一维卷积神经网络用于雷达高分辨率距离像识别

针对人工提取高分辨率距离像（HRRP）优良特征比较困难的问题,研究了基于一维卷积神经网络（CNN）的HRRP识别方法。利用CNN具有分层学习特征的能力,训练CNN自动地从HRRP中学习有用的特征并分类。在仿真实验中描述了网络的相关配置,分析了不同激活函数、不同参数、不同网络结构的识别性能,对比了CNN与其他分类器的识别结果,用可视化特征图直观地说明了CNN通过卷积层能够学习到易于分辨的特征。实验结果表明CNN具有很好的识别性能。     

激光距离选通成像关键技术

距离选通技术是克服激光后向散射、提高激光距离选通成像系统信噪比的有效方法.阐述了激光距离选通成像原理,详细分析了距离选通关键技术,指出传统的距离选通同步控制系统的缺点,并提出一种改进的距离选通同步控制方案.     

基于调制谱图卷积神经网络的空中目标识别技术

雷达对空中目标的分类识别技术是雷达信号处理领域中的关键技术.目前大部分雷达目标识别方法通用性较差且对雷达具有较高的要求.针对该问题,提出一种将目标回波的周期性调制谱信息图像化后,基于卷积神经网络调制谱图处理的空中目标识别方法.目标调制谱图像通过卷积神经网络逐层变换自动学习到目标特征信息,最终通过分类器进行分类识别.该方法避免了传统人工拟定调制谱特征的方式,实现了端对端的空中目标识别方法.实验结果表明,基于调制谱图的卷积神经网络模型具有较高的空中目标识别准确率,且模型的鲁棒性和泛化能力较好.     

斑纹对激光距离选通短波红外成像系统目标识别性能的影响（下）

5 野外比较 为了从激光距离选通短波红外摄像机中获得一系列图像以验证斑纹模拟的真实性,有关人员于2001年6月19日进行了数据采集。他们制作了一块8英尺×8英尺的目标板并把它安装在一辆卡车的车身上以便于从一个位置转移到另一个位置。一块具有固定反射率的帆布被     

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。     

水下激光距离选通三维成像方法

基于水下距离选通激光成像技术,利用选通成像中回波强度相变化特性中包含的距离信息,提出了一种针对水下目标的三维成像方法。结合实验室现有的水下距离选通激光成像系统,对15 m处的水下目标进行了三维成像。这一方法有效抑制了水下成像系统中存在的目标表面材质、水体衰减以及目标各点法线方向与入射激光脉冲方向夹角不同等因素对于三维成像造成的不良影响,同时仅需要从单一方向对目标进行成像,减少了所需图像采集的次数,简化了三维重构的过程。     

基于深度卷积神经网络的极化雷达目标识别

针对宽带多极化雷达,提出将高分辨一维距离像(high resolution range profile,HRRP)与极化信息相结合的算法,获得目标在4种极化组态下的一维距离像并将其组成极化距离矩阵.该算法对目标进行全方位的特征抽取与建模,以适应不同的姿态,有助于减少高分辨一维距离像方位敏感性带来的影响.然后提出了直接基于极化距离矩阵、Pauli分解和Freeman分解三种特征提取方式对极化距离矩阵进行目标特征的提取,并将获得的目标特征向量结合起来送入搭建的深度卷积神经网络进行训练学习.该方法不仅结合了不同的特征提取方式以对极化距离矩阵进行更全面的特征提取,而且深度卷积神经网络的运用又对目标特征向量进行了深层学习,仿真结果验证了该方法的有效性.     

距离选通技术在运动目标激光主动成像中应用

激光主动成像系统已被广泛应用,但是大多系统都是针对静止目标,在实际应用中对运动目标成像时受到限制。文中首先阐述了针对静止目标的激光主动系统,然后分析了运动目标成像时与静止目标的不同,分析了相对运动和固定焦距的光学系统的离焦效应,构建了3种运动目标激光主动成像体制,最后,在对静止目标成像的基础上,采用红外热像仪在大视场内跟踪目标,测距机实时测量距离信息的方式,建立了基于距离选通的运动目标激光主动成像系统。实验获得了距离500 m,运动速度为5 m/s气球运动目标的图像,突破了合作目标及多点定位的限制,为进一步跟踪快速运动目标提供了借鉴,同时也对运动目标激光三维图像的获取与处理研究提供了基础。     

激光距离选通成像同步控制系统的设计与实现

针对传统的激光距离选通成像系统需要已知距离及精确的激光器传输时间延迟等先决条件,设计并实现了一种基于DSP的激光距离选通成像系统,并对其同步控制方法进行详细地探讨。该方案利用快速DSP控制器完成测距和距离延迟,产生纳秒级的选通脉冲选通ICCD摄像机,有效地实现了距离选通及精确的图像清晰度控制,在无需任何先决条件的情况下,可以获得目标的距离信息和距离选通图像。     

