水面舰船雷达波SAR成像隐身技术研究

该研究主要应用于水面舰船雷达波隐身设计优化领域,针对国内外研究现状,采用高频电磁仿真计算方法,通过目标几何建模、SAR成像散射特征识别、散射特征分析及强散射源控制、雷达波隐身设计等相关措施,提出面向雷达成像的水面舰船雷达波散射特征隐身研究方法,可快速预估水面舰船等复杂目标的散射中心,通过相关强散射源控制,以电磁仿真驱动对舰船外形进行优化,可有效改善水面舰船的雷达波隐身性能,提升水面舰船的战斗隐蔽性和生存能力。

基于改进YOLOv5的SAR图像有向舰船目标检测算法

针对合成孔径雷达(SAR)小目标成像特征不显著、目标具有任意朝向易出现漏检、检测精度较低的问题,提出面向SAR舰船小目标的ES-YOLOv5检测算法.添加小目标检测层调整感受野大小,更适应小目标尺度特征,方便进行多尺度融合.引入EMA注意力机制重点关注目标关键信息,强化特征的表达能力.使用圆平滑标签(CSL)技术适应角度的周期性,实现了对角度的高精度分类.实验结果表明,在RSDD-SAR数据集上,该方法在交并比阈值为0.5时的平均检测精度达到90.9%,在提高SAR舰船小目标检测精度方面比基准算法YOLOv5提高了6%,显著改善了模型的检测性能.

GKPA-联合全局与关键区域的光学-SAR中分辨率遥感影像场景分类

遥感影像场景分类是自然灾害检测和城市功能规划等实际应用的基础,因此研究遥感影像场景分类具有重要意义。基于深度学习的方法由于其强大的特征提取能力已经成为遥感影像场景分类领域最常用的方法,此类方法强烈依赖数据集的质量。现阶段场景分类领域的数据集大多为高分辨率的光学影像,易于提取有效的语义特征。在面对中分辨率场景时,影像中细节信息更匮乏,有效特征不够显著,场景分类具有更大难度,相较于高分辨率场景分类精度不够理想。在此情况下,利用其他模态的数据如合成孔径雷达(SAR)提供互补特征可以有效改善场景分类精度。考虑到以上现状,本文构建光学-SAR遥感影像场景分类数据集(OS-RSISC),基于此数据集进一步提出了一个联合全局与关键区域的感知注意力双模态场景分类框架(GKPA-RSSC)。实验结果显示GKPA-RSSC相较于对比方法具有最高的分类精度,总体精度达81.97%。光学-SAR数据与单模态数据的对比试验结果突显双模态数据的优势,进而验证了本文提出的光学-SAR场景分类数据集的重要意义。

基于Radon时频分析的海面舰船目标SAR-ISAR混合成像方法

高海情下,由于海面舰船目标在偏航、俯仰和横滚3个维度的非规则运动引入的高阶相位,导致机载雷达对海面舰船目标直接进行合成孔径雷达(synthetic aperture radar,SAR)成像时会出现散焦现象。针对此问题,提出一种基于Radon时频分析的机载海面舰船目标SAR-逆SAR(inverse SAR,ISAR)混合成像方法。首先,建立了机载海面舰船目标SAR-ISAR混合成像模型,将海面舰船目标的三轴转动引起的舰船成像模糊问题转化为高阶相位误差的估计问题。然后,基于Radon时频分析的方法精确估计运动舰船目标的高阶相位信息,并构造相应的高阶相位因子进行补偿。最后,基于估计的高阶相位信息对舰船目标进行SAR-ISAR精聚焦成像,实测数据的处理结果验证了所提方法的有效性。

一种针对SAR图像的舰船目标检测算法

由于环境复杂、舰船目标散焦和尺度的多样性,基于SAR图像的舰船目标检测仍然存在一些问题。提出了一种针对SAR图像的舰船目标检测算法。首先,基于可变形卷积构建舰船目标特征细化模块,提高对大长宽比姿态的舰船目标的特征提取能力;其次,在主干网络末尾引入了舰船空间金字塔聚合结构,增强对舰船目标的全局特征提取能力;最后,设计了尺度扩展特征金字塔网络,增强舰船浅层和深层特征信息的交互,提高对多尺度舰船目标的检测能力。实验结果表明,所提算法在HRSID数据集上的mAP达到了93.72%,F1分数达到了89.70%,优于所有比较算法,具有良好的检测效果。

