪比，同时满足多用户通信需求。
针对雷达通信一体化(RCI)在扩展杂波环境中目标检测能力弱和通信性能受限制的问题，该文提出一种扩展目标脉冲响应(TIR)不确定性集合下MIMO RCI系统发射信号波形和接收滤波器联合优化算法。首先，考虑到实际中无法预先准确获得扩展TIR，该文建立TIR存在于球面不确定性集合下，以最大化最小信干噪比为目标的优化函数。其次，为了保障MIMO RCI系统服务每个用户的信息传输可靠性，采用每用户干扰约束，并引入相似性和峰均比约束以确保发射波形具备良好的模糊函数特性。针对构建的非凸二次约束分式规划问题，该文提出了一种循环优化算法迭代优化发射信号波形和接收滤波器。该算法先利用广义瑞利熵获得最优接收滤波器；再利用拉格朗日对偶原理，将原NP-Hard问题中的非凸部分转化为凸问题，并通过半正定优化方法求解。此外，该文也给出了收敛性和计算复杂度分析。仿真结果表明，提出的算法能在扩展杂波背景下有效提高雷达信干噪比，同时满足多用户通信需求。
9
2026, 15(1): 345-360.
在雷达目标识别领域，二十面体角反射器的引入无疑提升了目标辨识任务的难度。这种情况在中高海况下将尤为严重。剧烈起伏的海面将与二十面体角反射器形成耦合散射，这可能达到与目标相似的散射特性，从而导致传统目标辨识方法性能下降。针对中高海况下目标辨识难的问题，该文从主要散射机理和散射复杂程度两个方面，构建了极化特征-距离联合矩阵，表征中高海况下舰船与二十面体角反射器阵列之间的差异。然后，利用时序神经网络提取两者极化特征-距离联合矩阵的特征，以实现对目标的有效辨识。经数据集的验证，所提出的方法可以有效减少手工知识提取过程中的信息丢失。在中高海况条件下，相较于现有方法，该方法的准确率提升了10.14%，大幅降低了二十面体角反射器阵列造成的虚警。
在雷达目标识别领域，二十面体角反射器的引入无疑提升了目标辨识任务的难度。这种情况在中高海况下将尤为严重。剧烈起伏的海面将与二十面体角反射器形成耦合散射，这可能达到与目标相似的散射特性，从而导致传统目标辨识方法性能下降。针对中高海况下目标辨识难的问题，该文从主要散射机理和散射复杂程度两个方面，构建了极化特征-距离联合矩阵，表征中高海况下舰船与二十面体角反射器阵列之间的差异。然后，利用时序神经网络提取两者极化特征-距离联合矩阵的特征，以实现对目标的有效辨识。经数据集的验证，所提出的方法可以有效减少手工知识提取过程中的信息丢失。在中高海况条件下，相较于现有方法，该方法的准确率提升了10.14%，大幅降低了二十面体角反射器阵列造成的虚警。
10
2026, 15(3): 1042-1058.
