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。     

一种无人机载高分辨率SAR图像目标快速检测方法

针对无人机平台空间和资源有限、高分辨率SAR图像检测容易出现目标标注不准以及计算量过大等问题,提出一种无人机载高分辨率SAR图像目标快速检测方法。该方法首先利用双边滤波器抑制高分辨率SAR图像中存在的相干斑噪声和目标内部的非均匀起伏;然后进行一次大尺度的SLIC分割,通过对超像素单元粗糙度进行分析,对存在欠分割问题的超像素单元再进行一次小尺度的SLIC分割;最后对过分割的超像素单元进行合并处理,最终得到目标检测结果。实验结果表明,该方法不仅可以提升对高分辨率SAR图像目标的检测效率,改善SAR图像目标提取能力,还有利于发现部分人工方法容易遗漏的小目标,具有很好的工程应用价值。     

单目标探测下的双红外被动测距方法

基于工程三维应用中红外探测目标信息存在误差的情形,建立了对单目标探测进行双红外被动测距的方法,并且通过单点测试验证了该方法的正确性。利用Monte Callo模拟实验法,分析了红外探测角度误差、两站点基线距离和单目标运动特征对该方法定位精度的影响。     

用声纳DEMON谱用于解算目标要素方法

被动声纳观察目标一般只提供目标的方位,基于声纳方位解算目标要素的传统方法是纯方位解要素法。现代信号处理技术的发展使得通过被动声纳信号DEMON频谱可获得目标螺旋桨转速。利用声纳方位、DEMON频谱信息联合解算目标要素将比单纯依靠声纳方位解算目标要素率高。给出了通过DEMON频谱获取目标速度的方法,并通过仿真对联合解算效率与纯方位法进行了比较。     

一种单平台的无源被动定位算法

提出了一种对匀速扫描雷达的单站被动定位方法 ,主要论述了该定位方法的数学模型 ,仿真分析结果表明该算法有较好的定位精度     

美军如何训练别动队员

别动队(ranger)历史悠久,最早起源于17世纪,其历史比美国还长,几乎参与了美国独立以来的历次战争行动,在近代、现代战争,特别是二次大战、朝鲜战争、越南战争中都“功勋卓著”。这些别动队大都是在冲突发生时临时建立,冲突结束后旋即撤消。1973年爆发的中东战争使美军认识到轻型机动部队在未来战争中的重要性,于是第一支在和平时期常备的别动队——第75     

导弹主/被动雷达复合制导中的目标状态估计

针对主 /被动雷达复合制导中的被动雷达只有角度信息而无径向距离信息 ,当被动雷达与目标间的相对加速度为零时 ,目标的距离状态是不可观的特点 ,提出了一种旨在获取被动雷达径向距离信息的方法 ,从而可利用主动雷达和被动雷达的角度和径向距离信息进行数据融合。仿真结果表明 ,利用此方法可得到较好的数据融合效果。     

被动寻的制导技术的新进展

反辐射武器是电子对抗中硬杀伤的重要手段。在现代战争中 ,以其显著的突出性和隐蔽性赢得胜利。简要地介绍了反辐射武器的核心———被动寻的制导技术近年来的新技术、新动向及其应用情况     

判天下之美 析万物之理——谈以审美心理学习数理课程

本文针对学生学习数理课程缺乏兴趣,被动学习的现象,提出以美学观点看待数理学科,培养学习兴趣,提高学习效率。     

毫米波主被动阵列探测技术

针对单通道探测的不足,提出了毫米波主被动阵列探测技术,为导引头提供更加真实详细的目标信息。主被动复合探测体制可以结合雷达和辐射计的优点,远程时使用主动探测,可以增加探测距离,近程时使用被动探测,可以避免角闪烁。当弹丸以一定转速垂直下落时,毫米波波束和弹轴成特定角度对地面作螺旋圆锥扫描,当波束扫描过目标时,探测器阵列输出与目标相对应的信号,通过对各个通道信号作相关处理判断即可确定目标的精确方位,此时输出修正或起爆信号。试验表明该技术能够精确探测目标中心。