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。

考虑速度聚束效应的SAR海浪成像仿真方法

针对合成孔径雷达(SAR)海浪成像仿真技术对于速度聚束效应的考虑不充分,仿真数据无法准确反映实际SAR数据的问题,建立一种充分考虑速度聚束效应的SAR海浪成像仿真方法并进行了实验验证。计算了SAR图像强度的概率密度分布的仿真结果与理论结果之间的均方误差(MSE),在风速分别为5、10和15 m/s时,考虑速度聚束效应前、后比对结果的MSE分别为0.1012、0.1576、0.0556与0.0179、0.0314、0.0088。仿真结果表明,所提SAR海浪成像仿真方法有效提高了仿真数据的准确性,对SAR海浪成像的应用具有一定实用价值。

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。

一种天基双基地InSAR系统的相位同步方法及验证情况

以德国的TanDEM-X双星编队干涉合成孔径雷达(InSAR)卫星系统为背景,提出了基于点频连续波同步信号双向对传,实现编队卫星InSAR系统相位同步的方法。文中给出了该同步方法实现的框架,对该相位同步方法的原理进行了理论推导,得出了补偿相位差的表达式,并对影响同步精度的因素进行了初步的分析。该方法可用于天基双/多基地合成孔径雷达系统相位同步链路的设计,仿真分析的结果验证了该方法的理论可行性。此外,通过搭建实物系统对系统的工程可实现精度进行了验证,结果表明获取的载波频率相位同步精度与倍频器件的频率精度和一致性密切相关。该相位同步方法为与TanDEM-X相近InSAR系统的设计提供参考。

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。

SAR图像飞机目标智能检测识别技术研究进展与展望

合成孔径雷达(SAR)采用相干成像机制,具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标,其检测与识别已成为SAR图像解译领域的研究热点。近年来,深度学习技术的引入,极大提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累,对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述,深入分析了SAR图像飞机目标特性及检测识别难点,总结了最新的研究进展以及不同方法的特点和应用场景,汇总整理了公开数据集及常用性能评估指标,最后,探讨了该领域研究面临的挑战和发展趋势。

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。

格式塔感知规律在SAR图像中的有效性初探

合成孔径雷达(SAR)图像是当前微波视觉研究领域的重要数据源。计算机视觉以光学视觉规律为理论基础,无法有效解译SAR图像。因此,借鉴人类视觉感知规律和计算机视觉技术,并融合电磁物理规律的微波视觉成为当前微波遥感领域的一个重要研究方向。探索微波视觉的认知基础对于完善微波视觉理论体系至关重要。该文旨在探讨光学感知规律在微波视觉中的有效性,作为完善微波视觉理论的基础尝试。格式塔感知规律是一类经典的视觉理论,常用于描述人类视觉系统对外部光学世界的感知规律,是计算机视觉的认知理论基础之一。在此背景下,该文以SAR图像为研究对象,借鉴认知心理学实验的设计流程,对格式塔感知规律中的感知组合律和感知不变律在SAR图像中的有效性进行初步研究,探索微波视觉的认知基础。实验结果表明,格式塔感知规律不能够直接应用到SAR图像的算法设计中,人类视觉系统从光学世界中总结出的知识概念、视觉规律在SAR图像中表现不佳,未来需要针对SAR图像等微波图像的特点总结相应的微波视觉认知规律。

