检索结果-南通市图书馆

基于无监督图互信息最大化的海面小目标异常检测

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第7期46卷 2712-2720页

作者：许述文何绮茹宏涛西安电子科技大学雷达信号处理国家重点实验室西安710071

受到复杂海洋环境的影响,雷达对海面慢速小目标难以实现高性能检测。对于这类目标,传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题,该文提出了基于互信息最大化框架下的海面小目标检测方法,实现海杂波背景下的无监督... 详细信息

受到复杂海洋环境的影响,雷达对海面慢速小目标难以实现高性能检测。对于这类目标,传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题,该文提出了基于互信息最大化框架下的海面小目标检测方法,实现海杂波背景下的无监督目标异常检测任务。首先,考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设,该文从图的角度重新建模数据,利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来,采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后,使用异常检测算法进行目标检测,并实现虚警可控。经实测数据验证,使用快速凸包学习算法时,相比三特征检测器,所提检测器性能提升了9.2%;相比时频三特征检测器,性能提升了7.9%。当网络输出更高维的表示向量时,使用孤立森林算法的检测器的性能提升了27.4%。

关键词：海杂波目标检测图神经网络无监督学习

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向高光谱异常检测的背景记忆模型

遥感学报 2024年第3期28卷 717-729页

作者：谢卫莹钟佳平李云松西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071

高光谱图像具有丰富的连续光谱信息,覆盖从可见光到红外波长范围内数百个波段。此数据特性使得高光谱数据在图像处理中有挖掘光谱内在特征的独特优势,从而有利于充分利用空间和光谱信息,检测感兴趣区域中的目标。但是由于高光谱数据的... 详细信息

高光谱图像具有丰富的连续光谱信息,覆盖从可见光到红外波长范围内数百个波段。此数据特性使得高光谱数据在图像处理中有挖掘光谱内在特征的独特优势,从而有利于充分利用空间和光谱信息,检测感兴趣区域中的目标。但是由于高光谱数据的高维性、实际场景的复杂性以及有标签样本数量的有限性,高光谱异常检测仍面临背景和异常不易区分和检测精度低的问题。为了解决以上问题,本文提出一种面向高光谱异常检测的背景记忆模型。首先,通过无监督的基于密度估计的粗检方法,获得伪背景和伪异常向量。其次,设计基于异常突出正则项约束的背景记忆生成对抗网络模型,扩大伪背景和伪异常间的距离,并采用弱监督—伪标签的训练方式,使得网络具有较强的背景生成能力,同时弱化其对于异常的重构效果,减少对于背景和异常重构的泛化性,增强输出检测结果中背景和异常的差异和辨别度。此外,在特征域和图像域进行对抗学习,提高样本生成能力,更好地学习到输入样本的分布情况,提高网络对背景的生成能力。最后,使用非线性背景抑制方法减小虚警率,进一步提升检测精度。实验结果表明,本文方法相比其他检测算法在不同数据集上具有更好的检测效果。

关键词：遥感生成对抗网络高光谱异常检测弱监督学习无监督学习

在线全文

学校读者我要写书评

暂无评论

磁子霍尔效应

物理学报 2024年第1期73卷 31-45页

作者：金哲珺雨曾钊卓曹云姗严鹏电子科技大学物理学院电子薄膜与集成器件国家重点实验室成都611731

霍尔效应是凝聚态领域中古老却又极具潜力的研究领域,其起源可以追溯到数百年前.1879年,霍尔发现将载流导体置于磁场中时,磁场带来的洛伦兹力将使得电子在导体的一侧积累,这一新奇的物理现象被命名为霍尔效应.之后,一系列新的霍尔效应... 详细信息

霍尔效应是凝聚态领域中古老却又极具潜力的研究领域,其起源可以追溯到数百年前.1879年,霍尔发现将载流导体置于磁场中时,磁场带来的洛伦兹力将使得电子在导体的一侧积累,这一新奇的物理现象被命名为霍尔效应.之后,一系列新的霍尔效应被发现,包括反常霍尔效应、量子霍尔效应、自旋霍尔效应、拓扑霍尔效应和平面霍尔效应等.值得注意的是,霍尔效应能够实现不同方向的粒子流之间的相互转化,因此在信息传输过程中扮演着重要的角色.在玻色子体系(如磁子)中,相应的一系列磁子霍尔效应也被发现,他们共同推动了以磁子为基础的自旋电子学的发展.本文回顾了近年来在磁子体系中的霍尔效应,简述其现代半经典的处理方法,包括虚拟电磁场理论和散射理论等.并进一步介绍了磁子霍尔效应的物理起源,概述了不同类型磁子的霍尔效应.最后,对磁子霍尔效应的发展趋势进行了展望.

