基于DRGAN和支持向量机的合成孔径雷达图像目标识别

为解决SAR图像目标识别中样本缺乏和方位角敏感问题,提出了一种基于DRGAN和SVM的SAR图像目标识别算法。首先,采用多尺度分形特征对SAR图像进行增强,经过分割得到目标二值图像,基于Hu二阶矩估计目标的方位角。然后对估计得到的目标方位角进行量化编码,结合原始图像作为输入,对设计的DRGAN模型参数进行训练与优化。由于DRGAN中的深度生成模型将目标姿态与外观表示进行解耦设计,故可利用该模型将SAR图像样本变换到同一方位角区间。基于变换后的训练样本分别提取归一化灰度特征,利用SVM训练分类器。采用MSTAR数据集在多个不同操作条件下对提出的算法进行测试,实验结果表明,在带变体的标准操作条件下,能够达到97.97%的分类精度,优于部分基于CNN模型的分类精度,在4种扩展操作条件下的分类精度分别为97.83%,91.77%,97.11%和97.04%,均优于传统方法的分类精度。在SAR图像目标方位角估计存在一定误差的情况下,训练得到的GAN模型作为SAR图像目标旋转估计器,能够使得在不进行复杂样本预处理的前提下,仍然取得较高的SAR图像目标识别精度。     

基于HSI空间彩色差的快速水平集分割方法*

为提高分割速度、改善分割效果,从两方面进行改进:首先对传统的快速水平集分割进行改进,得到基于CV模型的快速水平集;其次,通过引入HSI空间中的彩色差概念,建立一种新的、尤其适合彩色图像的快速水平集分割方法。实验表明,新提出的基于HSI彩色差的快速水平集分割方法,对彩色图像具有良好的分割效果。与传统水平集分割相比,新方法在分割性能和运算时间两方面均有明显提高。     

一种基于加性潜变量的扩维卡尔曼滤波方法

现有面对非线性系统所设计的卡尔曼滤波器的性能常随着非线性程度的增强而逐步退化。为了弥补扩展卡尔曼滤波和无迹卡尔曼滤波在线性化过程中的不足之处，文中针对一类由线性项和非线性项累加组成的强非线性系统，建立了一种基于潜变量的扩维卡尔曼滤波方法。该方法将非线性项定义为原始系统的潜变量，并建立了关于潜变量的线性动态关联模型，将潜变量扩维到系统原始的状态变量中，从而建立以原始变量和潜变量为基础的线性系统模型。最后设计出该类系统的高阶扩维卡尔曼滤波器，并经过MATLAB仿真验证了新设计滤波器的有效性与准确性。     

自适应事件触发下网络控制系统鲁棒容错控制

针对一类存在执行器故障和参数不确定的网络控制系统,研究基于自适应事件触发机制网络控制系统的鲁棒容错控制问题。首先,引入自适应事件触发机制,根据系统实际状态自适应调节其触发条件;然后,建立闭环网络控制系统数学模型,运用Lyapunov稳定性理论和线性矩阵不等式技术,推出系统稳定的充分条件,进而给出控制器与自适应事件触发机制的协同设计方案;最后,通过示例仿真验证了提出方案的有效性。     

基于神经网络的动态规划检测前跟踪算法

针对低信噪比条件下的目标探测问题,提出基于神经网络的动态规划检测前跟踪算法。首先,从原始观测数据中选择训练样本,对神经网络进行权值训练;然后,全部原始观测数据归为两类,将归入杂波集合的数据幅值置零,将归入目标集合的数据进行幅值缩放,改善后续值函数积累效果;最后,提出一种多目标决策航迹回溯算法,对初步回溯的航迹集合进行二次提取,有效降低了航迹回溯过程中的虚假航迹率。仿真结果验证了所提算法的有效性。     

基于深度学习检测器的多角度人脸关键点检测

针对人脸关键点检测(人脸对齐)在应用场景下的速度和精度需求,首先在SSD基础之上融合更多分布均匀的特征层,对人脸框坐标进行级联预测,形成对于多尺度人脸信息均具有更加鲁棒响应的深度学习检测器MR-SSD。其次在局部二值特征LBF的级联形状回归方法基础上,提出了基于面部像素差值的多角度初始化算法。采用端正人脸正负90°倾斜范围内的五组特征点形状进行初始化,求取每组回归后形状的眼部特征点像素均方差值并以最大者对应方案作为最终回归形状,从而实现对多角度倾斜人脸优异的拟合效果。本文所提出的最优架构可以实时获得极具鲁棒性的人脸框坐标并且可实现对于多角度倾斜人脸的关键点检测。     