星载SAR在轨成像高效处理系统硬件实现设计

星载合成孔径雷达(Synthetic Aperture Radar,SAR)在轨成像技术是灾害检测、军事侦察等高时效遥感应用场景的关键手段,以现场可编程门阵列(Field-Programmable Gate Array,FPGA)+数字信号处理器(Digital Signal Processing/Processor,DSP)为处理核心是一种搭建星载SAR在轨成像系统的典型方案,在异构算力、能效比、灵活度等方面综合评价良好。但现有的FPGA+DSP系统在算法支持、大粒度处理、片上并行加速、复杂矩阵转置方面仍研究不足,成像性能仍然有较大提升空间。本文对支持大斜视、高分辨成像的非线性调频变标算法(Nonlinear Chirp Scaling Algorithm,NCS)算法进行分析,根据运算复杂度和类型将算法划分为主流程和辅助路程,以此为依据提出NCS算法在FPGA+DSP系统中的异构映射方案;针对多通道快速傅里叶变换(Fast Fourier Transform,FFT)处理后数据存储形式发生变换、难以流水处理的问题,提出基于时频抽取切换的多通道FFT协同处理方法,保证多通道FFT处理高效进行;针对不同粒度、不同并行度场景下转置需求复杂多变的问题,提出基于X-直接存储器访问(X-Direct Memory Access,XDMA)+片上分割转置的通用交叉转置方案。本文采用2片VX690T FPGA和2片FT6678 DSP为核心处理器研制了星载SAR成像板卡,实现了提出的系统设计方案。同时,本文搭建了基于模拟源+地检的验证环境,对条带/扫描/聚束/滑聚/TOPS模式的仿真点阵数据和条带/滑聚模式的实测数据进行处理。点阵数据的二维峰值旁瓣比约为-13.2 dB,二维积分旁瓣比约为-10.1 dB,成像质量良好;以条带模式为例,图像尺寸为32K×16K,基于NCS算法的平均成像时间为7.81 s,成像速度较现有方案大幅提升。

面向目视解译的全极化SAR船只精细化特征表征方法

随着卫星技术的发展,极化合成孔径雷达(PolSAR)数据的分辨率和数据质量得到大幅提升,为人造目标的精细化目视解译提供了良好的数据条件。目前主要采用多分量分解的方法,但是易造成像素错分问题,为此,该文结合Yamaguchi极化分解和极化熵提出了一种非固定阈值划分的方法用于实现全极化SAR图像船只结构精细化特征表征。Yamaguchi极化分解能够识别基本散射机制,其修正后的体散射模型更符合实测数据,可有效对人造目标进行表征。极化熵H在弱去极化状态下可以看成某一指定等效点的目标散射机制,能够有效突出船只主散射特征。因此,该文通过将Yamaguchi极化分解算法的非固定三分量与极化熵的低中高熵内嵌,将其分为非固定阈值的九分类成分,从而降低硬阈值处理在阈值边界处受噪声影响产生的类别随机性。并且将二次散射和单次散射均显著的区域称为混合散射(MSM),以更好匹配实验中船只典型结构的散射类型。在此基础上,利用广义相似性参数进一步缩短类内距离,采用改进后的GSP-Wishart分类器进行迭代聚类,旨在通过提高二次散射和混合散射机制以提高不同类型船只可区分度。最后,该文采用中国上海某港口的高分三号全极化SAR数据进行实验,为了验证每艘船只特征表征正确性,通过船舶自动识别系统(AIS)收集并筛选了该港口船只信息及光学数据,并与极化SAR数据中每艘船只进行匹配。实验结果表明该方法可有效区分散货船、集装箱船和油轮3种类型船只。

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。

MCJ-UNet:一种双/多通道联合InSAR相位解缠网络

干涉合成孔径雷达(InSAR)可实现地表高程的高效获取,在地形测绘中应用广泛。双/多通道InSAR技术可借助不同通道(基线、频点)的高程模糊度差异,解决相位欠采样问题,完成高程陡变区域的干涉相位解缠,实现InSAR技术在测绘困难区域的有效应用。该文即面向高效高精度相位解缠需求,利用深度学习这一有力工具,结合不同通道的相位特征及相互约束关系,提出了一种双/多通道联合干涉相位解缠网络:Multi-Channel-Joint-UNet(MCJ-UNet)。该网络的构建以双通道(双频、双基线)InSAR为基本观测构型,并可实现向多通道构型的扩展,其构建的核心思路主要包括3点:首先,将干涉相位解缠中的模糊数估计问题转化为语义分割问题,并采用UNet网络完成分割处理;其次,引入挤压激励模块(SE)动态调整信息权重,以增强网络不同通道对其所需信息的感知能力;最后,利用多通道联合约束下的相位残差优化损失函数,实现网络调谐。此外,为避免语义分割结果的边缘细节误差对解缠效果的影响,该文还提出了一种基于多通道联合约束的解缠误差自修正方法,以保证解缠质量。模拟地形仿真数据、真实地形仿真数据以及TerraSAR-X实测数据验证了所提方法的有效性。

