电子与通信工程领域专业学位研究生一流课程体系建设——以国防科技大学为例

本文以国防科技大学电子与通信工程领域专业学位研究生一流课程体系建设项目的实施情况为例,介绍了项目基本情况、课程体系优化、案例式教学、教师队伍培养和教材建设等,最后给出了加大专业学位研究生招生宣传力度,大力推进探索式学习,尽快建立可操作的专业学位论文评价机制等建议。

军队院校国防科技重点实验室教学科研人才队伍建设的思考

高素质教学科研人才队伍是军队院校国防科技重点实验室的核心竞争力,是实验室全面贯彻新时代教育方针、服务创新性应用基础研究和重大工程研制任务的关键保障。针对当前军队院校国防科技重点实验室人才队伍建设面临的困难和迫切需要,对标建设世界一流人才培养目标,充分发挥国家级平台优势,提出了树立开放联合的观念、构建“军人+文职+兼职”多元化高素质人才队伍和积极营造优良文化氛围等建议。

《太赫兹科学与电子信息学报》2022年第2期专栏征稿主题:雷达电子战仿真、试验与评估

雷达电子战建模与仿真技术在相关武器装备论证、设计、研发、定型、试验、训练等阶段发挥不可替代的作用。雷达及其对抗装备本身技术的发展,以及大数据分析、数字孪生、智能建模、虚实一体等建模仿真新途径的出现,给雷达电子战仿真、试验与评估注入了新的活力。

《太赫兹科学与电子信息学报》2022年第2期专栏征稿主题:雷达电子战仿真、试验与评估

雷达电子战建模与仿真技术在相关武器装备论证、设计、研发、定型、试验、训练等阶段发挥不可替代的作用。雷达及其对抗装备本身技术的发展,以及大数据分析、数字孪生、智能建模、虚实一体等建模仿真新途径的出现,给雷达电子战仿真、试验与评估注入了新的活力。为进一步促进雷达电子战建模仿真、试验评估等领域的新理论、新技术、新方法的创新研究,促进全国雷达电子战相关联行业的相互交流、学习借鉴,《太赫兹科学与电子信息学报》计划推出"雷达电子战仿真、试验与评估"专题栏目,现特向广大专家学者征集符合该专题方向的原创性研究论文及综述,旨在集中反映该领域最新的研究成果及研究进展。

基于对抗生成的轻量化红外图像增强网络

目前,红外成像技术在医学、安保、环境监测、军事探测等方面获得了广泛应用。然而,由于低成本红外成像设备的固有缺陷及大气环境对热辐射传导的影响,导致其采集的图像亮度较暗、细节模糊、对比度低,影响后续图像语义分析及目标检测识别等任务。传统基于模型的红外图像增强方法常需利用图像先验信息,模型参数与场景相关,模型泛化能力不强;基于深度学习的红外图像增强算法有助于增强红外图像质量,但结构冗余,不利于边缘端部署。生成对抗网络(GAN)可以通过判别器和生成器两个网络的轮流对抗训练显著提升红外图像增强效果,但网络训练参数量大,边缘端部署占用资源多,运算复杂度高。本文设计了一种基于对抗生成的轻量化红外图像增强网络,通过在GAN模型的基础上增加多层次特征融合结构并设计多尺度损失函数,提升了特征提取效率并减少了网络层数,在提升图像质量的同时提高了增强效率,利于算法的边缘端部署。实验表明,本文方法在同等参数量下,通过添加多层次特征融合结构和多尺度损失函数,兼顾了图像的全局和局部特征,保证了细节信息不丢失,在提高网络性能的前提下未明显增加计算复杂度;在红外图像增强效果相当的情况下,模型参数量降低75.0%,边缘端设备推断时间降低32.07%。

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。

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。

PCM信号间歇收发互补设计与回波重构方法

间歇收发用于辐射式仿真中可以有效解决收发信号互耦的问题,但间歇收发会带来信号损失,导致相位编码信号距离像出现高旁瓣。为了解决这一问题,提出间歇收发互补序列设计方法,给出了收发序列参数设计方法,并对相位编码间歇收发回波进行重组拼接,消除间歇收发导致的回波缺失,获得了精确的目标距离像。仿真结果表明,收发互补设计及回波重组拼接能够准确重构回波,并且重构后互相关系数接近1,验证了所提方法的可行性与正确性。