基于PSPNet改进UNet的轻量级视网膜血管分割算法

针对现有的视网膜血管分割算法存在模型训练时间长、难以兼顾血管分割的准确率和灵敏度等问题,提出一种基于PSPNet改进UNet的轻量级视网膜血管分割算法（PDA-UNet）。在数据预处理方面,该算法先提取图像的绿色通道并使用自适应直方图均衡化方法改善光照不均问题;再使用随机角度旋转、色彩抖动、添加DropBlock型噪声、随机翻转的方法对原始数据集进行数据扩增。在模型构建方面,该算法在传统UNet的原始卷积层之间添加DenseNet密集连接;然后用DropBlock模块来替代Dropout模块;其次通过金字塔解析池化结构结合上下文的语义信息;最后用融合空间注意力机制的跳跃连接替代UNet的传统连接方式。该算法在使用GTX1050(4GB显存)、保证训练时间在3小时以内的前提下,在DRIVE和STARE两个公开数据集上的准确率、灵敏度、特异性、F1-score分别为0.9590、0.8324、0.9771、0.8328 和 0.9691、0.851、0.9824、0.8432。本文所提算法相较于当前的算法,兼顾了模型训练效率以及图像分割的准确性和灵敏度,具有一定的进步性和创新性。     

冲突证据融合的优化方法

多数研究者认为, 用修改数据模型(证据体)的方法来解决冲突证据组合问题较为合理. 然而, 已有的基于修改数据模型的方法仅考虑如何提高冲突证据组合结果的聚焦程度. 实际上, 它们并没有考虑如何通过修正来消减证据之间的冲突. 显然, 若融合结果由冲突证据组合得到, 那么其可信性必然较低且会给随后的融合过程带来较大的风险. 针对此问题, 沿用折扣系数法, 该文基于证据距离准则提出了一种折扣系数(可靠度)优化学习模型, 优化过程同时考虑提高聚焦程度和消减冲突, 通过使折扣修正后组合结果的基本概率赋值(Basic probability assignment, BPA)与直言BPA (Categorical BPA, CBPA)之间的距离最小来寻优, 其中证据可靠度大小的序关系作为约束条件, 它依据证据的虚假度确定. 典型算例验证了所提方法比现有的一些组合方法, 在聚焦能力和冲突消减两方面都更合理.     

面向一体化应用的电磁信号智能检测方法研究

针对复杂电磁环境中信号检测受限于低信噪比的问题,基于信号与噪声一体化的思路,提出了一种以电磁空间的所有电磁辐射信号为背景,并结合深度学习算法的电磁信号检测方法。首先建立动态场景的电磁环境模型,包括了通信基站信号、雷达信号、干扰信号等,其次使用加高斯窗傅里叶变换提取电磁信号时频域的能量分布特征,最后采用卷积神经网络进行特征选择分类,实现信号检测。仿真结果表明,该方法在一定程度上减轻了信号检测受限于信噪比的问题,克服了传统能量检测方法和基于SVM检测方法的缺陷,提高了低信噪比下电磁信号的检测性能。      

极化智能天线的二维矢量波束形成方法研究

针对智能天线的匹配接收与干扰抑制等问题,将现有的基于均匀线阵的极化波束形成方法拓展到二维平面阵,提出了一种基于二阶锥规划的二维极化波束形成方法。在二维观测平面内,该方法通过对主瓣区域进行极化匹配设计以提高系统接收增益和主瓣干扰的抑制能力,在旁瓣区域将零陷凹面与极化约束进行叠加设计以最大限度提高干扰抑制能力,并建立最优的矢量波束优化模型,进而转化为两个等价的标量优化问题,可使用二阶锥规划求解。仿真结果表明:相对于现有的均匀线阵极化波束形成方法而言,该方法能够在方位-俯仰的二维平面上实现极化波束的约束优化,包括了主瓣极化匹配、零陷凹面的极化约束,提高了极化波束形成方法的工程实用性。