合成孔径雷达(SAR)以其全天时、全天候及高分辨成像优势，在军事侦察与遥感监测等领域发挥着关键作用。然而，现代复杂电磁环境中的多样化干扰手段，严重破坏SAR回波信号特征，导致成像结果出现模糊、失真乃至目标完全不可辨识等问题。鉴于不同类型干扰在形成机理和抑制策略上的本质差异，精确的干扰鉴别成为实现有效抗干扰的核心前提。当前SAR干扰鉴别方法仍面临两大挑战：其一，在干扰信号与目标信号能量相近时，干扰特征易被目标能量掩盖，难以可靠检测与鉴别；其二，现有鉴别网络普遍复杂度过高、实时性差，难以满足实际工程应用需求。针对上述问题，该文提出一种基于轻量化网络的低干信比SAR非虚假目标类有源干扰鉴别网络。该方法创新性地引入了格型变换模块与超核感知模块。其中，格型变换模块旨在强化对干扰目标的细粒度特征提取能力，进而显著提升了低干信比条件下的干扰鉴别性能；超核感知模块则基于点目标成像特性，设计了超核卷积，该卷积在增强上下文信息捕获能力的同时，亦实现了算法的轻量化。实验部分通过多维度评估验证了方法的优越性，包括模块的有效性分析、不同模型的精度-复杂度权衡分析，以及不同干信比下的鲁棒性测试。结果表明，所提方法在低干信比条件下仍能保持较高鉴别性能，同时计算效率满足实时性需求。
合成孔径雷达(SAR)以其全天时、全天候及高分辨成像优势，在军事侦察与遥感监测等领域发挥着关键作用。然而，现代复杂电磁环境中的多样化干扰手段，严重破坏SAR回波信号特征，导致成像结果出现模糊、失真乃至目标完全不可辨识等问题。鉴于不同类型干扰在形成机理和抑制策略上的本质差异，精确的干扰鉴别成为实现有效抗干扰的核心前提。当前SAR干扰鉴别方法仍面临两大挑战：其一，在干扰信号与目标信号能量相近时，干扰特征易被目标能量掩盖，难以可靠检测与鉴别；其二，现有鉴别网络普遍复杂度过高、实时性差，难以满足实际工程应用需求。针对上述问题，该文提出一种基于轻量化网络的低干信比SAR非虚假目标类有源干扰鉴别网络。该方法创新性地引入了格型变换模块与超核感知模块。其中，格型变换模块旨在强化对干扰目标的细粒度特征提取能力，进而显著提升了低干信比条件下的干扰鉴别性能；超核感知模块则基于点目标成像特性，设计了超核卷积，该卷积在增强上下文信息捕获能力的同时，亦实现了算法的轻量化。实验部分通过多维度评估验证了方法的优越性，包括模块的有效性分析、不同模型的精度-复杂度权衡分析，以及不同干信比下的鲁棒性测试。结果表明，所提方法在低干信比条件下仍能保持较高鉴别性能，同时计算效率满足实时性需求。
11
2026, 15(3): 1059-1090.
在复杂电磁环境与多目标协同探测需求的驱动下，通过自主协同技术提升雷达探测群的综合效能，已成为雷达协同探测领域的重要研究方向。国内外围绕该方向开展了广泛研究，在理论创新、技术验证与装备应用等方面取得了丰硕成果。该文首先系统梳理了雷达探测群自主协同的概念内涵与核心特征，在此基础上深入剖析了其在工程化实现与效能优化过程中面临的关键技术瓶颈；随后，围绕体系架构设计、协同感知、智能协同决策控制及自主协同演化4个维度，对近年来的代表性研究成果与技术路径进行了综述；最后，对该领域未来发展趋势进行了展望，以期为相关理论研究与工程实践提供参考。
在复杂电磁环境与多目标协同探测需求的驱动下，通过自主协同技术提升雷达探测群的综合效能，已成为雷达协同探测领域的重要研究方向。国内外围绕该方向开展了广泛研究，在理论创新、技术验证与装备应用等方面取得了丰硕成果。该文首先系统梳理了雷达探测群自主协同的概念内涵与核心特征，在此基础上深入剖析了其在工程化实现与效能优化过程中面临的关键技术瓶颈；随后，围绕体系架构设计、协同感知、智能协同决策控制及自主协同演化4个维度，对近年来的代表性研究成果与技术路径进行了综述；最后，对该领域未来发展趋势进行了展望，以期为相关理论研究与工程实践提供参考。
12
2026, 15(3): 996-1012.
