地面目标多角度SAR数据集构建与目标识别方法

南京航空航天大学雷达探测与成像技术研究团队利用自主研制的无人机（Unmanned aerial vehick, UAV）机载高分辨率微小型合成孔径雷达（Mini synthetic aperture radar, MiniSAR）系统,针对多类具有代表性的地面目标进行全方位回波录取及成像处理,构建了拥有自主知识产权的复杂目标SAR数据集,并依托该数据集开展了基于人工智能的目标识别方法研究。针对无人机运动姿态不稳定、辅助传感器精度受限导致的图像散焦问题,本文提出了新型运动补偿及新型二维自聚焦算法。实验表明,虽然AlexNet、ResNet-18、AConvNet和VGG等经典神经网络在MSTAR十类目标分类问题中取得了接近100%的分类准确率,但将其应用于南航MiniSAR数据集时分类准确率均明显低于90%。由于本文采取的实验方法与SAR目标识别技术的实际应用场景较为接近,该MiniSAR数据集对于面向工程应用的SAR目标识别算法研究将会具有重要参考价值。     

公开SAR图像目标数据集及其在深度学习中的应用综述

由于合成孔径雷达(SAR)图像可读性较差,所以对其进行目标检测与识别处理的难度也较大.近年来,随着深度学习(DL)方法的不断发展,许多学者将其引入SAR图像目标检测与识别研究中.该类方法以数据为驱动.其中,监督学习方法更以已标注的数据为基础.但是,SAR图像目标的标注通常是昂贵且耗时的.鉴于此,本文对已公开的SAR图像...     

基于水平集方法的复杂地质速度模型表达

地质速度模型表达的难点在于对复杂地质现象的精确描述和对正、反演应用的有效支持。提出了一种将速度间断面信息以隐函数的零等值面形式内嵌于速度模型的表达方法,多重拷贝策略使得相邻的速度块体互不干涉,妥善处理了在速度间断面处插值速度信息的矛盾。该表达方法适于描述复杂地质构造下的速度模型,如多值层面和具有非流形性质的断裂层面。在基于射线理论的应用中,利用符号距离场和速度间断面二叉树能迅速获得空间任意点的速度信息,检测射线与速度间断面的相交关系,并使射线在速度间断面处严格执行Snell定律,提高了射线路径的正确性。两组射线追踪的应用实例验证该表达方法的有效性。      

基于小样本的试验系统可信度评估方法

针对小样本试验数据信息匮乏、难以利用概率统计方法进行可信度评估的问题,将重抽样方法与小样本区间估计方法相融合,提出了小样本试验系统新型可信度评估方法。利用重抽样理论,获取多个具有相同样本量的相似小样本。根据灰色系统理论,提出了改进的灰色置信度及置信区间的定义及计算方法。并在此基础上通过求公共区间的方式计算原小样本数据的灰色置信区间。该置信区间在相同的置信度下,区间宽度更窄,精度更高。通过算例仿真,验证了上述方法的合理性、有效性,对工程试验中的小样本数据系统评估提供了一定的方法指导。      

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

分形阵列补集阵的研究

介绍分形Cantor集线阵和Sierpinski集平面阵的基本阵列结构和方向图特性,针对它们方向图高副辫的缺点提出了一种新的阵列结构——分形阵补集阵,这种稀疏阵列的方向图具有更低的副瓣。通过对多种不同分形阵的补集阵的研究,验证了分形补集阵具有更优秀的方向图特性。分形补集阵的提出为低副瓣稀疏阵的设计提供一种新的方法。     

基于PCA和WPSVM的航天器电特性识别方法

针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高.      

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

软件回归测试用例选取方法研究

介绍了软件回归测试的概念和进行回归测试的基本步骤,提出了一种回归测试用例选择的数学模型及用例集优化约简算法,并且用实例证明了该方法能有效缩减回归测试用例个数,降低回归测试成本．     

有源集成器件PDN矢量拟合建模方法

基于矢量拟合(VF,Vector Fitting)原理和电路综合理论,提出了一种有源集成器件宽带电路建模方法,用于电磁兼容仿真.将在直流偏置下测量获得的端口参数采用矢量拟合方法转化为极点-留数与时域状态方程的形式;然后创建时域电路模型,将状态方程转化为与SPICE(Simulation Program with Integrated Circuit Emphasis)兼容的网表电路模型.该网表可以代替原芯片PDN(Power Distribution Network)用于电路仿真,最后使用该方法对样本芯片PDN模块建模并与相应的集成电路等效模型(ICEM,IC Electromagnetism Modeling)进行对比,结果表明:矢量拟合模型相比ICEM模型具有更宽的有效带宽以及更小的模型误差.