优先发表

优先发表栏目的论文已经同行评议并正式录用,目前处于编校和网络出版状态,其卷期、页码尚未确定,但可以根据DOI引用。本栏目内容尚未正式出版,未经许可,不得转载。
层析合成孔径雷达(TomoSAR)是一种先进的山区三维重建技术手段。然而,TomoSAR点云存在着较强烈的高程向定位误差,给高精度的山区三维重建带来了挑战。针对这个问题,该文提出了一种基于几何约束移动最小二乘(MLS)的高精度TomoSAR山区点云三维重建方法。该方法不仅具有传统MLS基于局部子空间思想进行复杂曲面结构拟合的优势,还可以充分地利用TomoSAR点云高程随地距单调递增的特点进行重建误差修正。首先,将点云投影到新的方位-地距-高程坐标系。然后,使用所提的基于迭代求解的几何约束MLS进行高程向定位误差修正。最后,通过投影变换得到山区三维重建结果。仿真和实测的机载阵列TomoSAR山区数据以及AW3D30 DSM数据和1:10000 DEM数据,验证了该文方法的有效性,同时表明了机载阵列TomoSAR用于山区高精度三维重建等应用的可行性和优越性。 层析合成孔径雷达(TomoSAR)是一种先进的山区三维重建技术手段。然而,TomoSAR点云存在着较强烈的高程向定位误差,给高精度的山区三维重建带来了挑战。针对这个问题,该文提出了一种基于几何约束移动最小二乘(MLS)的高精度TomoSAR山区点云三维重建方法。该方法不仅具有传统MLS基于局部子空间思想进行复杂曲面结构拟合的优势,还可以充分地利用TomoSAR点云高程随地距单调递增的特点进行重建误差修正。首先,将点云投影到新的方位-地距-高程坐标系。然后,使用所提的基于迭代求解的几何约束MLS进行高程向定位误差修正。最后,通过投影变换得到山区三维重建结果。仿真和实测的机载阵列TomoSAR山区数据以及AW3D30 DSM数据和1:10000 DEM数据,验证了该文方法的有效性,同时表明了机载阵列TomoSAR用于山区高精度三维重建等应用的可行性和优越性。
针对辐射源个体识别(SEI)中样本标签不完整和数据类别分布不平衡导致分类准确率下降的问题,该文提出了一种基于代价敏感学习和半监督生成式对抗网络(GAN)的特定辐射源分类方法。该方法通过半监督训练方式优化生成器和判别器的网络参数,并向残差网络中添加多尺度拓扑模块融合时域信号的多维分辨率特征,赋予生成样本额外标签从而直接利用判别器完成分类。同时设计代价敏感损失缓解优势样本导致的梯度传播失衡,改善分类器在类不平衡数据集上的识别性能。在4类失衡仿真数据集上的实验结果表明,存在40%无标记样本的情况下,该方法对于5个辐射源的平均识别率相比于交叉熵损失和焦点损失分别提高5.34%和2.69%,为解决数据标注缺失和类别分布不均条件下的特定辐射源识别问题提供了新思路。 针对辐射源个体识别(SEI)中样本标签不完整和数据类别分布不平衡导致分类准确率下降的问题,该文提出了一种基于代价敏感学习和半监督生成式对抗网络(GAN)的特定辐射源分类方法。该方法通过半监督训练方式优化生成器和判别器的网络参数,并向残差网络中添加多尺度拓扑模块融合时域信号的多维分辨率特征,赋予生成样本额外标签从而直接利用判别器完成分类。同时设计代价敏感损失缓解优势样本导致的梯度传播失衡,改善分类器在类不平衡数据集上的识别性能。在4类失衡仿真数据集上的实验结果表明,存在40%无标记样本的情况下,该方法对于5个辐射源的平均识别率相比于交叉熵损失和焦点损失分别提高5.34%和2.69%,为解决数据标注缺失和类别分布不均条件下的特定辐射源识别问题提供了新思路。
太赫兹技术与轨道角动量(OAM)技术相结合在高速无线通信领域具有巨大潜力。理论上不同模态的OAM之间具备严格正交性,若能将OAM技术应用到太赫兹通信系统中,必能极大提升系统的通信容量。因此,如何产生高质量的THz-OAM波束,并给予它灵活的动态控制成为研究者们的一大研究热点。该文设计了一种双层透射型超表面,使用3D打印作为加工方式,成本低、加工难度小。超表面单元结构采用高度可变的介质单元,随着单元高度不断发生改变,透射相位覆盖0°~360°,且透射率保持在88%以上。采用WR-10标准波导喇叭天线进行馈电,在100 GHz工作频率下,通过改变双层超表面之间的相对旋转角度,产生了不同模态的OAM波束。仿真结果表明,该文设计的超表面天线能够实现\begin{document}$ l=1,2,3 $\end{document}的OAM波束,二维幅相结果符合对应模态的特征,\begin{document}$ l=1,2,3 $\end{document}时,OAM波束的模态纯度分别为85.4%, 84.9%, 83.4%。 