生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。     

面向多星观测调度的分层迭代算法

提出一种基于分治策略的多星观测分层调度框架,在该框架下,用蚁群优化算法把任务分配至各轨道圈次上,并利用自适应模拟退火算法求解各轨道圈次的调度问题。根据各轨道圈次调度结果的反馈情况,再调整任务分配方案,重复上述过程直到达到算法终止条件。为了提高算法的性能,在设计蚁群算法的启发式信息模型时,应充分考虑卫星调度问题的领域知识;在模拟退火算法中设计两个邻域结构,采用动态选择策略在优化过程中确定最佳邻域搜索结构。仿真实验表明,该方法有效地降低了问题求解的复杂度,尤其在求解大规模多星观测调度问题时表现出优异的性能。     

考虑卫星位置误差的增广脉冲星方位误差估计算法

为了解决脉冲星方位误差估计中卫星位置误差对估计结果的影响,提出一种考虑卫星位置误差的增广脉冲星方位误差估计算法。为满足可观测性条件和保证尽可能低的矩阵运算维数,算法将卫星的位置误差标量作为增广状态。结合脉冲星方位误差估计基本原理,重新推得增广算法的状态及观测方程,并通过理论分析证明了算法的可观测性。最后仿真结果表明,当卫星位置误差导致传统算法的估计结果偏差较大时,该算法依然能够保证0. 01 mas的赤经和0. 3 mas的赤纬估计精度。不同方向的位置误差对方位误差估计精度影响较小。     

图像恢复中的稳健交替方向乘子法

交替方向乘子法在解决线性逆问题(包括图像恢复)中取得了良好的效果,但是其效果对惩罚参数的选择非常敏感,不利于具体的应用。提出基于惩罚参数自适应选择原理的稳健交替方向乘子法,对其优化条件和收敛性进行了详细分析。实验表明,在基于Parseval紧框架的图像恢复应用中,该算法不但对惩罚参数的选择表现出良好的稳健性,而且效果优于交替方向乘子法,并优于其他目前热门的算法。     

俄罗斯应对导航战举措

卫星导航系统作为重要的战场传感器,已经成为现代战争不可或缺的重要组成部分,围绕卫星导航系统的攻防博弈由此兴起。针对美国首先提出的导航战概念,俄罗斯为进一步提升导航战作战实力,有针对性地采取了应对举措。文章介绍了导航战概念及相关作战案例,具体分析了俄罗斯应对导航战威胁的主要举措,并结合美俄围绕导航战开展的攻防博弈,得出掌握现代战争制导航权的改进方向。     

目标协同跟踪系统图像监控软件流程设计

为更好地对复杂战场环境下敌方目标运动状态作出精确估计并实施精确打击,提出了构建基于多传感器的目标协同跟踪系统的设计方案。设计的系统主要由可见光无人传感器平台、指挥控制中心、传输设备组成,重点阐述了指挥控制中心图像监控软件设计流程。该系统的设计为进一步研究基于微波、毫米波、红外、可见光等混合多源传感器的目标协同跟踪系统提供一定的参考价值。     

主星带伴随微小卫星编队SAR系统的空间分辨率分析

根据主星带伴随微小卫星编队SAR系统的结构特点,建立了双站SAR系统的几何模型,然后推导分析了距离分辨率和方位向分辨率的解析表达式,最后仿真分析了以ENVISAT作为主星、"干涉车轮"的距离分辨率和方位向分辨率随主星到编队小卫星的距离、相对轨道高度的变化情况,并且与主星SAR的分辨率进行了比较。结果表明:(1)空间分辨率大小随波束入射角的变化基本上与主星一致;(2)空间分辨率随主星与伴随小卫星的距离增大而增大;(3)空间分辨率之差随微小卫星相对椭圆轨道短轴的增加而增加。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以"高检测精度,低网络规模"为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.