作者中心
专家审稿
责编办公
编辑办公优先发表
状态: , 更新:
摘要
1639KB
针对合成孔径雷达(SAR)目标识别模型在少样本条件下极易发生过拟合且类间鉴别性差的问题，该文提出了一种基于视觉-语义特征协同学习的少样本SAR目标识别方法。首先，考虑到少样本条件下SAR图像数据蕴含的视觉信息有限，该文提出一种基于“生成-编码-筛选”思路的SAR目标语义信息构建方法，可基于语义先验信息构建类原型，并联合视觉特征进行类原型优化，实现目标类属性识别。其次，提出一种视觉-语义特征双分支协同学习网络来提取更具判别性SAR目标类特征。其中，SAR图像视觉分支通过皮尔逊相关系数对齐视觉原型与语义原型的关系矩阵，使得语义先验的类别信息向视觉分支传递，并基于动态四元组损失优化网络，提升视觉特征的判别性；SAR图像语义分支采用最优传输理论通过视觉特征优化语义特征，增强语义特征的判别性。最后，提出一种基于实例级预测置信度的加权决策融合策略，实现联合语义-视觉特征的SAR目标稳健识别。在MSTAR数据集的标准集和拓展集以及OpenSARShip数据集上进行实验。实验结果表明，该方法在少样本条件下能够有效利用目标视觉与语义特征的互补优势，识别准确率与鲁棒性均得到显著提升。
针对合成孔径雷达(SAR)目标识别模型在少样本条件下极易发生过拟合且类间鉴别性差的问题，该文提出了一种基于视觉-语义特征协同学习的少样本SAR目标识别方法。首先，考虑到少样本条件下SAR图像数据蕴含的视觉信息有限，该文提出一种基于“生成-编码-筛选”思路的SAR目标语义信息构建方法，可基于语义先验信息构建类原型，并联合视觉特征进行类原型优化，实现目标类属性识别。其次，提出一种视觉-语义特征双分支协同学习网络来提取更具判别性SAR目标类特征。其中，SAR图像视觉分支通过皮尔逊相关系数对齐视觉原型与语义原型的关系矩阵，使得语义先验的类别信息向视觉分支传递，并基于动态四元组损失优化网络，提升视觉特征的判别性；SAR图像语义分支采用最优传输理论通过视觉特征优化语义特征，增强语义特征的判别性。最后，提出一种基于实例级预测置信度的加权决策融合策略，实现联合语义-视觉特征的SAR目标稳健识别。在MSTAR数据集的标准集和拓展集以及OpenSARShip数据集上进行实验。实验结果表明，该方法在少样本条件下能够有效利用目标视觉与语义特征的互补优势，识别准确率与鲁棒性均得到显著提升。
状态: , 更新:
现有基于深度学习的检测前跟踪(TBD)方法主要依赖历史状态序列进行运动建模与前向预测，对原始量测平面中目标能量分布及时空一致性信息的显式利用不足，在复杂机动场景下易产生累积误差和轨迹偏移。针对此问题，该文提出一种基于Transformer架构的量测引导转移门控网络(MG-TGN)，以数据驱动方式生成自适应状态转移范围。MG-TGN从历史轨迹与量测序列中提取时空特征，预测先验位移概率矩阵，同时利用当前帧量测平面提取局部观测响应以估计观测似然概率，并通过可学习门控系数对二者进行动态融合，确定候选转移集合，从而约束动态规划递推的状态搜索空间。该方法将深度特征融合策略嵌入TBD框架，在保留全局路径搜索优势的同时，提升低信噪比下机动目标的能量累积一致性与轨迹稳定性。实验结果表明，相较于既有深度学习TBD方法，该文方法在信噪比为8 dB时，弱机动场景下目标检测概率提升约5%，强机动场景下提升约28%。
现有基于深度学习的检测前跟踪(TBD)方法主要依赖历史状态序列进行运动建模与前向预测，对原始量测平面中目标能量分布及时空一致性信息的显式利用不足，在复杂机动场景下易产生累积误差和轨迹偏移。针对此问题，该文提出一种基于Transformer架构的量测引导转移门控网络(MG-TGN)，以数据驱动方式生成自适应状态转移范围。MG-TGN从历史轨迹与量测序列中提取时空特征，预测先验位移概率矩阵，同时利用当前帧量测平面提取局部观测响应以估计观测似然概率，并通过可学习门控系数对二者进行动态融合，确定候选转移集合，从而约束动态规划递推的状态搜索空间。该方法将深度特征融合策略嵌入TBD框架，在保留全局路径搜索优势的同时，提升低信噪比下机动目标的能量累积一致性与轨迹稳定性。实验结果表明，相较于既有深度学习TBD方法，该文方法在信噪比为8 dB时，弱机动场景下目标检测概率提升约5%，强机动场景下提升约28%。
状态: , 更新:
随着低空经济、低空安防及无人机监管需求的持续增长，低空目标探测已成为雷达感知领域的重要研究方向。由于地面、建筑立面、植被及道路设施等散射体的存在，低空目标回波呈现出强多径、强相干与场景依赖性等复杂特性，给目标检测、参数估计、定位与跟踪带来了显著挑战。同时，多径传播也可作为补充观测信息，为非视距探测、低仰角测高、弱目标增强及协同感知提供新的信息维度与实现可能。该文系统综述了低空场景下的多径传播机理、典型信号模型及其对探测任务的影响，并在“面向任务的信息表征与决策”框架下梳理了相关研究进展。其中，多径抑制部分重点分析检测、参数估计、定位与跟踪中的典型性能退化问题；多径利用部分从能量聚焦与回波增强、几何约束下的参数反演与定位，以及信息融合驱动的持续感知3个层面，总结代表性技术路径。在此基础上，结合相关任务分析多输入多输出(MIMO)雷达的波形分集、虚拟孔径、多视角观测等体制特征对多径分离、参数估计、协同感知及资源优化的影响。最后，探讨了真实场景建模、任务驱动处理、物理先验与数据驱动融合、协同系统工程实现等未来研究方向。
随着低空经济、低空安防及无人机监管需求的持续增长，低空目标探测已成为雷达感知领域的重要研究方向。由于地面、建筑立面、植被及道路设施等散射体的存在，低空目标回波呈现出强多径、强相干与场景依赖性等复杂特性，给目标检测、参数估计、定位与跟踪带来了显著挑战。同时，多径传播也可作为补充观测信息，为非视距探测、低仰角测高、弱目标增强及协同感知提供新的信息维度与实现可能。该文系统综述了低空场景下的多径传播机理、典型信号模型及其对探测任务的影响，并在“面向任务的信息表征与决策”框架下梳理了相关研究进展。其中，多径抑制部分重点分析检测、参数估计、定位与跟踪中的典型性能退化问题；多径利用部分从能量聚焦与回波增强、几何约束下的参数反演与定位，以及信息融合驱动的持续感知3个层面，总结代表性技术路径。在此基础上，结合相关任务分析多输入多输出(MIMO)雷达的波形分集、虚拟孔径、多视角观测等体制特征对多径分离、参数估计、协同感知及资源优化的影响。最后，探讨了真实场景建模、任务驱动处理、物理先验与数据驱动融合、协同系统工程实现等未来研究方向。
状态: , 更新:
针对星历误差影响下多个地面辐射源的超视距定位问题，提出了一种基于卫星信号与短波信号的多目标协同直接定位算法。通过利用地球椭圆模型下短波方位角、卫星时差与目标辐射源地理坐标之间的几何关系，建立联合短波和卫星观测信号的超视距多目标定位模型。在此基础上，结合两种频段的观测信号模型与星历误差统计模型，构造基于贝叶斯理论的最大似然代价函数，通过设计交替迭代算法实现了对多个目标地理坐标与星历误差等参数的迭代求解。仿真结果表明，该算法的定位精度较基于卫星与短波单一频段的定位算法有明显提升，不易受观测站与目标几何构型变化影响，而且能够有效削弱星历误差带来的定位扰动，在大星历误差条件下具有较强的鲁棒性。
针对星历误差影响下多个地面辐射源的超视距定位问题，提出了一种基于卫星信号与短波信号的多目标协同直接定位算法。通过利用地球椭圆模型下短波方位角、卫星时差与目标辐射源地理坐标之间的几何关系，建立联合短波和卫星观测信号的超视距多目标定位模型。在此基础上，结合两种频段的观测信号模型与星历误差统计模型，构造基于贝叶斯理论的最大似然代价函数，通过设计交替迭代算法实现了对多个目标地理坐标与星历误差等参数的迭代求解。仿真结果表明，该算法的定位精度较基于卫星与短波单一频段的定位算法有明显提升，不易受观测站与目标几何构型变化影响，而且能够有效削弱星历误差带来的定位扰动，在大星历误差条件下具有较强的鲁棒性。
状态: , 更新:
针对传统分布式雷达网络(DRN)数据回传成本高、效率低的问题，该文研究了一种面向空中计算(AirComp)辅助的分布式雷达网络新架构，旨在提升协同目标检测性能与数据融合效率。首先，从感知层面推导了适用于分布式雷达网络的协同检测器，创新性地揭示了其检测统计量天然具有求和形式，与AirComp的线性叠加机制在数学上高度契合。基于此，该文将各雷达节点的局部对数似然比作为AirComp的聚合对象，使AirComp的计算MSE直接对应检测充分统计量的估计误差，从而建立AirComp精度与检测性能之间的理论关联。并进一步提出一种面向AirComp辅助分布式雷达网络的联合波束赋形设计方法，同步优化雷达发射波束赋形矩阵、接收滤波器以及融合中心(FC)的混合波束赋形(HBF)接收器，并设计了基于交替优化的高效求解算法。仿真结果表明，在相同信干噪比和虚警概率条件下，所提AirDRN架构相较于传统时分双工(TDD)模式具有更优的目标检测性能，在信干噪比分别为7 dB和10 dB时，检测性能分别提升约3.17倍和1.52倍。
针对传统分布式雷达网络(DRN)数据回传成本高、效率低的问题，该文研究了一种面向空中计算(AirComp)辅助的分布式雷达网络新架构，旨在提升协同目标检测性能与数据融合效率。首先，从感知层面推导了适用于分布式雷达网络的协同检测器，创新性地揭示了其检测统计量天然具有求和形式，与AirComp的线性叠加机制在数学上高度契合。基于此，该文将各雷达节点的局部对数似然比作为AirComp的聚合对象，使AirComp的计算MSE直接对应检测充分统计量的估计误差，从而建立AirComp精度与检测性能之间的理论关联。并进一步提出一种面向AirComp辅助分布式雷达网络的联合波束赋形设计方法，同步优化雷达发射波束赋形矩阵、接收滤波器以及融合中心(FC)的混合波束赋形(HBF)接收器，并设计了基于交替优化的高效求解算法。仿真结果表明，在相同信干噪比和虚警概率条件下，所提AirDRN架构相较于传统时分双工(TDD)模式具有更优的目标检测性能，在信干噪比分别为7 dB和10 dB时，检测性能分别提升约3.17倍和1.52倍。
状态: , 更新:
为有效解决复杂城区环境下高分辨合成孔径雷达(SAR)影像与地理信息系统(GIS)建筑足迹的自动配准问题，该文构建了一套基于形态学指数的SAR-GIS建筑足迹特征自动配准框架，所提框架主要由特征提取与配准两部分构成。在特征提取阶段，该文利用多尺度的形态学二次散射指数(DI)获取建筑初始掩膜，利用层析合成孔径雷达(TomoSAR)获取的高度分布密度作为先验信息，构建空间一致性滤波准则对掩膜进行筛选，最后提取具有规则几何特征的建筑底部轮廓可见边，并对其进行建筑布局统计与方向约束，获取SAR影像建筑的分组线段特征。在配准阶段，该文提出了一种基于方向约束的网格化迭代配准方法，通过上一步所提取的建筑布局作为先验信息，对建筑GIS足迹可见边进行方向约束，实现全局偏角校正，再引入网格化局部迭代策略构建非线性几何畸变补偿机制，实现SAR-GIS建筑足迹的高精度配准。该文基于涪城一号数据开展了多场景验证实验，实验结果表明，相较于传统Potts分割以及形态学基线的特征提取算法，所构建框架在建筑特征提取方面精度提高了12%以上。相较于传统迭代最近点(ICP)配准算法，该文所提框架的配准距离精度可提升46%以上，且配准成功率保持在88%以上。有效克服了传统刚性配准算法在复杂城区环境下效率低与鲁棒性差的缺陷。
为有效解决复杂城区环境下高分辨合成孔径雷达(SAR)影像与地理信息系统(GIS)建筑足迹的自动配准问题，该文构建了一套基于形态学指数的SAR-GIS建筑足迹特征自动配准框架，所提框架主要由特征提取与配准两部分构成。在特征提取阶段，该文利用多尺度的形态学二次散射指数(DI)获取建筑初始掩膜，利用层析合成孔径雷达(TomoSAR)获取的高度分布密度作为先验信息，构建空间一致性滤波准则对掩膜进行筛选，最后提取具有规则几何特征的建筑底部轮廓可见边，并对其进行建筑布局统计与方向约束，获取SAR影像建筑的分组线段特征。在配准阶段，该文提出了一种基于方向约束的网格化迭代配准方法，通过上一步所提取的建筑布局作为先验信息，对建筑GIS足迹可见边进行方向约束，实现全局偏角校正，再引入网格化局部迭代策略构建非线性几何畸变补偿机制，实现SAR-GIS建筑足迹的高精度配准。该文基于涪城一号数据开展了多场景验证实验，实验结果表明，相较于传统Potts分割以及形态学基线的特征提取算法，所构建框架在建筑特征提取方面精度提高了12%以上。相较于传统迭代最近点(ICP)配准算法，该文所提框架的配准距离精度可提升46%以上，且配准成功率保持在88%以上。有效克服了传统刚性配准算法在复杂城区环境下效率低与鲁棒性差的缺陷。
状态: , 更新:
被动毫米波成像技术凭借准全天候与不主动发射电磁信号的优势，在空中目标监视领域展现出应用潜力。该文针对典型民航客机目标，探究其在动态飞行过程中的被动毫米波成像亮温建模和辐射特性演化规律。首先，基于射线追踪法与涂层金属辐射机理构建了飞机目标的毫米波本征辐射模型，并利用缩比模型开展实测对比实验，验证了理论仿真的准确性。然后，系统模拟了客机定高巡航与起飞爬升两种典型动态观测场景，分析了观测仰角、距离和极化对目标观测亮温的影响规律。最后，基于亮温动态演化，分析了探测能力，对不同观测仰角和典型天气条件下的极限探测距离展开了定量评估。研究表明，低仰角时天空背景高亮温会导致探测盲区；仰角升高后，目标对比度增强，探测距离提升；垂直极化模式亮温差异更大，探测能力更优，但距离很远时双极化模式趋于相同；典型云雾天气下的探测能力仍具有较高水平。可见，合理选择观测仰角与极化模式是提升探测性能的关键。
被动毫米波成像技术凭借准全天候与不主动发射电磁信号的优势，在空中目标监视领域展现出应用潜力。该文针对典型民航客机目标，探究其在动态飞行过程中的被动毫米波成像亮温建模和辐射特性演化规律。首先，基于射线追踪法与涂层金属辐射机理构建了飞机目标的毫米波本征辐射模型，并利用缩比模型开展实测对比实验，验证了理论仿真的准确性。然后，系统模拟了客机定高巡航与起飞爬升两种典型动态观测场景，分析了观测仰角、距离和极化对目标观测亮温的影响规律。最后，基于亮温动态演化，分析了探测能力，对不同观测仰角和典型天气条件下的极限探测距离展开了定量评估。研究表明，低仰角时天空背景高亮温会导致探测盲区；仰角升高后，目标对比度增强，探测距离提升；垂直极化模式亮温差异更大，探测能力更优，但距离很远时双极化模式趋于相同；典型云雾天气下的探测能力仍具有较高水平。可见，合理选择观测仰角与极化模式是提升探测性能的关键。
状态: , 更新:
针对复杂电磁环境下多干扰机协同对抗组网雷达存在的局部可观测、奖励稀疏以及信用分配失真等难题，该文提出一种基于离线奖励回填机制的智能协同干扰策略学习方法。所提方法将多干扰机的协同干扰过程建模为部分可观测马尔可夫决策过程，构建即时奖励与离线奖励回填相结合的双层奖励结构，以实现对干扰效果的精准评估。具体而言，多干扰机通过周期性信息汇总弥补局部可观测带来的信息缺失：在周期内，各干扰机利用局部观测对截获节奏和发射行为进行在线引导；在周期末，通过多机交互数据联合回溯评估与奖励回填，修正策略梯度信号，提升策略对真实干扰效果的表征与学习能力。在此基础上，该文结合集中训练、分散执行框架，提出基于离线奖励回填的多智能体近端策略优化算法ORB-MAPPO，实现多干扰机协同时频干扰策略学习。仿真结果表明，所提方法能够稳定学习有效的时频协同干扰策略，干扰遮盖率可达95%以上，信息截获率接近100%，相较典型多智能体策略优化方法，所提方法的干扰遮盖率提升约20%，表现出更优的协同干扰性能与训练稳定性。
针对复杂电磁环境下多干扰机协同对抗组网雷达存在的局部可观测、奖励稀疏以及信用分配失真等难题，该文提出一种基于离线奖励回填机制的智能协同干扰策略学习方法。所提方法将多干扰机的协同干扰过程建模为部分可观测马尔可夫决策过程，构建即时奖励与离线奖励回填相结合的双层奖励结构，以实现对干扰效果的精准评估。具体而言，多干扰机通过周期性信息汇总弥补局部可观测带来的信息缺失：在周期内，各干扰机利用局部观测对截获节奏和发射行为进行在线引导；在周期末，通过多机交互数据联合回溯评估与奖励回填，修正策略梯度信号，提升策略对真实干扰效果的表征与学习能力。在此基础上，该文结合集中训练、分散执行框架，提出基于离线奖励回填的多智能体近端策略优化算法ORB-MAPPO，实现多干扰机协同时频干扰策略学习。仿真结果表明，所提方法能够稳定学习有效的时频协同干扰策略，干扰遮盖率可达95%以上，信息截获率接近100%，相较典型多智能体策略优化方法，所提方法的干扰遮盖率提升约20%，表现出更优的协同干扰性能与训练稳定性。
状态: , 更新:
随着智能交通与自动驾驶技术的快速发展，毫米波雷达因具备全天候工作和高精度感知能力，已广泛应用于道路车辆跟踪领域。传统基于点目标或固定参数的跟踪方法难以刻画车辆的扩展特性及复杂交互行为，易引发目标分裂、漏检及航迹中断等问题。为此，该文提出一种基于分层关联的随机矩阵扩展卡尔曼滤波算法(HARM-EKF)。首先，基于随机矩阵模型对车辆目标的空间扩展特性进行建模，将目标形状表示为逆Wishart分布，并与运动状态进行联合估计；其次，针对不同状态轨迹与不同尺度车辆构建分层关联机制，引入混合高斯模型关联与簇关联，并采用针对小车的滑动窗口量测累积，抑制大型车辆分裂问题并提升小型车辆在稀疏量测条件下的跟踪连续性；进一步地，设计融合运动一致性、方向约束及形状相似性的航迹重关联方法，实现遮挡条件下航迹的恢复与身份保持；同时，在新生目标阶段引入基于尺寸先验的形状筛选策略，提高初始化稳定性。仿真结果表明，在密集交通、多遮挡及多杂波干扰场景下，所提方法能够显著提升多目标跟踪的连续性与稳定性，有效降低目标分裂与误关联现象，在跟踪准确率与鲁棒性方面优于传统方法。
随着智能交通与自动驾驶技术的快速发展，毫米波雷达因具备全天候工作和高精度感知能力，已广泛应用于道路车辆跟踪领域。传统基于点目标或固定参数的跟踪方法难以刻画车辆的扩展特性及复杂交互行为，易引发目标分裂、漏检及航迹中断等问题。为此，该文提出一种基于分层关联的随机矩阵扩展卡尔曼滤波算法(HARM-EKF)。首先，基于随机矩阵模型对车辆目标的空间扩展特性进行建模，将目标形状表示为逆Wishart分布，并与运动状态进行联合估计；其次，针对不同状态轨迹与不同尺度车辆构建分层关联机制，引入混合高斯模型关联与簇关联，并采用针对小车的滑动窗口量测累积，抑制大型车辆分裂问题并提升小型车辆在稀疏量测条件下的跟踪连续性；进一步地，设计融合运动一致性、方向约束及形状相似性的航迹重关联方法，实现遮挡条件下航迹的恢复与身份保持；同时，在新生目标阶段引入基于尺寸先验的形状筛选策略，提高初始化稳定性。仿真结果表明，在密集交通、多遮挡及多杂波干扰场景下，所提方法能够显著提升多目标跟踪的连续性与稳定性，有效降低目标分裂与误关联现象，在跟踪准确率与鲁棒性方面优于传统方法。
状态: , 更新:
岸基雷达因固定阵位限制探测能力受限，无人机集群利用其灵活部署特性构成空时混合孔径可实现舰船目标高分辨阵列逆合成孔径雷达(ISAR)三维成像。受海风等海洋环境影响，无人机集群非理想初始状态和速度同步误差会造成阵列构型畸变与ISAR复图像相位错位，降低目标测角与三维重构质量。针对上述问题，该文提出一种稀疏阵列ISAR联合误差校正与角度超分辨的舰船目标三维成像方法。该方法利用多脉冲与ISAR波达方向(DOA)估计的相关性构建关联匹配机制，抑制时变波程差造成的相位误差累积；将两维精细化速度误差模型和多准则融合指标嵌入DOA超分辨估计，实现多维误差补偿与超分辨测角一体化；依据单、多特显点的空间谱差异，结合误差时间分布特性与信噪比加权，提出距离维和方位维联合优化策略，提高测角精度和运算效率。点目标与电磁仿真结果表明，所提方法可在非理想稀疏无人机集群条件下实现舰船目标稳健三维成像，重构误差小于10%，可为舰船目标预警探测与引导打击提供技术支撑。
岸基雷达因固定阵位限制探测能力受限，无人机集群利用其灵活部署特性构成空时混合孔径可实现舰船目标高分辨阵列逆合成孔径雷达(ISAR)三维成像。受海风等海洋环境影响，无人机集群非理想初始状态和速度同步误差会造成阵列构型畸变与ISAR复图像相位错位，降低目标测角与三维重构质量。针对上述问题，该文提出一种稀疏阵列ISAR联合误差校正与角度超分辨的舰船目标三维成像方法。该方法利用多脉冲与ISAR波达方向(DOA)估计的相关性构建关联匹配机制，抑制时变波程差造成的相位误差累积；将两维精细化速度误差模型和多准则融合指标嵌入DOA超分辨估计，实现多维误差补偿与超分辨测角一体化；依据单、多特显点的空间谱差异，结合误差时间分布特性与信噪比加权，提出距离维和方位维联合优化策略，提高测角精度和运算效率。点目标与电磁仿真结果表明，所提方法可在非理想稀疏无人机集群条件下实现舰船目标稳健三维成像，重构误差小于10%，可为舰船目标预警探测与引导打击提供技术支撑。
状态: , 更新:
雷达辐射源信号分选旨在从交叠的脉冲流中分离出各辐射源对应的脉冲序列，是雷达信号侦察处理的关键环节，其结果将直接影响后续体制识别、行为分析与威胁评估等任务的准确性。现有方法通常以脉冲描述字作为主要特征，并通过不同辐射源脉冲在参数空间中的差异实现归属判别。然而，在复杂电磁环境下，脉冲描述字的估计可靠性极易受噪声、测量误差和波形混叠等因素影响，导致不同辐射源脉冲的特征区分度下降，从而制约了分选性能的进一步提升。针对上述问题，该文提出一种基于结构化状态建模的端到端脉冲流分选网络FSUNet。该网络直接以观测窗口内的脉冲流作为输入，在统一框架下联合建模脉内局部形态特征与脉间时序依赖关系，实现从原始信号到分选结果的端到端映射。具体而言，FSUNet首先利用多尺度自适应偏移机制提取脉冲边界与局部瞬态特征；随后通过结构化状态空间模块对跨脉冲的上下文依赖进行递推建模，以增强长程时序表征能力和分选结果的一致性；最后结合跳跃连接与注意力融合机制，自适应整合局部细节与全局状态信息。实验结果表明，在多种分选场景下，FSUNet能够在保持计算效率的同时取得较高的分选精度和鲁棒性。
雷达辐射源信号分选旨在从交叠的脉冲流中分离出各辐射源对应的脉冲序列，是雷达信号侦察处理的关键环节，其结果将直接影响后续体制识别、行为分析与威胁评估等任务的准确性。现有方法通常以脉冲描述字作为主要特征，并通过不同辐射源脉冲在参数空间中的差异实现归属判别。然而，在复杂电磁环境下，脉冲描述字的估计可靠性极易受噪声、测量误差和波形混叠等因素影响，导致不同辐射源脉冲的特征区分度下降，从而制约了分选性能的进一步提升。针对上述问题，该文提出一种基于结构化状态建模的端到端脉冲流分选网络FSUNet。该网络直接以观测窗口内的脉冲流作为输入，在统一框架下联合建模脉内局部形态特征与脉间时序依赖关系，实现从原始信号到分选结果的端到端映射。具体而言，FSUNet首先利用多尺度自适应偏移机制提取脉冲边界与局部瞬态特征；随后通过结构化状态空间模块对跨脉冲的上下文依赖进行递推建模，以增强长程时序表征能力和分选结果的一致性；最后结合跳跃连接与注意力融合机制，自适应整合局部细节与全局状态信息。实验结果表明，在多种分选场景下，FSUNet能够在保持计算效率的同时取得较高的分选精度和鲁棒性。
状态: , 更新:
极化逆合成孔径雷达(ISAR)是获取卫星目标高分辨率信息的重要手段。简缩极化能够平衡系统复杂度与极化信息容量，目前已广泛应用于各类地基ISAR系统。然而，在卫星过境时，为了调整观测区域，其搭载的天线部件通常会存在相对于卫星本体的独立机械转动。这类运动部件会在回波中引入额外的频率调制，造成ISAR图像散焦。基于深度学习的ISAR图像重聚焦方法通常侧重于目标整体的重聚焦，而忽略了运动部件所引起的频率特征变化，从而导致模型的聚焦性能有限。针对上述问题，该文提出了一种基于空频特征引导布朗桥扩散模型的简缩极化ISAR卫星天线运动重聚焦方法。该方法的核心思想是基于布朗桥扩散模型学习散焦ISAR图像和聚焦ISAR图像之间的映射关系，同时提取ISAR图像的空间特征和频率特征用于引导模型的学习，进而实现运动部件重聚焦。在此基础上，构建了极化ISAR卫星目标电磁仿真数据集并开展了对比实验，结果验证了所提方法具有更好的运动部件聚焦性能和泛化性能。
极化逆合成孔径雷达(ISAR)是获取卫星目标高分辨率信息的重要手段。简缩极化能够平衡系统复杂度与极化信息容量，目前已广泛应用于各类地基ISAR系统。然而，在卫星过境时，为了调整观测区域，其搭载的天线部件通常会存在相对于卫星本体的独立机械转动。这类运动部件会在回波中引入额外的频率调制，造成ISAR图像散焦。基于深度学习的ISAR图像重聚焦方法通常侧重于目标整体的重聚焦，而忽略了运动部件所引起的频率特征变化，从而导致模型的聚焦性能有限。针对上述问题，该文提出了一种基于空频特征引导布朗桥扩散模型的简缩极化ISAR卫星天线运动重聚焦方法。该方法的核心思想是基于布朗桥扩散模型学习散焦ISAR图像和聚焦ISAR图像之间的映射关系，同时提取ISAR图像的空间特征和频率特征用于引导模型的学习，进而实现运动部件重聚焦。在此基础上，构建了极化ISAR卫星目标电磁仿真数据集并开展了对比实验，结果验证了所提方法具有更好的运动部件聚焦性能和泛化性能。
状态: , 更新:
高价值人造目标检测是合成孔径雷达(SAR)的重要应用。现有基于深度学习的检测方法，对模型中的参数化知识的有效复用不足，在不同数据集上常表现出泛化性能弱的问题，导致实际迁移应用困难。针对这一问题，该文从向模型学习(LFM)的角度出发，提出一种基于YOLO模型合并的SAR图像人造目标检测方法。该方法的核心思想是以多个同构模型为知识来源，将源模型中已形成的特征提取、多尺度特征融合和目标判别能力整合到统一检测框架中，实现已有模型知识向检测性能增益的转化。该方法以共享预训练骨干网络为基础，首先将多源模型的颈部网络参数迁移至合并模型。随后，采用多尺度通道拼接并结合点卷积的方式，实现多源模型的多尺度特征融合。同时，在各特征尺度并行拓展检测头分支，以保持每个源模型的判别能力。基于SADD, SSDD和HRSID 3个公开SAR数据集的实验结果表明，所提方法可有效提升SAR图像飞机、舰船等人造目标的检测性能。在Recall, mAP50和mAP50-95指标上均实现了稳定的性能增益，尤其在高交并比阈值和少样本场景下，展现出更优的检测鲁棒性与泛化能力。
高价值人造目标检测是合成孔径雷达(SAR)的重要应用。现有基于深度学习的检测方法，对模型中的参数化知识的有效复用不足，在不同数据集上常表现出泛化性能弱的问题，导致实际迁移应用困难。针对这一问题，该文从向模型学习(LFM)的角度出发，提出一种基于YOLO模型合并的SAR图像人造目标检测方法。该方法的核心思想是以多个同构模型为知识来源，将源模型中已形成的特征提取、多尺度特征融合和目标判别能力整合到统一检测框架中，实现已有模型知识向检测性能增益的转化。该方法以共享预训练骨干网络为基础，首先将多源模型的颈部网络参数迁移至合并模型。随后，采用多尺度通道拼接并结合点卷积的方式，实现多源模型的多尺度特征融合。同时，在各特征尺度并行拓展检测头分支，以保持每个源模型的判别能力。基于SADD, SSDD和HRSID 3个公开SAR数据集的实验结果表明，所提方法可有效提升SAR图像飞机、舰船等人造目标的检测性能。在Recall, mAP50和mAP50-95指标上均实现了稳定的性能增益，尤其在高交并比阈值和少样本场景下，展现出更优的检测鲁棒性与泛化能力。
状态: , 更新:
毫米波雷达作为一种非侵入式、非接触的传感设备，在人机交互、智能家居、虚拟现实等领域具有广阔应用前景而备受关注。现有深度学习模型由于其强大的特征提取能力，对训练用户的手势能实现很好的性能，当面临不同手势习惯、手部大小存在差异的新用户时，识别性能会出现显著退化。为提升模型在跨人场景下的泛化能力，该文提出一种融合端到端学习与状态空间模型的毫米波雷达手势识别网络。该方法直接以原始雷达数据立方体作为输入，通过嵌入Mamba模块在时空维度建模长程依赖关系，从而实现对不同用户手势特征的自适应提取与鲁棒表示。实验结果表明，所构建的端到端架构能够有效捕捉与用户无关的判别性手势模式。在跨人测试集上，该文方法在11折实验中取得94.28%的平均识别准确率和2.55%的标准差，最佳单折准确率为97.50%，显著优于传统深度学习方法，表明其在受控采集条件下具有较好的跨人识别鲁棒性。
毫米波雷达作为一种非侵入式、非接触的传感设备，在人机交互、智能家居、虚拟现实等领域具有广阔应用前景而备受关注。现有深度学习模型由于其强大的特征提取能力，对训练用户的手势能实现很好的性能，当面临不同手势习惯、手部大小存在差异的新用户时，识别性能会出现显著退化。为提升模型在跨人场景下的泛化能力，该文提出一种融合端到端学习与状态空间模型的毫米波雷达手势识别网络。该方法直接以原始雷达数据立方体作为输入，通过嵌入Mamba模块在时空维度建模长程依赖关系，从而实现对不同用户手势特征的自适应提取与鲁棒表示。实验结果表明，所构建的端到端架构能够有效捕捉与用户无关的判别性手势模式。在跨人测试集上，该文方法在11折实验中取得94.28%的平均识别准确率和2.55%的标准差，最佳单折准确率为97.50%，显著优于传统深度学习方法，表明其在受控采集条件下具有较好的跨人识别鲁棒性。
状态: , 更新:
当前空中平台主要采取外形优化设计、吸波材料覆盖等被动隐身技术进行雷达隐身，但由于诸多技术瓶颈导致其在多方向、宽频谱上的隐身性能受到制约，主动隐身技术作为一种补充手段逐渐成为研究重点。为提升分布式雷达组网探测系统探测下空中平台隐身性能，该文结合认知电子战特点，以大幅降低雷达接收机对电磁干扰与空中目标的感知能力为目标，提出一种基于自卫/伴随式智能电磁干扰策略的空中平台主动隐身方法，在灵活干扰波束指向、多干扰频段覆盖基础上，通过构建自适应电磁干扰策略，实现多方向、宽频段上的目标雷达散射截面积(RCS)等效缩减。具体来说，引入强化学习机制构建电子战策略生成框架，首先依托平台自身或伴随平台认知电子战系统，对外部雷达组网探测系统电磁辐射信号实时感知，并结合先期信息等综合构建高完备性观测空间，然后基于干扰样式、带宽、功率、辐射方向等参数构建行为空间，并从影响雷达工作状态、降低电磁干扰暴露风险等角度设计多级奖励函数，最后采用强化学习算法完成智能体的引导训练与智能干扰策略优选。仿真实验结果表明，与传统被动隐身技术与固定干扰策略相比，所提方法有效降低了雷达组网对空中平台的探测范围与电磁干扰感知能力，对多频段雷达站的平均RCS等效缩减量最大可达9.40 dB，电磁干扰隐蔽占比不低于97.83%。生成策略下的干扰参数可根据外部电磁环境变化动态调整，有效提升了空中平台的雷达隐身性能，可为后续主动隐身技术思路发展提供参考。
当前空中平台主要采取外形优化设计、吸波材料覆盖等被动隐身技术进行雷达隐身，但由于诸多技术瓶颈导致其在多方向、宽频谱上的隐身性能受到制约，主动隐身技术作为一种补充手段逐渐成为研究重点。为提升分布式雷达组网探测系统探测下空中平台隐身性能，该文结合认知电子战特点，以大幅降低雷达接收机对电磁干扰与空中目标的感知能力为目标，提出一种基于自卫/伴随式智能电磁干扰策略的空中平台主动隐身方法，在灵活干扰波束指向、多干扰频段覆盖基础上，通过构建自适应电磁干扰策略，实现多方向、宽频段上的目标雷达散射截面积(RCS)等效缩减。具体来说，引入强化学习机制构建电子战策略生成框架，首先依托平台自身或伴随平台认知电子战系统，对外部雷达组网探测系统电磁辐射信号实时感知，并结合先期信息等综合构建高完备性观测空间，然后基于干扰样式、带宽、功率、辐射方向等参数构建行为空间，并从影响雷达工作状态、降低电磁干扰暴露风险等角度设计多级奖励函数，最后采用强化学习算法完成智能体的引导训练与智能干扰策略优选。仿真实验结果表明，与传统被动隐身技术与固定干扰策略相比，所提方法有效降低了雷达组网对空中平台的探测范围与电磁干扰感知能力，对多频段雷达站的平均RCS等效缩减量最大可达9.40 dB，电磁干扰隐蔽占比不低于97.83%。生成策略下的干扰参数可根据外部电磁环境变化动态调整，有效提升了空中平台的雷达隐身性能，可为后续主动隐身技术思路发展提供参考。