通过太赫兹扫场测试平台测试了天线在90 GHz, 100 GHz, 110 GHz频点下的电场分布。结果表明:在20 GHz带宽内,产生的OAM波束质量较好,证明该文设计的超表面天线在高频工作具有一定的工作带宽,有望应用于高频OAM通信。 太赫兹技术与轨道角动量(OAM)技术相结合在高速无线通信领域具有巨大潜力。理论上不同模态的OAM之间具备严格正交性,若能将OAM技术应用到太赫兹通信系统中,必能极大提升系统的通信容量。因此,如何产生高质量的THz-OAM波束,并给予它灵活的动态控制成为研究者们的一大研究热点。该文设计了一种双层透射型超表面,使用3D打印作为加工方式,成本低、加工难度小。超表面单元结构采用高度可变的介质单元,随着单元高度不断发生改变,透射相位覆盖0°~360°,且透射率保持在88%以上。采用WR-10标准波导喇叭天线进行馈电,在100 GHz工作频率下,通过改变双层超表面之间的相对旋转角度,产生了不同模态的OAM波束。仿真结果表明,该文设计的超表面天线能够实现\begin{document}$ l=1,2,3 $\end{document}的OAM波束,二维幅相结果符合对应模态的特征,\begin{document}$ l=1,2,3 $\end{document}时,OAM波束的模态纯度分别为85.4%, 84.9%, 83.4%。 通过太赫兹扫场测试平台测试了天线在90 GHz, 100 GHz, 110 GHz频点下的电场分布。结果表明:在20 GHz带宽内,产生的OAM波束质量较好,证明该文设计的超表面天线在高频工作具有一定的工作带宽,有望应用于高频OAM通信。
视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。 视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。
以旋翼无人机为代表的低空小目标常采用低速“走-停”策略或利用障碍物遮挡,躲避雷达追踪,对重要信息装备和战略要地进行点穴式打击或干扰。这类目标可多次消失-重返于雷达视域,称之“走-停-走”目标。若采用传统目标跟踪模型和算法处理这类目标,易导致目标身份不连续、航迹碎片化。该文在随机集理论框架下,基于标签多伯努利(LMB)滤波器,研究低空监视雷达“走-停-走”目标连续跟踪问题。为描述“走-停-走”目标多次往返于雷达视域的演化特性,首次引入第3类出生目标模型,即重生(RB)过程模型。首先,利用目标重返雷达视域前-后目标状态的空间位置和动力学参数关系,提出一种基于空域相关(SC)的RB过程;然后,基于SC-RB过程,在贝叶斯滤波框架下,设计了SC-RB-LMB滤波器算法,可实现多“走-停-走”目标连续稳健跟踪,维持航迹标签的连续性;最后,在典型低空监视场景下,通过仿真和实测数据验证了提出模型和算法的有效性和性能优势。 以旋翼无人机为代表的低空小目标常采用低速“走-停”策略或利用障碍物遮挡,躲避雷达追踪,对重要信息装备和战略要地进行点穴式打击或干扰。这类目标可多次消失-重返于雷达视域,称之“走-停-走”目标。若采用传统目标跟踪模型和算法处理这类目标,易导致目标身份不连续、航迹碎片化。该文在随机集理论框架下,基于标签多伯努利(LMB)滤波器,研究低空监视雷达“走-停-走”目标连续跟踪问题。为描述“走-停-走”目标多次往返于雷达视域的演化特性,首次引入第3类出生目标模型,即重生(RB)过程模型。首先,利用目标重返雷达视域前-后目标状态的空间位置和动力学参数关系,提出一种基于空域相关(SC)的RB过程;然后,基于SC-RB过程,在贝叶斯滤波框架下,设计了SC-RB-LMB滤波器算法,可实现多“走-停-走”目标连续稳健跟踪,维持航迹标签的连续性;最后,在典型低空监视场景下,通过仿真和实测数据验证了提出模型和算法的有效性和性能优势。
SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少。为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究。针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示。考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰。该文方法有效地将目标散射分布特性与网络的自动学习过程相结合。实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90%,相比于基础方法提升了3.85%。减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异。 SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少。为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究。针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示。考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰。该文方法有效地将目标散射分布特性与网络的自动学习过程相结合。实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90%,相比于基础方法提升了3.85%。减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异。
为了破解雷达主瓣干扰尤其是多个主副瓣干扰同时抑制的难题,该文利用目标极化散射特性在不同入射角存在差异而干扰近似相同的特点,将极化信息应用到机载双基地雷达,通过构建机载双基地极化敏感阵列来实现主副瓣干扰抑制。该方法主要通过双基地-极化分级抑制来实现。首先重构协方差矩阵遮蔽主瓣干扰来分别抑制双基地主辅雷达副瓣干扰,然后将辅雷达接收数据时域对齐后送主雷达,最后修正主辅雷达主瓣干扰导向矢量,并利用极化对消实现主瓣干扰抑制。仿真结果表明:利用双基地-极化分级抑制方法可实现多个主副瓣干扰同时抑制,大幅提升雷达系统抗干扰能力。 为了破解雷达主瓣干扰尤其是多个主副瓣干扰同时抑制的难题,该文利用目标极化散射特性在不同入射角存在差异而干扰近似相同的特点,将极化信息应用到机载双基地雷达,通过构建机载双基地极化敏感阵列来实现主副瓣干扰抑制。该方法主要通过双基地-极化分级抑制来实现。首先重构协方差矩阵遮蔽主瓣干扰来分别抑制双基地主辅雷达副瓣干扰,然后将辅雷达接收数据时域对齐后送主雷达,最后修正主辅雷达主瓣干扰导向矢量,并利用极化对消实现主瓣干扰抑制。仿真结果表明:利用双基地-极化分级抑制方法可实现多个主副瓣干扰同时抑制,大幅提升雷达系统抗干扰能力。
针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。 针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。
非接触式的医疗健康监测系统解决了用户依从性问题,避免了佩戴电极、传感设备进行监测带来的不舒适感,更有助于将健康监测融入日常生活。非接触式监测手段具有持续地监测用户健康状况的潜力,能够在突发急性医疗事件出现时及时示警,且能够满足新生儿、烧伤患者、传染病患者等特殊人群的监测需求。调频连续波(FMCW)雷达能够同时捕获雷达视场内目标的距离、速度信息,可用于非接触式地监测用户的心率、呼吸率等生理体征及跌倒等行为动作,且从技术上易于单片集成,成本可控,因此在医疗健康监测领域有着重要的应用价值。该文首先阐述了将FMCW雷达应用于非接触式医疗健康监测技术的理论基础,然后系统性地归纳了该领域中的典型前沿应用,最后总结了基于FMCW雷达的医疗健康应用这一领域的研究现状及局限性,并对其应用前景与潜在的研究方向进行了展望。 非接触式的医疗健康监测系统解决了用户依从性问题,避免了佩戴电极、传感设备进行监测带来的不舒适感,更有助于将健康监测融入日常生活。非接触式监测手段具有持续地监测用户健康状况的潜力,能够在突发急性医疗事件出现时及时示警,且能够满足新生儿、烧伤患者、传染病患者等特殊人群的监测需求。调频连续波(FMCW)雷达能够同时捕获雷达视场内目标的距离、速度信息,可用于非接触式地监测用户的心率、呼吸率等生理体征及跌倒等行为动作,且从技术上易于单片集成,成本可控,因此在医疗健康监测领域有着重要的应用价值。该文首先阐述了将FMCW雷达应用于非接触式医疗健康监测技术的理论基础,然后系统性地归纳了该领域中的典型前沿应用,最后总结了基于FMCW雷达的医疗健康应用这一领域的研究现状及局限性,并对其应用前景与潜在的研究方向进行了展望。
