检索结果-维普期刊中文期刊服务平台

基于多域特征融合的雷达辐射源个体识别方法: 1; 作者毛秀华樊昀 +1 位作者郑瑾王强《现代电子技术》北大核心 2025年第17期21-28,共8页; 针对当前常用的基于信号时频域的雷达辐射源个体识别方法无法完整表征雷达个体特征,难以满足复杂电磁信号环境以及不同雷达工作模式的雷达个体识别需求问题,在信号时频分布特征基础上,通过分析计算信号的时域、频域、变换域等不同域特征... 展开更多; 关键词信号细微特征时频分布最大相关最小冗余注意力机制双输入神经网络个体识别; 在线阅读下载PDF 职称材料

基于多物理场耦合的空中目标红外探测多参数联合寻优方法: 2; 作者丁翔乔凯《红外与毫米波学报》北大核心 2025年第3期445-451,共7页; 弱小目标高灵敏度探测是天基红外感知的重要发展方向,而以目标背景辐射特性为驱动的红外探测系统指标体系设计方法是主要突破点之一。以民航飞机为典型的空中目标活跃于对流层上部及平流层底部,在复杂地球背景杂波和大气衰减效应作用下... 展开更多; 关键词空中目标红外探测系统多参数联合寻优探测灵敏度谱段优化; 在线阅读下载PDF 职称材料

零记忆增量学习的复合有源干扰识别: 3; 作者吴振华崔金鑫 +3 位作者曹宜策张强张磊杨利霞《电子与信息学报》北大核心 2025年第1期188-200,共13页; 非完备、高动态有源干扰对抗作战环境下,现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型,在面对库外类型多样、参数多变、组合方式多元的复合干扰时,模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题,该文提出... 展开更多; 关键词雷达有源干扰零记忆增量学习非均衡直推式信息最大化复合干扰识别; 在线阅读下载PDF 职称材料

SAR目标识别对抗攻击综述:从数字域迈向物理域: 4; 作者阮航崔家豪 +4 位作者毛秀华任建迎罗镔延曹航李海峰《雷达学报（中英文）》 EI CSCD 北大核心 2024年第6期1298-1326,共29页; 基于深度神经网络的合成孔径雷达(SAR)图像目标识别已成为SAR应用领域的研究热点和前沿方向。然而,有研究指出深度神经网络模型易受到对抗样本攻击。对抗样本定义为在数据集内故意引入微小扰动所产生的输入样本,这种扰动足以使模型高信... 展开更多; 关键词对抗样本合成孔径雷达(SAR) SAR目标识别物理域对抗攻击深度神经网络(DNN); 在线阅读下载PDF 职称材料

多任务协同的多模态遥感目标分割算法被引量：4: 5; 作者毛秀华张强 +1 位作者阮航杨雨昂《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3363-3371,共9页; 利用语义分割技术提取的高分辨率遥感影像目标分割具有重要的应用前景。随着多传感器技术的飞速发展,多模态遥感影像间良好的优势互补性受到广泛关注,对其联合分析成为研究热点。该文同时分析光学遥感影像和高程数据,并针对现实场景中... 展开更多; 关键词语义分割遥感影像多模态深度学习高程估计; 在线阅读下载PDF 职称材料

多域浅层特征引导下雷达有源干扰多模态对比识别方法: 6; 作者郭文杰吴振华 +3 位作者曹宜策张强张磊杨利霞《雷达学报（中英文）》 EI CSCD 北大核心 2024年第5期1004-1018,共15页; 在雷达有源干扰识别任务中,如何实现多域浅层特征与时频域深层网络特征的稳健联合,并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题。针对此问题,该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法。在充分提... 展开更多; 关键词雷达有源干扰识别极端小样本多域浅层干扰特征多模态监督对比学习; 在线阅读下载PDF 职称材料