关键词：磁子霍尔效应非线性霍尔效应自旋电子学

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

以用户为中心的双因子认证密钥协商协议

软件学报 2024年第10期35卷 4859-4875页

作者：杨雪刘怡静姜奇王金花李兴华西安电子科技大学网络与信息安全学院保密通信重点实验室

当前基于用户名和口令的认证协议已难以满足日益增长的安全需求.具体而言,用户选择不同口令访问不同在线服务,极大地增加了用户记忆负担;此外,口令认证安全性低,面临许多已知攻击.为了解决此类问题,基于PS (Pointcheval-Sanders)签名提... 详细信息

当前基于用户名和口令的认证协议已难以满足日益增长的安全需求.具体而言,用户选择不同口令访问不同在线服务,极大地增加了用户记忆负担;此外,口令认证安全性低,面临许多已知攻击.为了解决此类问题,基于PS (Pointcheval-Sanders)签名提出一个以用户为中心的双因子认证密钥协商协议UC-2FAKA.首先,为防止认证因子泄露,基于PS签名构造口令和生物特征双因子凭证,并以零知识证明的方式向服务提供商(service provider, SP)验证身份;其次,采用以用户为中心的单点登录(single sign on, SSO)架构,用户可以通过向身份提供商(identity provider, IDP)注册请求身份凭证来向不同的SP登录,避免IDP和SP跟踪或链接用户;再次,采用Diffie-Hellman密钥交换认证SP身份并协商通信密钥,保证后续的通信安全;最后,对所提出协议进行全面的安全性分析和性能对比,结果表明所提出协议能够抵御各种已知攻击,且所提出协议在通信开销和计算开销上表现更优.

关键词：口令认证凭证双因子

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向演化计算的群智协同研究综述

电子与信息学报 2024年第5期46卷 1716-1741页

作者：公茂果罗天实李豪何亚静西安电子科技大学协同智能系统教育部重点实验室西安710071

演化计算为代表的群体智能的迅速发展引发了人工智能领域新一轮技术变革。为满足多样化复杂系统应用需求,人工智能越来越趋向于跨级别的智能化、协同化研究。该文提出面向演化计算的群智协同的概念,根据群智协同层级将人工智能跨级别的... 详细信息

演化计算为代表的群体智能的迅速发展引发了人工智能领域新一轮技术变革。为满足多样化复杂系统应用需求,人工智能越来越趋向于跨级别的智能化、协同化研究。该文提出面向演化计算的群智协同的概念,根据群智协同层级将人工智能跨级别的智能化、协同化研究分为微观协同、中观协同与宏观协同,以群智协同视角对近年来上述分支领域相关研究做出了总结。首先,通过分析决策变量级协同、全局与局部级协同对微观协同进行了阐述。其次,从目标级协同和任务级协同两个维度对中观协同进行了总结。再次,以智能协同系统中存在的空天地海协同、车路云协同和端边云协同对宏观协同展开分析。最后,该文指出了面向演化计算的群智协同领域的研究挑战,并对相关领域发展方向进行了展望。

关键词：协同优化群体智能演化计算

在线全文

学校读者我要写书评

暂无评论

合成孔径雷达快速后向投影算法综述

雷达学报（中英文） 2024年第1期13卷 1-22页

作者：邢孟道马鹏辉楼屹杉孙光才林浩西安电子科技大学雷达信号处理全国重点实验室西安710071 西安电子科技大学前沿交叉研究院西安710071

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算... 详细信息

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算法,包括距离-方位平面坐标系、地平面坐标系和非欧氏坐标系。该文首先简要介绍了原始BP算法的原理和不同坐标系对加速BP算法的影响,并对BP算法的发展历程进行梳理。然后讨论了基于不同成像面坐标系的快速BP算法的研究进展,并重点介绍了作者所在研究团队近年来在快速BP成像方面完成的研究工作。最后介绍了快速BP算法在工程上的应用,并展望了未来快速BP成像算法的研究发展趋势。

关键词：合成孔径雷达快速后向投影算法成像面坐标系运算效率

基于改进遗传算法的SAR多星协同复杂区域观测规划

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第7期28卷 1822-1834页

作者：石鑫邢孟道张金松刘会涛王虹现西安电子科技大学雷达信号处理全国重点实验室西安710071 西安电子科技大学前沿交叉研究院西安710071

遥感卫星大范围区域观测在地图绘制、灾害救援等领域均具有重要作用。SAR遥感卫星具有不受云雾夜间环境影响的特点,研究SAR多星协同区域观测技术具有重要意义。针对当前缺乏SAR多星协同对复杂区域快速观测规划方法的问题,本文首先对大... 详细信息

