强化位置感知的光学与SAR图像一体化配准方法

图像配准是光学与SAR图像信息融合的基础。现有典型的配准方法大多依赖于特征点检测与匹配来实现,对不同场景区域的适用性较差,容易出现误匹配点多或有效同名点不足以致配准失效的情况。针对该问题,本文提出了一种强化位置感知的光学与SAR图像一体化配准方法,利用深度网络直接回归图像间的几何变换关系,在不依赖特征点检测与匹配的情况下,实现端到端的高精度配准。具体地,首先在骨干网络中利用融合坐标注意力的特征提取模块,捕获输入图像对中具有位置敏感性的细粒度特征;其次,融合骨干网络输出的多尺度特征,兼顾浅层特征的定位信息与高层特征的语义信息;最后提出联合位置偏差与图像相似性的损失函数优化配准结果。基于高分辨率光学与SAR图像配准公开数据集OS-Dataset的实验结果表明,与现有典型的OS-SIFT、RIFT2、DHN及DLKFM四种算法相比,所提方法对于城市、农田、河流、重复纹理及弱纹理等不同场景区域均具有良好的稳健性,在配准的目视效果以及定量的精度指标上均优于现有算法。其中平均角点误差小于3个像素的百分比与四种算法中精度最高的DLKFM相比提高了25%以上;配准速度与四种算法中最快的DHN基本相当,可实现高精度、高效率的光学与SAR图像配准。

基于多模型正交化的深度图像识别对抗鲁棒性增强技术

近年来,深度神经网络(Deep Neural Networks,DNN)已被广泛应用于图像识别,目标检测,图像分割等多种计算机视觉任务中,并取得了巨大成功。然而,DNN模型因其本身的脆弱性,仍面临着对抗攻击等技术手段带来的安全隐患。攻击者在图像上恶意地添加微小且人眼难以识别的扰动,可以让模型产生高置信度的错误输出。针对上述问题,集成多个DNN模型来提升对抗鲁棒性已成为有效的解决方案之一。但是,对抗样本在集成模型中的子模型间存在对抗迁移现象,可能使集成模型的防御效能大大降低,而且目前仍缺乏能够降低集成防御内部对抗迁移性的直观理论分析。本文引入损失场的概念并定量描述DNN模型间的对抗迁移性,重点关注和推导对抗迁移表达式的上界,发现促进模型损失场之间的正交性以及降低模型损失场的强度(Promoting Orthogonality and Reducing Strength,PORS)可以限制其上界大小,进而限制DNN模型间对抗迁移性。本文引入PORS惩罚项至原损失函数中,使集成模型能够保持在原始数据上的识别性能的同时,通过降低子模型间的对抗迁移性来增强整体的对抗鲁棒性。文章在CIFAR-10和MNIST数据集上对由PORS训练得到的集成模型开展实验,分别在白盒和黑盒攻击环境下与其他先进的集成防御方法进行对比实验,实验结果表明PORS可以显著提高对抗鲁棒性,在白盒攻击和原始数据集上能保持非常高的识别精度,尤其在黑盒迁移攻击中极为有效,在所有集成防御方法中表现最为稳定。

一种基于TSVDT的微波关联前视成像方法

目前,传统雷达成像方法的发展日渐完善,但在前视成像场景下,雷达难以获取方位向上的多普勒信息,从而限制了其方位向分辨率。为了解决这一问题,国内提出了微波关联成像方法。微波关联成像方法利用关联成像原理进行雷达成像,无需利用目标的多普勒信息即可实现高分辨率成像。这一新型雷达成像方法突破了传统雷达成像方法中受限于雷达孔径的分辨率,具有极高的前视成像发展潜力。目前,国内外对微波关联成像的研究主要集中在产生随机波前、解决模型失配问题和研制超材料孔径等方面,但对关键的关联过程的优化主要集中在压缩感知和深度学习方面,而在伪逆算法方面的研究相对较少。因此,为了进一步完善微波关联成像体系,本文提出了一种新的针对伪逆算法优化的微波关联前视成像方法。本文结合截断奇异值分解(Truncated Singular Value Decomposition,TSVD)处理和吉洪诺夫正则化(Tikhonov)提出了奇异值分解和吉洪诺夫正则化的联合处理方法(TSVD-Tikhonov,TSVDT),通过TSVDT方法对时空随机辐射阵进行处理,然后进行压缩关联成像。同时,本文比较了广义交叉验证(Generalized Cross-Validation,GCV)和L曲线法,并证明了在微波关联成像方法中,利用GCV法选择截断参数的运算耗时更短且更稳定。最后,利用微波暗室实验验证了该方法在低信噪比条件下提高了成像的抗干扰能力,并且仍能保持较快的运算速度。