以TopSAR和ScanSAR成像模式为代表的宽幅合成孔径雷达(SAR)可以实现更大范围的海洋场景观测。但实现宽测绘带的同时降低了成像分辨率,因此宽幅SAR图像中的舰船目标缺乏清晰的结构特征,给大范围海上舰船目标识别带来了极大的挑战。同时,由于缺乏海上运动航母、两栖舰等大型关键目标的宽幅SAR样本数据,使得海上运动大型关键舰船目标识别更加困难。针对该问题,该文构建了宽幅SAR海上大型运动舰船目标数据集,共包含2291个大型舰船目标样本,类别划分为大型军事舰船,长度为≥250 m的大型民用舰船和长度为150~250 m的大型民用舰船。其构建过程为:首先,通过先验知识辅助获取港口区域大型军事舰船目标样本;其次,利用属性信息对OpenSARShip数据集进行长度筛选获取大型民用舰船目标样本;最后,在样本的距离-多普勒域添加二次相位误差进行运动仿真来模拟海上运动舰船目标的成像结果。此外,该文使用经典识别算法和深度学习方法对构建的数据集与运动仿真处理后的数据进行了识别性能分析,结果表明在低分辨率情况下采用SAR图像复数信息可以在一定程度上提高算法的识别率;并且运动舰船目标的散焦问题对识别准确率具有较大影响。 以TopSAR和ScanSAR成像模式为代表的宽幅合成孔径雷达(SAR)可以实现更大范围的海洋场景观测。但实现宽测绘带的同时降低了成像分辨率,因此宽幅SAR图像中的舰船目标缺乏清晰的结构特征,给大范围海上舰船目标识别带来了极大的挑战。同时,由于缺乏海上运动航母、两栖舰等大型关键目标的宽幅SAR样本数据,使得海上运动大型关键舰船目标识别更加困难。针对该问题,该文构建了宽幅SAR海上大型运动舰船目标数据集,共包含2291个大型舰船目标样本,类别划分为大型军事舰船,长度为≥250 m的大型民用舰船和长度为150~250 m的大型民用舰船。其构建过程为:首先,通过先验知识辅助获取港口区域大型军事舰船目标样本;其次,利用属性信息对OpenSARShip数据集进行长度筛选获取大型民用舰船目标样本;最后,在样本的距离-多普勒域添加二次相位误差进行运动仿真来模拟海上运动舰船目标的成像结果。此外,该文使用经典识别算法和深度学习方法对构建的数据集与运动仿真处理后的数据进行了识别性能分析,结果表明在低分辨率情况下采用SAR图像复数信息可以在一定程度上提高算法的识别率;并且运动舰船目标的散焦问题对识别准确率具有较大影响。
基于有向边界框的合成孔径雷达(SAR)舰船目标检测器能输出精准的边界框,但仍存在模型计算复杂度高、推理速度慢、存储消耗大等问题,导致其难以在星载平台上部署。基于此该文提出了结合特征图和检测头分支知识蒸馏的无锚框轻量化旋转检测方法。首先,结合目标的长宽比和方向角信息提出改进高斯核,使生成的热度图能更好地刻画目标形状。然后在检测器预测头部引入前景区域增强分支,使网络更关注前景特征且抑制背景杂波的干扰。在训练轻量化网络时,将像素点间的相似度构建为热度图蒸馏知识。为解决特征蒸馏中正负样本不平衡问题,将前景注意力区域作为掩模引导网络蒸馏与目标相关的特征。另外,该文提出全局语义模块对像素进行上下文信息建模,能够结合背景知识加强目标精确表征。基于HRSID数据集的实验结果表明所提方法在模型参数仅有9.07 M的轻量化条件下,mAP能达到80.71%,且检测帧率满足实时应用需求。 基于有向边界框的合成孔径雷达(SAR)舰船目标检测器能输出精准的边界框,但仍存在模型计算复杂度高、推理速度慢、存储消耗大等问题,导致其难以在星载平台上部署。基于此该文提出了结合特征图和检测头分支知识蒸馏的无锚框轻量化旋转检测方法。首先,结合目标的长宽比和方向角信息提出改进高斯核,使生成的热度图能更好地刻画目标形状。然后在检测器预测头部引入前景区域增强分支,使网络更关注前景特征且抑制背景杂波的干扰。在训练轻量化网络时,将像素点间的相似度构建为热度图蒸馏知识。为解决特征蒸馏中正负样本不平衡问题,将前景注意力区域作为掩模引导网络蒸馏与目标相关的特征。另外,该文提出全局语义模块对像素进行上下文信息建模,能够结合背景知识加强目标精确表征。基于HRSID数据集的实验结果表明所提方法在模型参数仅有9.07 M的轻量化条件下,mAP能达到80.71%,且检测帧率满足实时应用需求。
