特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

基于功率谱流形的信息几何DP-TBD算法

针对复杂杂波背景下目标信杂比起伏而导致的漏检问题,本文结合信息几何检测器的性能优势与动态规划检测前跟踪(Dynamic Programming Track Before Detect,DP-TBD)的多帧信息积累能力,提出了基于功率谱流形的信息几何DP-TBD算法.该算法利用功率谱流形与矩阵流形对偶关系,设计了功率谱信息几何检测器,将信息几何检测器的计算复杂度降低了近两个数量级.通过实测数据实验验证,功率谱DP-TBD算法可实现与矩阵DP-TBD算法相近的检测性能,并将运算时间降低为矩阵DP-TBD算法的3%~8%.此外,相较于信息几何检测器,功率谱DP-TBD可将检测信杂比(Signal-to-Clutter Ratio,SCR)提高2~3 dB.

紧贴强军实践加快建设世界一流高等教育院校

2023年9月1日是国防科技大学70周年华诞。70年来,学校的诞生、成长和壮大,凝聚着党中央、中央军委的高度重视、亲切关怀和厚爱。贯彻落实习近平主席训词和指示精神,加快建设世界一流高等教育院校步伐,必须深刻领悟历任党和国家领导人给予学校办学治校的关怀和期待,系统总结学校在长期建设实践中取得的宝贵经验和成效,围绕新时代强军目标着力构建“一流水平、一流贡献”办学体系,在强军新征程中不断探索我军特色高等教育院校高水平建设发展道路。

雷达像智能识别对抗研究进展

基于深度神经网络的雷达像智能识别技术已经成为雷达信息处理领域的前沿和热点。然而,深度神经网络模型易受到对抗攻击的威胁。攻击者可以在隐蔽的条件下误导智能目标识别模型做出错误预测,严重影响其识别精度和鲁棒性。该文梳理了近年来雷达像智能识别对抗技术发展现状,总结分析了现有雷达一维/二维像识别对抗攻击方法和防御方法的特点,最后讨论了当前雷达像智能识别对抗研究领域值得关注的5个开放问题。

促炎性白介素因子对动脉粥样硬化的研究进展

动脉粥样硬化(atherosclerosis,AS)是我国常见的心血管疾病之一,近年发现,炎症是导致其主要发病机制。促炎性细胞因子的表达是早期AS形成的特征之一,其中IL-1β、IL-6和IL-18等因子发挥重要作用。在AS炎症形成过程中,涉及的关键细胞种类包括平滑肌细胞(smoothmusclecell,SMC)、内皮细胞(endothelialcell,EC)、巨噬细胞(macrophage,m)、淋巴细胞(lymphocyte,LY)等。因此,本文从这三种白介素因子出发,综述其对AS炎症中平滑肌细胞、内皮细胞、巨噬细胞和淋巴细胞的影响,深入研究白介素因子在AS中的作用机制,将有助于开发靶向AS炎症的治疗策略。

Caspase-3介导的细胞凋亡与细胞焦亡在肝细胞癌的作用及其中药治疗的研究进展

细胞凋亡与细胞焦亡是两种重要的程序性细胞死亡方式,而半胱氨酸蛋白酶-3(Caspase-3)在这两种死亡方式中都扮演着重要的角色,其参与了内源性、外源性途径介导的细胞凋亡以及Caspase-3/GSDME依赖性细胞焦亡,在肝细胞癌(hepatocellular carcinoma, HCC)的治疗中起到了至关重要的作用。近年来,通过Caspase-3介导细胞凋亡及细胞焦亡治疗肝细胞癌的中药研究文献不断增加,在为肝细胞癌治疗提供思路方面具有巨大潜力。文章就Caspase-3介导的细胞凋亡与焦亡在肝细胞癌的作用及其在中药治疗方面的研究成果作一综述,以期为肝细胞癌的治疗和药物研究提供帮助。

