光电对抗仿真系统研究

介绍了光电对抗在信息化战争中的地位与作用,阐述了光电对抗仿真系统研究的必要性,针对国内外光电对抗仿真的研究现状,给出了光电对抗仿真系统的总体框架,研究了光电对抗仿真需解决的关键技术和需要完成的主要工作,最后对我国光电对抗仿真系统的研究进行了总结。     

生成模型在蛋白质序列设计中的应用

蛋白质是一切生命体的物质基础,是生命活动的主要承担者,参与各种生理功能的调节.设计具有特定功能的蛋白质在蛋白质工程、生物医药、材料科学等领域具有重要意义.蛋白质序列设计的目标是设计能够折叠成期望结构并具有相应功能的氨基酸序列,是所有理性蛋白质工程的核心问题,具有极其重要的研究和应用潜力.随着蛋白质序列数据的指数型增长和...     

红外警戒与红外对抗系统述评

讨论红外警戒及红外对抗系统的现状，介绍几种典型的红外警戒与红外对抗系统，对红外警戒与红外对抗系统今后的发展趋势作了展望。     

基于声发射和GAN-CNN的铝合金管道法兰 连接松动泄漏检测*

面向管道法兰连接松动引起的泄漏检测需求,为解决数据样本不足和减少特征指标手动选取的繁琐环节。本文,考虑到生成性对抗网络（GAN）作为数据扩充工具,已被证明能够生成与真实数据相似的样本数据。同时,卷积神经网络（CNN）作为一种深度学习方法,为自动提取数据的特征提供了一种有效的方法。开展了基于GAN和CNN的铝合金管道法兰连接松动泄漏检测研究。首先,搭建管道泄漏标定和数据采集实验台,利用声发射技术获取不同等级的原始泄漏信号。其次,采用GAN生成样本数据扩充原始数据。同时,为了评估生成模型的性能,引入统计特评估生成质量。最后,将生成的样本数据与原始数据设置为不同训练集,基于卷积神经网络构建智能分类检测模型,应用于管道泄漏检测。同时,分类检测结果与小样本智能分类方法SVM进行了比较,实验结果表明,基于GAN和CNN构建的智能分类模型可显著提高管道法兰连接松动泄漏检测精度。     

基于循环生成对抗网络的大视场显微成像方法

提出了一种利用循环生成对抗网络实现由大视场、低分辨率染色图像生成与之相匹配的高分辨率虚拟染色图像的方法,在完成了对细胞虚拟染色的同时,解决了传统光学显微镜的大视场与高分辨率两个目标无法同时满足的问题。首先,进行了理论验证,通过对选定图像的分辨率分级缩放模拟实际分辨率变化,训练对应的算法模型并与真实图像相比较,结果在主观与客观上均符合设想预期。在完成理论验证的基础上,分别进行了由10倍、4倍低分辨率真实染色图像生成25倍高分辨率虚拟染色图像的实验。通过主观视觉与客观评价指标进行评价,得到结构相似性、峰值信噪比和归一化均方根误差三个指标的具体数据。结果显示,通过循环生成对抗网络生成的虚拟染色图像与真实染色图像间的相似度较高,虚拟生成效果很好。     

基于DCGANs的半片光伏组件电致发光图像增强技术

针对半片光伏组件电致发光（electroluminescence,EL）缺陷自动识别过程中训练用样本不足导致模型过拟合的问题,采用深度卷积生成对抗网络（deep convolutional generative adversarial networks,DCGANs）生成可控制属性的半片光伏组件EL图像,再采用多尺度结构相似性（multiscale structural similarity,MS-SSIM）指标对生成的EL图像与拍摄的EL图像之间的相似程度进行了评估。评估结果得到,使用DCGANs生成的所有类型半片光伏组件的EL图像与拍摄的EL图像的MS-SSIM指标都大于0.55,大部分的MS-SSIM值在0.7附近。在分类模型的训练过程中,测试集准确率随着训练集中生成图像数量的增加而升高,当生成图像数量达到6 000张时,测试集准确率达到97.92%。实验结果表明,采用DCGANs能够生成高质量且可控制属性的半片光伏组件EL图像,较好地解决因缺少训练样本而导致的模型过拟合问题。     

基于双尺度4分离层优化的石墨烯太赫兹宽带吸波结构

为实现对未来远程太赫兹雷达的高效对抗与隐身,针对典型太赫兹雷达工作频率设计了一种石墨烯太赫兹宽带吸波结构。宽带吸波结构以表层金属层/石墨烯层/介质层/底层金属层为基本吸波结构单元,利用遗传算法对双尺度基本吸波结构单元进行4分离层优化设计,确定宽带吸波结构的各层结构参数。仿真结果表明:宽带吸波结构在0.138 THz～2 THz频率范围内吸收效率优于80%,在0.157 THz～2 THz频率范围内吸收效率优于97.46%,典型太赫兹雷达工作频率处吸收效率均优于92.27%,满足太赫兹雷达对抗与隐身要求。     

博弈论在通信对抗态势预测中的应用

本文首先提出了基于博弈论预测电磁态势演变的基本构想,设置了通信对抗的场景并构建了相应的数学模型.其次,分析了通信对抗电磁态势生成流程,最后结合一定的作战背景进行了仿真实验,基于双方博弈的原则预测了通信对抗态势的演变.仿真结果与理论分析相符,该研究成果已在多个作战仿真系统中得到了成功应用.     

近地背景下的机载红外探测系统弱小目标检测

机载红外探测系统在近地背景下检测目标时,地面将对弱小目标产生严重的干扰,导致传统检测方法对弱小目标的检测性能下降。针对该问题,利用生成对抗网络提出一种近地背景下的机载红外探测系统弱小目标检测方法。将深度自编码器作为生成对抗网络的网络框架,引入inception机制对视觉信息进行多尺度特征提取,并引入残差块来缓解梯度消失问题。在神经网络的对抗训练中,生成器考虑了移动损失与对抗损失两个损失函数,提高了生成器的训练效果。最终,在公开的无人机机载红外探测数据集上完成了实验,结果表明所提方法能在近地背景下成功检测出红外弱小目标,且检测的平均精度与速率均优于其它对比方法。     

基于DCGAN的拉曼光谱样本扩充及应用研究

拉曼光谱检测方法依赖于化学计量学算法,深度学习是当下最炙手可热的方向,可应用于拉曼光谱进行建模.但是深度学习需要大样本进行训练,而拉曼光谱采集受制于器材和人力成本,获取大批量的样本需要更大成本,且易受荧光等因素干扰,这些问题都制约了将深度学习应用于拉曼光谱.针对以上问题,通过引入深度卷积生成对抗网络(DCGAN)提取拉...