状态: , 更新:
合成孔径雷达(SAR)图像解译应用场景广泛，SAR飞机检测识别是其中的一个重要分支。由于SAR飞机样本采集与标注难度大，可用训练样本稀缺，亟须发展小样本条件下的SAR飞机检测识别方法。然而，SAR复杂成像环境导致目标特征表达不稳定，检测网络难以自适应应对SAR复杂背景的扰动，限制了小样本条件下飞机检测识别的精度。为此，该文提出了一种基于强散射动态原型引导的小样本SAR飞机细粒度检测识别方法，其关键在于将SAR强散射物理先验融入元度量学习框架，从目标特征增强与网络的自适应适配两个层面协同提升检测识别性能。通过动态原型生成模块提取SAR图像强散射点并构建物理注意力掩码，将高层语义特征锚定在目标的物理几何结构上以提取鲁棒的特征表示，并将其与原型自适应融合生成动态原型；进一步设计动态原型引导模块，基于动态原型实现从语义空间到参数空间的映射，分别对网络权重更新、特征输入和预测输出进行自适应调整，提升模型对新类别的快速适应能力。该文方法有效增强了SAR目标特征表征的稳定性并抑制了背景杂波的干扰，在CSAR-AC数据集上的实验结果表明，该文方法在1-shot和5-shot设置下的检测精度均优于主流小样本目标检测算法，显著提升了复杂场景下的小样本SAR飞机目标检测识别性能。
合成孔径雷达(SAR)图像解译应用场景广泛，SAR飞机检测识别是其中的一个重要分支。由于SAR飞机样本采集与标注难度大，可用训练样本稀缺，亟须发展小样本条件下的SAR飞机检测识别方法。然而，SAR复杂成像环境导致目标特征表达不稳定，检测网络难以自适应应对SAR复杂背景的扰动，限制了小样本条件下飞机检测识别的精度。为此，该文提出了一种基于强散射动态原型引导的小样本SAR飞机细粒度检测识别方法，其关键在于将SAR强散射物理先验融入元度量学习框架，从目标特征增强与网络的自适应适配两个层面协同提升检测识别性能。通过动态原型生成模块提取SAR图像强散射点并构建物理注意力掩码，将高层语义特征锚定在目标的物理几何结构上以提取鲁棒的特征表示，并将其与原型自适应融合生成动态原型；进一步设计动态原型引导模块，基于动态原型实现从语义空间到参数空间的映射，分别对网络权重更新、特征输入和预测输出进行自适应调整，提升模型对新类别的快速适应能力。该文方法有效增强了SAR目标特征表征的稳定性并抑制了背景杂波的干扰，在CSAR-AC数据集上的实验结果表明，该文方法在1-shot和5-shot设置下的检测精度均优于主流小样本目标检测算法，显著提升了复杂场景下的小样本SAR飞机目标检测识别性能。
状态: , 更新:
传统星载SAR单基线顺轨干涉体制因基线固定难以满足复杂海况下海面流场测量需求。针对分布式SAR卫星系统多基线协同测流基线设计的问题，该文在干涉相干性与测流敏感性双重约束下，提出一种面向海流测量的多基线优化设计方法，并推导了多基线加权最小二乘融合反演海面流场的理论精度上界。结果表明，该方法可显著降低径向流速误差；当基线数量增加到一定程度后，精度逼近理论上限。不同海况下，融合误差均满足0.1 m/s的测速精度要求，且X频段和C频段需求的短基线较Ku频段更长。该方法可以有效支撑分布式干涉SAR海流测量卫星系统设计。
传统星载SAR单基线顺轨干涉体制因基线固定难以满足复杂海况下海面流场测量需求。针对分布式SAR卫星系统多基线协同测流基线设计的问题，该文在干涉相干性与测流敏感性双重约束下，提出一种面向海流测量的多基线优化设计方法，并推导了多基线加权最小二乘融合反演海面流场的理论精度上界。结果表明，该方法可显著降低径向流速误差；当基线数量增加到一定程度后，精度逼近理论上限。不同海况下，融合误差均满足0.1 m/s的测速精度要求，且X频段和C频段需求的短基线较Ku频段更长。该方法可以有效支撑分布式干涉SAR海流测量卫星系统设计。
状态: , 更新:
该文针对星座雷达执行区域搜索任务场景，提出一种面向射频隐身的星座雷达区域搜索能量管控与波位任务调度算法。首先，将区域搜索空域按波位递推生成方式离散为波位集合，将各波位的检测概率信息融合为区域复合检测信息，结合该复合检测信息，推导包含波位先验威胁、几何链路系数与辐射能量分配等参数的区域加权检测概率解析表达式，并将其作为区域搜索任务性能的衡量指标。在此基础上，构建面向射频隐身的星座雷达区域搜索能量管控优化模型，即以最小化星座雷达的总辐射能量为优化目标，以满足预先设定的加权检测概率阈值与波位全覆盖性能要求为约束条件，对波位辐射能量进行优化分配；进一步结合配额感知轮询与补盲调度策略，将波位搜索任务调度至具体天基雷达执行，形成可执行的波位任务调度方案。针对上述优化问题，构造固定总辐射能量下的区域搜索性能函数，并结合外层单调二分搜索与内层Karush-Kuhn-Tucker (KKT)条件求解，形成两步分解求解算法。仿真结果表明，与对比算法相比，所提算法能够有效降低星座雷达系统在区域搜索任务中的总辐射能量，从而降低系统射频暴露风险。
该文针对星座雷达执行区域搜索任务场景，提出一种面向射频隐身的星座雷达区域搜索能量管控与波位任务调度算法。首先，将区域搜索空域按波位递推生成方式离散为波位集合，将各波位的检测概率信息融合为区域复合检测信息，结合该复合检测信息，推导包含波位先验威胁、几何链路系数与辐射能量分配等参数的区域加权检测概率解析表达式，并将其作为区域搜索任务性能的衡量指标。在此基础上，构建面向射频隐身的星座雷达区域搜索能量管控优化模型，即以最小化星座雷达的总辐射能量为优化目标，以满足预先设定的加权检测概率阈值与波位全覆盖性能要求为约束条件，对波位辐射能量进行优化分配；进一步结合配额感知轮询与补盲调度策略，将波位搜索任务调度至具体天基雷达执行，形成可执行的波位任务调度方案。针对上述优化问题，构造固定总辐射能量下的区域搜索性能函数，并结合外层单调二分搜索与内层Karush-Kuhn-Tucker (KKT)条件求解，形成两步分解求解算法。仿真结果表明，与对比算法相比，所提算法能够有效降低星座雷达系统在区域搜索任务中的总辐射能量，从而降低系统射频暴露风险。
状态: , 更新:
传统单干扰站合成孔径雷达(SAR)压制干扰在动目标指示(GMTI)体制下会产生压制盲区，增加目标暴露风险；同时，真实目标的运动会引起方位向能量展宽和位置偏移，进一步提高干扰机对压制范围与功率分配的需求。多干扰站信号级协同方法虽可缓解上述问题，但会增加硬件成本，且仅能针对固定的SAR方位向，增加了站点布防难度。为解决这些问题，该文提出一种基于四相位复合调制的压制干扰信号调控方法。该方法通过运动补偿相位生成具有与运动目标散焦与偏移特征相似的虚假点目标，利用子区域定位相位和中心位置调控相位控制各压制子区域的位置，并借助多尺度噪声模板相位调节噪声点的二维尺度。4个相位协同作用，使单台干扰机能够快速生成具备运动目标散焦与偏移特征的多区域、噪声尺度可控的压制干扰，从而实现对周边多个运动目标的同步压制。所生成的压制干扰区域具有与真实运动目标相似的方位向散焦特性，确保噪声点散焦长度接近真实目标散焦长度；噪声干扰的方位向偏移相对于真实目标的位置偏移在误差允许范围内，使得方位向偏移后的压制区域能够有效覆盖运动目标在SAR图像上的成像位置。经多通道相位中心偏置天线-顺轨干涉测量(DPCA-ATI)后，真实运动目标随压制区域被矫正至同一方位向，从而实现对多个运动目标的有效防护。该文理论分析与仿真验证为三通道SAR-GMTI干扰技术提供了可量化的评估依据。
传统单干扰站合成孔径雷达(SAR)压制干扰在动目标指示(GMTI)体制下会产生压制盲区，增加目标暴露风险；同时，真实目标的运动会引起方位向能量展宽和位置偏移，进一步提高干扰机对压制范围与功率分配的需求。多干扰站信号级协同方法虽可缓解上述问题，但会增加硬件成本，且仅能针对固定的SAR方位向，增加了站点布防难度。为解决这些问题，该文提出一种基于四相位复合调制的压制干扰信号调控方法。该方法通过运动补偿相位生成具有与运动目标散焦与偏移特征相似的虚假点目标，利用子区域定位相位和中心位置调控相位控制各压制子区域的位置，并借助多尺度噪声模板相位调节噪声点的二维尺度。4个相位协同作用，使单台干扰机能够快速生成具备运动目标散焦与偏移特征的多区域、噪声尺度可控的压制干扰，从而实现对周边多个运动目标的同步压制。所生成的压制干扰区域具有与真实运动目标相似的方位向散焦特性，确保噪声点散焦长度接近真实目标散焦长度；噪声干扰的方位向偏移相对于真实目标的位置偏移在误差允许范围内，使得方位向偏移后的压制区域能够有效覆盖运动目标在SAR图像上的成像位置。经多通道相位中心偏置天线-顺轨干涉测量(DPCA-ATI)后，真实运动目标随压制区域被矫正至同一方位向，从而实现对多个运动目标的有效防护。该文理论分析与仿真验证为三通道SAR-GMTI干扰技术提供了可量化的评估依据。
状态: , 更新:
相控阵雷达网络在复杂环境下的多目标跟踪能力受到有限资源与异步采样机制的双重制约，尤其在跟踪与搜索(TAS)体制下，搜索与跟踪任务之间的资源竞争以及量测不确定性会显著影响系统整体跟踪性能。针对上述问题，该文提出一种杂波环境下任务优先级驱动的异步相控阵雷达网络(APARN)认知跟踪资源调度方法(TPRS)。该方法在资源调度模型中引入软关联概率以及虚警密度、检测概率等环境参数，刻画量测不确定性对资源调度决策的影响；并在TAS体制下，针对目标已通过多帧检测完成航迹起始的场景，将资源调度重点聚焦于跟踪任务，在资源受限条件下按优先级实施序贯调度。在此基础上，结合集中式资源调度与分布式状态估计融合构建APARN闭环多目标跟踪框架，通过联合概率数据关联(JPDA)实现多目标状态估计，利用协方差交集(CI)完成异步量测融合，并以引入关联不确定性的后验Cramér-Rao下界(PCRLB)作为调度性能评价指标。针对该优化问题多维决策变量耦合且属于NP难问题的特点，提出一种多维解耦与顺序动态规划相结合的两阶段求解方法，以降低计算复杂度并实现资源受限条件下雷达-目标动态匹配与异步驻留时间的自适应调度。仿真结果表明，在资源受限与杂波干扰条件下，所提方法能够有效提升APARN的整体多目标跟踪精度与资源利用效率，为异步多雷达协同跟踪系统的工程化应用提供了可行技术路径。
