KDTGAN：基于Transformer-GAN和知识蒸馏的高光谱目标检测

高光谱目标检测在地球观测中至关重要,被广泛应用于军事和民用领域。然而,由于高光谱图像的背景复杂性和目标样本的有限性,该任务面临较大的挑战。本文首先采用CEM（约束能量最小化）粗检测方法提取背景数据。随之,引入了一种新的知识蒸馏模型,即KDTGAN（通过Transformer-GAN实现）。教师模型的生成器采用了Transformer编码器的结构,并结合多尺度数据融合的方法,能够准确地学习背景分布,进而通过重构背景信息实现目标检测。为了克服GAN（生成对抗网络）训练不稳定的挑战,特别是纯背景数据的稀缺性,本文提出了一种新的损失算法,以减小可疑目标样本对模型性能的负面影响。为了降低模型的计算负担,本文引入知识蒸馏,并设计新的蒸馏损失对学生模型加以约束,使模型轻量化的同时提高学生模型检测精度。实验结果表明：KDTGAN相较于当前检测方法表现更优,具有更高的检测精度和鲁棒性。     

基于小样本数据增强的航天器表面损伤智能检测方法

在轨运行的航天器表面形成损伤有可能导致严重的后果,需要对航天器进行在轨实时损伤检测。针对航天器损伤检测图像样本难以获取的问题,本文采用智能化检测方法,提出了一种用于航天器表面损伤样本扩充的生成对抗网络,该网络能够学习单张输入图像的特征纹理表示,从而生成大量与输入图像特征相似的细粒度尺度样本,实现了少量图像数据样本的扩充。利用YOLO目标检测算法在扩充的图像样本中进行表面缺陷与损伤的检测识别,获取了较高的检测精度,为未来航天器健康状态监测与评估、通用化服务机器人应用及太空原位建设等提供了技术支撑。     

一种无人机集群对抗多耦合任务智能决策方法

针对复杂场景下无人机集群对抗中协同目标分配和突防轨迹规划等多耦合任务的决策问题,提出了一种集群对抗多耦合任务智能决策方法.首先,针对无人机集群对抗中耦合任务多和决策空间大难题,结合集中式和分层式架构的优点,设计了面向多耦合任务的混合式深度强化学习架构,可提升多耦合任务间的协同性和集群对抗效能;其次,针对轨迹规划序贯决策...     

基于对抗神经网络有限角度的磁层边界CT重构技术

对地球磁层进行软X射线成像探测是近年来磁层研究的前沿方向.由二维X射线成像图重构三维磁层边界的方法研究是与成像探测相关的重要研究课题.传统的计算机断层成像技术(CT)重构方法在图像数据很少时无法得到较好的重构结果,甚至无法重构三维结构.考虑到地球磁层空间分布范围方面的约束,当前卫星任务的轨道设计很难满足扫描角度的全方位...     

一种具有复合侦察定位功能的雷达对抗系统

复合侦察定位系统是采用有源/无源多手段侦察、定位技术,集情报、监视、侦察、干扰、定位多种功能于一体的新型雷达对抗装备.重点讨论了该系统的功能、结构、工作原理及数据融合处理等问题,并对其在作战、训练方面的应用进行了分析探讨.     

一种基于渐进增长对抗生成网络的火星样本生成方法

对抗生成网络的发展为图像生成等传统领域带来了很大进步,通过使用较少样本训练对抗生成网络,可以学习到特定图像类别的特征,进而能够增广样本应用于场景测试、其他网络训练等多种任务.本工作探索了在较少量的火星训练样本的基础上,针对直接使用GAN生成样本存在特征因平均化而不明显且类别较少的模式崩塌问题,基于渐进增长对抗生成网络,提出了一种聚类-训练-生成协同的火星样本生成方法.实验结果表明,与直接利用渐进增长对抗生成网络的基线方法相比,本工作生成效果得到了提升.     

融合句嵌入的VAACGAN多对多语音转换

针对非平行文本条件下语音转换质量不理想、说话人个性相似度不高的问题，提出一种融合句嵌入的变分自编码辅助分类器生成对抗网络（VAACGAN）语音转换方法，在非平行文本条件下，有效实现了高质量的多对多语音转换。辅助分类器生成对抗网络的鉴别器中包含辅助解码器网络，能够在预测频谱特征真假的同时输出训练数据所属的说话人类别，使得生成对抗网络的训练更为稳定且加快其收敛速度。通过训练文本编码器获得句嵌入，将其作为一种语义内容约束融合到模型中，利用句嵌入包含的语义信息增强隐变量表征语音内容的能力，解决隐变量存在的过度正则化效应的问题，有效改善语音合成质量。实验结果表明:所提方法的转换语音平均MCD值较基准模型降低6.67%，平均MOS值提升8.33%，平均ABX值提升11.56%，证明该方法在语音音质和说话人个性相似度方面均有显著提升，实现了高质量的语音转换。      

红外诱饵及其投放／发射设备发展综述

红外诱饵是对抗红外导弹的重要手段。经过几十年的发展，红外诱饵及其投放／发射技术已达相当高的水平，本文对此作以综述。