基于正交投影的子带信息几何雷达弱小目标检测方法

基于信息几何理论的雷达目标检测是一种新兴的技术,它将目标检测问题转化为流形上目标与杂波的区分问题,在低信杂比检测中具有优势。对于复杂背景下的弱小目标检测,目标与杂波难以区分,限制着检测性能。因此,该文基于矩阵信息几何检测器,提出一种基于正交投影的子带信息几何目标检测方法。该文利用滤波器组对雷达回波信号进行子带分解,并在矩阵流形上稳健估计子带内强杂波信号子空间,提出基于流形的正交投影方法以抑制强杂波,增强目标与杂波的区分性。最后,采用仿真数据和实测海杂波数据验证所提方法的有效性。结果表明,所提方法能够有效抑制强杂波,具有较好的检测性能。

稀疏阵列波达方向估计研究进展

波达方向(direction of arrival,DOA)估计是阵列信号处理领域的重要研究方向,也是电子侦察与电子攻击领域的关键技术之一。以提高DOA估计精度和降低计算复杂度为导向,结合模型驱动和数据驱动方法的各自优势,提出了基于深度展开网络的DOA估计统一框架,阐述了稀疏阵列离网格DOA估计、无网格DOA估计以及混合信号参数估计等方面的研究进展。对复杂信号模型下的DOA估计、深度展开网络性能分析与挖掘以及分布式稀疏阵列回波信号融合处理等后续的研究内容进行了展望。

基于测地线流式核的雷达目标高分辨距离像鲁棒识别方法

非合作目标识别常常面临少量不完备的训练样本、训练样本与测试样本信噪比不一致等现象,本文为此提出了一种基于测地线流式核的雷达目标高分辨距离像鲁棒识别方法.该方法沿格拉斯曼流形中测地线积分提取不变特征,且通过核函数映射可获得解析特征提取表达式.该方法还可作为预处理手段对数据降噪,进一步提高其他算法的识别准确率.实验结果表明,对于信噪比失配和少量不完备样本等问题,该方法都具有鲁棒目标识别能力,并且满足实时性要求.

决策层信息融合的神经网络模型与算法研究

本文对信息融合问题中决策层融合方法进行了分析与比较，提出了一种新的决策层信息融合算法，即改进型ＡＲＴ２神经网络融合算法（ＭｏｄｉｆｉｅｄＡＲＴ２，简称ＭＡＲＴ），该融合算法在综合大脑对多源信息整合的特点和优势基础上，提出了将信息进行匹配和调和相融合的处理方式．对实际的决策层信息融合目标识别问题，该算法具有弹性去除信息间相关性以及合理处理矛盾信息的能力．同时，ＭＡＲＴ神经网络模型通过自适应地调整网络参数，对信度的增长有较好的控制能力．

认知雷达及其关键技术研究进展

认知雷达系统能够通过感知复杂多变的环境而自适应的调整雷达收发系统以适应当前的环境,因此可大幅提升雷达系统性能.本文在简要回顾认知雷达发展历程的基础上,逐步深入的揭示了认知雷达的本质特征及系统构成,讨论了认知雷达的关键技术,对目前的研究成果进行了分析与总结,并指出了存在的问题.最后讨论了认知雷达的未来发展方向.

一种基于雷达回波序列的舰船目标识别方法

介绍了一种基于中分辨雷达回波序列的目标轮廓成像识别方法。该方法实现了一维回波序列到目标二维径向轮廓像的变换。在二维轮廓像基础上，可以提取到较一维回波更加有效、稳定的特征。选择ＡＲＴ２神经网络模型对这些特征进行分类，得到了平均９１％的正确识别率。

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型，针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点，利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实。

复杂运动目标ISAR成像技术进展与展望

逆合成孔径雷达成像是宽带雷达实现目标信息获取和精细描述的重要途径,但在成像过程中存在复杂运动导致散焦和成像分辨率不高两个难题。针对目标复杂运动导致成像散焦问题,本文总结了微动对雷达波调制、进动目标成像、三维运动成像、分离部件成像等技术现状;针对成像分辨率不高问题,分析了多频段宽带回波相参配准、融合成像等技术进展。本文介绍了雷达成像新技术,为解决上述两个难题带来新的思路和途径,其中,雷达关联成像不依赖于雷达与目标的相对运动,可避免成像的复杂运动补偿;太赫兹雷达成像容易实现大带宽和窄波束,获得目标精细雷达像。最后对新兴技术的难点和发展趋势进行了展望。

