离散小波变换在可控震源地震勘探信号时延估计中的应用

在可控震源地震勘探信号处理中，为了提高反射信号时延估计的精度和压制噪声的能力，应当采用离散小波变换时频分布的二维相关算法代替传统的时域相关算法，利用发射信号和反射信号的时频分布相似性估计接收信号中各个反射信号分量的时间延迟。仿真实验证明，时频分布二维相关算法比传统的时域相关算法具有更强的压制噪声的能力，能很准确地进行时延估计。图1表1参10     

一种矩形口径三角网格平面阵列的方向图数值优化方法

本文采用差分进化算法优化矩形口径三角网格平面阵列的幅度加权,使阵列方向性满足副瓣电平和零陷电平等设定指标。将阵列的二维方向性视为水平向和垂直向两个相互独立分量的乘积,相应地将优化矢量由二维矩阵变成两个一维矢量相加,明显缩短了优化矢量的长度。同时,限定水平向和垂直向优化矢量关于中心点对称,以大幅减少优化迭代次数。仿真结果证明,本文算法能够快速有效地优化出合适的幅度加权,从而得到副瓣电平和零陷电平满足指标的二维方向图。     

基于分层多区域CV模型的SAR图像分割

在SAR图像分割中,尤其是车辆目标的SAR图像分割中,一般需要得到目标和阴影两个区域的分割结果。文中为了解决车辆目标的SAR图像多区域分割,提出了一种分层多区域CV模型,该模型结合了一种新的惩罚项,并且同时使用水平集函数的阶跃初始化,使模型具有了良好的水平集演化的属性。同时,模型对噪声的敏感性下降,使模型适用于未预处理的SAR图像。最后,对比Chan-Vese多区域分割模型,将分层多区域CV模型应用于未预处理的SAR图像,实验结果验证了模型的有效性。     

矩形封闭长空间声场的高频计算方法

基于射线跟踪的思想，提出一种矩形封闭长空间声场预测的高频数值计算方法。该方法中只要具备声场空间的边界条件参数，即声场空间长、宽、高和吸声系数，就可以解析计算任何一根声线能量随时间的衰减变化，以及任何一根声线在任何时刻的到达坐标。如果逐一计算每根声线在特定位置的到达时间和声能量，并统计所有计算结果．就可以得到此处的时域脉冲响应，并由此计算声场声压级。该方法不必对声线进行跟踪，省去了建模、入射和反射等射线跟踪计算细节，运算量大为降低，因此计算速度很快。采用实验方法对该算法的性能进行了验证，对长空间中的声场进行测量，将测量结果与本文所提算法的计算结果进行对比，二者吻合很好，证实了该方法的有效性。     

基于感知编组的SAR图像建筑物检测算法

针对合成孔径雷达(SAR)图像自动解译的需求,研究了高分辨率的SAR图像建筑物检测技术。由于人造目标按照某种方式有组织的构成,而机器视觉可以模拟人类视觉的感知编组能力获取图像的相关组织和结构,并可以根据特定的准则将提取到的图像特征编组成为更高层的结构,利用该特性,将感知编组方法用于检测建筑物,通过边缘检测和霍夫变换提取直线段基元,结合感知编组和建筑区在SAR图像上表现的亮度特征,提出了一种平行适应度函数辅助建筑物检测。基于对实测SAR图像的实验结果表明,该检测算法可靠,定位准确,并能有效地降低虚警率。     

双谱在可控震源地震信号预处理中对时延估计的应用

在可控震源浅层地震勘探信号预处理中，鉴于高阶统计量具有屏蔽高斯噪声的优点，文中使用双谱作为数学工具估计Chirp信号的时间延迟，压制噪声，仿真结果证明双谱方法有很好的时延估计效果，其精度高于相关方法。     

变长增量型极限学习机及其泛化性能研究*

极限学习机（ELM）在训练过程中无需调整隐层节点参数,因其高效的训练方式被广泛应用于分类和回归,然而极限学习机也面临着结构选择与过拟合等严重等问题。为了解决此问题,针对隐层节点增量数目对收敛速度以及训练时间的影响进行了研究,提出一种利用网络输出误差的变化率控制网络增长速度的变长增量型极限学习机算法(VI-ELM)。通过对多个数据集进行回归和分类问题分析实验,结果表明,本文提出的方法能够以更高效的训练方式获得良好的泛化性能。     

基于改进YOLOv5卷积神经网络的SAR图像目标识别

提出一种改进YOLOv5网络,并将其用于SAR图像目标识别。为了优化网络性能,文中进行了三个方面的改进：使用宽度比和高度比作为标注框之间的距离度量,并采用k-means聚类方法生成先验锚点框,作为预测框优化时的框尺寸初始值;改进框回归损失函数,引入Scylla交并比来代替竞争性交并比,以提高对密集分布目标的定位精度;改进置信度损失函数,使用焦点损失来替代二元交叉熵,以提高在复杂背景下的目标识别精度。基于MSAR数据集,选择了YOLOv3、常规YOLOv5作为对比网络,进行了大量的SAR图像目标识别实验。实验结果表明,相比两种对比网络,改进YOLOv5网络对各种目标均具有更高的识别准确率、召回率和F1值,以及更高的综合指标平均精度值和平均精度均值。     

一种基于稀疏贝叶斯学习的离网DOA估计算法

本文提出一种基于稀疏贝叶斯学习的改进离网DOA估计算法,以提升非理想测向环境下在低信噪比、低快拍数时的DOA估计性能,称之为MOGSBL算法。本算法将信号源方位区间进行离散化,得到方位离散网格。为阵列接收信号建立稀疏贝叶斯模型,将网格节点修正量设为模型超参数。采用期望最大化算法迭代更新网格节点修正量,使更新后的网格节点更接近真实源信号方位。为了检验MOGSBL算法的性能,本文进行了大量的数值实验,并将MOGSBL算法的DOA估计结果与RSBL算法、OGSBL算法和L1-SVD算法进行对比。在不同信噪比和不同快拍数时,MOGSBL算法均能清晰分辨方位很接近的两个信号源,角度分辨率明显高于RSBL算法、OGSBL算法和L1-SVD算法。随着信噪比和快拍数的增加,4种算法的RMSE均逐渐减小。但MOGSBL算法的RMSE明显低于RSBL算法、OGSBL算法和L1-SVD算法,且RSBL算法、OGSBL算法优于L1-SVD算法。实验还分析了方向测试范围的离散网格节点数对DOA估计的影响,发现细密的离散网格可以提高DOA估计精度,但DOA估计的计算量会增加。且在任意网格节点数时,相比于RSBL算...     

小波变换回波提取在可控震源地震信号处理中的应用

在传统的可控震源地震信号处理中,通常用相关算法和反褶积算法把各地震道采集的原始数据转换成地震剖面,然而它们的效果受环境噪声的干扰明显。本文采用一种基于小波变换的时频互相关(TFCC)算法,能从可控震源地震数据中检测回波并估计其时间延迟。在该算法中,首先对道数据和扫频源信号进行小波变换,得到其时频表示,然后对其时频表示进行互相关。在时频互相关的计算结果中,回波被转变成时频相关子波,同时原始道数据被转变成地层剖面。用TFCC算法和相关算法来处理相同的实际可控震源地震数据,显示前者能更好地压制噪声,并能清晰地检测到微弱回波信号。