该文针对机载组网雷达,在单目标跟踪场景下,研究了雷达辐射参数与航迹规划联合优化问题。首先,推导了包含各雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽等射频辐射参数以及各载机速度、朝向角等平台运动参数的贝叶斯克拉默-拉奥下界(BCRLB)表达式,以此作为表征目标跟踪精度的衡量指标;推导了含有各雷达辐射功率、驻留时间等射频辐射参数以及各载机速度、朝向角等平台运动参数的机载组网雷达被截获概率,以此作为表征机载组网雷达射频隐身性能的衡量指标。在此基础上,建立了面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化模型,以最小化机载组网雷达的目标估计误差BCRLB为优化目标,以满足给定的系统射频资源、载机机动能力和预先设定的被截获概率阈值为约束条件,对各载机飞行速度、朝向角以及各机载雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽进行联合优化设计,以提升机载组网雷达的目标跟踪精度。最后,针对上述优化问题,结合粒子群算法,采用5步分解迭代算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足一定射频隐身性能要求的条件下,有效提升机载组网雷达的目标跟踪精度。 该文针对机载组网雷达,在单目标跟踪场景下,研究了雷达辐射参数与航迹规划联合优化问题。首先,推导了包含各雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽等射频辐射参数以及各载机速度、朝向角等平台运动参数的贝叶斯克拉默-拉奥下界(BCRLB)表达式,以此作为表征目标跟踪精度的衡量指标;推导了含有各雷达辐射功率、驻留时间等射频辐射参数以及各载机速度、朝向角等平台运动参数的机载组网雷达被截获概率,以此作为表征机载组网雷达射频隐身性能的衡量指标。在此基础上,建立了面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化模型,以最小化机载组网雷达的目标估计误差BCRLB为优化目标,以满足给定的系统射频资源、载机机动能力和预先设定的被截获概率阈值为约束条件,对各载机飞行速度、朝向角以及各机载雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽进行联合优化设计,以提升机载组网雷达的目标跟踪精度。最后,针对上述优化问题,结合粒子群算法,采用5步分解迭代算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足一定射频隐身性能要求的条件下,有效提升机载组网雷达的目标跟踪精度。
传统的多目标跟踪数据关联算法需要提前知晓目标运动模型和杂波密度等先验信息,然而这些先验信息在跟踪之前无法及时准确地获取。针对这个问题,提出一种基于Transformer网络的多目标跟踪数据关联算法。首先,考虑到传感器会存在漏检的情况,引入虚拟量测来重新建立数据关联模型。在此基础上,提出基于Transformer网络的数据关联方法来解决多目标与多量测的匹配问题。同时,设计了一种掩蔽交叉熵损失与重叠度损失相结合的损失函数(MCD)用于优化网络参数。仿真和实测数据结果表明:在不同检测概率条件下,所提算法性能均优于经典的数据关联算法和基于双向长短时记忆网络的算法。 传统的多目标跟踪数据关联算法需要提前知晓目标运动模型和杂波密度等先验信息,然而这些先验信息在跟踪之前无法及时准确地获取。针对这个问题,提出一种基于Transformer网络的多目标跟踪数据关联算法。首先,考虑到传感器会存在漏检的情况,引入虚拟量测来重新建立数据关联模型。在此基础上,提出基于Transformer网络的数据关联方法来解决多目标与多量测的匹配问题。同时,设计了一种掩蔽交叉熵损失与重叠度损失相结合的损失函数(MCD)用于优化网络参数。仿真和实测数据结果表明:在不同检测概率条件下,所提算法性能均优于经典的数据关联算法和基于双向长短时记忆网络的算法。
以FCOS为代表的无锚框网络避免了预设锚框带来的超参设定问题,然而其水平框的输出结果无法指示任意朝向下SAR船舶目标的精确边界和朝向。针对此问题,该文提出了一种名为FCOSR的检测算法。首先在FCOS回归分支中添加角度参量使其输出旋转框结果。其次,引入基于可形变卷积的9点特征参与船舶置信度和边界框残差值的预测来降低陆地虚警并提升边界框回归精度。最后,在训练阶段使用旋转自适应样本选择策略为每个船舶样本分配合适的正样本点,实现网络检测精度的提高。相较于FCOS以及目前已公开发表的锚框旋转检测网络,该网络在SSDD+和HRSID数据集上表现出更快的检测速率和更高的检测精度,mAP分别为91.7%和84.3%,影像切片平均检测时间仅需33 ms。 