相控阵雷达网络在复杂环境下的多目标跟踪能力受到有限资源与异步采样机制的双重制约，尤其在跟踪与搜索(TAS)体制下，搜索与跟踪任务之间的资源竞争以及量测不确定性会显著影响系统整体跟踪性能。针对上述问题，该文提出一种杂波环境下任务优先级驱动的异步相控阵雷达网络(APARN)认知跟踪资源调度方法(TPRS)。该方法在资源调度模型中引入软关联概率以及虚警密度、检测概率等环境参数，刻画量测不确定性对资源调度决策的影响；并在TAS体制下，针对目标已通过多帧检测完成航迹起始的场景，将资源调度重点聚焦于跟踪任务，在资源受限条件下按优先级实施序贯调度。在此基础上，结合集中式资源调度与分布式状态估计融合构建APARN闭环多目标跟踪框架，通过联合概率数据关联(JPDA)实现多目标状态估计，利用协方差交集(CI)完成异步量测融合，并以引入关联不确定性的后验Cramér-Rao下界(PCRLB)作为调度性能评价指标。针对该优化问题多维决策变量耦合且属于NP难问题的特点，提出一种多维解耦与顺序动态规划相结合的两阶段求解方法，以降低计算复杂度并实现资源受限条件下雷达-目标动态匹配与异步驻留时间的自适应调度。仿真结果表明，在资源受限与杂波干扰条件下，所提方法能够有效提升APARN的整体多目标跟踪精度与资源利用效率，为异步多雷达协同跟踪系统的工程化应用提供了可行技术路径。
状态: , 更新:
海冰是全球气候变化的重要指示因子，其精确监测对气候研究、极地航运和海洋资源利用具有重要意义。星载微波散射计具备全天时、全天候和大范围观测能力，是极地海冰监测的重要遥感手段。该文利用HY-2B, CFOSAT和FY-3E 3颗国产卫星散射计观测数据，在统一投影网格、统一样本标签和统一分类框架下，基于支持向量机(SVM)分别构建了北极海冰范围检测模型和海冰类型(一年冰/多年冰)分类模型，并利用2022年3月至2023年2月观测数据生成逐日海冰产品。通过与OSI SAF, NSIDC, MODIS海冰范围产品及SAR影像的综合对比，系统评估了不同散射计在海冰监测中的能力差异。结果表明：在冰水区分任务中，FY-3E双波段联合方法表现最佳，年平均总体精度和Kappa系数分别达到99.11%和97.39%；CFOSAT, FY-3E Ku波段和FY-3E C波段结果相近，均优于HY-2B。在非融化期海冰类型分类任务中，以OSI SAF海冰类型产品为参考时，FY-3E双波段联合方法同样取得最高精度，年平均总体精度和Kappa系数分别为97.40%和92.42%；进一步以NSIDC海冰年龄产品进行交叉验证时，FY-3E双波段联合方法仍表现最优，OA和Kappa分别为87.26%和69.65%。CFOSAT, HY-2B和FY-3E Ku波段具备较好的冰型区分能力，而FY-3E C波段单独用于冰型识别时精度较低。总体来看，不同参考数据会影响冰型分类的绝对精度，但各方法的相对表现基本一致，说明FY-3E双波段联合结果并非仅反映对OSI SAF训练标签的拟合。FY-3E双波段联合方法在全年海冰范围检测和非融化期海冰类型分类中均表现出更高的稳定性和一致性，说明双频散射信息在极地海冰监测中具有明显互补优势。该研究可为国产散射计海冰业务化应用及多波段联合反演提供参考。
海冰是全球气候变化的重要指示因子，其精确监测对气候研究、极地航运和海洋资源利用具有重要意义。星载微波散射计具备全天时、全天候和大范围观测能力，是极地海冰监测的重要遥感手段。该文利用HY-2B, CFOSAT和FY-3E 3颗国产卫星散射计观测数据，在统一投影网格、统一样本标签和统一分类框架下，基于支持向量机(SVM)分别构建了北极海冰范围检测模型和海冰类型(一年冰/多年冰)分类模型，并利用2022年3月至2023年2月观测数据生成逐日海冰产品。通过与OSI SAF, NSIDC, MODIS海冰范围产品及SAR影像的综合对比，系统评估了不同散射计在海冰监测中的能力差异。结果表明：在冰水区分任务中，FY-3E双波段联合方法表现最佳，年平均总体精度和Kappa系数分别达到99.11%和97.39%；CFOSAT, FY-3E Ku波段和FY-3E C波段结果相近，均优于HY-2B。在非融化期海冰类型分类任务中，以OSI SAF海冰类型产品为参考时，FY-3E双波段联合方法同样取得最高精度，年平均总体精度和Kappa系数分别为97.40%和92.42%；进一步以NSIDC海冰年龄产品进行交叉验证时，FY-3E双波段联合方法仍表现最优，OA和Kappa分别为87.26%和69.65%。CFOSAT, HY-2B和FY-3E Ku波段具备较好的冰型区分能力，而FY-3E C波段单独用于冰型识别时精度较低。总体来看，不同参考数据会影响冰型分类的绝对精度，但各方法的相对表现基本一致，说明FY-3E双波段联合结果并非仅反映对OSI SAF训练标签的拟合。FY-3E双波段联合方法在全年海冰范围检测和非融化期海冰类型分类中均表现出更高的稳定性和一致性，说明双频散射信息在极地海冰监测中具有明显互补优势。该研究可为国产散射计海冰业务化应用及多波段联合反演提供参考。
状态: , 更新:
雷达微多普勒步态识别系统在对抗攻击条件下的安全边界评估具有重要意义。现有攻击方法大多直接迁移自光学图像领域，忽略了微多普勒谱图在细粒度特征分布和时频结构上的特点，从而导致其在跨模型的黑盒目标攻击场景中的迁移性能受限。为此，该文提出一种面向人体步态微多普勒特征的黑盒目标攻击框架GAC-Attack。针对类别间特征分布接近、目标攻击方向易发生语义偏移的问题，构建类间关系引导的鲁棒梯度优化机制。针对判别信息主要集中于局部时频区域的特点，设计自适应局部裁剪机制，以增强扰动对跨模型共享判别特征的干扰能力。该文构建了单动作步态识别数据集与多动作身份识别数据集，并在7种网络架构和7种黑盒目标攻击算法下进行了系统对比实验。结果表明，所提方法在步态数据集和身份数据集上的目标攻击成功率分别较次优基线提升约7%和4%，并在多数模型组合中保持领先，该方法在细粒度复杂场景下的有效性与跨模型迁移稳定性得到验证。
雷达微多普勒步态识别系统在对抗攻击条件下的安全边界评估具有重要意义。现有攻击方法大多直接迁移自光学图像领域，忽略了微多普勒谱图在细粒度特征分布和时频结构上的特点，从而导致其在跨模型的黑盒目标攻击场景中的迁移性能受限。为此，该文提出一种面向人体步态微多普勒特征的黑盒目标攻击框架GAC-Attack。针对类别间特征分布接近、目标攻击方向易发生语义偏移的问题，构建类间关系引导的鲁棒梯度优化机制。针对判别信息主要集中于局部时频区域的特点，设计自适应局部裁剪机制，以增强扰动对跨模型共享判别特征的干扰能力。该文构建了单动作步态识别数据集与多动作身份识别数据集，并在7种网络架构和7种黑盒目标攻击算法下进行了系统对比实验。结果表明，所提方法在步态数据集和身份数据集上的目标攻击成功率分别较次优基线提升约7%和4%，并在多数模型组合中保持领先，该方法在细粒度复杂场景下的有效性与跨模型迁移稳定性得到验证。
状态: , 更新:
对驾驶员心脏活动的监测可以有效评估其生理和心理状态，然而，现有的心跳感知方法(心电图和远程光电容积描记法)操作烦琐，易受光线影响，并不适用于车载场景。基于毫米波雷达的心跳感知技术虽然具有高精度、非接触等优势，但易受干扰影响。针对上述问题，该文结合射频信号的低频特性、长程动态敏感性、稀疏性，基于自注意力机制设计了一个射频特征提取器，通过构建深度盲源分离网络实现了驾驶员心跳射频特征和车载干扰特征的分离。此外，针对射频信号采集难的问题，该文提出了一种混合-源信号生成策略，通过少量心震描记数据和车载干扰数据合成了训练样本。最后，该文在真实的行车环境中对该方法进行了验证，实验结果表明，系统可实现心率绝对误差4.92 bpm、心搏间期中位数误差65.93 ms的感知精度。
对驾驶员心脏活动的监测可以有效评估其生理和心理状态，然而，现有的心跳感知方法(心电图和远程光电容积描记法)操作烦琐，易受光线影响，并不适用于车载场景。基于毫米波雷达的心跳感知技术虽然具有高精度、非接触等优势，但易受干扰影响。针对上述问题，该文结合射频信号的低频特性、长程动态敏感性、稀疏性，基于自注意力机制设计了一个射频特征提取器，通过构建深度盲源分离网络实现了驾驶员心跳射频特征和车载干扰特征的分离。此外，针对射频信号采集难的问题，该文提出了一种混合-源信号生成策略，通过少量心震描记数据和车载干扰数据合成了训练样本。最后，该文在真实的行车环境中对该方法进行了验证，实验结果表明，系统可实现心率绝对误差4.92 bpm、心搏间期中位数误差65.93 ms的感知精度。
状态: , 更新:
穿墙人体目标定位在目标感知及救援等领域具有广泛的应用前景。然而超宽带穿墙雷达系统受到墙体杂波干扰导致目标回波特征模糊，传统方法难以在复杂环境下实现稳定的检测与高精度的定位。尽管基于深度学习的目标定位方法在复杂环境下表现出更优异的性能，但现有方案常依赖于分布式雷达布局，导致系统部署困难、算法实现复杂度高。为解决上述挑战，该研究基于单视角小孔径2发4收超宽带穿墙雷达，提出一种双流时空(DSTS)特征提取与DEtection TRansformer (DETR)的深度学习网络结构以实现对墙后人体目标位置的确定。该网络以复数距离像作为输入，对其进行时空特征提取并从中构建双流分支：相位域分支提取目标空间角度信息，而幅度域分支反映目标径向距离，从而充分挖掘回波中的目标距离与方位特征。随后，双流分支分别经过多尺度降采样，并引入通道注意力机制进行加权融合，以得到低维特征。最终，将所得低维特征加入位置编码，输入DETR网络中，利用其集合预测特性得到可靠目标定位结果。在实测数据上验证表明，所提方法在多目标且准确定位阈值设为0.7 m时平均精度可达0.79，性能优于4种现有方案。
穿墙人体目标定位在目标感知及救援等领域具有广泛的应用前景。然而超宽带穿墙雷达系统受到墙体杂波干扰导致目标回波特征模糊，传统方法难以在复杂环境下实现稳定的检测与高精度的定位。尽管基于深度学习的目标定位方法在复杂环境下表现出更优异的性能，但现有方案常依赖于分布式雷达布局，导致系统部署困难、算法实现复杂度高。为解决上述挑战，该研究基于单视角小孔径2发4收超宽带穿墙雷达，提出一种双流时空(DSTS)特征提取与DEtection TRansformer (DETR)的深度学习网络结构以实现对墙后人体目标位置的确定。该网络以复数距离像作为输入，对其进行时空特征提取并从中构建双流分支：相位域分支提取目标空间角度信息，而幅度域分支反映目标径向距离，从而充分挖掘回波中的目标距离与方位特征。随后，双流分支分别经过多尺度降采样，并引入通道注意力机制进行加权融合，以得到低维特征。最终，将所得低维特征加入位置编码，输入DETR网络中，利用其集合预测特性得到可靠目标定位结果。在实测数据上验证表明，所提方法在多目标且准确定位阈值设为0.7 m时平均精度可达0.79，性能优于4种现有方案。
状态: , 更新:
