基于通道注意力机制的视频人体行为识别

本文针对人体行为识别模型中鉴别能力有限的问题,同时避免双流中计算光流的较大时间成本,提出基于通道注意力机制和三维卷积时空注意力模型的行为识别方法。首先,该卷积网络模型使用ResNeXt残差模块,利用三维卷积核有效地提取视频帧时空特征。然后,在此基础上给每个残差模块增加通道注意力机制学习不同特征图的权重,进而形成基于通道域的注意力权重,增强网络结构对人体行为的表征能力。最后,在UCF-101和HMDB-51数据集上,通过交叉熵损失函数训练不同网络深度的行为分类模型。实验结果表明,该模型可以有效提取视频中的时空特征,并在人体行为识别任务中有着较高效率和优秀的准确度。     

基于知识蒸馏与注意力图的雷达信号识别方法

针对传统雷达信号识别方法无法有效进行识别类型扩展问题,该文提出一种基于知识蒸馏与注意力图的雷达信号识别方法。首先将雷达信号的平滑伪Wigner-Ville分布(SPWVD)作为输入;然后设计了基于残差网络的增量学习网络结构,利用基于知识蒸馏与注意力图的损失函数,缓解类别增量过程中的灾难性遗忘;最后采用基于样本特征均值距离的方法对数据集进行管理,有效降低存储资源占用空间。实验表明,该方法能在存储资源有限的情况下,对扩展分类的信号快速完成训练,且对原有分类和扩展分类信号均有良好的识别准确率。     

基于三通道CNN⁃GSAM⁃LSTFEM网络的雷达人体切向动作识别

为了提高干涉雷达对人体切向动作的识别性能,本文提出一种基于三通道CNN?GSAM?LSTFEM网络的人体切向动作识别方法。首先利用一发二收的调频连续波（FMCW）雷达搭建干涉雷达平台采集人体切向动作回波数据,之后对每个接收通道的回波数据进行预处理,得到每个接收通道的多普勒时频图（DTFM）和双通道的干涉时频图（ITFM）,然后将这3种时频图分别送入到3个并行的CNN?GSAM?LSTFEM网络进行训练,利用全局空间注意力模块（GSAM）和长短时特征提取模块（LSTFEM）增强卷积神经网络（CNN）的特征提取能力,最后将三通道提取的特征进行融合实现人体切向动作识别。实验结果表明,所提方法可有效提高人体切向动作的识别准确率,平均准确率高达98.77%。     

一种基于扩张残差网络的雷达信号识别方法

针对低信噪比(SNR)条件下雷达信号识别率低的问题,提出一种基于多时频图像融合和扩张残差网络的识别方法。首先,通过多种时频分析方法,将雷达信号变换为不同的时频图,并对这些时频图进行融合和处理。然后,构建一种新网络模型,将扩张残差网络与特征融合提取模块相结合,对10类雷达信号进行识别。仿真结果表明,当SNR为-6 dB时,所提方法对10类雷达信号整体识别准确率达到98.7%。     

基于坐标注意力机制融合的反无人机系统图像识别方法

反无人机系统是识别和打击“黑飞”无人机的有效手段,图像识别无人机是反无人机系统的关键之一。针对采集的无人机样本属于小样本、提取特征不够多,识别准确率不够高的问题,提出了一种基于迁移学习、密集卷积网络和坐标注意力机制融合的反无人机系统图像识别方法。首先,运用自制设备采集了多种无人机在不同背景下的图片,建立数据样本;其次,设计针对无人机小样本识别的基于迁移学习、坐标注意力机制和密集卷积网络融合的网络TL-CA4-DenseNet-121、基于通道注意力机制融合的网络TL-SE4-DenseNet-121等网络,运用设计的网络对小样本进行识别,并进行对比,然后分别进行了基于不同位置和不同个数的坐标注意力模块和通道注意力模块的网络识别实验;最后,将识别效果最优的网络与经典卷积神经网络模型进行对比实验。实验结果表明,提出的TL-CA4-DenseNet-121网络识别效果优于其他网络,识别的平均准确率为97.93%,F1-Score为0.9826,网络训练时间为6832 s。结果表明了该网络在识别小样本无人机方面的优越性和可行性。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于动态权重的知识积累与灵巧干扰识别方法