利用部分可信信号的导航终端欺骗干扰检测方法

导航信号认证服务处于初步部署阶段,认证信号对地覆盖重数无法满足独立定位授时需求,现有研究对这一阶段利用部分通过认证的信号,即可信信号,实现欺骗检测的方法关注度较低。针对这一现状,该文根据欺骗攻击原理,提出以可信信号为基准,基于可信信号伪距残差的欺骗检测方法,建立该场景下的欺骗检测模型,并分析影响所提方法检测性能的因素。经过仿真,在可信卫星数目为3颗、用户定位精度约10 m条件下,当欺骗导致的定位偏差为100 m时,该方法的平均欺骗检测概率可达0.96。此外,该文对算法欺骗检测盲区进行了分析,证明所提算法对于绝大部分欺骗导致的定位结果均有效。

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。

基于极化时变调控表面的有源欺骗干扰辨识方法

聚焦雷达对抗中极化信息获取与利用的应用需求,该文研究了基于极化时变调控表面的有源欺骗干扰辨识方法。首先,设计了一套在9.6~10.1 GHz频带内支持3 bit相位量化的各向异性相位调制表面,通过优化相位调制编码序列,实现了极化态按需调控。然后,将极化调控表面加装在单极化雷达天线上,使天线发射和接收电磁波的极化态沿特定极化轨道变化,通过提取目标与有源欺骗干扰的极化域差异,实现两者辨识。仿真分析表明,在3种不同的极化轨道约束下,干扰与目标均具有显著的聚类效应,可获得稳定的干扰辨识效果。相较于依赖双极化或全极化雷达体制的干扰辨识方法,该文所提方法兼具低成本与高效性,在雷达抗干扰中具有很大的应用潜力。

面向SAR目标识别成像参数敏感性的深度学习技术研究进展

随着人工智能技术的发展,基于深度神经网络的合成孔径雷达(SAR)目标识别得到了广泛关注。然而,SAR系统的成像机制导致了图像特性与成像参数之间的强相关性,因此深度学习框架下的目标识别算法精度极易受成像参数敏感性的干扰,这成为了制约先进智能算法部署到实际工程中的一大障碍。该文首先回顾了SAR图像目标识别技术的发展与相关数据集,从雷达工作的成像几何、载荷参数和噪声干扰3个角度,深入分析了成像参数变化对图像特性的影响;然后,从模型、数据、特征3个维度,总结归纳了现有文献关于深度学习技术对成像参数敏感性的鲁棒性与泛化性这一问题的研究进展;接下来,汇总并分析了典型方法的实验结果;最后讨论了在未来有望突破成像参数敏感性这一问题的深度学习技术研究方向。

基于空间三维非均匀SISO阵列雷达的介质目标快速成像算法

近年来,随着高精度定位系统的迅猛发展,基于手持式毫米波雷达的阵列成像技术在无损检测和医疗成像等涉及介质内部结构成像的领域中引起了广泛关注.与常见的二维(Two-Dimensional,2D)平面单发单收(SingleInput-Single-Output,SISO)阵列不同的是,基于手持式毫米波雷达的阵列,其阵元通常非均匀分布于三维(Three-Dimensional,3D)空间中,导致现有的基于平面SISO阵列的对介质目标内部结构进行快速成像重构的算法无法适用.为此,本文提出了一种适用于空间3D非均匀SISO阵列雷达的半空间介质目标快速成像算法.该算法将空间3D非均匀SISO阵列的每一个阵元扩展为一个的虚拟阵列,然后将所有虚拟阵列的回波数据变换至波数域后进行相干累加,最后通过3D逆傅里叶变换(Inverse Fourie Transform,IFT)实现快速成像.数值仿真和实验测量表明,与同样适用于该场景的改进后向投影(Improved Backward Projection,IBP)算法相比,在本文给定的成像参数条件下,所提算法可以在保证成像质量的同时,将成像时间缩短94%以上.

基于ACM的LFM信号抗瞄准式干扰方法

瞄准式干扰由于干扰能量集中、干扰强度大,严重影响雷达目标探测性能。针对瞄准式干扰,提出了基于幅度编码调制(amplitude code modulation,ACM)的信号抗干扰方法。首先,通过设计ACM信号,实现雷达信号的频谱搬移,并根据ACM信号参数对匹配滤波器进行频移处理,获得谐波脉压的参考信号。其次,对谐波进行脉冲压缩处理,得到目标回波在谐波处的一维距离像。然后,通过能量补偿,弥补ACM带来的能量损失,即可得到与原始信号回波一致的目标一维距离像。最后,给出了ACM及回波抗干扰处理流程,并通过数字仿真进行验证。仿真结果表明,所提方法所获得的目标回波一维距离像与未被干扰信号获得的目标回波一维距离像基本一致。当调制频率为5倍信号带宽时,ACM信号较原始信号抗瞄准式干扰性能提升了32 dB。

