基于随机平均梯度下降和对比源反演的非线性逆散射算法研究

传统的迭代多尺度方法(iterative multiscaling approach, IMA)在求解非线性电磁场逆散射问题时,可以自适应提高成像空间的分辨率,缓解逆问题的病态性,但容易陷入局部极小值且无法做到实时重构。文中提出了一种迭代多尺度深度网络,该网络结合传统IMA和深度网络的优势,将IMA展开成深度网络模型（命名为IMA-Net）. 该方法迭代地执行一种感兴趣区域(regions of interest, ROI)提取算法,在不同尺度的ROI内构建目标函数,并将目标函数分解成若干个优化子问题,子问题的迭代更新过程映射到深度网络结构中,交替更新相关分量,求解出目标函数的最优值. 实验结果验证了该方法的有效性和优越性,为目标实时重构提供了一个有效方案.     

基于深度迭代网络的穿墙雷达成像方法

联合墙杂波抑制及图像重建迭代求解方法为当前较前沿的穿墙雷达成像(through-the-wall radar imaging, TWRI)算法,能够同时抑制墙体杂波和重构目标图像,但仍存在收敛速度慢、人工干预过多以及对初值的选取敏感等问题,难以快速精确地进行目标成像. 针对上述问题,本文提出一种联合低秩与稀疏分解驱动的可学习深度迭代网络的TWRI方法. 该方法利用穿墙雷达场景下墙体杂波的低秩特性以及待重建目标图像的稀疏特性,首先将穿墙雷达成像问题建模为联合低秩与稀疏分解的正则化优化问题,然后采用变分框架和轮换策略将优化问题转化成两个准线性优化子问题并推导其更新公式,最后将上述迭代更新公式映射到网络结构中,展开成深度迭代网络模型并采用端到端学习策略,形成融合物理模型的可学习深度迭代网络框架. 仿真结果表明该方法能够有效抑制墙体杂波,相对于其他方法显著提高了目标成像精度和速度.     

大尺度电磁散射与逆散射问题的深度学习方法

大尺度电磁散射与逆散射一直是科学研究和工程应用的热点和难点,亟待发展将电磁模型与数据挖掘有机融合的高性能求解方法,针对此,提出了一种针对大尺度电磁散射与逆散射问题的深度学习模型.该模型不仅继承了深度神经网络结构简单、运算速度快等优点,而且还能高精度地解决大尺度电磁散射与逆散射问题.实验结果表明:文中提出的深度学习方法可为解决现有大尺度电磁测算融合和电磁逆散射的计算成本昂贵的难题提供新思路、开辟新方向.     

基于DSM-CSI的非线性逆散射算法研究

由于反演问题中散射体所处区域和散射体个数信息的缺失,进而导致非线性逆散射方法的待重构空间维数高和运算代价高。基于线性逆散射方法在重构目标区域和目标个数信息的计算代价低,本文提出一种DSM（Di-rect Sampling Method）线性方法和CSI（Contrast Source Inversion）非线性方法相结合的非线性逆散射方法。该方法利用DSM方法的重构结果为CSI方法提供散射体所处区域和散射体个数的先验信息,进而降低待重构空间的维数以及非线性逆散射问题的计算量。实验计算结果证明了该方法的有效性。     

基于直接采样法和子空间优化法的多介质目标混合逆散射成像方法

该文提出一种结合定性与定量成像方法优势的混合电磁场逆散射成像方法,并将该方法应用于重构多介质目标的电性能参数的空间分布信息。该混合成像方法首先利用基于直接采样法(Direct Sampling Method, DSM)的定性方法快速重构目标的感兴趣区域(Region Of Interesting, ROI)、目标形状及目标个数的先验信息。在此基础上,利用基于子空间优化定量方法结合该先验信息迭代修正目标的几何形状信息,并重构目标的电性能参数的空间分布。基于菲涅尔实验室实测散射场数据表示,该方法与子空间优化法SOM(Subspace-based Optimization Method)定量成像精度相比拟的情况下,极大地降低了定量方法的计算复杂度和提高算法收敛速度。     

基于迭代多尺度形态学开重建的城区LiDAR 滤波方法

针对形态学运算在机载LiDAR 滤波中最大窗口尺寸的选择问题,提出了一种基于形态学开重建的迭代多尺度点云滤波算法。通过循环迭代多尺度开重建运算,克服开重建对矮小地物的误判问题,自动获取开重建运算的最大窗口尺寸,解决了对城市区域滤波的窗口适宜尺寸选择问题,提高了地物与地面点分类的正确性。使用ISPRS 提供的城区样本测试数据开展实验,结果表明:其Ⅰ类、Ⅱ类及总误差均值分别达到3.10%、6.05%和4.11%,在Ⅱ类误差不显著增加的情况下,Ⅰ类误差和总误差均值同比均为最小,整体分类与自动识别性能优于常规滤波算法。     

