地面红外纹理的动态生成技术研究

为实现红外导引头视景仿真中地面视景的动态生成,提出了一种地面红外纹理的动态生成方法.根据太阳小时辐射量、风速、大气温度、相对湿度和不同材质地面温度的实测数据建立样本集,并基于该样本集建立了几种典型地面材质表面温度场的工程计算模型.仿真工程中,在地面材质区域纹理的基础上,结合温度场工程计算模型和由多谱段图像法生成的纹理掩膜,在着色器中动态生成地面的红外纹理.实验表明,地面温度场模型的预测结果与实测数据吻合较好,生成的地面红外纹理比较逼真,满足三维仿真工程实时性要求.     

面向ADS-B信号辐射源个体识别的轻量化模型设计

针对辐射源个体识别高精确度、轻量化、实时性的现实应用需求,提出了面向广播式自动相关监测(ADS-B)信号辐射源个体识别的轻量化模型设计方法。根据信号数据特点进行解码处理,并对不均衡样本进行权重调节,改善样本质量;通过分组卷积获取不同维度的细微特征,与初始特征拼接,实现多维互补特征融合,并联同步进行提高识别效率。利用Ghost bottleneck结构实现网络模型压缩与跨层连接,在融合多维特征的同时节省计算资源。实验结果表明,本文算法结构精简,计算量低,识别率达到95.2%,并在不同容量的样本识别中效果稳定。本文算法较好地平衡了辐射源个体识别精确度、轻量化与高时效的需求。     

RSDD-SAR:SAR舰船斜框检测数据集

针对合成孔径雷达(SAR)舰船斜框检测数据集较少,难以满足算法发展和实际应用需求的问题,该文公开了SAR舰船斜框检测数据集(RSDD-SAR),该数据集由84景高分3号数据和41景TerraSAR-X数据切片及2景未剪裁大图,共127景数据构成,包含多种成像模式、多种极化方式、多种分辨率切片7000张,舰船实例10263个,通过自动标注和人工修正相结合的方式高效标注。同时,该文对几种常用的光学遥感图像斜框检测算法和SAR舰船斜框检测算法进行了实验,其中单阶段算法S2ANet检测效果最佳,平均精度达到90.06%。通过实验对比分析形成基准指标,可供相关学者参考。最后,该文通过泛化能力测试,分析讨论了RSDD-SAR数据集训练模型在其他数据集和未剪裁大图上的性能,结果表明:该数据集训练模型具有较好的泛化能力,说明该数据集具有较强的应用价值。RSDD-SAR数据集可在以下网址下载:https://radars.ac.cn/web/data/getData?dataType=SDD-SAR。      

基于概率假设密度滤波和动力学方程约束的空间群目标数量和位置分辨

空间目标具有射程远、速度快等特点,为了有效解决密集性高、可分性差的高速空间目标群饱和攻击问题,实现非合作空间群目标数量和位置的尽早分辨,该文基于随机有限集(RFS)理论和动力学方程约束研究了空间“团状”目标数量和位置分辨问题,提出目标监测早期解决大量距离靠近、运动特征差异不明显的高速空间群目标数量和位置估计的相关算法,该算法利用概率假设密度(PHD)滤波器能够解决未知时变环境下目标个数与状态估计的特点,将高斯混合PHD (GM-PHD)滤波和空间目标动力学方程相结合,在解决不可分辨空间群目标数量和位置估计问题的同时,充分利用空间目标动力学方程对群内目标状态进行实时调整,提高空间目标位置状态估计精度,解决不可分辨空间目标群边跟踪边分辨问题,相关算法可为空间群目标数量和群内特殊价值个体目标位置尽快分辨、连续稳定跟踪和可靠动向预报等提供数据基础。     