基于海量图文数据预训练的大规模视觉语言模型(VLM)在自然图像领域表现出色，但将其迁移至合成孔径雷达(SAR)图像领域面临两大挑战：一是SAR图像高质量文本标注成本高昂，限制了SAR图文配对数据集的构建；二是SAR图像与光学自然图像在图像特征上存在显著差异，增加了跨域知识迁移难度。针对上述问题，该文提出一种面向SAR图像的视觉语言大模型知识迁移方法。首先，利用配对的SAR与光学遥感图像，借助生成式视觉语言大模型为光学遥感图像自动生成文本描述，从而以较低成本间接构建了SAR图文配对数据集。其次，设计了两阶段迁移策略，将自然图像领域向SAR图像领域的大跨度迁移进行拆解，降低单次迁移难度。最后，在SAR图像零样本场景分类、检索以及目标识别任务上进行实验验证，实验结果表明所提方法能够有效实现视觉语言大模型向SAR图像领域的知识迁移。
基于海量图文数据预训练的大规模视觉语言模型(VLM)在自然图像领域表现出色，但将其迁移至合成孔径雷达(SAR)图像领域面临两大挑战：一是SAR图像高质量文本标注成本高昂，限制了SAR图文配对数据集的构建；二是SAR图像与光学自然图像在图像特征上存在显著差异，增加了跨域知识迁移难度。针对上述问题，该文提出一种面向SAR图像的视觉语言大模型知识迁移方法。首先，利用配对的SAR与光学遥感图像，借助生成式视觉语言大模型为光学遥感图像自动生成文本描述，从而以较低成本间接构建了SAR图文配对数据集。其次，设计了两阶段迁移策略，将自然图像领域向SAR图像领域的大跨度迁移进行拆解，降低单次迁移难度。最后，在SAR图像零样本场景分类、检索以及目标识别任务上进行实验验证，实验结果表明所提方法能够有效实现视觉语言大模型向SAR图像领域的知识迁移。
13
2026, 15(3): 860-875.
低仰角目标波达方向(DOA)估计是米波雷达与全息凝视雷达中的关键问题，其估计误差直接影响目标的测高精度。传统波束空间方法通过构建波束形成器，将高维阵元空间数据映射至低维波束空间以降低计算复杂度。然而，该类方法的有损映射会造成部分目标信息丢失，使目标仰角估计精度显著低于阵元空间方法。为解决这一问题，该文提出了一种低仰角目标高精度波束空间DOA估计方法。首先，推导了阵元空间与波束空间中DOA估计的克拉美罗界(CRB)，并分析了两者相等所需满足的充分条件。由于该条件在实际应用中难以严格满足，该文进一步提出一种基于近似条件的波束形成器设计方法。该方法在降低数据维度的同时，最大限度保留目标的有效信息。最后，基于最大似然准则实现了目标仰角的精确估计。仿真与实测结果表明，所提方法在显著降低处理数据维度的同时，能够在低仰角观测区域内保持与阵元空间方法相近的估计精度，并优于现有波束空间算法。
低仰角目标波达方向(DOA)估计是米波雷达与全息凝视雷达中的关键问题，其估计误差直接影响目标的测高精度。传统波束空间方法通过构建波束形成器，将高维阵元空间数据映射至低维波束空间以降低计算复杂度。然而，该类方法的有损映射会造成部分目标信息丢失，使目标仰角估计精度显著低于阵元空间方法。为解决这一问题，该文提出了一种低仰角目标高精度波束空间DOA估计方法。首先，推导了阵元空间与波束空间中DOA估计的克拉美罗界(CRB)，并分析了两者相等所需满足的充分条件。由于该条件在实际应用中难以严格满足，该文进一步提出一种基于近似条件的波束形成器设计方法。该方法在降低数据维度的同时，最大限度保留目标的有效信息。最后，基于最大似然准则实现了目标仰角的精确估计。仿真与实测结果表明，所提方法在显著降低处理数据维度的同时，能够在低仰角观测区域内保持与阵元空间方法相近的估计精度，并优于现有波束空间算法。
14
2026, 15(3): 983-995.
