基于深度生成对抗网络的海杂波数据增强方法

海杂波数据稀缺,获取海杂波数据成本高、周期长,极大地限制了海杂波特性研究及海洋遥感应用.该文主要研究了基于深度生成性对抗网络(GAN)的海杂波数据生成方法,通过扩展传统的GAN框架,形成了1维海杂波数据生成和鉴别模型,基于实测海杂波数据集,进行对抗网络生成和鉴别模型训练,分析了生成模型所生成的海杂波数据的幅度分布特性和时间、空间相关性.基于实测数据验证了该方法能够生成更多、更多样、与真实海杂波数据分布相近的海杂波数据.     

基于谱约束的生成对抗网络图像数据生成研究

数据匮乏是深度学习面临的一大难题。利用生成对抗网络(GAN)能够基于语义生成新的图像数据这一特性,提出一种基于谱约束的生成对抗网络图像数据生成方法,该方法针对卷积生成对抗网络模型易崩溃不收敛的问题,从每层神经网络的参数矩阵W的谱范数角度出发,引入谱范数归一化网络参数矩阵,将网络梯度限制在固定范围内,减缓判别网络收敛速度,从而提高GAN的训练稳定性。实验表明,通过该方法生成的数据相比原始GAN以及DCGAN、WGAN等生成的图像样本数据在图像识别网络中具有更高的准确率,能够对少量样本数据进行有效扩充。     

X波段小擦地角海杂波WW分布建模

为了更好地描述X波段小擦地角海杂波建模中出现的重拖尾现象,研究WW分布建模方法及其统计特性,进而改善统计分布模型对海杂波数据的拟合效果。基于X波段海杂波实测数据,分析在不同海况和极化方式下两重韦布尔(WW)分布对海杂波实测数据的拟合效果。通过其与韦布尔分布、对数正态分布、K分布等统计分布模型拟合优度检验的对比,表明WW分布可以很好地拟合具有重拖尾现象的海杂波数据。此外,WW分布能够在不同极化域内准确地描述海杂波的统计特性,具有较好的海杂波幅度分布统计建模能力。     

基于对抗和梯度的无参考图像质量评价算法

由于现有的生成对抗网络（GAN）很难完全获取细节上的失真,生成高质量图像仍旧比较困难。为了提高基于GAN的无参考图像质量评价（NR-IQA）方法的性能,提出一种基于对抗和梯度的NR-IQA方法。通过改进网络模型结构和引入基于梯度和色度相似性的平均偏差相似指数（MDSI）来提升模型的整体性能,整个模型由GAN和质量预测网络组成。首先,为了增强对抗训练,设计了双判别器的GAN,将失真图像和参考图像分别输入到网络中,利用WED数据集对GAN进行训练;其次,利用GAN生成相应失真图像的虚拟图像,并分析两者之间的差异,得到失真差异图和MDSI图;最后,为了从多个方面测量图像的感知质量,设计了多流质量预测网络,将失真图像、虚拟图像、失真差异图、MDSI图分别输入到网络中,输出图像质量预测分数。在LIVE、CISQ、TID2013数据集上进行训练和测试,所提算法在三个数据集上都表现出较好的性能,尤其在TID2013上。实验结果表明,该算法与人的主观评价具有较高的一致性。     

一种海杂波纹理分量提取方法研究

针对不同海况、不同风向条件下海面起伏特性及变化规律,研究了海杂波采用复合高斯过程描述方法,提出了一种海杂波纹理分量的提取方法。利用该方法可以分析实测海杂波数据纹理分量的去相关时间,自适应搜索纹理分量的最佳相干长度,完成海杂波的纹理分量与散斑分量的分离。基于X波段雷达海杂波实测数据仿真分析了不同距离分辨率、不同极化组合条件下海杂波纹理分量的提取效果。仿真验证表明:该方法对分析研究海杂波统计特性,提高雷达信号检测性能具有较好的应用价值。     

海杂波的分数布朗运动模型及其应用

海杂波常常严重地限制了雷达目标检测能力。通常是采用统计方法研究海杂波的特性，随着新理论、新技术的出现，不断尝试更好的方法研究海杂波。基于分形理论，利用实测的小擦地角海面雷达回波数据，比较了海杂波和分数布朗运动（FBM）的性质，得出海杂波与分数布朗运动有相似的增量统计特性。在此基础上，利用基于FBM模型的分维数提取方法对两组海杂波含目标信号进行处理，与利用脉冲回波相干处理以及变换法的分形处理方法相比，具有较好的效果。     