在空间态势感知体系中，高动态弱目标的精确探测具有重要意义。然而，目标与雷达的高速相对运动会引发距离与多普勒两维跨单元徙动，传统补偿算法计算复杂度较高，现有底层硬件平台的算力难以满足实时处理需求。为此，提出一种高动态弱目标分级探测算法，并设计了相应的现场可编程门阵列(FPGA)加速架构。算法层面，结合目标短时运动特性及LV氏分布(LVD)的参数解耦优势，构建降维Radon-LV氏分布(RLVD)粗估计与局部精细搜索补偿的级联处理策略，在维持相参积累增益的前提下有效降低计算复杂度；硬件层面，以8通道并行RLVD计算核为核心，设计了端到端的实时处理系统。测试结果表明，在200 MHz系统时钟下，系统以8.41 ms 的全流程时延完成了4通道、单帧32×8192 规模回波数据的实时处理，核心参数解算相对浮点模型的偏差较小，三维定位的最大量化偏差为1.220 m。此外，地基雷达实测数据进一步验证了该架构在实际探测场景中的工程可行性。
在空间态势感知体系中，高动态弱目标的精确探测具有重要意义。然而，目标与雷达的高速相对运动会引发距离与多普勒两维跨单元徙动，传统补偿算法计算复杂度较高，现有底层硬件平台的算力难以满足实时处理需求。为此，提出一种高动态弱目标分级探测算法，并设计了相应的现场可编程门阵列(FPGA)加速架构。算法层面，结合目标短时运动特性及LV氏分布(LVD)的参数解耦优势，构建降维Radon-LV氏分布(RLVD)粗估计与局部精细搜索补偿的级联处理策略，在维持相参积累增益的前提下有效降低计算复杂度；硬件层面，以8通道并行RLVD计算核为核心，设计了端到端的实时处理系统。测试结果表明，在200 MHz系统时钟下，系统以8.41 ms 的全流程时延完成了4通道、单帧32×8192 规模回波数据的实时处理，核心参数解算相对浮点模型的偏差较小，三维定位的最大量化偏差为1.220 m。此外，地基雷达实测数据进一步验证了该架构在实际探测场景中的工程可行性。
状态: , 更新:
基于多径利用雷达的非视距人体目标行为识别技术在城市作战、智能驾驶、应急救援等领域具有重要的应用价值，现有研究通常基于监督式深度学习框架，存在严重依赖大规模标注样本、抗噪性能有限的问题。为此，该文将多路径传播视作多视角观测信息通道，通过路径分离和时频分析构造等效多视角的人体行为时频谱图，进一步提出物理信息嵌入的多路径对比网络(MuPhyCoNet)，一方面将不同路径的多视角时频谱图作为天然的对比学习多路正样本输入，支撑模型自主学习挖掘行为特征，无需依赖大量人工标注；另一方面，引入观测项与预测项两类物理约束并设计物理一致性损失。观测项直接从原始时频谱图计算物理量差别，预测项由投影头回归的物理参数与观测值对齐以验证网络所学物理特性；二者合并，使模型在保持判别能力的同时，提高对噪声和建模误差的鲁棒性。该文在采用超宽带步进变频连续波雷达自采的非视距人体行为数据集(6类动作、共19500 张时频谱图)上，采用“自监督预训练+下游分类器”的策略进行了评估。实验结果表明：在10%标注率设置下，MuPhyCoNet的分类准确率为94.32%，较MoCo v2的72.19%提升了22.13%，同时表现出更优的抗噪声性能。
基于多径利用雷达的非视距人体目标行为识别技术在城市作战、智能驾驶、应急救援等领域具有重要的应用价值，现有研究通常基于监督式深度学习框架，存在严重依赖大规模标注样本、抗噪性能有限的问题。为此，该文将多路径传播视作多视角观测信息通道，通过路径分离和时频分析构造等效多视角的人体行为时频谱图，进一步提出物理信息嵌入的多路径对比网络(MuPhyCoNet)，一方面将不同路径的多视角时频谱图作为天然的对比学习多路正样本输入，支撑模型自主学习挖掘行为特征，无需依赖大量人工标注；另一方面，引入观测项与预测项两类物理约束并设计物理一致性损失。观测项直接从原始时频谱图计算物理量差别，预测项由投影头回归的物理参数与观测值对齐以验证网络所学物理特性；二者合并，使模型在保持判别能力的同时，提高对噪声和建模误差的鲁棒性。该文在采用超宽带步进变频连续波雷达自采的非视距人体行为数据集(6类动作、共19500 张时频谱图)上，采用“自监督预训练+下游分类器”的策略进行了评估。实验结果表明：在10%标注率设置下，MuPhyCoNet的分类准确率为94.32%，较MoCo v2的72.19%提升了22.13%，同时表现出更优的抗噪声性能。
状态: , 更新:
载频与脉冲间隔随机捷变(RFPA)雷达可通过合成宽带获得高距离分辨率。但是，在长时间相参积累过程中，运动目标容易出现距离徙动(RCM)现象，且RFPA信号固有的随机高旁瓣特性会严重降低雷达对目标的检测和估计性能。针对上述两个问题，该文提出了一种基于非均匀Keystone变换的加窗迭代自适应滤波方法(NUKT-WIAA)。首先，采用非均匀Keystone变换(NUKT)对运动目标进行RCM校正，以实现目标能量的有效积累。然后，对每个距离-多普勒单元为中心的矩形处理窗内的NUKT结果进行迭代自适应滤波(IAA)处理，实现对RFPA信号旁瓣的快速抑制。在迭代过程中，采用强散射点筛选策略提高协方差矩阵的计算效率，从而进一步降低所提算法的计算复杂度。仿真结果表明，在多目标和连续杂波场景下，NUKT-WIAA算法能够以较低的计算量和存储量同时实现对运动目标的徙动校正和旁瓣抑制。
载频与脉冲间隔随机捷变(RFPA)雷达可通过合成宽带获得高距离分辨率。但是，在长时间相参积累过程中，运动目标容易出现距离徙动(RCM)现象，且RFPA信号固有的随机高旁瓣特性会严重降低雷达对目标的检测和估计性能。针对上述两个问题，该文提出了一种基于非均匀Keystone变换的加窗迭代自适应滤波方法(NUKT-WIAA)。首先，采用非均匀Keystone变换(NUKT)对运动目标进行RCM校正，以实现目标能量的有效积累。然后，对每个距离-多普勒单元为中心的矩形处理窗内的NUKT结果进行迭代自适应滤波(IAA)处理，实现对RFPA信号旁瓣的快速抑制。在迭代过程中，采用强散射点筛选策略提高协方差矩阵的计算效率，从而进一步降低所提算法的计算复杂度。仿真结果表明，在多目标和连续杂波场景下，NUKT-WIAA算法能够以较低的计算量和存储量同时实现对运动目标的徙动校正和旁瓣抑制。
状态: , 更新:
随着人口老龄化趋势加剧，居家养老安全与慢性病监护的需求日益凸显，基于雷达的室内人体轨迹跟踪与生命体征监测技术备受关注。现有研究多采用多输入多输出(MIMO)体制，存在信噪比较低和数据量冗余的局限。与此相比，相控阵雷达凭借更高的信噪比和更少的数据量，在复杂室内环境中表现出更强的感知鲁棒性。然而，现有室内感知系统在应用相控阵雷达时存在两方面局限：一是传统相控阵波束调度策略在跟踪室内近距离高机动人体时易丢失目标；二是难以同步实现轨迹跟踪与生命体征同时监测，且缺乏基于目标运动状态的自适应切换机制。针对以上问题，该文分析了MIMO雷达与相控阵雷达的差异以及不同波束调度策略跟踪室内人体轨迹的平均重访时间性能，提出一种基于相控阵雷达的人体运动状态自适应实时监测方案。该方案根据人体运动状态自适应切换工作模式：在运动状态下，设计了“粗扫-自适应精扫-和差波束测角”策略实时跟踪人体轨迹；在静止状态下，切换至体征监测模式提取呼吸与心跳信息。实验结果表明，该方案能够在室内实现稳定轨迹跟踪与可靠生命体征监测，为室内智能健康监护奠定了基础。
随着人口老龄化趋势加剧，居家养老安全与慢性病监护的需求日益凸显，基于雷达的室内人体轨迹跟踪与生命体征监测技术备受关注。现有研究多采用多输入多输出(MIMO)体制，存在信噪比较低和数据量冗余的局限。与此相比，相控阵雷达凭借更高的信噪比和更少的数据量，在复杂室内环境中表现出更强的感知鲁棒性。然而，现有室内感知系统在应用相控阵雷达时存在两方面局限：一是传统相控阵波束调度策略在跟踪室内近距离高机动人体时易丢失目标；二是难以同步实现轨迹跟踪与生命体征同时监测，且缺乏基于目标运动状态的自适应切换机制。针对以上问题，该文分析了MIMO雷达与相控阵雷达的差异以及不同波束调度策略跟踪室内人体轨迹的平均重访时间性能，提出一种基于相控阵雷达的人体运动状态自适应实时监测方案。该方案根据人体运动状态自适应切换工作模式：在运动状态下，设计了“粗扫-自适应精扫-和差波束测角”策略实时跟踪人体轨迹；在静止状态下，切换至体征监测模式提取呼吸与心跳信息。实验结果表明，该方案能够在室内实现稳定轨迹跟踪与可靠生命体征监测，为室内智能健康监护奠定了基础。
状态: , 更新:
时域数字编码超表面通过对单元散射状态进行时域编码调制，可实现电磁散射频谱重构。该文研究有限时窗离散编码条件下随机和周期两类典型调制方式的散射频谱特性。对于随机调制，推导了平均能量谱相干项与背景项分解的解析形式，阐明了编码统计矩对零频分量抑制与谱展宽的影响。对于周期调制，给出了调制模板傅里叶系数与各阶谐波能量分配之间的映射关系，揭示了谐波能量重构机理。进一步结合超表面单元全波仿真参数，讨论了非理想条件下散射频谱调控性能的变化。
时域数字编码超表面通过对单元散射状态进行时域编码调制，可实现电磁散射频谱重构。该文研究有限时窗离散编码条件下随机和周期两类典型调制方式的散射频谱特性。对于随机调制，推导了平均能量谱相干项与背景项分解的解析形式，阐明了编码统计矩对零频分量抑制与谱展宽的影响。对于周期调制，给出了调制模板傅里叶系数与各阶谐波能量分配之间的映射关系，揭示了谐波能量重构机理。进一步结合超表面单元全波仿真参数，讨论了非理想条件下散射频谱调控性能的变化。
状态: , 更新:
人体姿态估计技术能支撑准确获取人体动作与行为特征，在智能监测、人机交互及健康感知等领域展现出广泛的应用潜力。Wi-Fi感知技术因其普遍性、低成本、非接触感知等优势，成为当前人体姿态非接触式感知技术的研究热点。然而，人体活动具有多尺度、非线性及动态变化复杂等特征，不同肢体部位在时间、空间上运动幅度存在显著差异，对姿态估计算法的多尺度特征建模能力提出了更高要求。现有Wi-Fi人体姿态估计算法普遍存在模型参数量大、特征提取不充分的问题，难以在保证计算效率的同时兼顾估计精度，从而限制了其在复杂场景下的应用潜力。针对上述问题，该文设计并优化了一种基于金字塔型空洞卷积的残差网络架构。针对多尺度人体运动特征设计了金字塔型空洞卷积结构单元，该结构能够在保持空间分辨率的同时显著扩大卷积层的感受野，从而有效捕捉多尺度空间与动态变化信息。同时，空洞卷积结构设计能够在一定程度上减少计算量，提升计算效率。为缓解深层网络训练中的梯度消失与模型退化问题，该文进一步设计了残差结构网络，确保模型在深层结构下的特征表达能力与稳定性。为了验证所提方法的有效性，论文设计搭建了完整的多源数据采集系统，可高效获取Wi-Fi姿态估计数据与对应真值数据。实验结果表明，所提方法在人体姿态估计任务中表现优异，MPCK@0.10 指标达到94.96%，优于现有算法，验证了方法的有效性与优越性。