针对低干噪比条件下灵巧干扰识别准确率不高与干扰特征难以积累导致的网络需要重新训练问题，本文将信号的平滑伪Wigner?Ville分布的时频二维图像作为输入，提出了一种基于动态权重的知识积累（Dynamic Weighted Knowledge Accumulation method based on Convolutional Neural Network, DWKA?CNN）灵巧干扰识别方法，利用通道特征注意力机制，提升了低干噪比下模型的干扰识别能力，通过均值最近邻分层屏蔽网络权重，实现了在单一网络中的知识积累，与当前典型基于深度学习的灵巧干扰识别方法相比，无需每次重新训练即可学习多项干扰识别任务。并且仿真实验表明，与现有典型算法相比，该算法模型在7种雷达灵巧干扰分类数据集上的平均识别准确率显著提升，在低干噪比条件下分类性能优秀。     

基于多尺度注意力机制ResNet的雷达工作模式识别

雷达工作模式识别是解释雷达行为和功能的基本任务。现有方法难以在信号灵活、环境复杂的条件下筛除脉冲序列中不同空间和不同通道中的冗余信息。本文在深度残差网络的基础上,增加了空间自注意力模块和通道自注意力模块以适应上述信号特点。模型引入自注意力机制以实现雷达序列不同空间和通道的自适应权值分配,使网络能更有效地关注更具差异性的信息,实现了极端条件下雷达工作模式的高精度识别。同经典深度学习网络AlexNet、LeNet、VGGNet、ResNet以及常规深度卷积网络相比,该模型在0~50%漏脉冲条件下,平均识别率提升了36%,在独立测试集40%漏脉冲比例下模型仍然具备90%以上的识别率,证明了所提网络的优越性和有效性。     

基于边缘保持和注意力生成对抗网络的红外与可见光图像融合

由于红外与可见光图像特征差异大,并且不存在理想的融合图像监督网络学习源图像与融合图像之间的映射关系,深度学习在图像融合领域的应用受到了限制。针对此问题,提出了一个基于注意力机制和边缘损失函数的生成对抗网络框架,应用于红外与可见光图像融合。通过引入对抗训练和注意力机制的思想,将融合问题视为源图像和融合图像对抗的关系,并结合了通道注意力和空间注意力机制学习特征通道域和空间域的非线性关系,增强了显著性目标特征表达。同时提出了一种边缘损失函数,将源图像与融合图像像素之间的映射关系转化为边缘之间的映射关系。多个数据集的测试结果表明,该方法能有效融合红外目标和可见光纹理信息,锐化图像边缘,显著提高图像清晰度和对比度。     

基于时频图像Zernike 矩特征的欺骗干扰识别

为了有效应对跟踪雷达的三种常见欺骗干扰,提出了一种基于平滑伪魏格纳-维尔分布时频图像的Zernike 矩特征的干扰识别方法。该方法对三种干扰下的雷达接收信号进行时频分析,运用数字图像处理技术对时频图像进行一系列的预处理后,通过Zernike 矩特征提取图像的细节特征组成特征向量进行分类识别。仿真实验证明:该方法有较高的识别率,特别是该方法受信噪比影响较小,能够有效降低噪声对干扰识别的影响,说明了采用图像识别方法对雷达欺骗干扰信号进行分类识别的可行性。通过与其他文献方法的比较,证明了该方法的优越性。     

间歇采样转发式干扰的时频域辨识与抑制

间歇采样转发式干扰利用数字射频存储器(DRFM)对雷达发射信号进行截获与转发,具有小型化、轻量化和灵活多变的优势,可搭载在目标上形成多点源主瓣干扰,对现代雷达构成了严重威胁。该文对上述干扰的辨识与抑制方法进行了研究。通过推导干扰脉冲压缩与时频分布的解析表达式,分析了目标回波与典型干扰信号的时频特征差异;在此基础上,提出一种时频域干扰辨识方法,并构造时频域滤波器进行干扰抑制。仿真结果表明:在原始信号干噪比大于–3 dB的情况下,算法辨识率可达90%;在此基础上,通过时频域滤波可以对3种典型策略下干扰都进行有效抑制,其峰值信干噪比改善可达18 dB。      

一种新的SAR欺骗式干扰性能评估方法

雷达欺骗式干扰性能评估是电子对抗领域的一个重要课题。现有评估技术都是基于某单一特征,评估结果比较片面。针对这一不足,提出一种基于目标识别与模糊综合评判的SAR欺骗式干扰性能评估方法,综合考虑目标识别系统可能应用的识别特征,利用模糊综合评判的方法对虚假目标图像的逼真度进行综合评判,然后考虑系统处理时间对干扰性能的影响,对综合评判结果进行修正,该方法具有一定的理论和现实意义。     