基于短时迭代自适应-逆Radon变换的微多普勒提取方法

对于频率交叠严重且频率成分接近的多分量信号,常用的短时傅里叶变换(Short Time Fourier Transform,STFT)和S方法(S-Method,SM)频率分辨能力不足,重构精度低.针对该问题,本文结合逆Radon变换提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取方法.首先采用基于加权迭代自适应的STIAA时频分析方法分析了散射点模型的微多普勒特性,然后利用逆Radon变换分离重构不同散射点的微多普勒分量.该方法在低信噪比、邻近时频分布情况下能获得高分辨的多分量信号的完整微多普勒信息,性能分析显示STIAA-IRT重构精度较高,明显优于STFT-IRT (Short Time Fourier Transform-Inverse Radon Transform)和SM-IRT (S-Method-Inverse Radon Transform)特征提取方法.     

超宽带电磁脉冲二维金属柱体时域逆散射成像的研究

本文研究了利用超宽带电磁脉冲对二维金属散射体进行成像算法 ,通过参考LSF算法〔5～ 8〕的基本思想 ,基本克服了Born迭代法在处理金属散射体时理论上的缺陷。并通过对求解大型“病态”线性方程组算法的改进 ,提高了二维金属散射体的时域逆散射成像算法的稳定性和二维金属散射体 (尤其是在存在多个散射体的情况下 )的成像质量。最后给出了相应的实验结果     

基于线性抽样方法的定量逆散射成像方法研究

提出了一种基于线性抽样法(Linear Sampling Method ,LSM)结合对比度源法(Contrast Source Inversion,CSI)的高效电磁逆散射成像方法。LSM 方法用于外形成像具有高效性,用于定量成像只能对较低介电常数成像,而CSI 方法对初值选择具有较大的依赖性。因此,采用LSM 的外形成像快速确定目标的大致区域,减小计算空间;然后将LSM 的定量成像作为CSI成像的初值,进行非线性迭代成像,大大提高了成像精度和成像效率。仿真结果验证了算法的有效性和高效性。     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

Time-domain inverse scattering method for cross-borehole radar imaging

In this paper, we consider a solution method of the inverse problem of imaging two-dimensional (2D) objects buried underground by cross-hole radar data in the time domain. In addition to less information on the targets due to restriction on the arrangement of transmitters and receivers than for full-view cases such as imaging of objects in free space, the large search region between boreholes makes solving the inverse problem difficult. Although iterative optimization approaches take long computing time, these approaches give much better image qualities for high-contrast objects than linear inversions such as a diffraction tomography. However, the reconstruction in a large search region with limited-view measurements often fails trapped in a local minimum. To overcome this difficulty, we propose a two-step iterative approach: the first step is to reduce the search region to a smaller one and the second step is the accurate reconstruction of the targets in the small region. Both steps are based on an iterative optimization approach, i.e., the forward-backward time-stepping method previously proposed. This two-step approach is tested for detection of tunnel-like objects surrounded by a heterogeneous background medium to evaluate its performance. Numerical results indicate the efficiency of the approach and its ability of circumventing local minima.     

基于多尺度卷积神经网络的交通标志识别方法

为解决交通标志目标易受复杂环境影响且呈现多尺度分布,造成识别精度低的问题,构建一种多尺度卷积神经网络模型。针对不同尺寸输入设计相应的网络结构,提取目标特征,实现对不同尺寸目标的识别,再加权融合各子网络结果得到最终识别结果,实现多尺度目标识别。经实验验证分析,提出算法模型在小尺寸目标、较小尺寸目标、中尺寸目标、大尺寸目标上识别率分别达到99.12%,99.24%,99.41%,99.35%,保障了多尺度输入目标识别的鲁棒性,综合识别率可以达到99.31%,验证了算法在平衡实时性及准确率的基础上,具有一定的实用价值。     

基于多尺度近端特征拼接网络的高光谱图像分类方法

针对基于传统卷积神经网络模型的高光谱图像分类算法细节表现力不强及网络结构过于复杂的问题,设计了一种基于多尺度近端特征拼接网络的高光谱图像分类方法.通过引入多尺度滤波器和空洞卷积,在保持模型轻量化的同时可以获取更丰富的空间-光谱判别特征,并提出利用卷积神经网络近端特征间的相互联系进一步增强细节表现力.在3个基准高光谱图像...     