人体姿态估计技术能支撑准确获取人体动作与行为特征，在智能监测、人机交互及健康感知等领域展现出广泛的应用潜力。Wi-Fi感知技术因其普遍性、低成本、非接触感知等优势，成为当前人体姿态非接触式感知技术的研究热点。然而，人体活动具有多尺度、非线性及动态变化复杂等特征，不同肢体部位在时间、空间上运动幅度存在显著差异，对姿态估计算法的多尺度特征建模能力提出了更高要求。现有Wi-Fi人体姿态估计算法普遍存在模型参数量大、特征提取不充分的问题，难以在保证计算效率的同时兼顾估计精度，从而限制了其在复杂场景下的应用潜力。针对上述问题，该文设计并优化了一种基于金字塔型空洞卷积的残差网络架构。针对多尺度人体运动特征设计了金字塔型空洞卷积结构单元，该结构能够在保持空间分辨率的同时显著扩大卷积层的感受野，从而有效捕捉多尺度空间与动态变化信息。同时，空洞卷积结构设计能够在一定程度上减少计算量，提升计算效率。为缓解深层网络训练中的梯度消失与模型退化问题，该文进一步设计了残差结构网络，确保模型在深层结构下的特征表达能力与稳定性。为了验证所提方法的有效性，论文设计搭建了完整的多源数据采集系统，可高效获取Wi-Fi姿态估计数据与对应真值数据。实验结果表明，所提方法在人体姿态估计任务中表现优异，MPCK@0.10 指标达到94.96%，优于现有算法，验证了方法的有效性与优越性。
状态: , 更新:
相控阵雷达因其波束灵活扫描、多模式快速切换和参数捷变特性，使得传统基于参数聚类的雷达信号分析方法面临特征参数不稳定、参数空间重叠等问题。基于此，该文从波位划分角度入手进行相控阵雷达信号分析，即从混合脉冲流中还原出属于不同波束位置的脉冲子序列，创造性地提出了一种专家知识与强化学习混合(EK-HRL)框架。该框架首先基于脉冲幅度动态门限对波位进行初步划分，然后将初步划分结果输入人在回路强化学习环境，结合专家知识引导与置信度评估，最终实现波位的精细划分。仿真数据集实验表明：所提方法的波位划分精确率达到92.7%，置信度评估模型表现出良好的校准性，该方法为人机协同解决复杂电磁信号处理问题提供了一种有效的技术路径。
相控阵雷达因其波束灵活扫描、多模式快速切换和参数捷变特性，使得传统基于参数聚类的雷达信号分析方法面临特征参数不稳定、参数空间重叠等问题。基于此，该文从波位划分角度入手进行相控阵雷达信号分析，即从混合脉冲流中还原出属于不同波束位置的脉冲子序列，创造性地提出了一种专家知识与强化学习混合(EK-HRL)框架。该框架首先基于脉冲幅度动态门限对波位进行初步划分，然后将初步划分结果输入人在回路强化学习环境，结合专家知识引导与置信度评估，最终实现波位的精细划分。仿真数据集实验表明：所提方法的波位划分精确率达到92.7%，置信度评估模型表现出良好的校准性，该方法为人机协同解决复杂电磁信号处理问题提供了一种有效的技术路径。
状态: , 更新:
对流层延迟是干涉合成孔径雷达(InSAR)的主要误差源之一，尤其在地形复杂或大气异质性强的区域，严重限制了其获取精确地表位移的能力。现有的校正方法或受限于外部数据的粗分辨率，或在对形变与高程关系建模以及处理复杂的湍流效应时能力不足。为此，该文提出了一种基于空间自适应锚点网络的对流层校正方法。该方法利用融合相位稳定性与时序相干性的综合质量指数(CQI)，结合空间迭代筛选策略，构建锚点网络，实现数据质量驱动的空间采样。在每个锚点的邻域内，构建局部联合反演模型，在时空域上稳健地分离形变、地形残差和对流层延迟。此外，引入了局部湍流强度(LTI)因子，抑制插值过程中强湍流区域的误差传播。该团队使用夏威夷和青藏高原的Sentinel-1数据进行的验证表明，所提方法将干涉图相位标准差降低了73%以上，显著优于其他方法。校正后InSAR与GPS测量的时序位移之间的均方根误差(RMSE)从44.4 mm降低至9.3 mm，一致性提高了79%。该文所提方法能够有效且鲁棒地校正对流层延迟，提高InSAR测量精度，增强不同地形条件下形变监测的可靠性。
对流层延迟是干涉合成孔径雷达(InSAR)的主要误差源之一，尤其在地形复杂或大气异质性强的区域，严重限制了其获取精确地表位移的能力。现有的校正方法或受限于外部数据的粗分辨率，或在对形变与高程关系建模以及处理复杂的湍流效应时能力不足。为此，该文提出了一种基于空间自适应锚点网络的对流层校正方法。该方法利用融合相位稳定性与时序相干性的综合质量指数(CQI)，结合空间迭代筛选策略，构建锚点网络，实现数据质量驱动的空间采样。在每个锚点的邻域内，构建局部联合反演模型，在时空域上稳健地分离形变、地形残差和对流层延迟。此外，引入了局部湍流强度(LTI)因子，抑制插值过程中强湍流区域的误差传播。该团队使用夏威夷和青藏高原的Sentinel-1数据进行的验证表明，所提方法将干涉图相位标准差降低了73%以上，显著优于其他方法。校正后InSAR与GPS测量的时序位移之间的均方根误差(RMSE)从44.4 mm降低至9.3 mm，一致性提高了79%。该文所提方法能够有效且鲁棒地校正对流层延迟，提高InSAR测量精度，增强不同地形条件下形变监测的可靠性。
状态: , 更新:
月球皱脊是广泛分布于月表月海区域的重要线状构造，对研究月球应力场演化和火山活动历史具有重要意义。传统的皱脊识别与编目主要依赖人工解译，效率低且主观性强。该文提出了一种基于多模态语义分割的皱脊自动提取方法，通过构建高质量的皱脊遥感图像标注数据集，并引入合成孔径雷达(SAR)数据，通过迭代训练构建了基于DeepLabV3+的多模态语义分割网络WR-Net。该网络引入动态融合模块和注意力机制，有效优化了多模态图像的特征提取与融合过程，显著提升了模型的稳健性与精度。在多模态皱脊测试集上，WR-Net取得了优异的性能(Precision=95.516%, Recall=89.963%, F1-Score=92.657%, MIoU=92.944%)。进一步地，该团队利用WR-Net完成了月球南纬70°至北纬70°范围内皱脊的自动识别与提取，并对结果进行了编目与统计。该文提出的方法不仅适用于皱脊的识别，也为月球及其他行星体上类似线状结构的自动提取提供了有效范式。
月球皱脊是广泛分布于月表月海区域的重要线状构造，对研究月球应力场演化和火山活动历史具有重要意义。传统的皱脊识别与编目主要依赖人工解译，效率低且主观性强。该文提出了一种基于多模态语义分割的皱脊自动提取方法，通过构建高质量的皱脊遥感图像标注数据集，并引入合成孔径雷达(SAR)数据，通过迭代训练构建了基于DeepLabV3+的多模态语义分割网络WR-Net。该网络引入动态融合模块和注意力机制，有效优化了多模态图像的特征提取与融合过程，显著提升了模型的稳健性与精度。在多模态皱脊测试集上，WR-Net取得了优异的性能(Precision=95.516%, Recall=89.963%, F1-Score=92.657%, MIoU=92.944%)。进一步地，该团队利用WR-Net完成了月球南纬70°至北纬70°范围内皱脊的自动识别与提取，并对结果进行了编目与统计。该文提出的方法不仅适用于皱脊的识别，也为月球及其他行星体上类似线状结构的自动提取提供了有效范式。
状态: , 更新:
针对雷达人体动作识别任务中标注数据不足的问题，该文提出了一种基于多域协同训练的半监督学习方法。该方法融合慢时间-距离域、慢时间-多普勒频率域和距离-多普勒频率域的动作特征，构建决策层集成框架，通过域间一致性评估机制动态调整各域在集成预测中的权重，并设计了分层置信度动态伪标签策略，通过多层次质量评估和动态阈值校准实现伪标签质量与利用率的平衡。此外，该方法引入了特征对齐约束机制，利用快速主成分分析方法提取多域特征的主成分，引导网络模型学习紧凑的特征表示，增强模型的判别能力。在基于随机码雷达的穿墙人体动作数据集上，该文所提方法在5%标注比例下平均识别准确率达到(93.6±1.6)%。在基于调频连续波雷达的室内人体动作数据集上，5%标注比例下平均识别准确率达到(91.3±1.9)%，既高于包括Bi-LSTM, LH-ViT和MFAFN的监督学习方法，也高于包括FixMatch, C-TGAN, MF-Match和LW-HGR的半监督学习方法。实验结果证明该方法在随机码雷达和调频连续波雷达两种不同雷达体制下，以及在穿墙和室内两种不同探测场景下，均表现稳定，验证了其跨体制和跨场景的适应性。此外，基于多域协同训练的半监督学习模型的参数量为1.30 M，浮点计算量为26.16 M，模型大小为5.01 MB，展现出较高的计算效率。
针对雷达人体动作识别任务中标注数据不足的问题，该文提出了一种基于多域协同训练的半监督学习方法。该方法融合慢时间-距离域、慢时间-多普勒频率域和距离-多普勒频率域的动作特征，构建决策层集成框架，通过域间一致性评估机制动态调整各域在集成预测中的权重，并设计了分层置信度动态伪标签策略，通过多层次质量评估和动态阈值校准实现伪标签质量与利用率的平衡。此外，该方法引入了特征对齐约束机制，利用快速主成分分析方法提取多域特征的主成分，引导网络模型学习紧凑的特征表示，增强模型的判别能力。在基于随机码雷达的穿墙人体动作数据集上，该文所提方法在5%标注比例下平均识别准确率达到(93.6±1.6)%。在基于调频连续波雷达的室内人体动作数据集上，5%标注比例下平均识别准确率达到(91.3±1.9)%，既高于包括Bi-LSTM, LH-ViT和MFAFN的监督学习方法，也高于包括FixMatch, C-TGAN, MF-Match和LW-HGR的半监督学习方法。实验结果证明该方法在随机码雷达和调频连续波雷达两种不同雷达体制下，以及在穿墙和室内两种不同探测场景下，均表现稳定，验证了其跨体制和跨场景的适应性。此外，基于多域协同训练的半监督学习模型的参数量为1.30 M，浮点计算量为26.16 M，模型大小为5.01 MB，展现出较高的计算效率。
状态: , 更新:
心率作为反映人体健康的核心生理指标，其精准监测在心律失常筛查、冠心病预警、慢性心衰管理等场景中具有重要临床意义。然而，心跳回波信号易受呼吸运动伪影、环境电磁干扰等耦合影响，导致信号信噪比降低，进而影响心率估计的准确性。针对上述问题，该文充分挖掘不同通道间的共有心跳信息，提出一种基于多变量变分模态分解(MVMD)的多通道联合心率估计方法。该方法首先构建以模态总带宽最小化为目标、以重构残差为约束的多通道联合优化模型；其次，利用多通道频谱峰值的累积效应自适应初始化中心频率，从而在多通道数据中稳健分离出具有频率一致性的心跳模态；最后，依据能量最大准则从分解模态中筛选出心率模态，完成心率估计。基于6名受试者的实测数据验证显示，该文所提出的基于多通道联合估计方法的心率中位误差为1.53 bpm，性能优于传统单通道及现有多通道融合心率估计方法。
