基于测地线距离和正交投影的端元提取算法

端元提取是高光谱遥感图像混合像元分解的关键步骤。传统线性端元提取方法忽略了像元内地物的非线性混合因素,制约了混合像元分解精度的提升。针对高光谱图像数据的非线性结构,提出一种基于测地线距离的正交投影端元提取算法,将测地线距离引入端元单体提取过程,利用正交投影方法逐个提取端元。为了降低测地线距离计算量,在端元提取前先利用自动目标生成方法和无约束最小二乘法对原始高光谱数据进行数据约减。模拟和真实高光谱图像实验表明,该方法能够表征光谱数据中非线性因素,端元提取结果优于传统自动目标生成端元提取方法。     

多尺度特征融合U-Net的遥感影像黑臭水体智能检测

研究采用卫星遥感技术获取高分辨率遥感影像水体样本数据集,基于深度卷积神经网络从高分辨遥感影像中提取水体并进行黑臭水体智能监测,提出了一种改进U-Net的黑臭水体检测网络模型(IWDNet)。基于U-Net结构引入跳跃式多尺度特征融合,结合通道注意力机制、卷积注意力模块、通道与空间注意力机制生成不同多尺度特征融合注意力机制(MFFAM)模块进行对比,并引入空洞卷积扩大网络感受野,最终实现黑臭水体的识别检测。实验证明：基于跳跃式多尺度融合与CBAM注意力机制的黑臭水体检测网络(MFFCBAM-IWNet)模型有效提升了识别精度,在高分辨遥感影像水体样本数据集上表现最佳,总体精度达98.56%,Kappa系数达0.978 4。     

Ka频段高灵敏度检波器研制

介绍了一种高电压灵敏度、低切线灵敏度检波器的设计方法。在建立检波二极管简化物理模型的基础上,进行了检波二极管Ka频段阻抗参数的提取,再根据提取的阻抗参数,通过仿真优化了射频匹配网络,使得检波器能够较好地工作在23～34 GHz。实测表明,在1.2 kHz视频带宽下,当输入功率为-30 dBm时,23～34 GHz范围内电压灵敏度高于6 000 mV/mW,切线灵敏度优于-56 dBm,对应等效噪声功率(Noise Equivalent Power, NEP)估算为11.5～36 pW/Hz^1/2。对比实测与仿真结果较为一致,证明了阻抗参数提取的有效性。     

锁相放大技术提取微弱信号的极限性能仿真与分析

锁相放大技术是一种基于频谱搬移原理,能够从干扰极大环境中提取出特定载波频率信号振幅的技术。该技术以提取信号的高信噪比、高精确度等优点被广泛应用于混杂于背景噪声中的微弱信号幅值的提取。文中利用Simulink仿真研究了锁相放大技术从较强的背景噪声中提取微弱信号的极限性能的特性,采用均值与偏离度判断信噪比的极限范围,并通过改变仿真模块参数,包括积分时间、信号与噪声的功率比与振幅比、噪声类型等,详细分析了提取微弱信号的信噪比极限范围。研究结果显示,对于含均匀高斯噪声的信号,提取微弱信号的信噪比极限为-52.04 dB;对于含白噪声的信号,提取的信噪比极限为-49.03 dB。该研究对使用锁相放大技术对微弱信号的实际测量有很好的理论参考意义,对分析基于锁相放大技术的测量系统的整体信噪比有一定的帮助。     

基于VMD模态分量的高压断路器分合闸线圈电流特征值提取

高压断路器分合闸线圈电流波形中包含着丰富的断路器操动机构和控制回路的状态信息,分析分合闸线圈电流的特性对断路器的状态监测、故障诊断具有重要意义。文中提出一种基于变分模态分解（VMD）模态分量的高压断路器分合闸线圈电流特征值提取方法;通过变分模态分解算法对分合闸线圈电流进行分解,并确定有效反映线圈电流关键信息的模态分量;随后采用削波方式处理模态分量以提取线圈电流波形关键时间点及对应电流特征值。基于断路器实验平台采集的数据样本的实验验证结果表明,该方法能够准确有效地提取分合闸线圈电流关键特征值。     