基于分形IFS的运动目标RCS序列分解

针对运动目标 Ｒ Ｃ Ｓ 变化规律，提出将目标 Ｒ Ｃ Ｓ 变化序列分解为确定变化序列（ Ｃｅｒｔａｉｎ Ｖａｒｉａｔｉｏｎ Ｓｅｑｕｅｎｃｅ， Ｃ Ｖ Ｓ） 和随机变化序列（ Ｒａｎｄｏｍ Ｖａｒｉａｔｉｏｎ Ｓｅｑｕｅｎｃｅ ， Ｒ Ｖ Ｓ） 的设想．其中 Ｃ Ｖ Ｓ 敏感于姿态，在姿态域表现为丰富的细节特征，而 Ｒ Ｖ Ｓ则表现为近似正态分布的非平稳随机过程．本文用实验数据证明这两种变化序列均具有分形的特征．由以上的分析结果，利用分形迭代函数系统将这两种变化序列进行有效分解，其分解效果明显优于传统的滤波方法．

认知MIMO雷达目标分类波形自适应方法

针对认知多输入多输出(MIMO)雷达系统,研究了基于序贯假设检验的扩展目标分类波形自适应方法。采用基于信息论的波形设计方法,通过最大化雷达回波与扩展目标冲激响应之间的互信息获得每一类目标的最优雷达波形,进而根据多类目标的当前概率加权合成最优MIMO雷达信号。在多次雷达观测中,根据贝叶斯准则不断更新每一类目标可能出现的概率,最优波形自适应变化,最终趋于真实目标类别的最优波形。仿真结果表明,相比较于传统的固定波形,采用自适应最优波形的认知MIMO雷达系统进行目标分类的平均观测次数显著降低。

目标识别决策层融合神经网络算法研究

该文针对毫米波/红外传感器融合目标识别问题,提出一种新的用于决策层目标识别的神经网络融合算法.该网络结构新颖,网络训练时修改的是门限而不是连接权值.融合后的识别率可比毫米波和红外子源提高9.7％到11.3％,因此,该算法是有效可行的.

基于D-S证据理论的修正融合目标识别模型

在分析D-S证据理论中证据合成规则的局限性之后,根据合成证据中集合大小、相交程度以及证据间的相关性和互补性,引入一个合成因子λ,并给出了λ的经验值,这种新规则对于证据之间完全冲突的情况也能给出合乎直观的合成结果。应用于实际的红外/毫米波融合目标识别系统,也取得了满意的正确识别结果。

毫米波/红外复合制导自动策略生成算法研究

分析了环境和气候等因素对毫米波雷达和红外传感器性能的影响，获得了两类传感器的环境及气候模型．在此基础上，提出了一种基于各传感器性能模型的红外／毫米波复合自动策略生成算法．在自动生成复合策略的同时估计出复合后的性能，以供复合制导中对传感器的控制使用．该方法的仿真实验结果与预先的分析结果较好地相符．

弱目标检测前跟踪技术研究综述

该文阐述了弱目标检测前跟踪的基本原理,重点综述了近年来检测前跟踪技术的研究现状,包括动态规划、递归贝叶斯滤波、有限集统计学及直方图概率多假设跟踪等方法,对检测前跟踪技术的应用亦有相关介绍.最后在现有研究发展的基础上,着眼于提高针对弱目标的检测和跟踪性能及检测前跟踪算法鲁棒性的迫切需求,提出了检测前跟踪技术需重点关注和解决的若干问题,包括检测前跟踪算法的性能分析与评估、邻近弱目标检测前跟踪、机动弱目标的检测前跟踪、弱目标的多传感器融合检测和跟踪及弱目标的联合检测、跟踪与分类等方面.