一种离散谱掩护信号波形设计与生成方法

射频掩护是最早的雷达主动抗干扰措施之一,其通过在雷达脉冲信号之前发射不同频率的掩护脉冲来诱导敌方干扰机,实现抗干扰。近年来,随着抗干扰需求更加迫切,射频掩护技术进一步发展,最具代表性的是采用非连续谱信号作为掩护信号,但掩护信号的能量利用率仍存在提升空间。针对此问题,该文在非连续谱掩护信号基础上提出了一种离散谱掩护信号,建立了恒模和频谱幅度联合约束下的波形设计优化问题,通过交替向量乘子法以及频谱塑形算法求解,生成频谱离散、能量聚集的掩护信号。仿真结果表明,在能量和带宽相同的情况下,离散谱掩护信号相比于非连续谱掩护信号具有更高的频谱幅度,提升5~12 dB;在能量相同,频谱幅度接近的情况下,离散谱掩护信号能覆盖更大的频谱范围,实现了更好的抗干扰掩护效果。

基于Pearson相关性的雷达交叠信号识别

针对复杂电磁环境下多部雷达同时到达信号频域交叠时难以分选识别的问题,分析了信号交叠对于雷达信号识别模块性能的影响;在此基础上面向识别需求,基于Pearson算法研究了交叠信号分选的处理方法。从信息论视角来说,两个信号脉冲波形相关性越弱,则其所表达的信息量越大,特征相关度越低。在信号脉冲数一定时,基于Pearson算法可以选择相关性较弱的信号脉冲载波,以削弱同时信号交叠的影响。通过实验,发现利用选择后的弱相关信号脉冲载波特征来表达信号特性,能有效降低数据维度,尽可能减少信息丢失,有利于达到鲁棒的识别效果,因此该方法可为同时到达信号交叠下的信号识别提供有效途径参考。

单脉冲雷达多点源参数估计与抗干扰技术进展

单脉冲测角是当前主动雷达广泛采用的主流测角技术,大量应用于警戒跟踪、精确制导等雷达/雷达导引头探测领域。该文简要回顾了主瓣多点源条件下的单脉冲信号处理理论与技术发展历程,围绕单脉冲雷达多点源参数估计与抗干扰技术最新成果进行综述,最后对单脉冲雷达多点源参数估计与抗干扰技术的未来发展做了展望。

基于自监督对比学习的深度神经网络对抗鲁棒性提升

基于深度神经网络的多源图像内容自动分析与目标识别方法近年来不断取得新的突破,并逐步在智能安防、医疗影像辅助诊断和自动驾驶等多个领域得到广泛部署。然而深度神经网络的对抗脆弱性给其在安全敏感领域的部署带来巨大安全隐患。对抗鲁棒性的有效提升方法是采用最大化网络损失的对抗样本重训练深度网络,但是现有的对抗训练过程生成对抗样本时需要类别标记信息,并且会大大降低无攻击数据集上的泛化性能。本文提出一种基于自监督对比学习的深度神经网络对抗鲁棒性提升方法,充分利用大量存在的无标记数据改善模型在对抗场景中的预测稳定性和泛化性。采用孪生网络架构,最大化训练样本与其无监督对抗样本间的多隐层表征相似性,增强模型的内在鲁棒性。本文所提方法可以用于预训练模型的鲁棒性提升,也可以与对抗训练相结合最大化模型的“预训练+微调”鲁棒性,在遥感图像场景分类数据集上的实验结果证明了所提方法的有效性和灵活性。

基于互质阵列的运动单站信号直接定位方法

信号直接定位方法是一种新型无源定位体制,具有适应低信噪比、无需参数关联等优势。为适应复杂电磁环境,该文提出了一种基于互质阵列的运动单站信号直接定位方法。以典型窄带信号为例,该文首先构建了互质阵列截获信号模型,然后推导了其差分共性阵对应的等效信号数学模型,最后使用空间谱技术构建了直接定位代价函数,实现了定位。经仿真分析验证,采用相同互质阵列时,该方法在分辨率和精度稍有损失的情况下可大幅提升传统直接定位方法的自由度,且与基于均匀线阵的直接定位方法相比,该方法在自由度、分辨率和定位精度等方面都具有优势。

基于稀疏差分协同进化的多源遥感场景分类攻击

随着深度学习技术的迅猛发展,各种相似的骨干网络被用于多源遥感分类任务中,取得了很高的识别正确率。然而,由于神经网络极易受到对抗样本的攻击,这给遥感任务带来了很高的安全隐患。以往的对抗攻击方法可有效攻击单波段遥感图像的分类器,但不同波段的攻击并不耦合,这导致现有方法在现实世界中难以用于多源分类器的攻击。针对多源遥感的特性,本文提出了一种新的基于稀疏差分协同进化的对抗攻击方法:投放一定数量包含稀疏多源噪声信息的种子,通过限定噪声点在多源遥感中具有相同位置,实现多源对抗攻击的耦合,按种子信息制作对抗样本,利用上一代的种子(父代)进行变异与交叉,产生新的种子(子代),同样制作对抗样本,综合比较多源对抗样本的攻击效果,保留效果更好的种子,重复此过程,最终可得到高度耦合且攻击效果最好的多源遥感对抗样本。实验证明了本文方法的可行性:在单点攻击下,61.38%的光学图像和38.93%的合成孔径图像被成功转化为对抗样本,光学和合成孔径分类器中都无法正确识别的区域从5.83%升至55.10%。