基于GF-3全极化SAR指数特征的水体信息提取

单极化雷达影像在水体信息提取时,对与水体散射特征相似的地物区别能力不高。针对此问题,本文基于全极化高分三号卫星影像数据,分析不同极化方式散射特征,构建不同极化方式的水体指数特征,将得到的指数特征组合构建特征影像数据,利用特征影像结合面向对象的方法实现水体信息的快速、高精度提取,并选取全极化高分三号作为数据进行试验。结果表明,利用不同极化数据构建的水体指数特征影像数据,进行水体提取的效果较好、精度较高。

基于协同压缩方法的轻量化SAR舰船识别

深度学习为SAR舰船识别提供了新方法,但是目前大多数深度学习模型的参数众多,难以在资源受限的环境中运行,模型压缩是其实现的必要条件。剪枝作为一种常用的模型压缩方法,当深度神经网络被过多地修枝时,其精确度会显著降低,传统微调方法无法将其恢复到较高的精确度。为此,以SAR舰船为研究对象,提出一种协同模型剪枝与知识蒸馏的网络压缩方法。首先,定义了协同压缩方法总体架构,即将模型剪枝中的微调过程替换为知识蒸馏,以提高剪枝后网络的精确度;然后,在传统知识蒸馏方法中引入学生自我反思机制,以进一步提高目标网络的性能。实验结果表明,利用所提知识蒸馏方法恢复的剪枝网络具有更好的性能,而且协同压缩后的网络模型性能目前已达到主流轻量级网络水平。

融合空-频域的动态SAR图像目标检测

针对合成孔径雷达(synthetic aperture radar,SAR)图像样本特征差异大、目标尺度不均衡、背景散斑噪声高所导致的检测精度低、推理速度慢问题,提出一种融合空-频域的动态SAR图像目标检测算法。首先,采用分流感知策略构造空-频域感知单元,结合动态感受野及分数阶Gabor变换法,增强算法对空间多样性特征和频率散射特征的捕获能力与感知力,优化模型对全局上下文信息的保留能力,加快推理速度,降低特征映射模式相似性与背景噪声干扰,有效改善漏检、误检情况。其次,采用重参数学习法设计自适应特征融合模块,优化多尺度特征间的交互与整合,丰富特征的多样性,缓解特征采样引起的差异映射与信息丢失问题,加强小目标信息与关键频率信息在融合过程中的显著性,提高多尺度样本检测精度。最后,引入DY_IoU动态回归损失函数,利用自适应尺度惩罚因子与动态非单调注意力机制解决锚框膨胀和位置偏差问题,进一步增强模型对多尺度目标的定位与检测能力,加快模型收敛速度,减少模型计算量。在公开数据集SAR-Acraft-1.0和HRSID上进行相关实验,实验结果表明:该方法mAP@0.5数值达到了95.9%和98.8%,较基线模型分别提升5.2%和1.2%,且优于其他对比算法。表明该算法显著提升了检测精度,具备良好的鲁棒性与泛化性。

一种面向SAR图像多尺度舰船目标的检测算法

在合成孔径雷达图像的舰船目标检测任务中,不同目标的尺度多样性给检测算法带来了巨大挑战;为了解决多尺度舰船目标检测难题,提出了一种BAPT-YOLOv8n算法,该算法以YOLOv8n为基础框架,通过引入卷积块注意力模块重构颈部金字塔网络,提升了对多层次特征的融合能力与对多尺度目标的特征提取能力;此外,采用基于Transformer的检测头结构,进一步提高特征表示能力和上下文信息利用能力,从而改善了小目标的检测效果;在HRSID数据集和SSDD数据集上的对比实验表明,所提算法在检测精度上分别达到93.6%与98.9%,优于其他对比算法;消融实验进一步验证了算法中各改进部分的有效性,表明该算法能够更好适应多尺度舰船目标检测问题。

基于哨兵一号SAR成像的南奥克尼海台内孤立波研究

大量来自哨兵一号卫星的合成孔径雷达(Synthetic aperture radar,SAR)成像产品揭示了南奥克尼海台南侧是一处内孤立波生成的热点区域,该区域内孤立波的空间分布和特征参数首次被揭示。统计结果显示该区域内孤立波具有两种传播方向:一类向南往深海传播,另一类向东沿等深线传播。此外,观测到的内孤立波波长平均值为300 m,波峰长度平均值为80 km,简单的统计分析显示遥感观测到的内孤立波绝大多数在大潮前后生成。经过计算研究区域内的正压潮力得出南奥克尼海台南侧45°W的1000 m等深线是一处理想的内潮生成源,通过回溯内孤立波的生成时刻得出东向传播的内孤立波属于典型的内潮释放机制。最后,本研究结合两层的Benjamin-Ono方程和遥感观测结果对内孤立波的振幅和相速度进行了反演,反演得到内孤立波振幅约为9 m,传播相速度约为0.5 m/s。

