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。

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。

基于逆Radon变换的圆迹SAR三维成像算法

随着合成孔径雷达(synthetic aperture radar,SAR)的应用需求不断提高,出现了圆迹SAR的成像模式,解决传统直线轨迹SAR只能获取二维斜距图像的问题,在地形测绘、建筑物提取、灾害评估等领域具有较高应用潜力。现有的圆迹SAR三维成像算法还存在计算量大、实现复杂等问题,通过对圆迹SAR模型的斜距几何分析,结合回波信号模型设计波数域补偿函数,将距离压缩曲线矫正为基线为零的正弦曲线;结合逆Radon变换,实现对目标的正弦曲线的二维聚焦;通过逐高度平面二维成像结果的堆叠,实现目标的三维成像。通过仿真分析了所提算法的成像质量,验证了所提算法三维成像的有效性。

利用海丝/巢湖SAR开展台风应急测绘实验

首次利用国产海丝/巢湖雷达卫星开展台风登陆、运移应急测绘实验研究。以2022年11月“尼格”台风为例,应急调度获取台风登陆3 h和12 h的3 m条带SAR影像,采用监督分类快速提取耕地淹没、道路水淹等变化。结果表明:①国产SAR影像成像清晰稳定,双星实现12 h同一区域覆盖;②24 h警戒线风暴潮预测模型增水范围是卫星应急调度的主要依据;③实验区耕地淹没面积从0.098 km^(2)缩小至0.064 km^(2),道路积水面积从5.032 km^(2)缩小至2.385 km^(2),未形成明显的城市内涝现象,说明利用高分辨率雷达卫星开展台风应急测绘是可行的。增加星座数量、优化轨道空间布局是保障应急数据快速响应的发展方向。

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。

改进FCOS的SAR图像舰船检测算法

针对SAR图像中舰船检测的目标尺度变化大及背景复杂等影响因素,提出一种基于FCOS的一阶段舰船目标检测算法。采用基于拆分注意力和分组卷积的ResNeSt网络作为主干网络进行提取特征,同时在特征金字塔基础上增加聚合路径和注意力机制,提升特征融合能力,实现对网络结构的优化。结果表明,改进方法相对于基线网络平均精度提升了2.15%,精准率提升了2.4%,召回率提升了3.59%。该研究在处理SAR图像中舰船检测任务时具有较好的性能。

基于演化多目标聚类的SAR图像变化检测

基于合成孔径雷达(SAR)图像的变化检测是遥感领域中一项具有挑战性的任务,如何在噪声鲁棒性和有效保留细节之间取得平衡是一个迫切需要解决的问题。然而,大多数SAR图像变化检测方法为了更好地抑制斑点噪声,不可避免地会在一定程度上丢失图像细节。为了解决这一问题,提出了一种基于演化多目标聚类的SAR图像变化检测多目标聚类算法,将变化检测问题转化为一个多目标优化问题。该方法同时构建了两个相互冲突的目标,即分别基于原始差异图与噪声滤波后差异图的聚类能量函数,并用基于分解的演化多目标优化算法MOEA/D对以上目标函数进行优化,实现对差异图不变区域与变化区域的聚类。利用该技术可得到一组变化检测图,用户可以根据自己的需求选择合适的结果。最后,在两个SAR图像数据集上进行了充分的实验,结果表明了该方法的有效性。

SAR干扰技术综述

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种全天时全天候并具备高分辨率的成像设备,在军用民用领域均有重要的应用价值。SAR在军事上被广泛地应用于发现各类战略性目标,如坦克、部队、巡逻艇、敌方武器系统部署以及其他重要的战略物资。在民用领域,SAR被用于地形测绘、预防各种天气现象如冰雹、洪水、干旱、飓风等。SAR技术的不断进步为重要军事目标的防御工作带来了极大的挑战,如何对SAR进行有效干扰,降低SAR对军事目标的检测与识别性能,从而保障军事目标能安全、高效地进行军事任务,仍是一个亟待解决的难题。本文阐述了对SAR干扰技术的发展现状,分析了现阶段SAR干扰技术的挑战与难点,并对其发展趋势进行了展望,以期为相关领域的研究人员提供有益参考。

基于编解码网络的SAR影像建筑物提取

针对合成孔径雷达(synthetic aperture radar,SAR)遥感图像中出现的散斑噪声和几何畸变对建筑物提取过程造成干扰的问题,提出了一种多尺度特征注意力融合(multi-scale feature attention fusion,MSFAF)网络。首先,结合深度神经网络和SAR图像的优势,在深层处设计了一个空间注意力融合(spatial attention fusion,SAF)模块,来整合不同层次的特征以及关注重要的空间信息。然后,利用不同尺度的卷积核以及对通道信息的转换,提出了一个多尺度细节提取(multi-scale detail extraction,MSDE)模块用于提取不同尺度的特征信息和重新分配通道信息,有利于缓解散斑噪声的干扰问题。实验证明了所提方法在SAR图像建筑物提取中取得了比其他现存方法更加优秀的性能。