遥感卫星大范围区域观测在地图绘制、灾害救援等领域均具有重要作用。SAR遥感卫星具有不受云雾夜间环境影响的特点,研究SAR多星协同区域观测技术具有重要意义。针对当前缺乏SAR多星协同对复杂区域快速观测规划方法的问题,本文首先对大范围复杂区域覆盖率计算进行分析,提出了结合高斯投影、网格划分与几何运算的复杂区域覆盖率计算方法;然后对SAR条带成像模式进行覆盖分析,提出了结合角度限制和两维分解的候选区域分解方法;最后提出了结合贪婪算法初始化、精英保留策略和3次适应度函数的改进遗传算法用于区域覆盖率优化。本文选取4颗在轨SAR卫星和3个区域目标进行仿真实验,实验结果证明本文方法在北京市、天津市、上海市3个区域都能够实现优异的区域覆盖率优化,相比贪婪算法,本文方法在上述3个区域的覆盖率分别提升3.17%、2.94%、9.02%。该算法可为SAR多星协同区域观测系统的建立提供技术基础。

关键词：遥感星载SAR 多星协同区域观测覆盖计算区域分解遗传算法

在线全文

学校读者我要写书评

暂无评论

基于涡旋电磁波新体制的雷达前视三维成像

雷达学报（中英文） 2024年第5期13卷 1109-1122页

作者：潘浩然马晖胡敦法刘宏伟西安电子科技大学雷达信号处理全国重点实验室西安710071

涡旋电磁波具有独特的波前相位调制特性,其作为一种新的雷达发射端分集模式,可实现目标雷达截面积(RCS)分集、提升信号与信息处理维度和性能,其探测与成像性能在多种雷达体制中得到了验证。该文针对前视雷达成像的应用背景,基于均匀圆... 详细信息

涡旋电磁波具有独特的波前相位调制特性,其作为一种新的雷达发射端分集模式,可实现目标雷达截面积(RCS)分集、提升信号与信息处理维度和性能,其探测与成像性能在多种雷达体制中得到了验证。该文针对前视雷达成像的应用背景,基于均匀圆阵发射与圆阵中心单天线接收的收发体制,在建立了电磁涡旋前视雷达信号模型与成像模型的基础上,提出了一种分时多模态扫描的成像方法,利用多模态涡旋电磁波在不同俯仰角的幅度差异性和在不同方位角的相位差异性,以及雷达与目标相对运动产生的多普勒效应,提出了改进的后向投影-距离多普勒算法,实现了目标三维成像。由于涡旋电磁波的能量发散特点,随着俯仰角增大,高模态方向图增益急剧下降,该文所提方法通过对多个模态在空域能量分布的有效利用,在较大视场角下具有较高的稳定性。基于点目标成像结果,验证了在多模态涡旋波覆盖的较大视场范围内,目标成像结果的归一化等效增益在低俯仰角与高俯仰角处基本相当。所提方法通过对飞机目标的实验验证,根据成像结果可较为准确地重构目标的三维结构。

关键词：涡旋电磁波雷达前视三维成像分时多模态后向投影算法距离多普勒

同方期刊数据库

基于属性散射中心卷积核调制的SAR目标识别深层网络

在线全文

学校读者我要写书评

暂无评论

雷达学报（中英文） 2024年第2期13卷 443-456页

作者：李毅杜兰周可儿杜宇昂西安电子科技大学雷达信号处理全国重点实验室西安710071

卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对... 详细信息

卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对训练样本的需求,但同时也会降低CNN的特征表达能力,影响其目标识别性能。针对此问题,该文提出一种基于属性散射中心(ASC)卷积核调制的SAR目标识别深层网络。由于SAR图像具有电磁散射特性,为了提取更符合SAR目标特性的散射结构和边缘特征,所提网络使用预先设定的具有不同指向和长度的ASC核对少量CNN卷积核进行调制以生成更多卷积核,从而在降低网络参数量的同时保证其特征提取能力。此外,该网络在浅层使用ASC调制卷积核来提取更符合SAR图像特性的散射结构和边缘特征,而在高层使用CNN卷积核来提取SAR图像的语义特征。由于同时使用ASC调制卷积核和CNN卷积核,该网络能够兼顾SAR目标的电磁散射特性和CNN的特征提取优势。使用实测SAR图像进行的实验证明了所提网络可以在降低对训练样本需求的同时保证优秀的SAR目标识别性能。

关键词：合成孔径雷达(SAR) 目标识别卷积神经网络(CNN) 属性散射中心(ASC) 卷积核调制