结合SVD与GAN的图像检测分类模型

生成对抗网络(Generative Adversarial Networks,GAN)近年在计算机领域大火。它在保证生成效果的同时避免了原生成模型复杂的求解过程。但由于GAN的随机初始化输入,导致在训练模型生成与原始数据分布拟合的数据时花费大量时间成本。因此,提出一种基于奇异值分解的生成对抗网络(SVD-GAN)。通过奇异值分解对原始数据进行降维和去噪,生成对抗网络的输入,使输入数据在保留了原始数据重要特征的同时提高数据生成性能,减少训练时间成本。将SVD-GAN模型应用于图像分类,根据实验结果可知,该模型算法在优化生成网络的生成质量、提高图像分类的准确性和降低模型损耗方面效果显著。     

利用北斗反射信号探测目标的初步实验

通过实测海杂波数据,研究了海杂波的统计特性,实测数据拟合结果表明,弱海杂波的概率密度分布函数服从瑞利分布;强海杂波概率密度分布呈现较强的非高斯特性,该试验实测数据拟合结果为对数正态分布,因此强海杂波背景下小目标检测,常规恒虚警检测器性能受到限制。同时采用了常规单元平均恒虚警与自适应匹配滤波两种方法进行目标检测,通过结果对比可以得出,对于强杂波背景下小目标,自适应匹配滤波的方法能检测出更多的目标点迹,检测性能较常规单元平均恒虚警好。     

基于生成对抗网络的盾构隧道渗漏水检测

渗漏水是盾构隧道安全危害最大的病害之一,对盾构隧道渗漏水快速精准的检测,是有效控制及整治盾构隧道渗漏水的基础。现有的渗漏水检测方法在自动化程度方面均取得一定的成效,但存在数据采集效率低、现场采集环境要求高、训练数据样本量大等问题。针对上述问题,文章将移动LiDAR采集的盾构隧道强度图像作为数据源,提出了基于生成对抗网络的盾构隧道渗漏水检测方法,从现有的生成对抗网络V GAN模型出发,在标注少量样本的基础上,建立了Dense块作为编码器,残差块作为解码器的Unet模型作为生成器网络,运用改进的深度残差Unet(Improve ResUnet)作为判别器网络,组成DRUnet IRUnet GAN生成对抗网络用于盾构隧道LiDAR强度图像渗漏水检测。实验结果表明,当输入500张、200张、100张少量样本时,文章构建的DRUnet IRUnet GAN生成对抗网络能够达到优于V GAN的盾构隧道强度图像渗漏水检测效果,表明了所改进的网络具有良好的性能。     

基于多普勒谱特征的海杂波背景下小目标检测

海杂波中的小目标检测是雷达信号处理中较为复杂的问题之一。该文在分析海杂波多普勒谱特性的基础上,提出了基于联合瑞利分布的海杂波多普勒谱统计模型和描述多普勒谱扩展程度的波形熵特征,并给出了海杂波背景下的小目标检测算法。基于加拿大IPIX雷达实测数据的检测结果,证实了文中算法的有效性。     

实测海杂波数据的多重分形特性分析

为充分描述海杂波时变特性和局部奇异性,将多重分形理论应用到雷达海杂波特性分析中,理论分析了海杂波的多重分形参数,并进一步分析了实测海杂波数据的多重分形谱、质量指数和奇异指数,结果表明海杂波具有明显的多重分形特性,该分析方法可以很好地解释海杂波内在非线性特性,并比传统的统计特性分析方法更加能确切地描述杂波的产生机理,为基于多重分形特性的雷达目标检测提供了依据。     

基于深度学习的海杂波谱参数预测与影响因素分析

该文基于不同雷达参数和海洋环境参数条件下的岸基雷达海杂波实测数据,利用深度神经网络(DNN)建模技术,建立了从多个测量条件参数出发的海杂波多普勒谱参数预测模型,实现了独立于杂波数据、基于环境特征的海杂波谱特征认知,谱频移和展宽的预测精度达90%以上。基于该预测模型,该文提出了一种基于参数循环递减认知的多普勒谱影响因素分析方法,分析了不同测量参数对海杂波多普勒谱预测的影响,得到了谱参数随主要影响因素的变化规律,结果对基于多普勒特征的海面目标检测应用具有重要意义。      