轻小型SAR卫星平飞模式设计

对于轻小型合成孔径雷达(SAR)卫星在轨使用时对重点区域多目标观测效能提升的需求,提出轻小型SAR卫星平飞模式设计方法。介绍了卫星平飞模式设计方法,提出载荷平面相控阵天线距离维大角度扫描能力设计;针对区域多目标,提出条件触发方式目标决策策略,以及星上雷达工作参数计算策略;基于建立的目标决策和任务规划模型,分别针对卫星左侧视、在侧视、平飞、左右机动侧视等4种工作模式下进行多目标观测效能评估仿真分析。结果表明:相比于卫星斜飞模式下,平飞模式目标观测效能可提升至41%;相比于卫星左右机动侧视模式下,平飞模式目标观测效能可提升至73%。因此,设计的卫星平飞模式可有效提升面向区域多目标的观测效能。

基于改进SBR技术的地面目标SAR图像快速生成技术

传统的弹跳射线(shooting and bouncing ray,SBR)技术主要适用于自由空间目标的电磁散射计算,当用于地面目标与背景复合场景的电磁散射计算和合成孔径雷达(synthetic aperture radar,SAR)图像建模与仿真时,在小擦地角下其计算误差显著增大。针对此问题,提出了一种基于“四路径”模型的改进SBR技术,其考虑了目标与邻域地面之间的多次反射效应以及目标与远区地面之间的多径散射效应对地面目标散射回波的影响。首先构建一个尺寸略大于目标包围盒的粗糙地面实体模型;然后结合“镜像法”改进射线追踪技术,分析电磁波在目标各部件间、目标同实体地面之间以及同虚拟半空间分界面之间的射线传播过程;最后结合高频渐近方法完成电磁散射计算。利用精确数值法计算结果对所提出技术进行了验证,并将其应用于地面目标的SAR图像高逼真度仿真,同实测SAR图像比对表明了所提技术具有良好的适用性。

基于GB-SAR的矿山边坡局部变形演化与失稳预测

为了提高地基合成孔径雷达(ground-based synthetic aperture radar, GB-SAR)边坡监测效果与失稳预测能力,在广东省某石灰石矿山架设地基雷达,开展实地监测试验,结合矿山地质条件与监测数据研究不同类型的岩体变形演化特征,根据变形特征选择位移最大点的监测数据利用速度倒数法进行失稳预测。通过分析典型案例的监测数据来优化速度倒数法的算法,进而对矿山试验数据进行研究。研究结果表明:通过分析雷达三维模型变形图的局部位移差异,能够初步判断边坡岩体的变形破坏方式;适当增大移动平均滤波法的移动时间周期C,能够更早地发现灾害征兆,更好地识别岩体加速变形阶段及临滑阶段。研究结果可为基于雷达的滑坡预测提供参考。

hiPSCs分化的细胞和类器官在SARS-CoV-2感染研究上的应用

SARS-CoV-2引起全球性传染病COVID-19的大流行,SARS-CoV-2感染研究对于了解人体细胞和器官被此种病毒感染后的病理反应具有重要意义。将hiPSCs分化为呼吸道、肺类器官、神经系统细胞、脑类器官、心肌细胞、血管、肠类器官和肾类器官,进行SARS-CoV-2感染研究,发现这些细胞和类器官受SARS-CoV-2感染,生理活性受损,生理功能削弱,促炎性因子分泌增加,类器官发生炎症反应和功能退化现象。因此,hiPSCs分化的细胞和类器官可用于SARS-CoV-2感染研究,病毒感染会影响这些细胞和类器官的功能。

