PSDInSAR的永久散射体时序选择方法

已有永久散射体(PS)识别技术均侧重于利用时序数据集的统计特性,而没有考虑到数据集的时序特性,这样的处理方式势必带来时序信息的浪费,造成部分PS点的漏选。该文重点关注一种永久散射体具有较好的相位稳定度但却在整个监测时间内不连续,称这种PS点为类永久散射体点。文中对类永久散射体的概念及特征进行了详细描述,利用仿真实验分析了类永久散射体应用的可行性,根据类永久散射体特性对其进行了有效选择,形成一种新的永久散射体选择方法时序选择法。同时对时序选择法以天津地区Envisat ASAR影像数据进行实验验证。通过类永久散射体的选择,PS点数量提高了、不均匀分布特性得到改善,同时保证了其较高的相干性。     

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)是目前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,但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.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的研究,并以此为基...     

地基大视场SAR形变监测的非均匀大气相位校正方法

大气变化是地基干涉合成孔径雷达(GB-InSAR)形变监测的主要干扰因素。由于监测环境的地形复杂,水汽、湿度和温度的空间异质性,基于均匀大气介质假设的校正方法可能导致大气校正精度较低。该文提出了一种两阶段半经验模型,用于估计和校正复杂大气条件下特大滑坡GB-InSAR监测过程中出现的大气相位误差。该方法兼顾线性大气相位和非线性大气相位,首先根据测区的范围和高程对观测到的大气相位进行建模,校正与地形相关的线性大气相位。然后,考虑复杂大气条件和方位向大视场角度场景下出现的空间域非均匀大气情况,选取稳定永久散射体(PS)通过插值的方式获取所有PS点的大气相位,校正非线性大气相位。采用该方法对三峡库区新铺和藕塘特大滑坡的地基大视场雷达图像进行处理,相比于常规方法减小大气相位误差最大约2 mm。能有效校正特大滑坡监测场景下出现的非均匀大气相位,满足特大滑坡广域范围监测需求。     

面向植被边坡的地基SAR高相干点选择

基于高相干点进行相位分析,才能有效保证地基SAR（Synthetic Aperture Radar,合成孔径雷达）形变测量的准确性。在差分干涉测量领域中,广泛使用幅度离差法,可以有效地选择出岩石、建筑物等PS（Permanent Scatterer,永久散射体）点作为高相干点,但对于植被边坡,采用该方法选择出高相干点数量较少,不利于差分干涉处理。在星载SAR领域,普遍采用StaMPS方法解决植被边坡的高相干点选择问题。本文探索了StaMPS方法在地基SAR领域的适用性,提出采用非PS点来计算相干系数门限,并引入DS（Distributed Scatterer,分布式散射体）选择技术,进一步提高了高相干点的数量。对一处植被边坡的实验结果表明,相比于幅度离差法和StaMPS方法,改进方法在提高高相干点数量的同时,有效保证了其相位质量。      

地基SAR多阈值迭代优化PS点选择方法

地基合成孔径雷达（Synthetic Aperture Radar,SAR）具有非接触、高精度、大区域、全天时全天候、24小时连续监测的技术优势,是滑坡灾害形变监测预警的重要技术手段,永久散射体(Permanent Scatterer,,PS)的探测是形变反演的关键技术,但使用阈值法筛选永久散射体时,人工调试多个阈值过程繁复且容易出现阈值设置不合理现象。本文提出一种多阈值优化算法,该算法针对地基雷达实现自动确定筛选永久散射体点的阈值,能减少人工设置阈值的不合理现象,省去更换监测场景后繁复阈值调试的过程,自动确定的阈值筛选结果达到比人工反复调整的阈值更优的效果。将该方法应用于四川茂县滑坡的形变监测及昌平凤山露天矿的PS点筛选实验,验证了算法的可行性。实验结果表明三阈值优化算法可以准确的确定阈值,筛选出正确的PS点集。      

基于气象数据辅助的GB-InSAR大气相位补偿方法

地基干涉合成孔径雷达GB-InSAR(Ground-Based Interferometric Synthetic Aperture Radar)测量中,大气相位是主要测量误差源之一.对于大气相位非线性变化的干涉相位图,常规的基于参数模型的补偿方法不再适用.该文提出一种基于气象数据辅助的GB-InSAR大气相位补偿方法...     