InSAR技术原理及应用分析

在众多测量方法中,合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术凭借全天候、高空间分辨率、大覆盖等特点在空间对地观测领域广泛使用,并已发展成较为成熟的测量工具。本文首先分析了InSAR技术的原理、特点与优势,其次将InSAR变形监测方法进行分类,分别介绍各方法的基本思路,最后分析InSAR技术在矿山、火山、地震等领域的研究现状。随着技术的不断发展和完善,InSAR技术将在地质灾害监测和预警方面发挥更加重要的作用,为社会安全作出更大贡献。

高增益宽带两维电扫星载SAR相控阵天线设计

设计了一款高增益宽带两维电扫星载毫米波合成孔径雷达(Synthetic Aperture Radar,SAR)有源相控阵天线。天线单元采用了窄边开“八”字斜缝的脊波导缝隙天线,功分网络亦采取脊波导结构,二者通过“工”字缝隙耦合,使得该天线阵列具有宽工作频段、低剖面的特点。为了解决700 MHz大瞬时带宽两维扫描时SAR天线波束色散问题,馈电网络中引入了最小延时步进为0.5λ_(0)和最大延时量为30.5λ_(0)的四通道延时组件,通过合理布局和链路设计弥补指向偏差。在方位向,波导缝隙天线组成直线阵,实现了方位向±3°的扫描。在距离向,波导缝隙直线阵紧密排布,通过T/R组件调节幅相,实现了距离向±45°的扫描。设计的天线包含11个天线模块,每个模块均包含7个子阵,有效口径约为176λ_(0)×31.5λ_(0)。实测天线工作频段为X波段,工作瞬时带宽为700 MHz,色散精度控制在±0.1°内,具有高增益、宽瞬时带宽、两维电扫的优点,结构简洁紧凑,适用于星载SAR系统。

增强-检测级联SAR地面目标检测网络

在合成孔径雷达地面目标检测任务中,传统检测方法因为在处理过程中采用固定模型假设而导致性能严重下降。卷积神经网络作为一种基于数据驱动的方法,在拥有足够的训练集时可以显著提高目标检测的准确性,但在检测陆地背景下的微小目标时性能仍不稳定。为了应对这些挑战,提出了一种先增强后检测的地面目标检测框架。其中包括以Transformer为骨干网络的增强网络、增强目标特征区分度的跨特征空间注意力模块以及具有多尺度特征的检测网络。形成一个级联的目标检测网络架构,以实现更好的推理性能。使用MSTAR基准数据集对提出的网络进行实验,证明提出的级联网络在各项指标上超过其他现有方法,其精度最高可以达到93.6%。

微波视觉与SAR图像智能解译

高分辨率雷达成像技术和人工智能、大数据技术的快速发展,有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性,雷达图像的解译缺乏光学图像的直观性,准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上,进一步融合电磁散射物理规律及其雷达成像机理,我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵,提出微波视觉认知模型,阐述其基础理论问题与技术路线,最后介绍了作者团队在相关问题上的初步研究进展。

L波段差分干涉SAR卫星严格回归轨道优化设计方法

相比于传统SAR卫星应用方向,我国第一代L波段差分干涉SAR卫星主要用于实现全球精准地表形变测量。为了达到重轨差分干涉优于5 cm的形变测量指标,首先需要解决卫星空间基准轨道高精度回归的工程难题。对此,本文提出一种严格回归轨道优化设计方法,通过地球重力场阶数需求分析建立卫星高阶动力学模型,将J4摄动下修正的太阳同步回归轨道参数作为优化算法初值,以卫星WGS-84坐标系位置、速度回归精度满足收敛阈值为目标,利用启发式多目标进化算法开展轨道参数寻优。仿真试验表明,寻优结果回归精度可达厘米级,优于既定工程指标,并且本文方法有效性和正确性已经过L波段差分干涉SAR卫星在轨验证。

人体组织液特性对SAR值的影响及修正模型

比吸收率(specific absorption ratio,SAR)值测量所使用的组织液特性与规范标准中给出的组织液目标值会有一定偏差。此时,需要对SAR值的测量结果进行修正。针对此问题,提出了一种修正模型,修正模型基于电磁仿真的方法建立。通过在835 MHz频点与IEC 62209\IEEE 1528标准中的数据进行比较,对建模方法进行了验证。基于此建模方法,给出了3.5 GHz及28 GHz这2个下一代移动通信备选频段下的SAR值修正模型。使用此修正模型将减小SAR值测量的不确定度,进而提升各测量实验室间SAR符合性评定结果的一致性。使用此修正模型的另一个好处在于,该修正模型允许更大的组织液特性偏差,这将有助于降低SAR值测量的成本。

