在线无人监考防作弊新技术探索

为解决教育资源分布不均衡等问题,发展现代网络教育已经成为全球趋势。无人监考是网络教育体系中重要环节之一。为了确保真学真考,本文针对现阶段远程教育中存在的替学替考、假体攻击、夹带抄袭等作弊行为,探讨了活体人脸检测、跨年代人脸识别、夹带行为检测等安全环节的创新方法。上述新技术有助于提高无人监考的安全性,确保远程网络教育落实到人,推动网络教育建设和发展。     

微波关联成像研究进展及展望（特邀）

微波关联成像起源于光学强度关联成像,通过对电磁波的调控形成空变和时变的辐射模式,突破天线孔径对成像分辨率的限制,具有前视、凝视、快拍成像等优势,在重点区域凝视观测、无人系统自主感知、安检安防等领域具有广阔的应用前景。文中简述了微波关联成像的技术起源,从成像原理、成像方法、成像系统等三个方面,总结了微波关联成像的研究现状与主要进展。通过对成像原理的剖析,阐明关联成像的基本条件与成像分辨率的影响因素;通过对成像方法的梳理,分析微波关联成像与光学关联成像以及传统微波成像方法之间的区别与联系;通过对成像系统的介绍,比较随机辐射、波前调制、孔径编码等多种成像体制的特点与差异,厘清技术发展脉络。最后,总结并展望了微波关联成像的未来发展趋势。     

基于边缘强度特征和线性谱聚类的 SAR 图像超像素生成方法

面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法 简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的 SAR 图像分割性能均 不够理想。面向 SAR 图像改进现有超像素生成算法是目前的研究热点之一。在探讨了将边缘强 度特征引入超像素分割算法的可行性的基础上,结合边缘强度特征和线性谱聚类方法,提出了 一种新的 SAR 图像超像素生成方法(e-LSC)。通过仿真 SAR 图像和实测 SAR 图像的比较实验, 证实了 e-LSC 算法与其他几种典型超像素生成算法相比,生成的超像素在边缘贴合度和匀质区 域的规则化上都有所提高。     

一种适用于低频InSAR的改进空变维纳预滤波算法

为了提高低频干涉合成孔径雷达（Interferometric Synthetic Aperture Radar, InSAR）干涉相位图质量,本文提出一种改进的空变维纳预滤波算法。该算法首先改进了空变维纳预滤波算法的滤波器结构,通过改变了参数估计方法,减少了计算量,提高了计算效率;其次,引入了迭代处理,从而有效提升了预滤波处理效果;最后,联合公共带预滤波处理方法,去除多余噪声,进一步提升干涉相位图质量。仿真数据和实测数据处理结果表明：经过本文所提算法处理后,在未缩减频谱范围的前提下,可使相干系数和干涉相位图质量得到提升,从而验证了所提算法的有效性和实用性。     

MIMO雷达分组正交波形集优化设计方法

在现代电子对抗中,数字射频存储(DRFM)设备能够快速截获机载脉冲多普勒雷达信号,能够实现对多输入多输出(MIMO)雷达的干扰。MIMO雷达可基于多组相互正交的波形集来对抗DRFM干扰。同时,为最大化MIMO雷达波形分集增益,每个脉冲内发射的波形也需要正交。为了平衡组内和组间的正交性,文中建立了一种分组正交波形集优化模型,其目标函数为组内和组间相关函数性能评估指标值的加权和;为了求解该优化问题,提出了一种分组正交波形集设计方法。所提方法将原优化问题简化为p-范数优化问题,基于MM算法导出了最小化目标函数的迭代求解表达式。仿真结果表明,所提方法可通过改变权重系数来灵活平衡MIMO雷达的干扰抑制性能和距离压缩性能。     

神经形态器件的特性与发展

随着大数据时代的到来和人类对人脑系统研究的日渐深入,类脑计算领域的研究取得突破性进展,有希望在根源上打破传统计算机的性能瓶颈.神经突触是对人体脑部进行记忆能力训练和处理数据的重要基础单元,因此开发新材料、新结构,研究基于新型人造材料与光电子器件的神经突触可塑性,对神经形态器件研究和类脑硬件设计的实现都有着重要意义.本文首先指出目前“冯·诺依曼架构”的主要性能瓶颈,引出类脑计算的概念,提出神经形态器件的主要性能优势,并梳理神经形态器件发展历史;然后在忆阻器领域,阐述与分析忆阻类型、忆阻结构与忆阻机理,比较出几种忆阻器的特性,举例说明忆阻器在不同领域的应用;接着以神经形态器件为基础,选取磁性隧道结、新型浮栅管和铁电晶体管,介绍其结构、工作原理与应用;最后总结目前神经形态器件发展的成果和方向,并对行业发展前景进行预测.     

面向SCA的DPR软件架构设计与调度技术

为提高软件无线电（SDR）系统波形应用部署的灵活性和FPGA资源利用率,基于SDR系统的软件通信体系架构（SCA）,设计一种支持FPGA的动态部分可重构（DPR）软件架构。针对DPR FPGA与CPU组成的异构计算平台,提出一种蚁群优化调度算法,以提高波形应用部署效率。实验结果表明,与MILP算法和ILP算法相比,所提算法的求解性能平均提升了约30%,且随着任务规模的增大,优势更加明显。     

保护数据隐私的深度学习训练数据生成方案

深度学习模型训练存在缺少大量带标签训练数据和数据隐私泄露等问题.为了解决这些问题,借由生成对抗网络可生成大量与真实数据同分布的对抗样本的特点,提出了一个基于条件生成对抗网络的深度学习模型训练数据生成方案.该方案采用条件生成对抗网络生成数据,满足了生成大量带标签训练数据的需求;结合数据变形方法实现数据隐私保护,解决了数据隐私泄露的问题.实验结果表明该方案是高效可行的,而且与其他方案相比,其在数据可用性和保护隐私方面具有优势.     

小样本红外图像的样本扩增与目标检测算法

深度卷积神经网络模型在很多公开的可见光目标检测数据集上表现优异, 但是在红外目标检测领域, 目标 样本稀缺一直是制约检测识别精度的难题. 针对该问题, 本文提出了一种小样本红外图像的样本扩增与目标检测算 法. 采用基于注意力机制的生成对抗网络进行红外样本扩增, 生成一系列保留原始可见光图像关键区域的红外连 续图像, 并且使用空间注意力机制等方法进一步提升YOLOv3目标检测算法的识别精度. 在Grayscale-Thermal与 OSU Color-Thermal红外–可见光数据集上的实验结果表明, 本文算法使用的红外样本扩增技术有效提升了深度网 络模型对红外目标检测的精度, 与原始YOLOv3算法相比, 本文算法最高可提升近20%的平均精确率(mean average precision, mAP).     

基于Pearson相关性的雷达交叠信号识别

针对复杂电磁环境下多部雷达同时到达信号频域交叠时难以分选识别的问题,分析了信号交叠对于雷达信号识别模块性能的影响;在此基础上面向识别需求,基于Pearson算法研究了交叠信号分选的处理方法。从信息论视角来说,两个信号脉冲波形相关性越弱,则其所表达的信息量越大,特征相关度越低。在信号脉冲数一定时,基于Pearson算法可以选择相关性较弱的信号脉冲载波,以削弱同时信号交叠的影响。通过实验,发现利用选择后的弱相关信号脉冲载波特征来表达信号特性,能有效降低数据维度,尽可能减少信息丢失,有利于达到鲁棒的识别效果,因此该方法可为同时到达信号交叠下的信号识别提供有效途径参考。