基于SAR阻抗匹配的WPT最大效率跟踪控制方法

无线电能传输(WPT)技术因其安全、便捷、非接触等优点而备受关注。最大效率传输是WPT系统中一个重要课题。传统的最大效率跟踪方法通常设定系统在固定耦合条件进行负载阻抗匹配,然而,耦合系数会在初级和次级线圈相对位置变化时不可避免地发生变化。提出基于耦合系数辨识与半有源整流(SAR)阻抗匹配的最大效率跟踪控制方法,该方法利用SAR结合耦合系数识别进行阻抗匹配,开关控制电容(SCC)补偿其阻抗虚部,避免了整流电路中非线性因素的影响。同时系统响应较快且控制方法便于实现。仿真和实验结果表明,耦合系数和等效负载变化时,都可以准确估计耦合系数并跟踪至最大效率点和输出恒压。

变应性鼻炎对SARS-CoV-2感染的影响调查

目的探讨患有变应性鼻炎(allergic rhinitis,AR)是否会影响新型冠状病毒(SARS-CoV-2)感染的比率和严重程度。方法招募AR患者及无AR的对照者,进行单中心回顾性问卷调查。问卷内容包括受访者的基本人口学特征,是否有SARS-CoV-2感染,感染症状的严重程度评分,以及可能影响感染严重度的危险因素,完成问卷后进行统计分析。结果AR组SARS-CoV-2感染率为83.9%(162/193),对照组感染率为86.0%(166/193),两组比较差异无统计学意义(P>0.05)。AR组的感染症状严重度总评分为10(7,14)分,与对照组[10(6,13)分]比较,差异无统计学意义(P>0.05)。AR患者感染SARS-CoV-2后的憋气、呕吐、腹泻症状要比对照组更严重。男性AR患者的SARS-CoV-2感染症状严重度总评分[8.0(5.8,11.0)分]低于女性AR患者[10.5(8.0,14.0)分],差异有统计学意义(P=0.002)。结论在本研究调查的SARS-CoV-2感染轻症群体中,AR患者与对照组的感染率及严重度均未见差异,但性别可能会影响AR患者感染症状的严重程度。

嵌入注意力机制的深度可分离卷积SAR目标识别

深度可分离卷积(Depthwise Separable Convolution,DSC)的应用使得深度学习的网络模型轻量化。在此基础上,提出了嵌入注意力机制的DSC合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别方法。通过将DSC与注意力机制结合,提高网络对目标重要特征的学习能力;将多个DSC进行叠加和并联,设计多尺度网络模块,增强不同深度网络的特征提取能力;通过残差连接缓解深层网络的梯度弥散和梯度爆炸问题。使用公开数据集实验表明,所提方法在网络模型参数量较小的情况下,获得99.0%的平均识别率,具有较强的识别优势。

基于Sentinel-2与时序Sentinel-1 SAR特征的赣南柑橘种植区识别方法

为准确获取柑橘果园空间分布信息,实现柑橘种植结构调整、产量估算和资源管理,以赣南3个柑橘种植主产区(信丰县、安远县及寻乌县)为研究区域,针对南方地区多云多雨导致传统光学影像较为缺乏的问题,使用Sentinel系列数据和PIE-Engine平台,构建和优选了光谱特征、植被水体指数特征、红边波段特征和纹理特征,并引入时间序列Sentinel-1合成孔径雷达(SAR)数据的后向散射系数,共同探讨不同特征组合对柑橘种植园的识别提取效果,基于随机森林算法并融合Sentinel-2与时序Sentinel-1 SAR特征识别提取了赣南柑橘种植区。结果表明:5、9、11月柑橘种植园与其他地物的平均后向散射系数分离性最佳,是识别提取柑橘的关键时期;指数特征及纹理特征参与分类改善了分类效果且提高了分类精度;相较于单一SAR特征及指数、纹理特征,加入时序SAR特征的分类结果中总体精度达90.084%,Kappa系数达0.863,错分、漏分误差较小,符合实际地物分布情况,说明了时序SAR特征的可用性和实用性。本研究可为多云多雨的南方柑橘果园的识别提取提供参考。

方位向调制干扰对高分宽幅多通道SAR的影响

多通道合成孔径雷达(synthetic aperture radar,SAR)能够利用方位向多通道重构处理去除多普勒模糊,获得高分宽幅SAR图像。针对此特殊的多通道重构处理方式,研究了传统SAR方位向调制干扰对高分宽幅多通道SAR的影响,包括多普勒调制干扰和脉冲延迟转发干扰两种类型的方位向调制干扰方式,为高分宽幅多通道SAR干扰决策提供理论基础。理论分析指出,多普勒调制干扰信号经成像处理后将在方位向生成等间隔分布的虚假目标,并且幅度受与多普勒调制频率相关的正弦函数和匹配滤波损失联合调制;而脉冲延迟转发干扰信号在成像后将只有单个干扰目标出现,且目标的方位位置仅与延迟的脉冲数有关。仿真实验验证了理论分析的正确性。

