Ku波段螺旋波纹波导回旋行波管色散特性研究

为抑制回旋行波管的自激振荡和增加回旋行波管带宽,俄罗斯G.Denisov等人提出一种新型回旋行波管结构——螺旋波纹波导回旋行波管。通过螺旋波纹波导的特殊结构使通过波导的两种模式发生耦合,耦合出一种新的工作模式,从而改变色散特性,达到抑制自激振荡和增加带宽的目的。通过螺旋波纹波导的色散方程,分析其色散曲线,从而分析螺旋波纹波导作为回旋行波管高频系统的优势。     

螺旋波纹波导回旋行波管非线性理论研究

非线性理论是一种以驻波互作用过程为对象的大信号理论,它能准确地反应电子与波的互作用过程,计算输出功率、效率等其他非线性理论问题。采用非线性理论中的自洽非线性理论和耦舍波理论对螺旋波纹波导回旋行波管进行研究,结和电子运动方程和互作用方程,反映电子运动和场的激励相互演变过程。     

基于邻域最小生成树的半监督极化SAR图像分类方法

该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。      

基于半监督学习的SVM-Wishart极化SAR图像分类方法

该文针对极化SAR (Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。