美国成像侦察卫星发展趋势

作为全球唯一的超级大国,美国在空间观测方面具有勿庸置疑的优势。介绍了美国现有成像侦察卫星的构成、作用和发展现状,指出了美军开始注重利用商业遥感图像的新趋势,并且详细介绍了当前美国成像卫星软件的商业开发以及美国未来天基雷达计划的发展。     

协方差压缩感知逆合成孔径雷达成像技术

为解决低信噪比条件下短观测时间雷达成像问题,提出一种基于回波协方差矩阵处理的压缩感知逆合成孔径雷达成像技术。该方法构建了回波协方差矩阵层面下的压缩感知问题模型,并通过特定的线性变换降低环境噪声对成像结果的影响。在仿真实验中,通过处理短观测时间和低信噪比条件下的模拟回波数据,该方法获得比传统压缩感知方法像质更好、对比度更强的目标成像结果。同时,其成像结果的目标背景比和背景噪声能量两个雷达图像评价指标都优于传统方法,进一步验证了该方法的有效性。     

图像质量主客观评价的相关性分析

图像质量的客观评价与人类主观感知之间一定存在必然的联系,并且这些客观评价方法应该取代主观评价。也就是说,这些客观评价方法允许在不征求任何用户意见的基础上,去评价一个给定系统的性能。本文研究了在变化的压缩体制下实施在若干图像上的一套客观测量和主观评价之间的相互关系,并给出了初步的分析结果。     

光纤光栅技术与应用专题讲座(三) 第5讲 光纤光栅网络传感技术的原理与应用

文中介绍了光纤光栅温度、压力、应变的基本原理及几种常用的光纤光栅传感信号解调技术。讲述了光纤光栅网络化传感技术研究进展,对几种常用传感网络进行了详细的描述。综述了光纤光栅传感器的实际应用,并着重讲述了光纤光栅传感器在军事上的应用实例。     

在线学习的主用户仿冒攻击策略

在认知无线网络中,次用户通过频谱感知来学习频谱环境,从而接入那些没有被主用户占用的频谱空隙。事实上,多种恶意攻击的存在会影响次用户频谱感知的可靠性。只有深入研究恶意攻击策略,才能确保认知无线网络的安全。基于此,研究了一种认知无线网络中的欺骗性干扰策略,即主用户仿冒攻击策略,该攻击策略通过在信道上传输伪造的主用户信号来降低次用户频谱感知的性能。具体来说,将攻击策略问题建模为在线学习问题,并提出基于汤普森采样的攻击策略以实现在探索不确定信道和利用高性能信道间的权衡。仿真结果表明,与现有的攻击策略相比,提出的攻击策略能更好地通过在线学习优化攻击决策以适应非平稳的认知无线网络。     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

星载光学遥感成像系统复杂性分析

为研究星载光学遥感成像系统的复杂性,由复杂系统的基本特征与系统研究的基本原则出发,通过对成像全链路流程的分析,确定光学遥感成像系统的复杂性来源及其表现形式。建立星载光学成像的数学模型,以系统重要参数——调制传递函数为基点,通过正过程建模分析和逆过程测量计算相结合的方式,分析了系统复杂性研究的基本原则,即还原论与整体论相结合、定性与定量相结合的过程。由正、逆过程的对比分析,一方面阐述了系统性能与各个环节参数之间的关系,另一方面又由正则化盲反卷积的方式得到图像中真实的调制传递函数。二者相辅相成,既能通过补偿系统复杂性因素影响提升系统性能,又能进一步指导系统优化设计。     

基于压缩传感的PSO-OMP重构算法的研究

由于粒子群算法具有解决寻优问题的能力,将其应用于信号处理领域,提出了一种新的基于PSO-OMP的信号重构算法。为了降低计算复杂度,把粒子群算法运用在正交匹配追踪算法的匹配过程,以此来确定最优原子。实验结果表明,所提出的新的基于PSO-OMP的信号重构算法具有计算复杂度低和重构成功概率高等特点。     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。