针对深度学习模型易出现灾难性遗忘的关键难点,提出了一种基于原型对比的合成孔径雷达(synthetic aperture radar,SAR)图像增量小样本目标检测算法-InFSAR(prototype contrast based incremental few-shot SAR object detection)。首先...针对深度学习模型易出现灾难性遗忘的关键难点,提出了一种基于原型对比的合成孔径雷达(synthetic aperture radar,SAR)图像增量小样本目标检测算法-InFSAR(prototype contrast based incremental few-shot SAR object detection)。首先,采用基础数据集对检测器进行预训练,以构建初步的特征提取能力;其次,设计一种类原型表征生成模块,以构建一组能够代表数据内在特征的类原型。在增量学习阶段,设计一种混合类原型对比编码模块,以有效学习新类别与基础类别之间的区分性特征。此外,为缓解灾难性遗忘问题,引入类原型校准策略,使模型在类原型上的预测分布逐步逼近真实分布,从而保持对基础类别识别的稳定性。在小样本目标检测数据集SRSDD-v1.0上的实验结果表明,在5-shot设置下,InFSAR对船舶细粒度目标的检测精度达到46.5%。同时,该方法能够在无需访问基础类训练数据的情况下,实现对少量标注新类别的增量检测与识别。展开更多
随着数字化技术和雷达系统的发展,针对合成孔径雷达(Synthetic Aperture Radar,SAR)的干扰对抗技术不断进步,尤其是基于数字射频存储技术(Digital Radio Frequency Memory,DRFM)产生的有源欺骗干扰为SAR成像系统带来了前所未有的考验。...随着数字化技术和雷达系统的发展,针对合成孔径雷达(Synthetic Aperture Radar,SAR)的干扰对抗技术不断进步,尤其是基于数字射频存储技术(Digital Radio Frequency Memory,DRFM)产生的有源欺骗干扰为SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰方法研究,本文基于相位编码波形与带有循环前缀的正交频分复用(Cyclic Prefix Orthogonal Frequency Division Multiplexing,CP-OFDM)波形进行正交波形设计,提出了相位编码CP-OFDM正交波形。基于CP-OFDM波形的循环前缀(Cyclic Prefix,CP)特征,引入基于线性模型的脉冲压缩方法对相位编码CP-OFDM正交波形的SAR成像回波进行距离向处理,能够实现无旁瓣干扰的自相关脉冲压缩。通过对相位编码CP-OFDM波形的时域相位进行编码优化设计,可以实现不同相位编码CP-OFDM波形之间良好的互相关性能。基于线性模型脉冲压缩方法改善了一种p范数多波形加权循环(p-norm Weighted Cyclic Algorithm,p-WeCAN)波形优化算法,采用该算法对相位编码CP-OFDM波形集的相位编码序列进行优化设计,优化后波形的互相关脉冲压缩结果的峰值水平(Peak Sidelobe Level,PSL)相比于随机相位编码CP-OFDM波形的互相关PSL改善了2 dB左右。CP特性赋予了相位编码CP-OFDM波形良好的自相关脉冲压缩结果,相位编码优化设计提供了良好的互相关脉冲压缩结果,采用该正交波形集进行SAR成像,能够实现对欺骗干扰的抑制。进行了点目标、面目标和基于GF-3回波数据反演的半实测数据的抗欺骗干扰SAR成像仿真,与基于线性调频(Linear Frequency Modulation,LFM)波形的欺骗干扰条件下的成像结果进行对比,验证了相位编码CP-OFDM对欺骗干扰的抑制能力。展开更多
文摘针对深度学习模型易出现灾难性遗忘的关键难点,提出了一种基于原型对比的合成孔径雷达(synthetic aperture radar,SAR)图像增量小样本目标检测算法-InFSAR(prototype contrast based incremental few-shot SAR object detection)。首先,采用基础数据集对检测器进行预训练,以构建初步的特征提取能力;其次,设计一种类原型表征生成模块,以构建一组能够代表数据内在特征的类原型。在增量学习阶段,设计一种混合类原型对比编码模块,以有效学习新类别与基础类别之间的区分性特征。此外,为缓解灾难性遗忘问题,引入类原型校准策略,使模型在类原型上的预测分布逐步逼近真实分布,从而保持对基础类别识别的稳定性。在小样本目标检测数据集SRSDD-v1.0上的实验结果表明,在5-shot设置下,InFSAR对船舶细粒度目标的检测精度达到46.5%。同时,该方法能够在无需访问基础类训练数据的情况下,实现对少量标注新类别的增量检测与识别。
文摘随着数字化技术和雷达系统的发展,针对合成孔径雷达(Synthetic Aperture Radar,SAR)的干扰对抗技术不断进步,尤其是基于数字射频存储技术(Digital Radio Frequency Memory,DRFM)产生的有源欺骗干扰为SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰方法研究,本文基于相位编码波形与带有循环前缀的正交频分复用(Cyclic Prefix Orthogonal Frequency Division Multiplexing,CP-OFDM)波形进行正交波形设计,提出了相位编码CP-OFDM正交波形。基于CP-OFDM波形的循环前缀(Cyclic Prefix,CP)特征,引入基于线性模型的脉冲压缩方法对相位编码CP-OFDM正交波形的SAR成像回波进行距离向处理,能够实现无旁瓣干扰的自相关脉冲压缩。通过对相位编码CP-OFDM波形的时域相位进行编码优化设计,可以实现不同相位编码CP-OFDM波形之间良好的互相关性能。基于线性模型脉冲压缩方法改善了一种p范数多波形加权循环(p-norm Weighted Cyclic Algorithm,p-WeCAN)波形优化算法,采用该算法对相位编码CP-OFDM波形集的相位编码序列进行优化设计,优化后波形的互相关脉冲压缩结果的峰值水平(Peak Sidelobe Level,PSL)相比于随机相位编码CP-OFDM波形的互相关PSL改善了2 dB左右。CP特性赋予了相位编码CP-OFDM波形良好的自相关脉冲压缩结果,相位编码优化设计提供了良好的互相关脉冲压缩结果,采用该正交波形集进行SAR成像,能够实现对欺骗干扰的抑制。进行了点目标、面目标和基于GF-3回波数据反演的半实测数据的抗欺骗干扰SAR成像仿真,与基于线性调频(Linear Frequency Modulation,LFM)波形的欺骗干扰条件下的成像结果进行对比,验证了相位编码CP-OFDM对欺骗干扰的抑制能力。
