基于半球形邻域的激光雷达点云局部特征提取

为提升激光雷达点云目标识别的效率和减少计算开销,本文通过采用改进的邻域确定方法和LRF估计方法,提出了一种新的特征描述子:半球单值形状上下文特征描述子(Hemispheric Unique Shape Context,HUSC)。首先计算关键点处的互相关矩阵,并根据邻域点附近的点密度进行加权,以此估计关键点的法向量和切平面,并建立局部参考坐标系;然后以该切平面为底面构建半球形邻域,并将其按照方位角、极角和径向划分为多个栅格;最后统计各栅格中的点数,得到关键点的局部特征描述子。HUSC特征描述子在保证描述子准确率的同时,通过减少冗余栅格数量提高目标识别的效率。在Bologna、3DMatch数据集上进行的实验表明,基于半球形邻域的HUSC特征描述子与基于球形邻域的USC描述子对噪声鲁棒、对分辨率变化稳健性相当,但HUSC特征描述子占用内存更小,运算速度更快。

嵌入注意力机制的卷积神经网络水声目标识别

针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络(Multi-scale Residual CNN with Attention, MR-CNN-A)进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明:对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。

基于通道注意力机制的单目深度估计

现有单目深度估计(Monocular depth estimation)算法存在细节估计不准确、同一平面距离估计错误的问题。深度信息是通过图像像素的三通道信息估计出来的,目前已有的算法中很少考虑特征图通道之间的相互关系对深度信息的影响。因此本文提出了一种SE-DenseDepth网络,在网络的编码器中嵌入通道注意力机制,依据不同通道对深度信息的贡献度差异,对通道进行编码,提高编码器对图像特征的表征能力。为了获得图像精细的深度信息,网络建立编码器到解码器的跳连接,引入了更多的低层信息。本文在通用室内数据集NYU-Depth V2上训练,并在真实数据上测试。实验结果表明,本文提出的方法在深度突然变化的细节区域表现更好,在远距离大平面的情况下不会出现深度的断层,与其他主流算法相比可以获得较好的深度估计性能。

光纤水听器远程全光放大系统相位噪声研究

光功率冗余不足及相位噪声增加是制约光纤水听器传输距离及探测性能的关键因素。基于光纤水听器全光模拟传输系统,建立远程放大相位噪声模型,设计大有效面积低损耗光纤组合传输链路,在100 km传输4波分×8时分复用系统中,远程放大引入的相位噪声仅为-98.1 dB@1 kHz(1 kHz为频率),优于常规单模光纤4.3 dB,模型的有效性得到了验证。将模型应用于150 km传输系统,对远程增益单元位置进行优化,获得了-93.2 dB@1 kHz的远程放大噪声性能。所提噪声模型及优化方法可应用于不带电中继的光纤水听器系统设计及研制中,对增大全光传输距离及提升远程探测性能具有重要意义。

光纤水听器远程系统非线性串扰抑制

在采用密集波分复用(DWDM)与时分复用(TDM)结构的光纤水听器(OFH)远程传输系统中,非线性波长串扰是制约其传输距离和探测性能的关键因素之一。理论及仿真研究了多波长高峰值功率注入条件下,远程光纤中受激拉曼散射(SRS)导致的波长功率转移及非线性串扰问题,并提出一种基于波长错峰发射的串扰抑制结构。16DWDM×8TDM的OFH远程传输对比实验结果表明,经错峰后的100 km传输系统中,各波长光功率不均衡性相比未错峰前降低9.7 dB;受串扰影响最大的波长1和波长16对应OFH通道的相位噪声分别下降20.0 dB和10.5 dB,达到-97.0 dB和-96.5 dB的低噪声水平,由此验证了错峰光发射结构的有效性。该研究可为光纤水听器远程传输系统的光发射及链路设计提供重要参考。