基于晶圆级封装的W波段微同轴天线小型化设计与实现

空气微同轴是一种以空气作为填充介质的波导结构,波导壁周期性开窗,内导体由稀疏介质带支撑,具备频带宽、隔离度高、尺寸小的特点,可以实现三维高密度系统集成.本文结合空气微同轴的超宽带特性,考虑到其天线/电路一体可加工易级联,利用CST、HFSS等软件,得到了W波段微同轴天线模型.实际加工出对应微同轴天线实物.测试结果显示,在中心频率94 GHz,实现了反射系数低于-10 dB的宽带特性.在毫米波频段内得到天线单元增益值超过7 dBi、组阵后增益大于12 dBi的工作性能,后者E面3 dB波束宽度超过20°.此晶圆级封装的毫米波天线相比传统介质波导天线缩小100倍,可以批量高精度加工,适合在诸多毫米波模块中应用和推广.

人造目标散射结构的零极化辨识与应用

目标最优极化是雷达极化问题研究的重要理论基础.目标零极化又称共极化零点,是目标最优极化的重要组成部分.通过目标零极化可以推导出目标的其他最优极化状态,其广泛应用于目标极化匹配接收、目标对比增强等领域.文中从目标结构辨识角度首次揭示了零极化理论方法在人造目标散射结构辨识方面具有独特优势,并基于人造目标典型散射结构从理论上推导出典型散射结构的零极化矢量.将复极化比平面的极化表征方法与极化响应特征相结合,提出了零极化三维响应特征图可视化表征方法,揭示了典型散射结构的零极化差异,得到了零极化响应特征矢量.在此基础上提出了一种人造目标散射结构的零极化辨识方法,通过提取极化雷达图像中人造目标的强散射中心,将散射中心的零极化响应特征矢量与典型散射结构进行匹配,从而确定散射中心的散射结构类型,实现人造目标结构辨识.结合车辆和无人机等典型人造目标的电磁计算数据,开展了目标结构辨识对比实验.与Cameron分解方法相比,本文提出的零极化散射结构辨识方法能够准确识别出散射中心的散射结构类型.特别对结构对称型人造目标,本文方法识别结果呈现的对称性更准确,更符合目标实际的散射特性.

基于新型微组装技术的X波段高隔离开关的设计

为实现X波段四路并行开关电路并有效提高通道间隔离度,提出了基于新型微组装技术的X波段高隔离开关的方案。根据指标,对单刀双掷开关进行性能分析和控制电路设计,同时,在结构方面进行腔体和多层板层叠设计,保证了4个开关之间的隔离。采用软件建模与仿真,并对其通道间的隔离度进行了测定,以减小腔体效应。经过优化,在中心频率处可以将端口的隔离度控制在50 dB以上。利用微组装工艺,实际制作了X波段开关组件,通过实测数据与仿真结果对比,验证了组件性能的优越性。该设计方法独特,实用性强,适于在实际工程中推广。

关于Huynen目标参数与目标最佳极化关系的讨论

Huynen目标参数和最佳极化(OPs)是极化信息处理中两个基本概念。最佳极化在Poincare球上的分布根据Huynen目标参数的特征角可以细分为“针型”、“帽型”和“叉型”三种形态,目前尚缺乏完善的讨论。本文基于Kennaugh矩阵推导了目标的最佳极化,讨论了Huynen目标参数与最佳极化的对应关系。然后,基于三种最佳极化的分布形态讨论了几种典型结构目标的极化特性,可以为雷达极化学研究人员建立更清楚的概念。

相干测风激光雷达回波相干性分析

为探索可靠的激光雷达回波处理方式及研究大气对回波相位的影响,进行了激光雷达回波相干性分析。首先通过建立激光雷达时域模型及搭建实验系统获取仿真和实验大气回波。为排除系统误差的干扰对实验回波提取相位并脉间对齐,再基于归一化协方差函数计算仿真回波和对齐后实验回波的相关系数,发现回波脉间不相干。在证明出射脉冲的高相干性的基础上,硬目标回波的脉间积累可以实现本征频率的增强,而对齐后的风场回波脉间积累的效果远差于非相干平均,表明硬目标的漫反射能保留本征信号的相干性,而风场这类软目标严重破坏回波的相干性。