以FCOS为代表的无锚框网络避免了预设锚框带来的超参设定问题,然而其水平框的输出结果无法指示任意朝向下SAR船舶目标的精确边界和朝向。针对此问题,该文提出了一种名为FCOSR的检测算法。首先在FCOS回归分支中添加角度参量使其输出旋转框结果。其次,引入基于可形变卷积的9点特征参与船舶置信度和边界框残差值的预测来降低陆地虚警并提升边界框回归精度。最后,在训练阶段使用旋转自适应样本选择策略为每个船舶样本分配合适的正样本点,实现网络检测精度的提高。相较于FCOS以及目前已公开发表的锚框旋转检测网络,该网络在SSDD+和HRSID数据集上表现出更快的检测速率和更高的检测精度,mAP分别为91.7%和84.3%,影像切片平均检测时间仅需33 ms。
在探测能力、波形设计及天线指向等因素制约下,分布式雷达视场并非完全重合,由此造成的观测信息差异给后续信息融合带来了巨大挑战。该文基于高斯混合实现的集势概率假设密度(CPHD)滤波器,提出了一种视场部分重叠下的分布式雷达多目标跟踪方法。首先,利用多目标密度乘积切分出概率假设密度(PHD)中表征共同观测信息的部分;之后,标准的分布式融合(算术平均或几何平均融合)方法作用于切分出的共同观测目标信息以提升跟踪性能,补偿融合则作用于雷达单独观测目标信息以扩展视场范围。该文方法无须视场先验信息,能够适应雷达视场未知时的分布式融合多目标跟踪场景。仿真实验验证了所提出方法在未知、时变雷达视场下跟踪多目标的性能,表明了该文方法比基于高斯混合的聚类方法性能更好。 在探测能力、波形设计及天线指向等因素制约下,分布式雷达视场并非完全重合,由此造成的观测信息差异给后续信息融合带来了巨大挑战。该文基于高斯混合实现的集势概率假设密度(CPHD)滤波器,提出了一种视场部分重叠下的分布式雷达多目标跟踪方法。首先,利用多目标密度乘积切分出概率假设密度(PHD)中表征共同观测信息的部分;之后,标准的分布式融合(算术平均或几何平均融合)方法作用于切分出的共同观测目标信息以提升跟踪性能,补偿融合则作用于雷达单独观测目标信息以扩展视场范围。该文方法无须视场先验信息,能够适应雷达视场未知时的分布式融合多目标跟踪场景。仿真实验验证了所提出方法在未知、时变雷达视场下跟踪多目标的性能,表明了该文方法比基于高斯混合的聚类方法性能更好。
随着SAR技术应用领域的扩大以及SAR数据获取技术的发展,构建各种典型目标的多角度SAR数据集的需求日益迫切。针对飞机目标,目前尚未有比较完备的多角度SAR图像数据集。该文探索了一种基于实测数据和智能仿真相结合的数据集构建方法,通过飞行试验采集飞机目标SAR多角度数据,并基于散射分析和自注意力生成对抗网络实现特定角度的SAR图像内插仿真,从而为数据集构建和扩容提供新的解决方案。最后,在假定部分数据缺失的情况下,通过6种评价指标对仿真图像和实际采集图像的相似度进行了评价,验证了所提方法的有效性。 随着SAR技术应用领域的扩大以及SAR数据获取技术的发展,构建各种典型目标的多角度SAR数据集的需求日益迫切。针对飞机目标,目前尚未有比较完备的多角度SAR图像数据集。该文探索了一种基于实测数据和智能仿真相结合的数据集构建方法,通过飞行试验采集飞机目标SAR多角度数据,并基于散射分析和自注意力生成对抗网络实现特定角度的SAR图像内插仿真,从而为数据集构建和扩容提供新的解决方案。最后,在假定部分数据缺失的情况下,通过6种评价指标对仿真图像和实际采集图像的相似度进行了评价,验证了所提方法的有效性。
针对双极化气象雷达中非气象回波的滤除问题,该文提出一种基于詹森-香农散度原理的自适应移动谱去极化比(AMsDR)滤波方法。该方法根据不同方位向回波的谱去极化比分布情况,利用气象回波和杂波在距离-多普勒图上的特征差异实现气象回波的保留和杂波的滤除。与现有固定阈值的移动谱去极化比滤波器相比,AMsDR滤波方法可根据不同方位向降雨和杂波的回波差异自适应地选择滤波阈值,提高杂波抑制与降雨保留性能。 针对双极化气象雷达中非气象回波的滤除问题,该文提出一种基于詹森-香农散度原理的自适应移动谱去极化比(AMsDR)滤波方法。该方法根据不同方位向回波的谱去极化比分布情况,利用气象回波和杂波在距离-多普勒图上的特征差异实现气象回波的保留和杂波的滤除。与现有固定阈值的移动谱去极化比滤波器相比,AMsDR滤波方法可根据不同方位向降雨和杂波的回波差异自适应地选择滤波阈值,提高杂波抑制与降雨保留性能。