基于时频分析的SAR目标微波视觉特性智能感知方法与应用

合成孔径雷达(SAR)目标识别智能算法目前仍面临缺少鲁棒性、泛化性和可解释性的挑战,理解SAR目标微波特性并将其结合先进的深度学习算法,实现高效鲁棒的SAR目标识别,是目前领域较为关注的研究重点。SAR目标特性反演方法通常计算复杂度较高,难以结合深度神经网络实现端到端的实时预测。为促进SAR目标物理特性在智能识别任务中的应用,发展高效、智能、可解释的微波物理特性感知方法至关重要。该文将高分辨SAR目标的非平稳特性作为一种典型的微波视觉特性,提出一种改进的基于时频分析的目标特性智能感知方法,优化了处理流程和计算效率,使之更适用于SAR目标识别场景,并进一步将其应用到SAR目标智能识别算法中,实现了稳定的性能提升。该方法泛化性强、计算效率高,能得到物理可解释的SAR目标特性分类结果,对目标识别算法的性能提升与属性散射中心模型相当。

基于机载多角度InSAR技术的复杂地形高精度DEM重建方法

干涉合成孔径雷达(Interferomtric Synthetic Aperture Radar,InSAR)是全天时、全天候获取三维地表信息重要的技术手段。机载InSAR系统具有机动灵活、多角度获取数据的优势,可以高效率、高精度获取数字高程模型(Digital Elevation Model,DEM)数据。但是,在地形复杂区域,InSAR侧视成像易在地形陡峭区域形成较大范围的阴影和严重的叠掩现象,阴影和叠掩区域在SAR图像上体现为信息的丢失,从而导致DEM数据大面积无效数据的存在,严重影响DEM数据的质量及应用。针对这一问题,本文提出了基于机载多角度InSAR技术的复杂地形高精度DEM重建方法,基于考虑地形起伏的机载多角度InSAR数据获取任务规划设计,最大程度的避免阴影和叠掩导致的无效数据;基于高精度InSAR数据处理,保证每个角度DEM数据精度的高度一致性;基于快速多角度DSM数据融合与滤波处理,实现多角度InSAR体制复杂地形DEM高精度重建。本文以四川省西部山区大坡度、非连续等复杂地形为例,基于本文提出的方法,利用3个角度InSAR数据融合处理,生成了高精度DEM数据,试验结果表明,本文提出的方法获取复杂地形DEM数据高程均方根误差为0.6 m,同时,数据有效率大于99%。

基于改进SBR的舰船SAR成像快速仿真计算方法

针对SAR(Synthetic Aperture Radar)舰船成像仿真应用中电磁散射特性计算效率低下的问题,在现有SBR(Shooting and Bouncing Rays)算法的基础上,本文提出两方面改进.一是基于叶节点空间邻域编码搜索的射线管相交面元检测算法,通过只追踪射线管中心射线并搜索叶节点空间周围潜在相交面元,在有效提升相交检测速度的同时避免遗漏相交面元;二是射线管三角剖分快速分裂算法,将射线管和相交面元投影至射线管虚拟孔径面,利用Delaunay三角剖分算法自适应地将射线管快速分裂成连续的子射线管.对典型舰船目标进行RCS(Radar Cross Section)计算及SAR成像仿真实验,结果表明,在保证计算精度的前提下,本文方法计算效率比Kd树(K-dimension tree)加速SBR方法提升14倍以上,比经典自适应射线管分裂SBR方法提升3倍以上,计算效率显著提高.

基于属性散射中心卷积核调制的SAR目标识别深层网络

卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对训练样本的需求,但同时也会降低CNN的特征表达能力,影响其目标识别性能。针对此问题,该文提出一种基于属性散射中心(ASC)卷积核调制的SAR目标识别深层网络。由于SAR图像具有电磁散射特性,为了提取更符合SAR目标特性的散射结构和边缘特征,所提网络使用预先设定的具有不同指向和长度的ASC核对少量CNN卷积核进行调制以生成更多卷积核,从而在降低网络参数量的同时保证其特征提取能力。此外,该网络在浅层使用ASC调制卷积核来提取更符合SAR图像特性的散射结构和边缘特征,而在高层使用CNN卷积核来提取SAR图像的语义特征。由于同时使用ASC调制卷积核和CNN卷积核,该网络能够兼顾SAR目标的电磁散射特性和CNN的特征提取优势。使用实测SAR图像进行的实验证明了所提网络可以在降低对训练样本需求的同时保证优秀的SAR目标识别性能。