题名基于多域特征融合的雷达辐射源个体识别方法: 1; 作者毛秀华樊昀郑瑾王强; 机构北京跟踪与通信技术研究所天基综合信息系统全国重点实验室; 出处《现代电子技术》北大核心 2025年第17期21-28,共8页; 文摘针对当前常用的基于信号时频域的雷达辐射源个体识别方法无法完整表征雷达个体特征,难以满足复杂电磁信号环境以及不同雷达工作模式的雷达个体识别需求问题,在信号时频分布特征基础上,通过分析计算信号的时域、频域、变换域等不同域特征,综合构建了雷达辐射源多域特征库,提出最大相关最小冗余多域特征优选方法,创新设计了基于多域特征融合的双路输入神经网络识别模型,并使用注意力机制自适应地关注不同信号环境下雷达重点特征权重,解决仅使用时频域进行时频分布识别率较低的问题。通过实侦实验分析对比,验证了该方法可以较好地适应同时多信号应用场景,个体识别准确率提升了12%以上。; 关键词信号细微特征时频分布最大相关最小冗余注意力机制双输入神经网络个体识别; Keywords subtle feature of signal time-frequency distribution MRMR attention mechanism dual-input neural network individual recognition; 分类号 TN957.51-34 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于多物理场耦合的空中目标红外探测多参数联合寻优方法: 2; 作者丁翔乔凯; 机构北京跟踪与通信技术研究所天基综合信息系统全国重点实验室; 出处《红外与毫米波学报》北大核心 2025年第3期445-451,共7页; 文摘弱小目标高灵敏度探测是天基红外感知的重要发展方向,而以目标背景辐射特性为驱动的红外探测系统指标体系设计方法是主要突破点之一。以民航飞机为典型的空中目标活跃于对流层上部及平流层底部,在复杂地球背景杂波和大气衰减效应作用下,表现出暗弱多变的辐射特性,对天基红外探测效能提出了极大的挑战。针对这一问题,本文提出了一种基于多物理效应耦合的空中目标红外探测系统多参数联合寻优方法。首先,基于目标、背景的光谱辐射特性以及目标-天基探测平台的光谱大气透过率变化特征完成对天空中目标探测谱段的初步优选,并提出了探测灵敏度需求。然后,建立了以目标运动速度限、地球背景限、探测灵敏度为三大边界的系统参数寻优方法,实现了空中目标红外探测指标体系的建立。; 关键词空中目标红外探测系统多参数联合寻优探测灵敏度谱段优化; Keywords airborne targets infrared detection system multi-parameter joint optimization infrared detection sensitivity detecting spectral optimization; 分类号 TP702 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名零记忆增量学习的复合有源干扰识别: 3; 作者吴振华崔金鑫曹宜策张强张磊杨利霞; 机构安徽大学信息材料与智能感知安徽省实验室中国电子科技集团公司第三十八研究所天基综合信息系统全国重点实验室中山大学电子与通信工程学院; 出处《电子与信息学报》北大核心 2025年第1期188-200,共13页; 基金国家自然科学基金(62201007,62401007) 中国博士后科学基金(2020M681992) 安徽省自然科学基金(2308085QF199)。; 文摘非完备、高动态有源干扰对抗作战环境下,现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型,在面对库外类型多样、参数多变、组合方式多元的复合干扰时,模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题,该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先,利用元学习训练模式对库内单一干扰进行原型学习,训练出高效的特征提取器,使其具备对库外复合干扰特征有效提取能力。进而,基于超维空间和余弦相似度计算,构建零记忆增量学习网络(ZMILN),将复合干扰原型向量映射到超维空间并存储,从而实现识别模型动态更新。此外,为解决样本数非均衡下复合干扰识别问题,设计直推式信息最大化(TIM)测试模块,通过在互信息损失函数中加入散度约束,对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明,该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后,平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取,实现对多种组合条件下库外复合干扰的快速动态识别。; 关键词雷达有源干扰零记忆增量学习非均衡直推式信息最大化复合干扰识别; Keywords Radar active jamming Zero-memory incremental learning Imbalance Transductive Information Maximization(TIM) Compound jamming recognition; 分类号 TN974 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名SAR目标识别对抗攻击综述:从数字域迈向物理域: 4; 作者阮航崔家豪毛秀华任建迎罗镔延曹航李海峰; 机构北京跟踪与通信技术研究所中南大学地球科学与信息物理学院天基综合信息系统全国重点实验室; 出处《雷达学报（中英文）》 EI CSCD 北大核心 2024年第6期1298-1326,共29页; 基金国家自然科学基金(42171458,42271481)。; 文摘基于深度神经网络的合成孔径雷达(SAR)图像目标识别已成为SAR应用领域的研究热点和前沿方向。然而,有研究指出深度神经网络模型易受到对抗样本攻击。对抗样本定义为在数据集内故意引入微小扰动所产生的输入样本,这种扰动足以使模型高信度地产生错误判断。现有SAR对抗样本生成技术本质上仅作用于二维图像,即为数字域对抗样本。