基于卷积神经网络的末敏弹复合探测信号识别方法北大核心CSCD

为了进一步提升末敏弹的目标识别性能,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的复合探测信号识别方法。首先针对毫米波辐射计、激光测距雷达和红外敏感器的复合探测信号特点,提出了3种构造输入样本的方法;然后根据不同的信息融合方式,提出了3种基本网络架构,分别构建了单通道、多通道CNN模型对输入信号进行特征提取和分类;最后通过高塔试验数据对模型进行训练和评估。测试结果表明,基于样本构造方案2和网络结构3的识别方法表现最佳,测试准确率达到了97.26%,所提样本构造方法和识别方法能够有效提取复合探测信号的特征,具有较高的识别精度。     

多层ITO椭圆柱中红外手性超材料的多波段圆二向色性北大核心CSCD

中红外手性超材料具有体积小、易集成等优点,在中红外激光偏振态调控方面具有潜在的应用。本文提出了一种多层ITO椭圆柱中红外手性超材料。该结构的每个单元由三层相同的氧化铟锡(ITO)椭圆柱组成。模拟结果表明,椭圆柱之间的距离、椭圆柱的厚度、椭圆柱的短长轴之比、椭圆柱中心的相对位置、椭圆柱的数量和椭圆柱材料对结构的圆二向色性(CD)均产生了影响。结构在三个不同的波段均展示CD特性,在波长为3.52μm、4.12μm和5.28μm附近处展现出三个不同强度的CD极大值。模拟结果也表明,与贵金属金、银椭圆柱构成的结构相比,由ITO椭圆柱构成的结构展现出更宽带和多带的圆二向色性。后者结构在中红外波段的CD主要有一个带,在0.39μm附近带宽为0.5μm,而前者在4.12μm和5.28μm附近处的半高宽分别为0.6μm和1.6μm,这在中红外宽带和多带偏振态调控方面具有潜在的应用。     

Ku波段宽带高增益基片集成腔圆极化阵列天线北大核心CSCD

提出了一款应用于Ku波段的宽带高增益基片集成腔(Substrate Integrated Cavity,SIC)圆极化阵列天线。通过引入沿SIC口径面对角线放置的一对半月形寄生贴片和SIC底部馈电纵缝,使SIC中的TM_(211)和TM_(121)谐振模式幅值相等、相位相差90°,产生高增益圆极化辐射。同时,双寄生贴片还引入了一种背腔缝隙耦合振子圆极化辐射模式,扩宽了天线高增益圆极化辐射带宽。在此基础上,设计了一款2×2单元顺序旋转馈电的SIC圆极化阵列天线。阵列天线采用双层基片集成波导顺序相移馈电网络进行馈电,进一步增大了天线的圆极化带宽。综合考虑天线的-10 dB反射系数带宽、3 dB轴比带宽和3 dB增益带宽,测试结果表明,圆极化阵列天线的有效带宽为10.74-13.30 GHz(21.3%),在通带范围内最大增益为14.50 dBi。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

基于多维结构特征的硬件木马检测技术

硬件木马是第三方知识产权(IP)核的主要安全威胁,现有的安全性分析方法提取的特征过于单一,导致特征分布不够均衡,极易出现较高的误识别率.该文提出了基于有向图的门级网表抽象化建模算法,建立了门级网表的有向图模型,简化了电路分析流程;分析了硬件木马共性特征,基于有向图建立了涵盖扇入单元数、扇入触发器数、扇出触发器数、输入拓扑深度、输出拓扑深度、多路选择器和反相器数量等多维度硬件木马结构特征;提出了基于最近邻不平衡数据分类(SMOTEENN)算法的硬件木马特征扩展算法,有效解决了样本特征集较少的问题,利用支持向量机建立硬件木马检测模型并识别出硬件木马的特征.该文基于Trust_Hub硬件木马库开展方法验证实验,准确率高达97.02％,与现有文献相比真正类率(TPR)提高了13.80％,真负类率(TNR)和分类准确率(ACC)分别提高了0.92％和2.48％,在保证低假阳性率的基础上有效识别硬件木马.     

基于目标容量的网络化雷达功率分配方案

针对现有网络化雷达功率资源利用率低的问题,该文提出一种基于目标容量的功率分配(TC-PA)方案以提升保精度跟踪目标个数.TC-PA方案首先将网络化雷达功率分配模型制定为非光滑非凸优化问题;而后引入Sigmoid函数将原问题松弛为光滑非凸优化问题;最后运用近端非精确增广拉格朗日乘子法(PI-ALMM)对松弛后的非凸问题进行求解.仿真结果表明,PI-ALMM对于求解线性约束非凸优化问题可以较快地收敛到一个稳态点.另外,相比传统功率均分方法和遗传算法,所提TC-PA方案可以最大限度地提升目标容量.     

基于电子样稿的柔印首件“粗-精”检测方法

为了解决柔印首件检验没有基准织物图像作为参照的难点,该文提出一种以电子样稿为参照物的柔印首件“粗-精”检测方法,主要分为粗匹配、精匹配和缺陷检测3个阶段。首先,针对电子样稿与印刷首件内容粗细不一、灰度特性差异大、柔印内容重复率高等问题,融合超点(SuperPoint)与强力匹配(SuperGlue)方法进行粗匹配。然后,针对柔印过程版材伸缩、弯曲引发柔印内容局部偏移的问题,采用归一化互相关(NCC)法微调样稿字符,实现精匹配。最后,提出约束聚类的方法将缺陷检测问题转化为电子样稿与柔印首件差异最小化的问题。对比实验表明,该文方法的柔印首件检测性能要优于其他织物印刷品缺陷检测方法,其漏检率为0,误检率为1.3%,平均Dice系数为0.941,且检测时间仅为2.761 s/pcs,满足实际工程的需求。     

基于视频图像的输变电设备外部缺陷检测技术及其应用现状

基于视频图像的电力设备缺陷检测技术是实现电力智慧运维的关键技术之一,可解决电力设备故障自动诊断、主动预警和在线运维中存在的外部缺陷智能识别问题,减少人力资源浪费,提高电力系统巡检智能运维的频率与效率,从而弥补传统输变电设备巡检运维方式的不足。该文详细综述了当前典型的基于视频图像的输变电设备缺陷检测算法及图像处理技术,分析了传统图像处理方法及深度学习方法在电力设备缺陷检测领域应用的优缺点,总结了当前算法应用及开发平台的现状,指出了基于视频图像的输变电设备缺陷检测技术存在的问题,并展望了未来发展方向。     

基于曲率和的主动声呐干涉条纹特征表征方法

干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中,声波能量传播特性较为复杂,信号会经过发射源到目标以及目标到接收器这2条不同的路径,目标的散射特性在声波的入射模式和散射模式之间相互作用,使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征,提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值,利用曲率求和的方法刻画条纹的弯曲程度,进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征,通过统计平均值的方式得到平均曲率和为0.6左右,从特征表征结果可以看出,曲率和可通过统计离散点曲率强度描述干涉条纹特征,且在同一环境条件下,发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512,实验与理论结果较为吻合,表明通过该方法可以获取主动声呐干涉条纹特征,进而实现目标识别和探测。