极地冰盖特殊的热交换属性和庞大的含水量,使其成为全球气候变化的“指示器”和“放大器”。由于特殊的地理位置及严峻的气候环境,目前对极地冰盖的立体探测及认识仍旧匮乏。穿冰雷达具备强穿透性和高精度测距能力,成为冰盖立体层析探测的最佳选择,促进了极地科学的快速发展。受制于低频电磁波跨冰冻圈层传播的复杂性和雷达作用距离的大幅增加,迄今为止,利用天基平台实现穿冰探测依然是对地遥感的空白领域。该文针对天基穿冰雷达系统的科学需求和面临的特殊问题展开讨论,分析了天基穿冰系统面临的3大问题:传输衰减、积雪杂波干扰和垂直航迹向分辨率恶化;结合现有研究成果和技术发展趋势,分析了利用微小卫星平台进行分布式编队实现天基穿冰探测的可行性,论证了分布式穿冰雷达关键指标,指出了天基穿冰雷达未来发展亟需解决的关键技术难题,探索实现百米空间分辨率、季节尺度重访的天基穿冰雷达实施方案。 极地冰盖特殊的热交换属性和庞大的含水量,使其成为全球气候变化的“指示器”和“放大器”。由于特殊的地理位置及严峻的气候环境,目前对极地冰盖的立体探测及认识仍旧匮乏。穿冰雷达具备强穿透性和高精度测距能力,成为冰盖立体层析探测的最佳选择,促进了极地科学的快速发展。受制于低频电磁波跨冰冻圈层传播的复杂性和雷达作用距离的大幅增加,迄今为止,利用天基平台实现穿冰探测依然是对地遥感的空白领域。该文针对天基穿冰雷达系统的科学需求和面临的特殊问题展开讨论,分析了天基穿冰系统面临的3大问题:传输衰减、积雪杂波干扰和垂直航迹向分辨率恶化;结合现有研究成果和技术发展趋势,分析了利用微小卫星平台进行分布式编队实现天基穿冰探测的可行性,论证了分布式穿冰雷达关键指标,指出了天基穿冰雷达未来发展亟需解决的关键技术难题,探索实现百米空间分辨率、季节尺度重访的天基穿冰雷达实施方案。
基于压缩感知的直接定位方法依赖准确的信号传播模型,当传播模型的参数部分未知时,其定位性能会显著下降。针对这个问题,该文提出了一种基于多字典联合与分层块稀疏贝叶斯框架的多辐射源直接定位方法。该文将辐射源定位问题转化为恢复对应不同字典但具有共享稀疏性的信号,通过多字典联合来解决存在信道衰减的辐射源定位问题。仿真结果表明:所提方法在低信噪比和少快拍条件下,相比稀疏贝叶斯方法和直接定位方法具有更优的定位性能。 基于压缩感知的直接定位方法依赖准确的信号传播模型,当传播模型的参数部分未知时,其定位性能会显著下降。针对这个问题,该文提出了一种基于多字典联合与分层块稀疏贝叶斯框架的多辐射源直接定位方法。该文将辐射源定位问题转化为恢复对应不同字典但具有共享稀疏性的信号,通过多字典联合来解决存在信道衰减的辐射源定位问题。仿真结果表明:所提方法在低信噪比和少快拍条件下,相比稀疏贝叶斯方法和直接定位方法具有更优的定位性能。
高精度提取合成孔径雷达(SAR)图像中的河流边界,对河流水势监测具有重要意义。以检测郑州7·20暴雨后黄河的健康状况为实施例,该文融合精致Lee滤波思想与卷积操作的滤波特性,提出了基于河道几何特性的优化内部权值卷积核Refined-Lee Kernel,进而提出了一种新型河道提取深度神经网络模型,即River-Net。为验证所提模型的有效性,该文获取了郑州7·20暴雨前后两景欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)影像数据,利用暴雨前的影像对模型进行训练,用于提取暴雨后的黄河河道,分析黄河在暴雨后的涨势情况。实验结果表明,相比主流语义分割模型,所提模型能够更精确地在SAR图像中提取河道,对洪水灾害的检测与评估有重要应用价值。 高精度提取合成孔径雷达(SAR)图像中的河流边界,对河流水势监测具有重要意义。以检测郑州7·20暴雨后黄河的健康状况为实施例,该文融合精致Lee滤波思想与卷积操作的滤波特性,提出了基于河道几何特性的优化内部权值卷积核Refined-Lee Kernel,进而提出了一种新型河道提取深度神经网络模型,即River-Net。为验证所提模型的有效性,该文获取了郑州7·20暴雨前后两景欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)影像数据,利用暴雨前的影像对模型进行训练,用于提取暴雨后的黄河河道,分析黄河在暴雨后的涨势情况。实验结果表明,相比主流语义分割模型,所提模型能够更精确地在SAR图像中提取河道,对洪水灾害的检测与评估有重要应用价值。