地基干涉合成孔径雷达图像非线性大气相位补偿方法

采用基于永久散射体(PS)技术的大气相位(AP)补偿方法对地基干涉合成孔径雷达(GB-InSAR) 干涉相位图进行分析时,部分图像的干涉相位随距离呈现出复杂的非线性,导致无法建立合理的多参数模型来模拟大气相位,常规的补偿方法不再适用。该文提出一种改进的GB-InSAR图像非线性大气相位补偿方法,首先采用常规方法对干涉相位图进行大气相位补偿,并根据PS点的补偿后相位序列的标准差,进行稳定PS点的选择,然后对稳定PS点进行子区域划分,通过反距离加权插值估计出所有PS点的大气相位,从而实现大气相位的有效补偿。采用该文所提方法,对460幅雷达图像进行了处理,相比于常规方法,可以有效地补偿干涉相位图中的非线性大气相位分量。基于若干高稳定参考点的对比结果表明,该方法减小了最大约1 rad的相位测量误差。      

基于K-means算法的时序GB-InSAR图像PS实时选择方法

GB-InSAR(Ground-based Interferometric Synthetic Aperture Radar,地基干涉合成孔径雷达)是一种新型的形变测量工具,应用于长期连续监测时,为了保证形变测量的准确性和实时性,通常需要将SAR图像进行分组处理,并基于PS(Permanent Scatterer,永久...     

基于自注意力特征融合的半监督生成对抗网络用于SAR目标识别

与具有大量标注数据的光学图像相比,合成孔径雷达(Synthetic Aperture Radar,SAR)图像缺乏足够的标记样本,限制了监督学习的SAR目标识别算法的性能.而无监督识别方法又难以满足实际需求,因此本文提出了基于自注意力特征融合的半监督生成对抗网路.首先,在构建生成器和判别器时引入自注意力层,克服卷积算子...     

面向小样本SAR图像识别的自注意力多尺度特征融合网络

合成孔径雷达（Synthetic Aperture Radar,SAR）图像标签难以大量获取,存在着大量小样本SAR数据集。SAR图像充满着散斑噪声,直接将卷积神经网络（Convolutional Neural Network,CNN）应用在小样本SAR数据集上难以提取有效特征。针对以上问题,本文提出了一种面向小样本SAR图像识别的自注意力多尺度特征融合网络。首先,将自注意力机制与幽灵模块相结合构建自注意力幽灵模块,并利用该模块替代经典的卷积操作提取SAR图像特征。其次,在网络中添加通道混洗单元以构建多尺度信息融合支路。最后,引入知识蒸馏对设计的网络进行压缩,进一步控制网络参数量。实验结果表明,本文方法在不同工作条件下采集的MSTAR数据集上具有出色的识别性能,在构建的小样本SAR数据集上也表现出良好的鲁棒性。      

Heterogeneous wireless network selection algorithm based on group decision

In the environment of heterogeneous wireless networks, it is vital to select a currently optimal network for applications and subscribers. The use of multiple attribute decision making （MADM） for heterogeneous network selection can provide subscribers with satisfactory service quality. Converting heterogeneous network selection into a MADM problem, the authors present an improved algorithm for MADM based on group decision theory. The algorithm combines weight vectors of multiple attribute decision making to obtain a combinational weight vector. Then the results＇ compatibility will be assessed. If they do not meet the requirements of compatibility, the judgment matrix will be modified until a comprehensive vector that satisfies compatibility requirements is produced. The vector is combined with simple weighting method （SAW） for network selection. Simulation shows that the algorithm can provide users with satisfactory quality of service （QoS）.     