心率作为反映人体健康的核心生理指标，其精准监测在心律失常筛查、冠心病预警、慢性心衰管理等场景中具有重要临床意义。然而，心跳回波信号易受呼吸运动伪影、环境电磁干扰等耦合影响，导致信号信噪比降低，进而影响心率估计的准确性。针对上述问题，该文充分挖掘不同通道间的共有心跳信息，提出一种基于多变量变分模态分解(MVMD)的多通道联合心率估计方法。该方法首先构建以模态总带宽最小化为目标、以重构残差为约束的多通道联合优化模型；其次，利用多通道频谱峰值的累积效应自适应初始化中心频率，从而在多通道数据中稳健分离出具有频率一致性的心跳模态；最后，依据能量最大准则从分解模态中筛选出心率模态，完成心率估计。基于6名受试者的实测数据验证显示，该文所提出的基于多通道联合估计方法的心率中位误差为1.53 bpm，性能优于传统单通道及现有多通道融合心率估计方法。
状态: , 更新:
随着毫米波雷达技术在室内目标检测与跟踪领域的广泛应用，多径效应逐渐成为影响目标跟踪精度的关键因素。室内毫米波雷达目标跟踪易受多径效应干扰，而传统点目标跟踪方法忽略目标的扩展特性与多路径传播机制，难以有效抑制由多径引起的虚假目标。为此，该文提出一种基于多径扩展投影的毫米波雷达室内目标跟踪方法(EM-ETT)。首先，采用随机矩阵模型表征目标几何形状，将扩展状态建模为逆Wishart分布；然后，结合蒙特卡罗统计传播机制构建扩展投影框架，通过对真实目标散射点进行非线性多径映射生成鬼影点云，并拟合其扩展状态先验；进一步地，引入目标-路径匹配策略，通过几何一致性与似然评估建立多径传播路径关联，提升状态辨识能力。实测结果表明，在多径干扰的多目标场景下，所提方法能显著提升状态估计精度，有效避免虚假轨迹生成，相比传统点目标跟踪算法在跟踪准确率与鲁棒性方面均具有明显优势。
随着毫米波雷达技术在室内目标检测与跟踪领域的广泛应用，多径效应逐渐成为影响目标跟踪精度的关键因素。室内毫米波雷达目标跟踪易受多径效应干扰，而传统点目标跟踪方法忽略目标的扩展特性与多路径传播机制，难以有效抑制由多径引起的虚假目标。为此，该文提出一种基于多径扩展投影的毫米波雷达室内目标跟踪方法(EM-ETT)。首先，采用随机矩阵模型表征目标几何形状，将扩展状态建模为逆Wishart分布；然后，结合蒙特卡罗统计传播机制构建扩展投影框架，通过对真实目标散射点进行非线性多径映射生成鬼影点云，并拟合其扩展状态先验；进一步地，引入目标-路径匹配策略，通过几何一致性与似然评估建立多径传播路径关联，提升状态辨识能力。实测结果表明，在多径干扰的多目标场景下，所提方法能显著提升状态估计精度，有效避免虚假轨迹生成，相比传统点目标跟踪算法在跟踪准确率与鲁棒性方面均具有明显优势。
状态: , 更新:
基于探地雷达数据的冰裂隙检测研究对于冰川和气候研究、冰川地区活动安全性具有重要的意义。针对极地环境中冰裂隙纹理特征差异大易误检、检测实时性和检测泛化能力不足等难题，提出一种兼顾高精度与实时性的基于域对抗学习的冰裂隙自动检测方法。基于不同区域、复杂场景下的探地雷达数据，该文通过构建特征提取器与域判别器之间的对抗博弈机制，使模型能够在保持判别性特征提取能力的同时，有效缩小不同数据源之间的分布差异，从而实现跨域特征对齐，提升模型在不同数据源和复杂场景下的鲁棒性与稳定性。在特征提取阶段，设计并构建了基于小波残差网络的冰裂隙特征提取器。该模块通过在残差网络的首层引入可学习的多尺度小波卷积模块，实现在多尺度空间中自适应提取探地雷达数据中的冰裂隙特征，显著增强冰裂隙与连续雪层在特征空间的区分能力。实验基于2015年南极麦克默多剪切带与北极格陵兰岛两个数据集，所提模型的冰裂隙检测平均准确率达95.70%，F1指数达95.50%，虚警率达1.87%，单样本平均推理时间为5.26 ms，满足在冰裂隙数据采集下的裂隙实时预警需求。多项实验结果综合表明，所提方法可在多场景、跨区域探地雷达数据中实现高精度、低虚警率与实时性的统一，适用于保障南极科考通行安全与冰川裂隙检测等场景。
基于探地雷达数据的冰裂隙检测研究对于冰川和气候研究、冰川地区活动安全性具有重要的意义。针对极地环境中冰裂隙纹理特征差异大易误检、检测实时性和检测泛化能力不足等难题，提出一种兼顾高精度与实时性的基于域对抗学习的冰裂隙自动检测方法。基于不同区域、复杂场景下的探地雷达数据，该文通过构建特征提取器与域判别器之间的对抗博弈机制，使模型能够在保持判别性特征提取能力的同时，有效缩小不同数据源之间的分布差异，从而实现跨域特征对齐，提升模型在不同数据源和复杂场景下的鲁棒性与稳定性。在特征提取阶段，设计并构建了基于小波残差网络的冰裂隙特征提取器。该模块通过在残差网络的首层引入可学习的多尺度小波卷积模块，实现在多尺度空间中自适应提取探地雷达数据中的冰裂隙特征，显著增强冰裂隙与连续雪层在特征空间的区分能力。实验基于2015年南极麦克默多剪切带与北极格陵兰岛两个数据集，所提模型的冰裂隙检测平均准确率达95.70%，F1指数达95.50%，虚警率达1.87%，单样本平均推理时间为5.26 ms，满足在冰裂隙数据采集下的裂隙实时预警需求。多项实验结果综合表明，所提方法可在多场景、跨区域探地雷达数据中实现高精度、低虚警率与实时性的统一，适用于保障南极科考通行安全与冰川裂隙检测等场景。
状态: , 更新:
超宽带(UWB) MIMO雷达因其分辨率良好、穿透性强、隐私保护性好以及对光照条件不敏感等优势，在人体智能感知领域展现出巨大潜力，但低图像分辨率导致轮廓模糊、动作难辨。基于以上背景，该文提出一种融合时空特征的人体轮廓恢复与动作识别联合框架(STWTnet)。该方法采用多任务网络框架，利用Res2Net和小波下采样提取雷达图像空间细节特征，并以Transformer建立时空依赖，通过多任务学习共享人体轮廓恢复与动作识别的共性特征，同时避免特征冲突，实现两任务的互补。在自建同步UWB-光学数据集上的实验表明，STWTnet具有较好的动作识别率而且在轮廓精度显著优于现有技术，为隐私友好、全天候的人体行为理解提供了新途径。
超宽带(UWB) MIMO雷达因其分辨率良好、穿透性强、隐私保护性好以及对光照条件不敏感等优势，在人体智能感知领域展现出巨大潜力，但低图像分辨率导致轮廓模糊、动作难辨。基于以上背景，该文提出一种融合时空特征的人体轮廓恢复与动作识别联合框架(STWTnet)。该方法采用多任务网络框架，利用Res2Net和小波下采样提取雷达图像空间细节特征，并以Transformer建立时空依赖，通过多任务学习共享人体轮廓恢复与动作识别的共性特征，同时避免特征冲突，实现两任务的互补。在自建同步UWB-光学数据集上的实验表明，STWTnet具有较好的动作识别率而且在轮廓精度显著优于现有技术，为隐私友好、全天候的人体行为理解提供了新途径。
状态: , 更新:
高速前斜视(斜视角≥70°)合成孔径雷达(SAR)成像受制于严重的距离多普勒耦合和多普勒空变。传统非线性频调变标(NCS)算法能够在大斜视(斜视角>30°)模式下有效消除多普勒空变，但其推导过程存在近似处理且推导复杂度随阶数急剧增长，难以推广至高阶形式，限制其在高速前斜视SAR系统中的应用。针对这一难题，该文证明基于驻定相位法(POSP)和级数反演法(MSR)进行傅里叶变换(FT)/傅里叶逆变换(IFT)实现方位数据域变换呈现规律性特征，据此提出一种基于低推导复杂度的5阶NCS算法，并针对NCS算法设计几何校正方法。确定斜距模型和NCS阶数，该方法仅需一次FT/IFT的推导即可获得NCS处理后的信号解析式，有效简化多普勒参数线性方程组的构建及NCS参数的求解过程，显著降低算法推导复杂度。基于前斜视成像几何模型，该文提出相应的瞬时投影几何模型，推导适用于NCS算法的几何校正方法。相比传统NCS算法，所提算法在保证计算效率的前提下具备更优的SAR成像性能，仿真与实测数据处理均验证了其在高速前斜视场景下的有效性和优越性。
高速前斜视(斜视角≥70°)合成孔径雷达(SAR)成像受制于严重的距离多普勒耦合和多普勒空变。传统非线性频调变标(NCS)算法能够在大斜视(斜视角>30°)模式下有效消除多普勒空变，但其推导过程存在近似处理且推导复杂度随阶数急剧增长，难以推广至高阶形式，限制其在高速前斜视SAR系统中的应用。针对这一难题，该文证明基于驻定相位法(POSP)和级数反演法(MSR)进行傅里叶变换(FT)/傅里叶逆变换(IFT)实现方位数据域变换呈现规律性特征，据此提出一种基于低推导复杂度的5阶NCS算法，并针对NCS算法设计几何校正方法。确定斜距模型和NCS阶数，该方法仅需一次FT/IFT的推导即可获得NCS处理后的信号解析式，有效简化多普勒参数线性方程组的构建及NCS参数的求解过程，显著降低算法推导复杂度。基于前斜视成像几何模型，该文提出相应的瞬时投影几何模型，推导适用于NCS算法的几何校正方法。相比传统NCS算法，所提算法在保证计算效率的前提下具备更优的SAR成像性能，仿真与实测数据处理均验证了其在高速前斜视场景下的有效性和优越性。
状态: , 更新:
为提高雷达在复杂电磁环境下的干扰识别能力，该文提出一种具备智能化、轻量化以及高实时性3项主要特性的轻量化复合干扰信号识别网络YOLO-S3。首先，提出利用视觉检测算法对雷达干扰的二维时频数据进行识别的技术路线，并基于信号建模仿真技术和短时傅里叶变换构建复合干扰信号图像数据集。其次，通过引入StarNet和SlimNeck重构YOLOv8n的主干及颈部网络，同时设计具有自注意力机制的检测头(SADH)，在保证识别精度的同时实现了网络轻量化。最后，通过消融实验和对比实验验证了网络性能。实验结果表明，YOLO-S3具有最轻量化的网络设计。在信干比–10～0 dB范围内随机分布的条件下，当信噪比≥0 dB时，该网络的平均识别精度高达99.5%；当信噪比降至–10 dB时，仍可保持95.5%的平均识别精度，在低信噪比条件下表现出较好的鲁棒性和泛化能力。该文的研究成果为机载雷达信号处理器、便携式电子设备等资源受限平台的实时复合干扰信号识别提供了新的技术途径。
为提高雷达在复杂电磁环境下的干扰识别能力，该文提出一种具备智能化、轻量化以及高实时性3项主要特性的轻量化复合干扰信号识别网络YOLO-S3。首先，提出利用视觉检测算法对雷达干扰的二维时频数据进行识别的技术路线，并基于信号建模仿真技术和短时傅里叶变换构建复合干扰信号图像数据集。其次，通过引入StarNet和SlimNeck重构YOLOv8n的主干及颈部网络，同时设计具有自注意力机制的检测头(SADH)，在保证识别精度的同时实现了网络轻量化。最后，通过消融实验和对比实验验证了网络性能。实验结果表明，YOLO-S3具有最轻量化的网络设计。在信干比–10～0 dB范围内随机分布的条件下，当信噪比≥0 dB时，该网络的平均识别精度高达99.5%；当信噪比降至–10 dB时，仍可保持95.5%的平均识别精度，在低信噪比条件下表现出较好的鲁棒性和泛化能力。该文的研究成果为机载雷达信号处理器、便携式电子设备等资源受限平台的实时复合干扰信号识别提供了新的技术途径。
微信 | 公众平台 
