采用深度学习的多方位角SAR图像目标识别研究

合成孔径雷达（Synthetic Aperture Radar,SAR）在对地面目标进行观测时,可以在多个不同的方位角获取到目标的SAR图像,但这些图像中目标的形态各不相同。考虑到SAR图像对观测方位角极其敏感和SAR图像数据规模小这两个因素,本文设计了一个利用多方位角SAR图像进行目标识别的卷积神经网络（Convolutional Neural Network,CNN）,同一目标的3幅SAR图像被当作一幅伪彩色图像输入到网络中,充分利用了SAR图像数据的获取特点,同时用池化层替代了展平操作,降低了网络参数数量。实验结果表明,即便在小规模SAR数据集上,该卷积网络具有识别精度高的特点,对同类别不同型号的目标也具有出色的识别表现。      

基于有限时间一致性的直流微电网分布式协调控制

直流微电网的主要控制目标是维持母线电压稳定及实现负荷的按比例分配。为克服直流微电网采用集中式控制的缺陷,提出了一种分布式的协调控制策略。该控制策略利用分层结构,在原始下垂控制的基础上引入电压二次控制及发电成本运行控制,各发电单元仅与相邻通信单元进行信息交互,通过有限时间一致性算法,最终实现电压稳定及发电成本最小等多控制目标。所提控制策略兼具分层控制与有限一致性控制的优点,灵活性高、鲁棒性强、收敛性能好。为了验证所提出的控制策略,搭建了相应的直流微电网模型,并对电源投退、负荷波动等不同场景进行了仿真,算例结果验证了该策略的有效性。     

国产A508-3钢辐照性能

反应堆压力容器（RPV）作为反应堆寿期内不可更换的核心设备,是防止堆芯放射性泄漏的最主要屏障。本文针对国产压力容器材料A508-3钢,开展了一定剂量水平（约10×10¹⁹ cm^-2,E≥1 MeV）的研究堆加速辐照试验,并进行了辐照后力学性能测试分析,包括拉伸性能和冲击性能测试。结果显示,辐照后在-100、20、288 ℃下,A508-3钢的屈服强度分别增加了83、108、52 MPa,抗拉强度分别增加了58、61、49 MPa,韧脆转变温度T_41J增加了68 ℃,上平台能量降低了61 J。A508-3钢辐照前后性能测试结果表明,在中子辐照至60 a寿期后,A508-3钢仍能满足反应堆使用要求。     

圆周扫描地基SAR频域三维成像算法

圆周扫描地基SAR(GBCSAR)是一种具备三维成像能力的地基SAR系统,其运动轨迹特殊,给三维成像带来难度。后向投影(BP)算法适用于该系统成像,但其计算量巨大,难以实现实时成像。应用于机载圆迹SAR成像的频域算法由于机载圆迹SAR与GBCSAR系统在成像模型和信号模型上都存在差异,因此无法应用于GBCSAR。因此,本文提出了一种针对GBCSAR的频域三维成像算法。本文在GBCSAR系统模型的基础上,推导信号由斜距平面转换到成像平面的解析表达,在频域进行匹配滤波,实现信号的聚焦。之后对本算法的适用条件进行讨论。最终经过仿真实验,本文提出的算法得以验证,并对本文算法与BP算法的成像质量和成像效率进行对比,证明本文提出的频域成像算法可以实现高效成像。      

基于CA-CFAR桥梁振动目标位置及频率检测方法

雷达在桥梁健康检测领域已经成为最主要的工具之一,主要因为其非接触性、以及可连续,全面检测等优势,雷达对桥梁健康的检测主要通过对桥梁所产生的振动信号进行分析,雷达振动信号包含相位信息,方便对形变量进行提取。对振动信号的检测,通常需要对原始信号进行形变反演,在反演后的信号上再对振动信号进行检测,但是桥梁振动信号通常处于复杂环境中,在杂波以及噪声的影响下,反演后的信号难以呈现振动信号本身的特征,不易进行检测。因此本文提出基于CA-CFAR的桥梁频率检测方法,先在距离多普勒域对距离单元进行检测,再基于振动信号自身具有周期性、多次谐波的特征对信号频率进行检测,本文的方法直接对雷达信号进行频率检测,减少了形变量反演所造成的误差。首先给出了振动信号几何模型以及信号模型。然后论述了检测算法原理。最后通过实验对算法的可行性进行了验证。      