合成孔径雷达(SAR)和可见光是地球观测领域中两类关键的遥感传感器，其影像匹配在图像融合、协同解译与高精度定位等任务中具有广泛应用。随着对地观测数据的迅猛增长，SAR-光学跨模态影像匹配的重要性日益凸显，相关研究也取得了显著进展。特别是基于深度学习的方法，凭借其在跨模态特征表达与高层语义提取方面的优势，展现出卓越的匹配精度与环境适应能力。然而，现有公开数据集多局限于小尺寸图像块，缺乏涵盖真实大尺度场景的完整影像对，难以全面评估匹配算法在实际遥感场景中的性能，同时也制约了深度学习模型的训练与泛化能力提升。针对上述问题，该文构建并公开发布了OSDataset2.0，一个面向SAR-光学影像匹配任务的大规模基准数据集。该数据集包含两部分：局部训练数据集与全幅场景测试集，局部训练数据集提供覆盖阿根廷、澳大利亚、波兰、德国、俄罗斯、法国、卡塔尔、马来西亚、美国、日本、土耳其、新加坡、印度、中国14个国家的6476块512×512像素的配准图像块，全幅场景测试集则提供一对光学与SAR整景影像。团队为整景影像提供了利用成像机理一致性原则提取出的高精度均匀分布的真值数据，并配套通用评估代码，支持对任意匹配算法进行配准精度的量化分析。为进一步验证数据集的有效性与挑战性，该文在OSDataset2.0上系统评估了11种具有代表性的SAR-光学影像匹配方法，涵盖了传统特征匹配与主流深度学习模型。实验结果表明，该数据集不仅能够有效支撑算法性能对比，还可为后续研究提供可靠的训练资源与统一的评估基准。
合成孔径雷达(SAR)和可见光是地球观测领域中两类关键的遥感传感器，其影像匹配在图像融合、协同解译与高精度定位等任务中具有广泛应用。随着对地观测数据的迅猛增长，SAR-光学跨模态影像匹配的重要性日益凸显，相关研究也取得了显著进展。特别是基于深度学习的方法，凭借其在跨模态特征表达与高层语义提取方面的优势，展现出卓越的匹配精度与环境适应能力。然而，现有公开数据集多局限于小尺寸图像块，缺乏涵盖真实大尺度场景的完整影像对，难以全面评估匹配算法在实际遥感场景中的性能，同时也制约了深度学习模型的训练与泛化能力提升。针对上述问题，该文构建并公开发布了OSDataset2.0，一个面向SAR-光学影像匹配任务的大规模基准数据集。该数据集包含两部分：局部训练数据集与全幅场景测试集，局部训练数据集提供覆盖阿根廷、澳大利亚、波兰、德国、俄罗斯、法国、卡塔尔、马来西亚、美国、日本、土耳其、新加坡、印度、中国14个国家的6476块512×512像素的配准图像块，全幅场景测试集则提供一对光学与SAR整景影像。团队为整景影像提供了利用成像机理一致性原则提取出的高精度均匀分布的真值数据，并配套通用评估代码，支持对任意匹配算法进行配准精度的量化分析。为进一步验证数据集的有效性与挑战性，该文在OSDataset2.0上系统评估了11种具有代表性的SAR-光学影像匹配方法，涵盖了传统特征匹配与主流深度学习模型。实验结果表明，该数据集不仅能够有效支撑算法性能对比，还可为后续研究提供可靠的训练资源与统一的评估基准。
15
2026, 15(2): 387-408.
深度学习虽已成为合成孔径雷达(SAR)图像目标检测领域主流方法，但其性能高度依赖于大规模标注数据集。在测试不同分布的SAR数据时，模型的检测性能会出现一定程度下降，难以直接迁移应用，且人工标注成本高昂。针对此瓶颈，学术界开始探索基于多源信息的跨域学习策略，通过整合不同来源(传感器)的光学遥感图像或异源SAR图像等先验信息，辅助检测模型实现跨域知识迁移。该文聚焦深度学习框架下的跨域学习技术，系统梳理该领域最新研究进展，分析该领域的核心问题，从方法论层面分析现有技术的核心优势与适用场景，并基于技术演进规律提出未来发展方向，旨在为提升SAR图像目标检测的泛化能力提供理论支撑与方法论参考。
深度学习虽已成为合成孔径雷达(SAR)图像目标检测领域主流方法，但其性能高度依赖于大规模标注数据集。在测试不同分布的SAR数据时，模型的检测性能会出现一定程度下降，难以直接迁移应用，且人工标注成本高昂。针对此瓶颈，学术界开始探索基于多源信息的跨域学习策略，通过整合不同来源(传感器)的光学遥感图像或异源SAR图像等先验信息，辅助检测模型实现跨域知识迁移。该文聚焦深度学习框架下的跨域学习技术，系统梳理该领域最新研究进展，分析该领域的核心问题，从方法论层面分析现有技术的核心优势与适用场景，并基于技术演进规律提出未来发展方向，旨在为提升SAR图像目标检测的泛化能力提供理论支撑与方法论参考。
16
2026, 15(2): 523-542.