利用天基预警雷达实现动目标指示具有重要的军事应用价值。对于天基预警雷达,其平台高速运动及受地球自转影响导致杂波复杂非平稳性,更大的波束照射区域带来更严重的杂波非均匀性,从而导致适用于机载预警雷达的传统空时自适应处理(STAP)方法无法直接应用。针对上述问题,该文分析了天基预警雷达杂波分布特性,并构建了基于卷积神经网络(CNN)超分辨谱估计的STAP处理框架。首先,利用雷达系统和卫星轨道参数,仿真随机生成不同纬度、距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集;然后,设计并调优了含5个权重层的二维CNN,实现由小样本所估低分辨杂波谱到高分辨谱的非线性映射;最后,基于高分辨空时谱构造空时滤波器实现杂波抑制和目标检测。仿真实验验证所提方法在小样本条件下可实现次最优杂波抑制性能,同时所需在线运算量远低于现有稀疏超分辨类方法,因此适用于天基预警雷达实际应用。 利用天基预警雷达实现动目标指示具有重要的军事应用价值。对于天基预警雷达,其平台高速运动及受地球自转影响导致杂波复杂非平稳性,更大的波束照射区域带来更严重的杂波非均匀性,从而导致适用于机载预警雷达的传统空时自适应处理(STAP)方法无法直接应用。针对上述问题,该文分析了天基预警雷达杂波分布特性,并构建了基于卷积神经网络(CNN)超分辨谱估计的STAP处理框架。首先,利用雷达系统和卫星轨道参数,仿真随机生成不同纬度、距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集;然后,设计并调优了含5个权重层的二维CNN,实现由小样本所估低分辨杂波谱到高分辨谱的非线性映射;最后,基于高分辨空时谱构造空时滤波器实现杂波抑制和目标检测。仿真实验验证所提方法在小样本条件下可实现次最优杂波抑制性能,同时所需在线运算量远低于现有稀疏超分辨类方法,因此适用于天基预警雷达实际应用。
雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。 雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。
采用地球同步轨道(GEO)卫星作为双基合成孔径雷达(SAR)的发射站,可为低轨(LEO)接收站提供大范围、持续的波束覆盖。同时,由于收发分置的系统形态,LEO接收站可以实现下视、前视、后视等多视区成像,因此,GEO-LEO双基SAR在地球测绘、侦察监视等领域具有广阔的应用前景。为实现大幅宽成像,GEO SAR发射站的脉冲重复频率较低,而LEO SAR接收站会引入大的多普勒带宽,造成GEO-LEO双基SAR方位欠采样。通过在接收站引入多通道技术虽可抑制模糊,但是面临GEO-LEO双基SAR的严重欠采样问题,多通道无模糊重建方法所需通道数过多,不利于接收系统小型化。针对方位严重欠采样条件下的复杂观测场景无模糊成像问题,该文提出了序贯多帧-多接收通道联合重建无模糊成像方法,通过利用序贯观测场景多帧图像的相关性和多接收通道的采样信息进行联合重建,实现无模糊成像。首先将GEO-LEO双基SAR无模糊成像问题建模为张量联合低秩与稀疏优化问题,然后在交替方向乘子法迭代求解中利用多接收通道信息,实现了GEO-LEO双基SAR对复杂观测场景的无模糊成像。相比于基于传统多通道重构的成像方法,该方法可显著减少无模糊成像所需的接收通道数,仿真实验验证了该方法的有效性。 采用地球同步轨道(GEO)卫星作为双基合成孔径雷达(SAR)的发射站,可为低轨(LEO)接收站提供大范围、持续的波束覆盖。同时,由于收发分置的系统形态,LEO接收站可以实现下视、前视、后视等多视区成像,因此,GEO-LEO双基SAR在地球测绘、侦察监视等领域具有广阔的应用前景。为实现大幅宽成像,GEO SAR发射站的脉冲重复频率较低,而LEO SAR接收站会引入大的多普勒带宽,造成GEO-LEO双基SAR方位欠采样。通过在接收站引入多通道技术虽可抑制模糊,但是面临GEO-LEO双基SAR的严重欠采样问题,多通道无模糊重建方法所需通道数过多,不利于接收系统小型化。针对方位严重欠采样条件下的复杂观测场景无模糊成像问题,该文提出了序贯多帧-多接收通道联合重建无模糊成像方法,通过利用序贯观测场景多帧图像的相关性和多接收通道的采样信息进行联合重建,实现无模糊成像。首先将GEO-LEO双基SAR无模糊成像问题建模为张量联合低秩与稀疏优化问题,然后在交替方向乘子法迭代求解中利用多接收通道信息,实现了GEO-LEO双基SAR对复杂观测场景的无模糊成像。相比于基于传统多通道重构的成像方法,该方法可显著减少无模糊成像所需的接收通道数,仿真实验验证了该方法的有效性。