多编队目标先后出现时的无先验信息跟踪方法

针对多编队机动目标先后出现时的跟踪问题,该文提出了一种基于交互式多模型高斯混合概率假设密度滤波(IMM-GM-PHD)算法的无先验信息跟踪方法。首先,在IMM-GM-PHD算法预测过程完成的基础上,引入密度检测机制,利用相关域为所有预测高斯分量挑选有效量测,结合密度聚类(DBSCAN)算法检测是否出现新编队目标。其次,在IMM-GM-PHD算法状态更新完成的基础上,利用更新高斯分量的组成情况完成模型概率的更新。最后,在状态估计优化过程中,结合编队目标的特点,加入相似度判别技术,利用杰森-香农(JS)散度度量高斯分量间的相似度,剔除没有相似分量的高斯分量,进一步优化估计结果。仿真结果表明,该文方法能够快速有效地跟踪非同时出现的多编队机动目标,具有较好的跟踪性能。     

一种改进的VI-CFAR检测器

修正的削减平均MTM(modified trimmed mean)恒虚警(constantfalse alarm rate,CFAR)算法通过对前后滑窗的削减平均再求和实现杂波功率估计,其在多目标环境下具有很好的抗干扰性能.为了提高VI检测器在多目标背景尤其是前后滑窗都存在干扰目标时的检测性能,将MTM算法应用于VI(variability index)检测器,提出了一种改进的恒虚警检测器(VIMTM),该检测器的检测阈值由CA、GO和MTM算法产生.同时本文推导了MTM算法标称化因子TMTM的表达式,在SwerllingⅡ假设下,对VIMTM在不同的杂波背景下的性能进行了仿真分析,并与VI和基于OS(order statistic)的OSVI进行了比较.结果表明,在均匀环境和多目标背景下,VIMTM检测性能较好,且具有更强的鲁棒性;在杂波边缘背景下,VIMTM控制虚警的能力与VI、OSVI相当.另外,与OSVI相比,VIMTM缩短了参考样本的排序时间,提高了检测器的工作效率.     

新生目标强度未知的单量测PHD滤波器

自适应新生目标强度PHD滤波器（PHD-M）在目标漏检时易发生错估或漏估,从而导致滤波器估计性能下降.为解决这一问题,提出了一种新生目标强度未知的单量测（single measurement）PHD滤波器（PHD-SM）并给出了其粒子实现方式.该文首先通过构建一步虚拟量测对漏检目标进行补偿,然后基于单量测PHD分解技术推导了PHD预测和更新公式,最后设计了一种无须聚类操作的多目标状态估计方法.仿真实验表明,在当检测概率P_D较小时,PHD-SM滤波器估计性能优于PHD-M滤波器,且检测概率越小,性能优势越明显.     

基于双重注意力机制的遥感图像场景分类特征表示方法

针对遥感图像场景分类面临的类内差异性大、类间相似性高导致的部分场景出现分类混淆的问题,该文提出了一种基于双重注意力机制的强鉴别性特征表示方法.针对不同通道所代表特征的重要性程度以及不同局部区域的显著性程度不同,在卷积神经网络提取的高层特征基础上,分别设计了一个通道维和空间维注意力模块,利用循环神经网络的上下文信息提取能力,依次学习、输出不同通道和不同局部区域的重要性权重,更加关注图像中的显著性特征和显著性区域,而忽略非显著性特征和区域,以提高特征表示的鉴别能力.所提双重注意力模块可以与任意卷积神经网络相连,整个网络结构可以端到端训练.通过在两个公开数据集AID和NWPU45上进行大量的对比实验,验证了所提方法的有效性,与现有方法对比,分类准确率取得了明显的提升.     

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。     

可分辨空间密集目标群跟踪算法研究

为了有效改善可分辨空间目标群的早期跟踪态势,提高高速目标群的跟踪处理速度和跟踪精度,提出了可分辨空间密集目标群跟踪算法。该算法首先通过全局聚类群分割、群关联和群跟踪,解决大量距离靠近、运动特征差异不明显的高速空间目标群早期连续稳定跟踪问题; 通过群跟踪掌握早期群整体信息,提高目标数据处理速度。在此基础上,边跟踪边分群,由群目标跟踪逐渐过渡到多目标跟踪,在群目标跟踪中通过结合空间动力学方程提高群内目标的跟踪精度,提升雷达系统对可分辨密集空间目标群的跟踪能力。