【摘 要】
：
结合深度学习思想,提出了一种基于多尺度交互结构卷积神经网络(convolutional neural network,CNN)的合成孔径雷达(synthetic aperture radar,SAR)图像相干斑抑制方法.首先,通过不同尺寸的卷积核及跳跃连接构成多尺度交互特征提取模块以获得不同感受野的特征并加快网络收敛速度.然后,在多尺度交互特征提取模块之间利用简化的密集连接方式使网络能够充分利用浅层纹理特征.最后,采用残差学习策略得到抑制后的图像.实验结果表明,与已有方法相比,所提方法不仅使用较少的计算参
【机 构】
：
南京理工大学电子工程与光电技术学院,江苏南京210094
论文部分内容阅读
结合深度学习思想,提出了一种基于多尺度交互结构卷积神经网络(convolutional neural network,CNN)的合成孔径雷达(synthetic aperture radar,SAR)图像相干斑抑制方法.首先,通过不同尺寸的卷积核及跳跃连接构成多尺度交互特征提取模块以获得不同感受野的特征并加快网络收敛速度.然后,在多尺度交互特征提取模块之间利用简化的密集连接方式使网络能够充分利用浅层纹理特征.最后,采用残差学习策略得到抑制后的图像.实验结果表明,与已有方法相比,所提方法不仅使用较少的计算参数量,还能保证性能的提升.
其他文献
在确定天线的拓扑结构以后,通常需要对天线的结构参数开展反复的优化才能达到设计目标,快速有效的优化算法有利于缩短天线的设计周期.在建立综合目标函数的基础上,同时考虑天线的多个优化目标和限制条件,使用贝叶斯优化算法对天线进行端到端优化.基于在线更新的数据集,高斯过程估计出目标函数的后验分布,进而使用获得函数进行迭代.通过两种天线模型对提出的优化算法进行仿真验证,结果表明,由于建立了天线参数到综合目标函数的映射关系,整个优化过程以端到端的方式实现,与传统的优化方法相比,所提算法的优化结果和优化速度都具有明显的优
长庆油田作为中国低渗透油藏开发的典型油田,拥有储量巨大的致密油气资源.由于其储集层非均质性强、注采连通性差,油藏采收率普遍不高,亟需对油藏开发单元进行精细描述,以提高中—高含水期井组开发效果.以长庆油田Q011-35井组为研究对象,基于目的层长61砂体接触类型划分,采用微量物质示踪剂监测与油藏数值模拟结合的方法,从平面和剖面综合评价井组水驱效果.结果表明:Q011-35井组储集层非均质性较强,平面上,在西北和正西方向发育高渗条带;剖面上,长621砂体较长611砂体水洗程度高,长611剩余油更富集,明确了砂
导引头天线罩的流线型结构对天线阵列造成了能量损失、角度检测误差等电磁性能方面的影响,给制导性能带来严重损失.本文利用电磁波折射理论建立了波束指向偏移模型,通过数学公式推导验证了该模型的合理性,为角度检测误差补偿提供了理论基础.波束偏移理论和相控阵天线阵列测角原理的结合定位了阵列在有天线罩时检测角所对应的最大波束指向角度,提升了相对于无天线罩时检测角误差的准确性.实验数据表明,所提方法所得到的误差角度补偿表将阵列角度检测误差从1°降低到可接受的0.1°以下的误差范围,验证了该方法的创新性和先进性.
微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点.针对复杂运动目标微多普勒(micro-Doppler,m-D)曲线交叠耦合导致的微动辨识难点,提出一种基于曲线趋势估计的分离算法.该算法首先通过骨架提取获得稳定精细的二值化曲线数据,再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离,最后利用变分模态分解(variational mode decomposition,VMD)及经验模态分解(empirical mode decomposition,EMD)算法分解每条m-D曲线并计算相应的微动特性
为有效解决特定辐射源的个体识别问题,提出一种基于Hilbert-Huang变换与对抗训练相结合的方法.首先根据辐射源硬件差异,建立辐射源信号的数学模型;其次,对信号进行Hilbert-Huang变换得到Hilbert谱;然后,在预处理过程中,从信号所有的Hilbert谱时频点对应的能量值中,确定最具区分度的一组能量值,并记录其对应的时频点;最后,对每一类辐射源信号的Hilbert谱提取上述记录的时频点对应的能量值,将其送入卷积神经网络进行训练与测试,并通过对抗训练的方式提升网络的抗噪性能.识别准确率实验表
充分的合成孔径雷达(synthetic aperture radar,SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键,基于实际测量获取充分SAR数据是不现实的,基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径.SAR仿真图像与实测图像为非同源数据,由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在
针对常规间歇采样转发干扰(interrupted sampling repetitive repeater jamming,ISRRJ)存在假目标群幅度递减过快、假目标干扰能量不集中的问题,提出基于梳状谱调制干扰(comb spectrum modulation jamming,CMSJ)和ISRRJ的复合干扰方法.首先,分析CSMJ和ISRRJ的特性;然后,探讨复合干扰形成密集假目标干扰的条件,并给出参数控制字的选择方法;最后,仿真分析不同参数条件下的干扰效果.理论分析和仿真结果表明,所提方法参数控制简
在复杂环境声场景识别任务中,梅尔频谱作为输入的深度卷积神经网络有良好的识别能力,然而梅尔滤波器组依据人耳生理特征设计,对于声场景识别并非最优滤波器组.针对此问题提出声谱图提取神经网络取代传统梅尔频谱提取过程,通过训练该网络使声谱图自动适应声场景数据集.声谱图提取神经网络连接Res-Net50作为声场景识别架构,在DCASE2019声场景数据集上进行训练与测试,实验结果表明该架构比传统模型有更高的识别率,能够有效调整频率曲线、滤波器幅值以及滤波器形状.
对极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)实施有效的电子干扰是合成孔径雷达电子对抗领域的重要课题.针对PolSAR电子干扰的基本原理,首先推导出了接收机输出端和成像处理后的PolSAR方程,并与极化散射矩阵联系起来,完整地描述了不同极化状态组合下的信噪比和杂噪比;然后构建了PolSAR接收机输出端的干扰方程以及成像处理后的非相干、部分相干和完全相干干扰方程,总结了PolSAR电子干扰有效功率的能量分配与守恒规律;最后基于上述方程论证了不同
宽带探测为目标高精度运动参数估计提供了可能.然而,目标多散射特性以及姿态变化等因素限制了测速性能的进一步提升.为此,提出一种基于相位分析与散射点关联相结合的有效方法.首先,通过建立分段匀加速直线运动模型,采用包络对齐方法与自适应Chirplet分解方法相结合的方式,从回波的相位变化中提取出目标的运动信息.然后,使用预测-观测的关联方法,去除其中非平动因素的影响,提高平动速度的估计精度.最后,实测数据的实验结果证明了所提方法的有效性.