典型线面目标合成孔径雷达参数化成像

在复杂场景(特别是城区场景)合成孔径雷达(SAR)遥感成像中,存在大量线、面目标,如城区中的道路和建筑物边缘等目标,这些线面目标微波散射信号方向性强。传统SAR从单一视角获取场景的散射信息,且传统成像算法均基于点目标模型,使得传统SAR图像中线面目标主要特征表现为一系列的强散射点,而非线散射特征和面散射特征,最终造成SAR图像中目标不连续,SAR图像解译困难。因此,该文通过建立典型线段、三角面元目标的参数化回波模型,对线面目标SAR成像机理进行了深入细致的研究;并基于提出的参数化模型对线面目标进行参数化成像,即首先基于贝叶斯理论和所提的参数化模型对典型的线面目标进行分类判决,随后采用再成像的方式获得有效表征线、面目标散射特征的SAR图像,为线、面目标SAR图像解译提供有效支撑。最后,数值仿真实验成功验证了所提算法的有效性和正确性。      

多基地SAR线目标参数反演与图像重建

传统单基地SAR成像系统基于点目标模型且观测视角单一,在对复杂场景成像时存在线目标边缘不连续,特征丢失等现象。针对这一问题,本文提出了一种多基地SAR构型下线目标参数反演与图像重建方法。该方法基于几何模型与散射理论推导了线目标的合成孔径雷达回波的参数化表达式,分析了在不同观测角度下对线目标的SAR成像结果从直线段到两端点反复变化的特点,并从空间谱采样的角度解释了这一现象,在此基础上根据线目标空间谱的特征,提出了一种基于最小二乘估计的多基地构型下线目标参数反演与图像重建方法。仿真实验结果表明,在相同的峰值信噪比条件下,本文提出的多基地SAR线目标参数反演与图像重建方法,相对于单一观测角度的单基地SAR具有更优的反演性能,在SAR图像的峰值信噪比为28dB时,线目标朝向与长度的反演误差在10％以内的概率达到了84％,可以基于反演结果实现图像的重建。      

连续目标双基地调频连续波 SAR 回波建模方法

在 SAR 成像仿真中,常使用离散的点目标集合来代替连续结构的目标进行回波建模。这种方法的一个 重要问题是所生成的目标回波依赖于点目标的采样方式,对同一个目标采用不同的离散采样方式可能产生具有显著差异的成像结果。该方法的另一个缺点是回波模型的精度与离散采样的间隔有关,小的离散间隔会导致巨大的计算量。为了解决上述问题,本文提出了一种新的连续目标回波建模方法,避免了离散采样方式和采样间隔的影响,并且大大降低了计算量。将该方法应用于调频连续波双基地合成孔径雷达系统研究,有助于理解其观测几何 与回波特性的关系。      

软件代码的恶意行为学习与分类

传统的静态特征码检测方法无法识别迷惑型恶意代码,而动态检测方法则需要消 耗大量资源;当前,大多数基于机器学习的方法并不能有效区分木马、蠕虫等恶意软件的子类别。为此,提出一种基于代码恶意行为特征的分类方法。新方法在提取代码恶意导向指令特征的基础上,学习每种代码类别特有的恶意行为序列模式,进而将代码样本投影到由恶意行为序列模式构成的新空间中。同时基于新特征表示法构造了一种近邻分类器对恶意代码进行 分类。实验结果表明,新方法可以有效地捕捉代码的恶意行为并区分不同类别代码之间的行为差异,从而大幅提高了恶意代码的分类精度。