盐湖蕴藏丰富的钾锂矿产资源，开采方法为盐田析盐法：盐湖卤水依次转入钠盐田和钾盐田，分别析出钠、钾盐。盐田类型判别是预估盐矿产量、确保高效开采的关键。不同类型的盐田在析盐速度上存在差异，导致在多时相极化合成孔径雷达(SAR)数据中散射强度变化程度不同，因此该文提出了基于多时相极化SAR的盐田区域分类方法。首先，为解决长时间周期内盐田散射特性变化难以准确表征的问题，该文提出了一个新的多时相极化特征，即主散射时间熵。从极化协方差矩阵中提取目标主散射机制，基于主散射机制计算任意两时间极化SAR图像之间时间相关性并构建时间相关矩阵，通过对角化操作从时间相关矩阵中获取地物在时间序列中主要的变化方向和强度，并借鉴熵的概念衡量变化强度情况，对地物的累积变化进行准确表征。其次，该文证明主散射时间熵服从高斯分布，据此提出了基于Chernoff距离的分类器，该分类器利用Chernoff距离比较超像素内主散射时间熵概率分布的相似性来实现分类。该方法在察尔汗盐湖和死海盐湖哨兵1号数据集上分别取得了84.13%和86.13%准确率。相比于现有的时序极化SAR方法，精度提升了10%，分类结果的空间一致性和噪声鲁棒性等方面也优于其他方法。
盐湖蕴藏丰富的钾锂矿产资源，开采方法为盐田析盐法：盐湖卤水依次转入钠盐田和钾盐田，分别析出钠、钾盐。盐田类型判别是预估盐矿产量、确保高效开采的关键。不同类型的盐田在析盐速度上存在差异，导致在多时相极化合成孔径雷达(SAR)数据中散射强度变化程度不同，因此该文提出了基于多时相极化SAR的盐田区域分类方法。首先，为解决长时间周期内盐田散射特性变化难以准确表征的问题，该文提出了一个新的多时相极化特征，即主散射时间熵。从极化协方差矩阵中提取目标主散射机制，基于主散射机制计算任意两时间极化SAR图像之间时间相关性并构建时间相关矩阵，通过对角化操作从时间相关矩阵中获取地物在时间序列中主要的变化方向和强度，并借鉴熵的概念衡量变化强度情况，对地物的累积变化进行准确表征。其次，该文证明主散射时间熵服从高斯分布，据此提出了基于Chernoff距离的分类器，该分类器利用Chernoff距离比较超像素内主散射时间熵概率分布的相似性来实现分类。该方法在察尔汗盐湖和死海盐湖哨兵1号数据集上分别取得了84.13%和86.13%准确率。相比于现有的时序极化SAR方法，精度提升了10%，分类结果的空间一致性和噪声鲁棒性等方面也优于其他方法。
17
2026, 15(2): 503-522.