基于图卷积的视网膜血管轮廓及高不确定度区域细化框架

针对传统卷积神经网络(convolutional neural network, CNN)受感受野大小的限制,无法直接有效地获取空间结构及全局语义等关键信息,导致宽血管边界及毛细血管区域特征提取困难,造成视网膜血管分割表现不佳的问题,提出一种基于图卷积的视网膜血管分割细化框架。该框架通过轮廓提取及不确定分析方法,选取CNN粗分割结果中潜在的误分割区域,并结合其提取的特征信息构造出合适的图数据,送入残差图卷积网络(residual graph convolutional network, Res-GCN)二次分类,得到视网膜血管细化分割结果。该框架可以作为一个即插即用模块接入任意视网膜血管分割网络的末端,具有高移植性和易用性的特点。实验分别选用U型网络(U-neural network, U-Net)及其代表性改进网络DenseU-Net和AttU-Net作为基准网络,在DRIVE、STARE和CHASEDB1数据集上进行测试,本文框架的Sp分别为98.28%、99.10%和99.04%,Pr分别为87.97%、88.87%和90.25%,证明其具有提升基准网络分割效果的细化能力。     

基于无人机的空地信道特性测量系统

随着各种飞行器和通信一体化的发展,对空地信道特性的研究变得愈发重要且迫切。针对空地通信场景,本文研制了一套由无人机发射单元和地面接收单元组成的无人机空地信道测量系统。该系统选取具有平坦功率谱特性和大动态范围的ZC序列作为测量序列,利用硬件实现实时提取信道冲激响应(Channel Impulse Response, CIR),并通过采样偏差恢复、系统响应校正等方式,提高信道测量系统的准确性。实测验证结果表明,本文研制的信道测量系统与信道模拟器模拟结果和射线跟踪(Ray Tracing, RT)仿真结果基本一致。最后,开展了校园场景空地实测活动,分析了该场景路径损耗(Path Loss, PL)、莱斯K因子、均方根时延扩展(Root Mean Square-Delay Spread, RMS-DS)等信道特性。     

基于密度拟合的区域航道挖掘方法

雷达目标跟踪主要利用从回波信号中得到的目标位置、速度等信息,所用的先验信息较少。由于地形、燃料等因素,空中/海面目标通常是会沿着一定航道进行运动,但这一信息通常难以作为先验信息提供给雷达观测,用以辅助雷达跟踪。因此本文提出基于航迹密集程度的区域航道挖掘方法,从航迹数据集提取航道,可为后续相同区域内的目标跟踪提供必要的辅助信息支持。本方法对航迹进行参数拟合,基于参数聚类找到航迹高密集区域并利用最小二乘提取航道;它在无任何先验知识的前提下,仅利用已有航迹数据就可实现对区域内航道快速、准确提取。基于实测数据,通过本方法与其他方法的实验对比,我们验证了本方法提取航迹的有效性和准确性。     

基于BERT和LightGBM的文本关键词提取方法

传统的文本关键词提取方法忽略了上下文语义信息,不能解决一词多义问题,提取效果并不理想。基于LDA和BERT模型,文中提出LDA-BERT-LightG BM(LB-LightG BM)模型。该方法选择LDA主题模型获得每个评论的主题及其词分布,根据阈值筛选出候选关键词,将筛选出来的词和原评论文本拼接在一起输入到BERT模型中,进行词向量训练,得到包含文本主题词向量,从而将文本关键词提取问题通过LightG BM算法转化为二分类问题。通过实验对比了textrank算法、LDA算法、LightG BM算法及文中提出的LB-LightG BM模型对文本关键词提取的准确率P、召回率R以及F1。结果表明,当Top N取3～6时,F1的平均值比最优方法提升3.5%,该方法的抽取效果整体上优于实验中所选取的对比方法,能够更准确地发现文本关键词。     

图像边缘权重优化的最小生成树分割提取

针对无监督图像分割方法对噪声敏感而导致图像建模困难、分割结果准确率低等问题,该文提出一种图像边缘权重优化的最小生成树分割提取方法。首先,利用L0梯度最小值平滑处理噪声再结合Otsu优化Canny边缘检测,得到更加准确的边缘信息;其次,重新设计权重函数,采用更加合理的色差空间构建加权图,通过改进分割准则优化物体合并与区分过程;最后,选择不同类型图片进行抗噪性、分割效果实验。实验结果表明：相对于其他算法,该文算法的抗噪性能优秀,分割精度平均提升5.15%,过分割率平均下降32.07%,欠分割率平均下降2.69%。将其运用在实际航空遥感图像的河道湖泊提取中,所得结果相比其他主流算法结构更加完整,无关信息更少,抗噪性能更好。