空间目标的短时三维几何重构方法

通常空间自旋目标的3维(3D)重构都是通过对散射点轨迹进行矩阵分解的方法得到的,散射点轨迹是从雷达序列图提取并关联得到的。由于散射点提取与关联误差的存在,3D重构会出现精度下降,甚至失败的问题。另一方面,转台目标的散射点轨迹符合圆属性,这与几何投影理论认为散射点投影轨迹的椭圆属性相违背。为解决以上问题,该文提出了基于短时的空间目标3D重构算法。首先对提取的散射点轨迹进行2维圆属性拟合,使其轨迹光滑,更接近理论曲线。然后采用多视角的方法估计雷达视角(LOS),通过乘以雷达视角构成的系数,将圆属性轨迹曲线转变成椭圆属性轨迹曲线。通过对散射点椭圆属性轨迹进行矩阵分解的方法获得目标的3D结构。最后通过2个实验验证了该文所提算法的有效性。     

基于模型重建的深度卷积网络权值可视化方法

针对深度卷积网络原理分析的问题,该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播,以获取重建模型所需要的先验信息;然后对原本网络中的部分结构进行修改,使其便于后续的参数计算;再利用正交向量组,逐一地计算重建模型的参数;最后将计算所得的参数按照特定的顺序进行重排列,实现权值的可视化。实验结果表明,对于满足一定条件的深度卷积网络,利用该文所提方法重建的模型在分类过程的前向传播运算中与原模型完全等效,并且可以明显观察到重建后模型的权值所具有的特征,从而分析神经网络实现图像分类的原理。     

一种基于微波光子超高分辨雷达机翼振动参数估计方法

机翼在飞机运动不平稳状态下存在振动,在微波光子超高分辨雷达观测下,这种振动会造成机翼难以聚焦,针对这一难题,该文提出一种基于微波光子超高分辨雷达的机翼振动参数估计方法。首先通过粗成像将机身和机翼回波进行分离,再通过对机身成像和定标结果估计雷达视线角(LOS)。然后对机翼进行子孔径序列成像,提取散射点的距离和多普勒变化曲线,再联合雷达LOS以及距离和多普勒曲线对振动参数进行粗估计,最后通过修正的极坐标格式算法(MPFA)以及构造最小熵优化函数对振动参数进行精估计。该文首次提出了修正的极坐标格式算法,其能够对复杂运动的目标进行距离和方位向的解耦,如震动的机翼和摇摆的舰船等。仿真和实测数据的处理结果验证了该方法的有效性和实用性。