SDN based network resource selection multi-objective optimization algorithm

For the problem of coexistence of different resource utility objectives and mutual influence of resource selection strategies in the complex structure of software-defined network (SDN),an SDN based network resource selection multi-objective optimization algorithm was proposed.The optimization goals of resource providers and clients were taken into account in the algorithm,and a resource selection multi-objective optimization model was constructed.The model was further solved by the reference vector based multi-objective optimization algorithm.Simulation results show that compared with other algorithms,the proposed algorithm could quickly converge to the uniformly distributed non-inferior solution set,and balance the optimization objects of multi-party in SDN based resource access management.     

基于残差网络和注意力机制的步态识别算法

针对现有行人步态数据集样本较少、多特征融合复杂且识别精准度不高的问题,提出了一种基于残差网络和注意力机制的步态识别算法。首先对每种特征制作标签,然后将表示不同特征的标签做拼接,达到识别多特征的目的。通过迁移ResNet18的预训练模型,并在ResNet18网络第一个和最后一个卷积层后面加入注意力机制,能够加速网络的收敛,提升模型的精准率。〖JP3〗在CASIA-B数据集上进行多次实验,结果表明所提出方法能准确识别行人、状态和不同角度三种步态特征,识别的精准率为97.6%。     

基于信道系数的认知网络节点选择算法

为改善认知网络通信性能,根据机会协作通信技术思想,提出了基于信道系数的认知网络节点选择算法,并对算法性能进行了研究。结果表明,该算法能够有效提高频谱资源利用效率、提升次网络吞吐量。     

基于协同学的异构无线网络选择算法

终端接入的网络需要满足各类业务需求,对此提出了一种基于协同学的异构无线网络选择算法.该算法将终端网络选择看作一个系统化的问题,可选网络是一个复合系统,终端上运行的每一种业务都是一个子系统,依据熵的概念得到复合系统的熵值,熵值的大小反映了子系统之间的协同度,进而体现了网络的整体性能.仿真结果表明,在终端多业务的情况下,基于所提算法选择的网络业务QoS满意率达到了95％,比基于TOPSIS算法选择的网络业务QoS满意率提升了近4倍,能够很好地解决多业务终端网络选择问题.     

基于改进SFS特征选择BP识别算法

特征选择在BP神经网络算法中起着重要作用,顺序前向选择算法(SFS算法)利用前向搜索叠加的方式,从众多的原始特征中获得对分类识别算法最有效的主要特征,实现样本特征维数压缩。提出一种改进SFS特征选择算法,设计了加权判别函数和测试反馈停止准则。实验证明,改进算法能有效压缩样本特征维数,提高BP网络收敛速度和正确识别率。     

基于最优路径选择的网络感知服务组合算法

为满足用户的性能需求及服务质量保障,针对复杂网络服务组合的特点和用户个性化的服务质量(Quality of Service, QoS)需求,研究了云环境下的网络感知服务组合问题,利用云服务和网络服务的QoS属性,提出了一种基于最优路径选择(Optimal Path Selection, OPS)的网络感知服务组合算法。该算法可以提升网络服务质量水平,改善用户体验质量。仿真结果表明,该算法在求解时间和质量两个方面都表现出了良好的性能,而且能动态适应用户复杂的需求,能够有效地解决云计算环境下的服务组合问题。     

基于移动终端业务的多接入网络选择算法

本文提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下三个步骤为业务确定一个最优接入网络集合：首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合。仿真结果表明：本文提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量。     

基于移动终端业务的多接入网络选择算法

提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下3个步骤为业务确定一个最优接入网络集合:首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合.仿真结果表明:提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量.     

基于点积自注意力卷积神经网络的歌声检测

传统的歌声检测过程往往包含了复杂的特征工程,而基于深度神经网络统一框架的算法则可以利用其强大的学习能力学习到特征,从而忽略特征工程。但是,这些学习到的特征通常得不到重要性区分,在网络中所占权重相同。针对这一问题,提出在卷积神经网络中嵌入点积自注意力模块的算法,该算法通过学习得到各个特征的注意力分布,调整注意力权重,使得卷积神经元在“观察”这些特征时能区分轻重,从而提升网络的整体性能。在实验部分,通过在两个公开数据集下测试,并和基准模型进行对比,证明了该算法对提升歌声检测水平切实有效。