附加直流的低信噪比雷达微振动信号提取

基于毫米波雷达的微振动测量是一种非接触式高精度测量手段,在桥梁健康监测领域发挥着重要作用。微振动信号提取通常对雷达回波信号进行差分干涉处理获取差分相位信息,然后对差分相位积分反演得到高精度的目标形变量。高背景噪声下,差分相位出现缠绕现象,造成反演的形变量产生跳变,破坏了振动信息,无法准确反映目标的形变量和振动频率等振动特征。为了解决这个问题,本文提出了基于附加直流的低信噪比雷达微振动信号提取方法,该方法利用附加直流约束相位缠绕,并推导了附加直流带来的形变量幅度值调制系数,在解决形变量跳变问题的同时准确反演振动信号形变量。最后仿真数据与毫米波雷达实测数据验证了本方法的有效性。     

圆周扫描地基SAR地形表面提取辅助的三维成像算法

圆周扫描地基合成孔径雷达(GBCSAR)具备大视场、高分辨率等优势,且具备三维分辨能力,在复杂场景形变监测领域具有重要意义.但在大场景下目标点数量庞大,常规的三维成像方法耗时很长,难以满足实时连续监测的需求.因此本文提出一种针对GBCSAR的地形表面成像方法.在场景形变监测时,地形表面形变往往可以反映场景形变趋势,针对...     

多角度极化SAR图像中的非各向同性散射估计与消除方法研究

通过对不同角度子孔径相干累加,多角度观测SAR可以提供高分辨率影像及多角度散射特征.然而,现有的累加成像方法存在非各向同性散射中心混叠问题.混叠将造成极化特征参数估计无法反映实际的目标物理特征,从而难以支撑分类及变化检测应用.为了去除不同散射中心间的相互干扰并利用不同类型的信息,该文提出了一种多角度极化SAR图像中的非各向同性散射估计与消除方法.该方法给出了基于两类目标假设的最大似然比检验统计量,分析了相干斑影响以及非各向同性散射消除机理,证明了恒虚警判决函数的单调性.通过机载P波段极化SAR进行了360观测试验,分析了非各向同性散射消除前后极化熵的变化,验证了算法的有效性并揭示出在目标特征提取方面的应用潜力.      

基于注意力网络的地基SAR时序差分相位分类方法

地基合成孔径雷达(Ground Based Synthetic Aperture Radar, GBSAR)具备形变测量精度高、可大面积非接触监测、可全天候监测的优势,是对露天矿山工作帮及排土场进行亚毫米级形变监测的主要技术手段之一。边坡形变监测过程中出现的多径效应造成的差分相位变化会被错误识别为形变,而形变结果的准确性又是触发预警流程的重要依据。针对识别形变精度低的问题,本文开展了差分干涉相位时序特征表达方法研究,并以此为基础提出了一种基于注意力网络模型的地基SAR时序差分相位分类方法,以相位变化趋势与区域范围作为依据来区分突变区域和缓变区域,通过模型预测出真实形变分布。经过实验结果证明,注意力网络模型可以较为准确的提取出形变分布,有效减少多径效应造成的误差干扰。      

基于注意力网络的地基SAR永久散射体选取方法

永久散射体法（Permanent Scatterer,PS）是地基合成孔径雷达（Ground-Based Synthetic Aperture Radar,GBSAR）形变监测的技术支撑,但使用传统多阈值法选取PS点时,会存在各个区域对阈值敏感性不同的问题。为解决选取PS点时漏选或错选的问题,本文提出一种注意力网络模型对GBSAR时序数据进行PS点筛选,并将该模型与循环神经网络（Recurrent Neural Network,RNN）和长短期记忆网络（Long Short-Term Memory,LSTM）进行对比实验,应用于三个不同场景的监测来比较选取PS点的结果。实验结果表明:基于注意力网络的模型的实时性比RNN模型更好,准确度比LSTM模型更高。因此基于注意力网络的模型在PS点选取上更具优势。