海杂波背景下的GRNN小目标检测

根据海杂波混沌特性,建立了其相空间重构模型,构造了广义回归神经网络（GRNN,Genera lized Regression Neural Network）目标检测器,并利用加拿大McMaster大学采用IPIX雷达在Dart—mouth地区海域实测带有目标的海杂波数据对此方法进行验证,结果表明：在混沌海杂波背景下GRNN小目标检测法具有良好的预测性和时速性。     

某雷达杂波数据分析及杂波图技术研究

强地物、海浪杂波严重影响目标检测概率。频域杂波抑制手段是雷达信号处理常用的杂波抑制方法。但是,杂波的时空分布特性复杂多变,所以对杂波的幅度、频谱等特性的研究有助于选择合适的杂波抑制方案。结合某雷达实际工程采集数据分析了地杂波和海杂波的时域和频域分布特性,提出了一种基于雷达杂波环境特性自适应选择遗忘因子的杂波图方法,具体分析了该杂波图检测概率。实测数据实验结果证明了该方法的正确性和有效性。     

基于实测数据的Ka波段海杂波极化特性研究

文中介绍了获取Ka波段海杂波的试验条件,并利用获取的实测数据进行了杂波特性分析.发现:HH极化与VV极化下海杂波的幅度分布区别不大,与瑞利、韦布尔及K分布拟合程度较为接近,与理论分析基本一致;海杂波时间相关性很短,在不同极化方式下变化不大;其空间相关长度约为4 m,且随着擦地角增加而略有增加.此外比较分析了HH和VV两种极化下海杂波后向散射系数随擦地角的变化趋势,在低擦地角情况下,VV极化条件下的海杂波后向散射系数高于HH极化.本文的研究结果为海杂波背景下低空小目标的检测研究提供了更加丰富有利的支撑.     

雷达大擦地角海杂波特性与目标检测研究综述

海杂波作为影响海用雷达目标探测性能的主要制约因素之一,其在小擦地角下的物理机理和特性被广泛研究。由于产生机理上与小擦地角的差异,大擦地角下海杂波特性认知研究难以直接采用现有的多样化小擦地角海杂波模型与特性结论,大擦地角海杂波特性规律及目标检测技术研究依旧是一项极其复杂的系统工程。该文从雷达大擦地角对海探测试验数据集出发,围绕大擦地角海杂波建模、海杂波特性影响因素和海杂波中目标检测技术3个方面,回顾总结了大擦地角下海杂波特性认知与抑制的研究进展,梳理了大擦地角海杂波机理与特性研究的主要结论,并对技术发展方向进行了展望。     

机载GNSS海面回波信号的模拟

为了模拟较为真实的GNSS海面回波信号,除了GNSS海面反射信号外,海杂波信号也是必不可少的.海杂波的建模和仿真是回波信号模拟逼真度的决定因素.文章运用网格映像法划分海面杂波单元,并确定合适的幅度分布模型和功率谱模型,完成机载海杂波信号的建模.最后,进行了海面回波信号的模拟仿真,并与机载实验的实测数据进行了比较,结果表明仿真数据与实测数据的相关系数可优于0.9,从而验证了该方法的有效性和合理性.     

对海监视雷达杂波的建模及仿真

杂波是雷达回波信号的重要组成部分,研究中常用幅度概率分布模型和相关谱型来描述。采用零记忆非线性变换法(ZMNL)进行建模设计,生成同时满足幅度分布条件和相关特性的随机序列,并将模拟杂波数据的概率密度和功率谱与理论曲线对比,进一步验证 ZMNL 法杂波建模的有效性和准确性。最后针对海航大学对海探测的雷达回波实测数据,进行海杂波和云雨杂波回波的幅度概率分布和功率谱的分析。     

基于实测数据的分时全极化雷达海杂波分布研究

首先基于IPIX分时全极化雷达的海杂波实测数据,分析了瑞利分布、韦布尔分布、对数正态分布和K分布对实测数据的拟合效果,发现对数正态分布拟合水平极化接收通道的杂波数据效果较好,K分布拟合垂直极化接收通道的杂波数据效果较好,但是仍然存在海杂波"拖尾"区域拟合不理想的情况.为此,假设海杂波中的布拉格散射体的回波服从K分布,离散海尖峰的回波服从对数正态分布,海杂波整体服从K分布和对数正态分布的叠加混合分布,提出了一种具有闭式表达式的混合分布,以改善海杂波分布"拖尾"部分的拟合效果.实测数据分析表明,本文提出的混合分布对海杂波幅度分布的拟合效果优于对数正态分布和K分布.