SARS-CoV-2合并感染患者的病原微生物分布特征及耐药性分析

目的分析严重急性呼吸综合征冠状病毒2(severe acute respiratory syndrome coronavirus 2,SARS-CoV-2)合并感染患者病原微生物分布特点及耐药情况,为临床诊治提供依据。方法收集2022年12月至2023年2月延安大学附属医院收治的2019冠状病毒病(corona virus disease 2019,COVID-19)患者637例的临床资料,回顾性分析其临床特征及合并感染病原微生物情况。结果COVID-19患者以老年人为主,合并基础疾病患者占79.59%,好转及痊愈患者高达91.05%。培养阳性标本来源于呼吸道、血液和尿液,合并感染的病原微生物分别以肺炎克雷伯杆菌、凝固酶阴性葡萄球菌(coagulase negative staphylococci,CNS)和真菌为主。药敏试验结果显示,肺炎克雷伯杆菌对β内酰胺类抗生素及三代、四代头孢菌素类抗生素耐药率较低(14%~20%),鲍曼不动杆菌对氨基糖苷类抗生素和β内酰胺类复合物较为耐药(均>45%),大肠埃希菌对β内酰胺类抗生素及其复合物耐药率较低(14%~19%)。金黄色葡萄球菌、CNS、屎肠球菌、粪肠球菌均未发现对万古霉素、利奈唑胺、替加环素耐药。结论COVID-19合并感染病原体以革兰阴性菌及真菌为主,感染部位以呼吸道为主,主要病原菌为肺炎克雷伯杆菌。鲍曼不动杆菌对氨基糖苷类抗生素和β内酰胺类复合物耐药率高于全国细菌耐药平均水平,提示临床上应根据COVID-19患者的微生物鉴定和药敏试验结果,选择对症药物治疗,以改善患者预后。

基于噪声卷积调制的SAR多区域灵巧干扰方法

针对传统噪声卷积干扰存在的压制区域位置在方位向上不能灵活控制的缺陷,提出一种基于噪声卷积调制的SAR多区域灵巧干扰方法。该方法对截获信号进行距离向移频、方位向移相以及与噪声模板的卷积调制处理,以控制压制区域的位置;后对截获信号进行不同频率、相位的噪声卷积调制处理,以控制压制区域的数量。理论和仿真结果表明,所提方法实现了压制区域位置在方位向、距离向上的灵活控制,并实现了单一干扰机对多个待掩护区域的干扰,提高了干扰增益,干扰效果较好,对实际工程应用具有一定的参考价值。

糖尿病患者接种SARS-Cov-2疫苗后的免疫反应:系统评价

目的系统评价糖尿病患者在接种SARS-CoV-2疫苗后的体液和细胞免疫反应。方法检索Web of Science、PubMed、中国知网、万方数据知识服务平台、维普中文科技期刊全文数据库和中国生物医学文献数据库,获取国内外于2019年12月1日至2022年5月12日公开发表的有关糖尿病患者接种SARS-CoV-2疫苗后的体液和细胞免疫反应的观察性研究,经由2名研究者独立筛选文献和提取资料后,采用美国国立卫生研究质量评价工具对纳入文献进行偏倚风险评价,使用描述性统计方法进行汇总分析。结果13篇文献共纳入66651例研究对象,其中5874例(7.9%)患有糖尿病。7篇文献报道了接种第1剂疫苗后糖尿病患者和对照组的免疫反应,其中3篇文献表明,接种1剂SARS-CoV-2疫苗后,糖尿病患者血清抗体水平和阳性率低于对照组;11篇涉及接种2剂SARS-CoV-2疫苗后的免疫反应的文献中,2篇报道了糖尿病患者可产生与对照组相似的抗体反应,9篇报道了糖尿病患者的血清抗体水平、阳性率或细胞免疫反应低于对照组。结论接种SARS-CoV-2疫苗后糖尿病患者和对照组体液和细胞免疫反应均有所增加,但糖尿病患者增加幅度普遍低于对照组。

基于长短路融合及数据平衡的SAR船舶检测算法

针对SAR图像检测船舶任务中的目标小、近岸样本目标检测困难等问题,文章提出一种名为长短路特征融合网络(Long and Short path Feature Fusion Network,LSFF-Net)的船舶检测网络。该网络通过长短路特征融合模块有效协调了大目标与小目标检测,避免小目标特征信息的丢失。网络中应用结构重参数化结构提高了模块学习能力。为了满足多尺度目标检测,加入特征金字塔网络,融合多尺度特征。为了应对近岸样本目标检测,设计数据重分配算法,提高了对近岸样本目标的检测精度。实验结果表明:在公开数据集检测时,算法的平均精度(Average Precision,AP)达到97.50%,优于主流目标检测算法。该方法为提高SAR图像中小目标和近岸样本目标检测精度提供了新的实现方案。

基于多层显著性模型的SAR图像舰船目标检测

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。