频分MIMO雷达波形捷变抗自卫式假目标干扰

针对频分MIMO雷达在自卫式欺骗干扰情况下,空域自适应波束形成算法无法有效抑制干扰的问题,提出了一种基于波形捷变的时域自卫式假目标干扰抑制方法。首先阐述了支援式主瓣假目标干扰抑制机理,指出其抗自卫式干扰的局限性;然后分析了波形捷变抗自卫式干扰的基本原理;最后对频分MIMO雷达在不同周期发射的正交信号波形进行了设计,使干扰在经过匹配滤波时因失配而得到抑制。理论和仿真均表明通过对雷达不同周期的载频设计,频分MIMO雷达可以有效抗自卫式假目标干扰。     

基于统计相关差异的多基地雷达拖引欺骗干扰识别

针对长基线多基地雷达系统在目标跟踪阶段的拖引欺骗干扰识别问题,考虑到真实目标回波在不同节点雷达中的幅度相互独立,而拖引欺骗干扰假设来自同一干扰机,其在不同节点雷达中的幅度完全相关,从而跟踪波门内只有目标回波与同时存在目标回波与拖引欺骗干扰这两种不同情形下的信号幅度存在统计相关差异。该文提出利用这一差异实现多基地雷达系统的拖引欺骗干扰识别。通过在分析统计相关差异的基础上,对不同节点雷达接收到的回波信号幅度序列进行相关性度量及参数估计,构建检验统计量,在给定的虚警概率下实现了对欺骗干扰的识别。仿真实验结果表明,该方法对欺骗干扰具有较好的识别效果,相较于基于拟合优度的AD检测算法,识别概率平均提高18.63%。     

分布式雷达主瓣间歇采样转发干扰抑制方法

主瓣间歇采样转发干扰是一种相干干扰,且该干扰从天线主瓣注入雷达,会严重影响雷达的性能。本文首先建立一发多收分布式雷达系统;并建立目标、间歇采样转发干扰数学模型;随后提出一种通过干扰辨识来估计纯干扰协方差矩阵的最小方差无失真(MVDR)抗干扰方法。通过对雷达回波脉压后的一维距离像作时频分析,并根据目标、干扰信号的时频特性差异来辨识目标与干扰,在此基础上,估计纯干扰信息,作为MVDR波束形成器的训练样本,实现对主瓣间歇采样转发干扰的抑制。最后,通过仿真验证了该方法的有效性。      

ISAR欺骗干扰仿真与效果评估研究

研究了欺骗性干扰条件下的逆合成孔径雷达(ISAR)干扰效果评估方法。依据宽带成像信号模型进行欺骗干扰信号仿真,对干扰前/ 后的数据分别进行ISAR成像处理,计算图像的量化指标并结合主观评估,对ISAR干扰效果进行评估。仿真实验表明:相关系数对欺骗干扰效果评估较为有效,其他指标如熵、均值、标准差、等效视数等可以当作辅助信息作为评判参考。     

利用时频分析的间歇采样干扰对抗方法

为了提高线性调频脉压雷达在复杂电磁环境下的抗干扰能力,提出了基于时频分析的间歇采样干扰识别与抑制算法。针对间歇采样干扰信号在时域上的不连续性,将雷达接收信号通过扩展处理中的混频处理之后再进行时频分析,通过对时频分析结果的处理进而提取一种特征参量,对雷达接收信号中是否存在干扰进行鉴别;同时将扩展处理与时频分析相结合,根据时频分析求解合适的带通滤波器,用以对雷达接收信号扩展处理的结果进行滤波,从而消除干扰。理论推导和计算机仿真结果表明,这种方法能够在合理的信噪比下鉴别出雷达是否受到间歇采样干扰,并且能够进行有效的抑制。      

一种空域-极化域联合的雷达欺骗干扰抑制算法

现代电子战中雷达有源欺骗干扰,特别是转发式欺骗干扰,已对雷达构成了严重的威胁。本文针对阵列雷达中有源欺骗干扰抑制问题,研究了一种空域-极化域联合处理的抑制方法。该方法采用矩阵法测量目标和干扰的空域及极化域参数;然后借助子空间投影理论构建滤波算子;进而在由空域和极化域组成的联合域上滤除欺骗干扰并提取目标回波,从而达到干扰抑制的目标。该算法采用信干噪比改善因子来衡量其性能,同时推导了改善因子的理论上限。该算法具有较低的复杂度,大量计算机仿验证其性能。仿真结果表明,算法不仅有良好的欺骗干扰抑制效果,并且在一定程度上也抑制了噪声;当SNR>10dB,参数估计相对误差小于0.1,抑制前后回波相关系数大于90%,干扰和噪声抑制度大于10dB。