基于U-NET的双分支海上SAR溢油检测模型

为提高海上溢油SAR(Synthetic Aperture Radar)检测的准确率,本文提出一种基于U-NET和注意力门的海上溢油SAR检测模型(AW-net),该模型将U-NET中传统的单输入编码器替换为双分支编码器,分别输入纹理特征和SAR灰度特征,并进一步采用注意力门融合纹理信息和灰度信息。实验利用1景海丝一号(HISEA-1)SAR数据构建样本训练集进行AW-net模型训练,分别应用1景HISEA-1 SAR数据和1景Radarsat-2SAR数据开展模型测试,溢油检测准确率均优于U-NET、AttentionU-NET和FCN等语义分割模型,说明该模型具有较强的强鲁棒性和应用潜力。

机载SAR、热红外与高光谱联合的溢油检测实验方案设计

快速并准确进行溢油检测对海洋生态环境具有重要意义,遥感技术因其“站得高、看得远、观得全”的独特优势成为海上溢油检测的重要手段。为综合利用各种遥感监测手段的优势准确提取海面油膜,于2022年10月22日至23日开展外场模拟溢油实验,利用无人机同步获取机载SAR、热红外与高光谱数据。使用支持向量机(SVM)和随机森林(RF)模型进行溢油检测,研究并分析以SAR数据为基础加入高光谱与热红外数据进行溢油检测的优势。结果表明,RF模型检测Dataset#1的F1-Score达到72.74%,错分现象明显改善。SVM和RF模型对Dataset#2的F1-Score分别达到99.52%和99.64%。利用多维度遥感数据进行溢油检测,为多源遥感手段在海洋溢油检测的应用提供了技术支撑。

综合时序光学和SAR数据的南方多云雨地区耕地种植强度提取

及时准确地获取耕地种植强度时空分布信息对于调整农业生产布局、制定粮食生产决策具有重要参考价值。目前种植强度提取研究大都利用光学数据和物候知识展开,然而在南方多云雨地区易缺失多季种植耕地的关键物候参数,具有与作物相似物候特点的易混植被难以剔除,像素级结果中椒盐噪声明显。因此,本文基于时序光学和SAR数据,提出一种综合光学物候参数、SAR时序特征及超像素优化的耕地种植强度提取方法。首先利用光学NDVI、LSWI时序曲线获取生长期数量和生长期长度,然后构建SAR时序特征识别早稻移栽灌水信号,最后利用空间上下文信息对种植强度提取结果进行超像素优化。利用2020—2021年洪湖市的时序Sentinel-1/2数据,验证了本文方法的有效性,总体精度和Kappa系数分别达92.02%和0.84。结果表明,引入生长期长度可以有效去除易混植被,SAR时序特征将易被错分的双季水稻正确分类,超像素优化使种植强度结果更加准确和完整,本文方法在多云雨种植制度复杂区域能够获取准确的种植强度分布信息。

SAR目标识别对抗攻击综述:从数字域迈向物理域

基于深度神经网络的合成孔径雷达(SAR)图像目标识别已成为SAR应用领域的研究热点和前沿方向。然而,有研究指出深度神经网络模型易受到对抗样本攻击。对抗样本定义为在数据集内故意引入微小扰动所产生的输入样本,这种扰动足以使模型高信度地产生错误判断。现有SAR对抗样本生成技术本质上仅作用于二维图像,即为数字域对抗样本。尽管近期有部分研究开始将SAR成像散射机理考虑用于对抗样本生成,但是仍然存在两个重要缺陷,一是仅在SAR图像上考虑成像散射机理,而没有将其置于SAR实际成像过程中进行考虑;二是在机制上无法实现三维物理域的攻击,即只实现了伪物理域对抗攻击。该文对SAR智能识别对抗攻击的技术现状和发展趋势进行了研究。首先,详细梳理了传统SAR图像对抗样本技术的发展脉络,并对各类技术的特点进行了对比分析,总结了现有技术存在的不足;其次,从SAR成像原理和实际过程出发,提出了物理域对抗攻击技术,通过调整目标物体的后向散射特性,或通过发射振幅和相位精细可调的干扰信号来实现对SAR智能识别算法对抗攻击的新思路,并展望了SAR对抗攻击在物理域下的具体实现方式;最后,进一步讨论了未来SAR智能对抗攻击技术的发展方向。