尽管近期有部分研究开始将SAR成像散射机理考虑用于对抗样本生成,但是仍然存在两个重要缺陷,一是仅在SAR图像上考虑成像散射机理,而没有将其置于SAR实际成像过程中进行考虑;二是在机制上无法实现三维物理域的攻击,即只实现了伪物理域对抗攻击。该文对SAR智能识别对抗攻击的技术现状和发展趋势进行了研究。首先,详细梳理了传统SAR图像对抗样本技术的发展脉络,并对各类技术的特点进行了对比分析,总结了现有技术存在的不足;其次,从SAR成像原理和实际过程出发,提出了物理域对抗攻击技术,通过调整目标物体的后向散射特性,或通过发射振幅和相位精细可调的干扰信号来实现对SAR智能识别算法对抗攻击的新思路,并展望了SAR对抗攻击在物理域下的具体实现方式;最后,进一步讨论了未来SAR智能对抗攻击技术的发展方向。; 关键词对抗样本合成孔径雷达(SAR) SAR目标识别物理域对抗攻击深度神经网络(DNN); Keywords Adversarial example Synthetic Aperture Radar(SAR) SAR target recognition Physical domain adversarial attack Deep Neural Networks(DNN); 分类号 TN95 [电子电信—信号与信息处理] TP753 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名多任务协同的多模态遥感目标分割算法被引量：4: 5; 作者毛秀华张强阮航杨雨昂; 机构北京跟踪与通信技术研究所天基综合信息系统全国重点实验室; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3363-3371,共9页; 文摘利用语义分割技术提取的高分辨率遥感影像目标分割具有重要的应用前景。随着多传感器技术的飞速发展,多模态遥感影像间良好的优势互补性受到广泛关注,对其联合分析成为研究热点。该文同时分析光学遥感影像和高程数据,并针对现实场景中完全配准的高程数据不足导致两类数据融合分类精度不足的问题,提出一种基于多模态遥感数据的多任务协同模型(UR-PSPNet),该模型提取光学图像的深层特征,预测语义标签和高程值,并将高程数据作为监督信息嵌入,以提升目标分割的准确性。该文设计了基于ISPRS的对比实验,证明了该算法可以更好地融合多模态数据特征,提升了光学遥感影像目标分割的精度。; 关键词语义分割遥感影像多模态深度学习高程估计; Keywords Semantic segmentation Remote sensing images Multi-modal data Deep learning Elevation estimation; 分类号 TN911.73 [电子电信—通信与信息系统] TP751 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名多域浅层特征引导下雷达有源干扰多模态对比识别方法: 6; 作者郭文杰吴振华曹宜策张强张磊杨利霞; 机构安徽大学电子信息工程学院中国电子科技集团公司第三十八研究所天基综合信息系统全国重点实验室中山大学电子与通信工程学院; 出处《雷达学报（中英文）》 EI CSCD 北大核心 2024年第5期1004-1018,共15页; 基金国家自然科学基金(62201007,62401007) 中国博士后科学基金(2020M681992) 安徽省自然科学基金(2308085QF199)。; 文摘在雷达有源干扰识别任务中,如何实现多域浅层特征与时频域深层网络特征的稳健联合,并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题。针对此问题,该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法。在充分提取有源干扰多域浅层特征基础上,设计优选单元自动选择有效特征,生成对应含有隐式专家知识的文本模态。将文本模态与时频变换图像分别输入文本和图像编码器,构建多模态特征对并映射至模态对齐高维空间中,利用文本特征作为锚点,通过对比学习引导同类干扰的时频图像特征聚合,以优化图像编码器表征能力,实现干扰识别特征类内更聚集、类间更分离。实验结果表明,相较于已有深浅特征直接联合,所提引导式联合方法可以实现特征差异处理,从而提高识别特征判别力和泛化力。且在极端小样本条件(每类干扰训练样本为2~3个)下,所提识别方法较先进对比方法的准确率提升9.84%,证明了该文方法的有效性与鲁棒性。; 关键词雷达有源干扰识别极端小样本多域浅层干扰特征多模态监督对比学习; Keywords Radar active jamming recognition Extreme small samples Multidomain jamming characteristics Multimodal Supervised contrastive learning; 分类号 TN958 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多域特征融合的雷达辐射源个体识别方法	毛秀华樊昀郑瑾王强	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于多物理场耦合的空中目标红外探测多参数联合寻优方法	丁翔乔凯	《红外与毫米波学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	零记忆增量学习的复合有源干扰识别	吴振华崔金鑫曹宜策张强张磊杨利霞	《电子与信息学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	SAR目标识别对抗攻击综述:从数字域迈向物理域	阮航崔家豪毛秀华任建迎罗镔延曹航李海峰	《雷达学报（中英文）》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	多任务协同的多模态遥感目标分割算法	毛秀华张强阮航杨雨昂	《电子与信息学报》 EI CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
6	多域浅层特征引导下雷达有源干扰多模态对比识别方法	郭文杰吴振华曹宜策张强张磊杨利霞	《雷达学报（中英文）》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料