On the Bojarski-Lewis inverse scattering method

We assume that the backscattered electromagnetic far-field of a perfectly conducting scatterer is known for all aspects and for frequencies greater in magnitude than some positive numberm. Then using standard integral equation techniques, we show how numerical instability enters into the Bojarski-Lewis inverse scattering method. Since the assumed knowledge of the backscattered field is even more complete than can be expected with radar, these results show that for radar applications the Bojarski-Lewis method is numerically unstable. Moreover we show, as expected, that the degree of instability depends directly uponm. The more low frequency information we haves (i.e, the smallermis), the more stable the method is. In the concluding remarks is noted a recent constrained Bojarski-Lewis method that overcomes much of the instability of the original unconstrained method studied here.     

基于神经网络的传感器非线性误差校正方法

为对传感器进行非线性校正以进一步提高其测量精度,提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性,并以位移传感器标定为例,详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正,设计并实现了RBF网络的校正模型。实验结果证明,RBF网络的校正方法比BP网络校正方法精度提高了约44%,其补偿效果更优,且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。     

Hybrid Born iterative method in low-frequency inverse scatteringproblem

With its fast convergence, the distorted Born iterative method (DBIM) has been widely used in low-frequencg inverse scattering analysis, however its inherent drawback, sensitive-to-noise disturbance, may greatly limit its practical applications. In this paper, the numerical analysis is made to compare the DBIM and the Born iterative method (BIM). Then a hybrid BIM is presented. In this method, the DBIM is employed to speed the solution convergence in the initial several iterations and the BIM is used to improve the solution stability in the later iterations. The switch condition is also given. The simulation results show that the method is valid for the inverse scattering solution     

基于CV-FISTA网络的稀疏孔径ISAR成像方法

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)在雷达目标识别、空间监视和弹道导弹防御等领域发挥着重要作用。针对传统稀疏孔径ISAR成像算法对参数敏感和收敛速度慢的问题,提出一种基于复值快速迭代收缩阈值算法网络的稀疏孔径ISAR成像恢复方法。将加速近端梯度方法引入稀疏重构算法中,并将其迭代步骤构建为深度展开网络的隐藏层,构建初始参数相同的随机散射点和飞机散射点的数据集,将复值一维距离像作为网络的输入,利用ISAR像对应的标签对网络进行训练和验证。该方法直接处理复数数据替代传统的分实虚部两路计算方法,显著减少了计算负担。仿真实验表明,相较于传统模型驱动算法,通过对网络进行训练避免了手动调参过程,收敛速度更快,成像质量更高,而且对于特征差异较大的数据具有更好的泛化能力。     

采用传感器融合网络的单光子激光雷达成像方法

激光雷达系统采用主动照明的方式,激光发射脉冲周期信号至目标场景,激光脉冲经目标表面漫反射,由单光子雪崩二极管（Single-Photon Avalanche Diode, SPAD）探测器记录回波光子的到达时间,获得场景的深度信息。然而在探测过程中,测量结果往往会遭到环境光的干扰。传感器融合是进行单光子成像的有效方法之一。最近提出的基于LiDAR和强度相机融合的数据驱动方法大多采用扫描式激光雷达,深度获取速度慢。SPAD阵列的出现打破了帧率的限制。SPAD阵列允许同时收集多个回波光子,加速了信息采集,但分辨率较低,在探测过程中还会受到环境光的干扰,因此需要通过算法打破SPAD阵列的固有限制,从噪声中分离深度信息。针对分辨率为32×32 pixel的SPAD阵列探测器,提出了一种卷积神经网络结构,旨在强度图的引导下,将低分辨率TCSPC直方图映射至高分辨率深度图。该网络采用多尺度方法提取输入特征,并基于注意力模型融合深度数据和强度数据。另外,设计了一个损失函数组合,适用于处理TCSPC直方图数据的网络。在采集数据上进行了验证,提出方法能成功将深度数据的空间分辨率提升4倍,并在质量和数据指标上都优于其他算法。     

An iterative method for solving scattering problems

An iterative method is developed for computing the current induced by plane wave excitation on conducting bodies of arbitrary shape. In this method, the scattering body is divided into lit- and shadow-side regions separated by the geometric optics boundary. The induced current at any point on the surface of the scatterer is expressed as the sum of an approximate optics current and a correction current. Both of these currents are computed by iteration for the lit and shadow regions separately. The general theory is presented and applied to the problems of scattering from a two-dimensional cylinder of circular and square cross sections. The results are compared with the method of moments and good agreement is obtained. This method does not give erroneous results at internal resonances of the scatterer, does not suffer from computer storage problems and can be extended to nonperfect conductors as well as to three-dimensional bodies.