合成孔径雷达(SAR)具备全天时全天候的海上监视能力。在距离压缩域(RCD)直接进行舰船目标检测，可规避计算密集的成像步骤(如距离徙动校正与方位压缩)，从而显著提升处理效率，适用于近实时或实时处理场景。然而，现有检测方法存在固有局限：一方面，传统恒虚警率(CFAR)检测器依赖于固定统计模型，在复杂海杂波环境下表现不佳；另一方面，深度学习方法普遍存在依赖已标注数据、解释性弱以及相位信息利用不充分等问题。为此，该文提出了一种基于自监督强化学习的SAR距离压缩域舰船目标检测框架，通过融合雷达电磁散射模型与深度强化学习，在提升检测性能的同时增强模型的解释性与泛化能力。该框架具有以下特点：(1)引入统计模型约束的奖励信号生成机制，实现了无须人工标注的自监督学习；(2)设计双模态特征融合模块，能够联合表征幅度与相位信息，有效保留舰船的多普勒特征；(3)提出轻量化的智能体模块，集成轻量化Q网络、自适应特征增强模块和鉴别器网络，在降低计算复杂度的同时满足实时处理需求，并借助对抗性训练增强模型的鲁棒性。实验结果表明，所提方法在近20 k×20 k像素的大场景SAR距离压缩域数据上的平均推理时间仅为31.75 s，计算量仅为二维卷积神经网络的23.81%。在复数RCD数据集上，该方法的F1分数与召回率分别达到50.72%和54.28%，相较于主流自监督检测方法提升了8.76%和10.45%。该研究首次将强化学习引入SAR距离压缩域舰船检测，通过信号模型与数据驱动学习的结合，为实现稳健的海上监视提供了新思路。
合成孔径雷达(SAR)具备全天时全天候的海上监视能力。在距离压缩域(RCD)直接进行舰船目标检测，可规避计算密集的成像步骤(如距离徙动校正与方位压缩)，从而显著提升处理效率，适用于近实时或实时处理场景。然而，现有检测方法存在固有局限：一方面，传统恒虚警率(CFAR)检测器依赖于固定统计模型，在复杂海杂波环境下表现不佳；另一方面，深度学习方法普遍存在依赖已标注数据、解释性弱以及相位信息利用不充分等问题。为此，该文提出了一种基于自监督强化学习的SAR距离压缩域舰船目标检测框架，通过融合雷达电磁散射模型与深度强化学习，在提升检测性能的同时增强模型的解释性与泛化能力。该框架具有以下特点：(1)引入统计模型约束的奖励信号生成机制，实现了无须人工标注的自监督学习；(2)设计双模态特征融合模块，能够联合表征幅度与相位信息，有效保留舰船的多普勒特征；(3)提出轻量化的智能体模块，集成轻量化Q网络、自适应特征增强模块和鉴别器网络，在降低计算复杂度的同时满足实时处理需求，并借助对抗性训练增强模型的鲁棒性。实验结果表明，所提方法在近20 k×20 k像素的大场景SAR距离压缩域数据上的平均推理时间仅为31.75 s，计算量仅为二维卷积神经网络的23.81%。在复数RCD数据集上，该方法的F1分数与召回率分别达到50.72%和54.28%，相较于主流自监督检测方法提升了8.76%和10.45%。该研究首次将强化学习引入SAR距离压缩域舰船检测，通过信号模型与数据驱动学习的结合，为实现稳健的海上监视提供了新思路。
18
2026, 15(2): 463-478.
成像几何差异是引起SAR图像特征相对畸变的主要原因，进而导致SAR图像的匹配难度骤增。以仿真SAR图像作为参考图可以从根本上消除因成像几何差异造成的图像特征相对畸变，然而实测SAR图像与仿真SAR图像仍然会存在散射和噪声方面的差异，且现有的匹配算法基本采用对称式关键点检测及描述符匹配，因此匹配点的数量和精度仍然有待提升。针对上述问题，该文根据实测和仿真SAR图像的局部统计特征提出了非对称式的局部拟合一致性相似度度量准则，并基于该相似度设计了机载SAR图像与仿真SAR图像的粗匹配和精匹配方法，在此基础上引入地形特征提高关键点检测的多样性，最终实现实测机载SAR图像与仿真SAR图像的鲁棒匹配。实验结果表明，在不同噪声程度下，基于局部拟合一致性度量准则设计匹配方法具备更强的鲁棒性和准确性，在匹配精度等多方面指标上均显著优于现有主流算法。
成像几何差异是引起SAR图像特征相对畸变的主要原因，进而导致SAR图像的匹配难度骤增。以仿真SAR图像作为参考图可以从根本上消除因成像几何差异造成的图像特征相对畸变，然而实测SAR图像与仿真SAR图像仍然会存在散射和噪声方面的差异，且现有的匹配算法基本采用对称式关键点检测及描述符匹配，因此匹配点的数量和精度仍然有待提升。针对上述问题，该文根据实测和仿真SAR图像的局部统计特征提出了非对称式的局部拟合一致性相似度度量准则，并基于该相似度设计了机载SAR图像与仿真SAR图像的粗匹配和精匹配方法，在此基础上引入地形特征提高关键点检测的多样性，最终实现实测机载SAR图像与仿真SAR图像的鲁棒匹配。实验结果表明，在不同噪声程度下，基于局部拟合一致性度量准则设计匹配方法具备更强的鲁棒性和准确性，在匹配精度等多方面指标上均显著优于现有主流算法。
19
2026, 15(1): 292-306.