基于卷积神经网络的雷达目标HRRP分类识别方法

卷积神经网络通过卷积和池化操作提取图像在各个层次上的特征进而对目标进行有效识别,是深度学习网络中应用最广泛的一种。文中围绕一维距离像雷达导引头自动目标识别,开展基于卷积神经网络的目标高分辨距离像分类识别方法研究。首先,基于空中目标一维距离像姿态敏感性仿真生成近似平行交会条件下不同类型目标的高分辨距离像数据集;其次,构建一种一维卷积神经网络结构对目标高分辨距离像进行分类识别;作为比较,针对同类高分辨距离像数据集,分析了主成分分析-支持向量机方法的目标分类识别效果。结果表明:基于卷积神经网络的目标分类识别算法有更好的识别能力,对高分辨距离像的姿态敏感性具有较强的适应性。     

一种改进的激光距离选通成像系统

距离选通技术是克服激光后向散射,提高激光距离选通成像系统信噪比的有效方法。阐述了激光距离选通成像原理,详细分析了距离选通关键技术,指出了传统的距离选通同步控制方案的缺点,提出了一种改进的激光距离选通成像系统,讨论了激光距离选通成像系统今后需要重点研究的课题和发展趋势。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

一种改进的基于DSP的激光距离选通成像系统

采用激光束主动照明,是对远距离暗目标进行成像探测和精确跟踪的有效途径.从激光距离选通成像系统的成像关系出发,分析了距离选通方式和非距离选通方式下的激光距离选通成像系统的信噪比,从理论上说明了采用距离选通技术可以有效地抑制后向散射等背景噪声.讨论了激光距离选通成像关键技术,分析了传统的激光距离选通成像系统的缺点,提出了一种改进的基于数字信号处理(DSP)的激光距离选通成像系统.该系统利用快速DsP控制器完成测距和距离延迟,产生纳秒级的选通脉冲选通ICCD摄像机,实现距离选通.该系统克服了传统的激光距离选通成像系统需要已知距离,需要精确测量激光器的传输时间延迟等缺点,可以获得目标的距离信息和距离选通图像.     

基于卷积神经网络迁移学习的飞机目标识别

飞机目标识别是地面情报系统的一项重要关键技术。近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能。但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域中的应用。针对飞机目标识别中的小样本问题,文中引入适用于有限数据场景的迁移学习技术,预先在其他大样本高分辨距离像数据上训练一个初始卷积神经网络模型,再结合当前飞机目标识别任务调优模型参数。在实测数据上的实验结果显示,与仅使用卷积神经网络的方法相比,所提方法可显著提升识别准确率,验证了方法的有效性。     

距离选通式半导体激光夜视系统

距离选通式半导体激光夜视系统是采用高功率脉冲半导体激光器作为夜视系统的照明光源、以微光管作为接收传感器的主动成像夜视系统。介绍了半导体激光夜视系统中所采用的高质量脉冲半导体激光光源技术及距离选通技术。其中光束准直整形技术和改善光场均匀性技术是脉冲半导体激光夜视系统的关键技术。距离选通式激光夜视系统消除了脉冲激光带来的后向散射及杂散光的干扰,提高了接收信噪比,可获取清晰的夜视图像。实验证明采用距离选通式半导体激光夜视系统可在很差的气象条件下工作,并可获得清晰图像,作用距离达5 km。该系统不仅用于军事领域也可用于边防、公安、搜救、监控等其他领域。     

基于卷积神经网络的水表读数识别

老式水表的人工抄表模式需要耗费大量的人工和时间成本。而当前计算机算力飞速增长,深度学习理论取得不断突破,利用神经网络和深度学习理论来实现水表读数的自动识别成为可能。为提高水表读数识别率,文章通过偏转和加噪实现数据集扩增,采用灰度化、二值化等操作对数据集进行预处理,在Tensor Flow框架下搭建卷积神经网络,选取3×3的卷积核组成三层卷积神经网络。试验结果表明,该方法的单个字符识别准确率能够达到99%,水表整体识别率稳定在97%。     

斑纹对激光距离选通短波红外成像系统目标识别性能的影响（上）

美国陆军和空军正在研究用于目标识别的激光距离选通短波红外成像系统。当把这种成像系统与电子轰击CCD结合起来使用时,可获得远距离的高分辨率图像。斑纹是激光照明成像系统所固有的一种赝像,它是、由相干照明引起的干涉图样造成的。激光斑纹会降低成像系统的目标识别性能,但通过对连续的激光距离选通短波红外图像进行均化可减少激光斑纹。本文尝试对由激光斑纹引起的成像系统目标识别性能的降低进行定量分析。这种研究工作始于实验室中的一次实验以验证一个斑纹模型。模型中包含着功率谱密度函数和强度概率密度函数。有关人员对激光距离选通短波红外传感器进行了模拟,其中包括产生斑纹目标图像的相干照明装置。为了验证模拟的逼真度,他们还进行了野外演示。然后,他们又用不同水平的图像平均和模糊技术对夜视与电子传感器管理局的目标识别装置进行模拟。他们根据目标识别的概率分析了观察器的性能结果,并且对不同程度的模糊和斑纹效应进行了表征。     

基于雷达距离象序列的循环神经网络飞机目标识别

本文应用雷达目标瞬态高分辨距离象序列来识别目标，提出了一种基于距离象序列的实时循环神经网络分类方法，并进行了三类飞机目标的分类实验研究，结果表明，该方法可以得到高的识别率。