基于子阵级处理的宽带非规则子阵相控阵鲁棒性干扰抑制

针对宽带非规则子阵相控阵在复杂干扰环境下性能变差的情况,提出一种基于子阵级处理的鲁棒性干扰抑制方法。首先,建立存在误差情况下的宽带阵列子阵级回波模型;通过子阵级数字Stretch处理将宽带线性调频回波信号变为窄带信号,降低处理的有效带宽;然后,进一步改进基于谱分离的干扰加噪声协方差矩阵重构方法,利用测量的先验信息划分子区间,减小重构区域,降低运算量;最后,利用获得的最优权值加权各通道数据获得阵列输出。所提方法有效利用非规则子阵优势,避免了规则子阵阵面方向图中存在栅瓣的情况,能够在存在多种组合干扰和误差的情况下抑制干扰,具有较强的鲁棒性。

复杂运动舰船目标SAR成像空/时变散焦特性研究

合成孔径雷达(sythetic aperture radar,SAR)能够对海上舰船目标进行全天时、全天候成像,但是运动舰船在高分辨率SAR图像上的方位向散焦会严重影响后续对舰船目标的识别。由于舰船运动的非合作性,目前对复杂运动舰船在SAR图像中的散焦特性认识不足。本文首先从SAR成像原理出发,理论推导得出舰船复杂运动引起的SAR回波信号相位误差的空变性和时变性是导致其SAR图像质量下降的决定性因素。在此基础上,构建了一个复杂运动舰船目标SAR成像模拟器,通过对不同运动状态、不同合成孔径时间舰船点、线、面目标的SAR成像仿真,揭示了复杂运动舰船目标SAR成像空/时变散焦特性。其中,空变性会造成舰船在SAR图像上非均匀散焦;时变性使得舰船在SAR图像上变为一条方位向能量带。最后,结合空/时变散焦特性,探讨了未来SAR运动舰船重聚焦技术的发展方向。

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。

基于梯度引导偏振度估算的图像去雾

雾或霾天气下,大气粒子对光的散射作用造成光学图像细节弱化,严重影响了后续的图像分析与处理任务.现有去雾算法存在去雾后图像信息丢失、产生模糊、天空区域过增强等问题.本文从偏振视角与暗通道先验理论出发,提出了一种基于直接透射光梯度特征引导的目标偏振度估算算法,用于图像去雾.通过偏振图像获取场景与大气的偏振信息;再以暗通道先验算法估计的直接透射光强的梯度特征为引导,估算目标偏振度;将估算的目标偏振度转为大气光强,经过原理性约束与引导滤波,得到优化的大气光强,进一步求解去雾图像与优化的目标偏振度.定性实验表明:本文算法去雾后,图像具有良好的平滑度,且克服了现有去雾算法存在的可见性弱、去雾残留、天空区域过增强等问题;定量实验表明:本文算法既不会造成图像信息丢失,也不会产生过多的噪声或模糊.综合对比9种具有代表性的去雾算法,本文算法具有良好的细节恢复能力、图像熵提升能力以及色调还原能力.

结合空时上下文信息的视频SAR图像相干斑滤波

作为合成孔径雷达(synthetic aperture radar,SAR)的一种新体制,视频SAR能够对场景连续成像,在目标检测、跟踪等应用情景有独特优势。然而,相干斑的存在影响了视频SAR图像质量及后续目标检测应用。针对这一问题,提出了一种结合空时上下文信息的视频SAR图像相干斑滤波方法。该方法主要由3步构成:首先构建能表征视频SAR图像距离-方位-时间三维动态散射信息的空时上下文协方差矩阵;其次根据协方差矩阵的相似检验选取一定邻域内目标像素的相似样本;最后根据相似样本进行平均实现相干斑滤波。基于两组实测视频SAR数据开展相干斑滤波对比实验,实验结果表明所提方法能在有效抑制相干斑的同时较好地保留目标细节信息,验证了所提方法的有效性和优势。

间歇采样转发干扰技术研究述评

间歇采样转发干扰技术是一种巧妙的相干多假目标干扰技术,针对不同雷达体制、不同雷达波形等的新型间歇采样转发干扰技术已成为当前雷达对抗领域的研究热点之一。为进一步厘清间歇采样转发干扰技术特性及其拓展应用前景,本文从间歇采样转发干扰技术提出的背景及基本原理出发,详细梳理间歇采样转发干扰的技术发展历程,并对诸多新型间歇采样转发干扰技术进行分类总结,最后介绍间歇采样在雷达探测等其他方面的拓展应用,旨在为专家学者研究提供一定的参考。