雷达系统在对多机动目标进行跟踪时，跟踪性能会因为多雷达发射资源的非匹配预设和先验信息的不充分利用而下降。针对该问题，提出了一种面向多机动目标的资源分配与精细化跟踪算法，以期在同等资源消耗条件下获取更高的目标跟踪性能。首先，该文结合跟踪器反馈的目标预测信息，利用多模型交互的思想对目标预测位置分布函数进行拟合，建立了基于多模型交互的检测跟踪一体化方法，实现了系统对机动目标的精细化跟踪。而后，分析了多雷达发射资源和机动目标跟踪性能的耦合机理，结合机动目标贝叶斯克拉美罗下界的推导，建立了跟踪性能驱动的多模型加权资源分配框架。最后通过仿真验证了所提方法在相同资源消耗条件下，能够显著提升多机动目标的综合跟踪精度。
雷达系统在对多机动目标进行跟踪时，跟踪性能会因为多雷达发射资源的非匹配预设和先验信息的不充分利用而下降。针对该问题，提出了一种面向多机动目标的资源分配与精细化跟踪算法，以期在同等资源消耗条件下获取更高的目标跟踪性能。首先，该文结合跟踪器反馈的目标预测信息，利用多模型交互的思想对目标预测位置分布函数进行拟合，建立了基于多模型交互的检测跟踪一体化方法，实现了系统对机动目标的精细化跟踪。而后，分析了多雷达发射资源和机动目标跟踪性能的耦合机理，结合机动目标贝叶斯克拉美罗下界的推导，建立了跟踪性能驱动的多模型加权资源分配框架。最后通过仿真验证了所提方法在相同资源消耗条件下，能够显著提升多机动目标的综合跟踪精度。
20
2026, 15(1): 196-214.
针对雷达正前视方向多普勒梯度消失导致多目标分辨困难以及前视图像模糊的问题，该文提出一种基于双网络协同的多通道雷达前视成像方法，构建了一个分层级联的端到端处理框架：首先，设计轻量化目标数量估计网络(NEN)，基于回波协方差矩阵特征预测主瓣内目标数量；其次，根据目标数量动态选择预训练的角度估计网络(AEN)模型，实现高精度的目标方位角估计；最后，将目标数量与角度估计值作为先验信息，结合迭代自适应算法完成目标强度估计和二维投影成像。仿真和实测实验结果表明：相比于传统超分辨算法，所提方法在正前视区域能够更有效实现对强弱点目标参数的同时估计和精确重构，在目标数量估计上的准确率达到86.75%，角度估计均方根误差在双目标场景下低于0.2°，有效提高了前视成像质量。
针对雷达正前视方向多普勒梯度消失导致多目标分辨困难以及前视图像模糊的问题，该文提出一种基于双网络协同的多通道雷达前视成像方法，构建了一个分层级联的端到端处理框架：首先，设计轻量化目标数量估计网络(NEN)，基于回波协方差矩阵特征预测主瓣内目标数量；其次，根据目标数量动态选择预训练的角度估计网络(AEN)模型，实现高精度的目标方位角估计；最后，将目标数量与角度估计值作为先验信息，结合迭代自适应算法完成目标强度估计和二维投影成像。仿真和实测实验结果表明：相比于传统超分辨算法，所提方法在正前视区域能够更有效实现对强弱点目标参数的同时估计和精确重构，在目标数量估计上的准确率达到86.75%，角度估计均方根误差在双目标场景下低于0.2°，有效提高了前视成像质量。
- 首页
- 上一页
- 1
- 2
- 下一页
- 末页
- 共:2页
微信 | 公众平台 
