基于双边截断的双参数海上风电站SAR图像CFAR检测

文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。

合成孔径雷达深度学习成像研究综述

现代合成孔径雷达(SAR)系统工作在日益复杂的电磁环境中,对成像精度、实时性以及算法鲁棒性等要求越来越高。传统的匹配滤波以及压缩感知技术在满足SAR成像的各类高标准要求时局限性较为明显,尤其在成像性能方面。随着机器学习的快速发展,研究人员将深度学习网络与雷达成像算法相结合,提出了学习成像技术,旨在为实现高质量实时成像寻求新的解决方案。本文从数据驱动以及模型驱动同数据驱动相结合的两种思路出发,介绍了用于求解SAR成像逆问题的深度学习网络架构。在此基础上,对SAR静止目标学习成像、SAR运动目标学习成像、SAR三维学习成像以及ISAR学习成像的研究现状进行概述,帮助研究人员和从业人员理解深度学习技术在SAR成像相关问题中的应用。最后,提出该研究方向一些悬而未决的问题,探讨潜在的解决方案和未来趋势。

射频识别技术在血液库存管理中的应用

血液库存管理是血站和输血科日常工作的重要组成部分,工作人员在交接班和入库、出库时都要对血液进行反复的清点、核查,工作量大,准确性差,同时还要填写大量的表单,给日常工作带来很大不便。

基于稀疏表示和拉伸变换的SAR图像目标识别

目标识别是SAR图像解译的关键环节,针对已有基于稀疏表示的SAR图像目标识别方法识别率不高的问题,在分析影响识别率原因的基础上,结合SAR图像中目标区域和阴影区域特性,提出了一种基于稀疏表示和拉伸变换的SAR图像目标识别方法。该方法通过对训练样本图像进行拉伸变换生成了新的训练样本图像,利用已有的和新的训练样本图像构造稀疏字典,通过求解目标区域和阴影区域的联合稀疏表示,根据重构误差最小准则完成了SAR图像目标识别。利用MSTAR实测SAR图像对提出的目标识别方法进行了测试,结果表明新方法识别率高于已有方法,从而验证了新方法的有效性。

射频识别技术在血液采集和成分制备过程中的溯源应用

《血站质量管理规范》中明确规定,采供血各个环节的信息都应该能够溯源,但目前的实现途径主要靠记录、签名和信息录入,还没有实现自动化和实时监测。以血液采集和成分制备为例,在血液采集中会出现采血量不足或过多、没有均匀就留血样或者忘记留血样等情况;

射频识别技术在血液运输保存中的应用

血液出库、入库和运输保存过程中的数量清点和温度监控一直是输血控制管理中的重要环节,前者需要耗费人力对血液逐一进行清点核查,后者往往缺乏连续有效的温度监测手段,特别是大量血液远程运输时对血液温度的监控和数量清点都十分困难。