海面目标检测是雷达信号处理中的重要内容，在**、民用领域内都有重要应用价值。在海面目标雷达信号处理中，海杂波的存在对检测算法的性能有很大影响，传统的雷达信号处理方法多基于统计理论，对于复杂环境条件和多样的目标特性检测性能下降明显。近年来深度学习技术发展迅速，为可靠的海面目标的检测方法提供了技术支持。本文对近年来目标检测算法、深度学习方法的发展进行总结，从雷达信号数据结构和维度出发，采用深度学习理论，分别提出了基于二维图像、三维视频雷达信号、多维雷达信号多通道融合的智能处理框架，并以导航雷达图像海上目标智能检测为例，提出一种Precise ROI ?Faster R ?CNN 雷达图像检测算法，通过构建的导航雷达数据集训练和测试，相比经典恒虚警检测和Faster R?CNN 检测方法有更高的检测精确度和更好的泛化能力，从而为对海雷达智能导航和目标检测提供了有效的技术途径。
雷达目标检测 雷达图像 海上目标 深度学习 多维处理 radar target detection radar image marine target deep learning multi?dimensional processing 太赫兹科学与电子信息学报
2022, 20(10): 1006
1 中国工程物理研究院 流体物理研究所，四川 绵阳 621900
2 哈尔滨工业大学 电气工程系，哈尔滨 150001
3 哈尔滨工业大学 空间环境与物质科学研究院，哈尔滨 150001
空间环境地面模拟装置是哈尔滨工业大学承建的国家重大科技基础设施项目，其包含的空间等离子体环境模拟与研究系统是用于提供磁重联过程等基本物理过程的时空演化规律研究的平台。在研究地球磁尾三维磁重联时，使用处于真空环境内的偶极磁场线圈和两个磁镜场线圈来提供研究所需的模拟背景磁场，其中偶极场线圈为一个总电感为17.4 mH、总电阻为30.25 mΩ的单个线圈，而磁镜场线圈为两个线圈镜像对称设置并串联连接，总电感30.16 mH，总电阻58.81 mΩ。为了产生实验所需背景磁场的幅值和持续时间，研制并测试了两套总能量3.36 MJ的脉冲电源，在进行地球磁尾三维磁重联实验时两套电源需要同时工作。用于驱动偶极场线圈的脉冲电源按照实验需求可以在充电压不大于20 kV的情况下，能够提供超过9 kA的峰值电流，95%峰值电流的持续时间超过了5 ms，由峰值时刻降低到10%峰值时刻的时间不超过130 ms；用于驱动磁镜场线圈的脉冲电源按照实验需求可以在充电压不大于20 kV的情况下，能够提供超过8 kA峰的值电流，95%峰值电流的持续时间超过了5 ms，由峰值时刻降低到10%峰值时刻的时间不超过130 ms。
地球磁尾 三维磁重联 偶极场线圈 磁镜场线圈 脉冲电源 earth’s magnetotail three-dimensional magnetic reconnection dipole coil magnetic mirror coil pulsed power supply 强激光与粒子束
2022, 34(12): 125003
强激光与粒子束
2022, 34(9): 095015
1 浙江大学 能源清洁利用国家重点实验室，浙江 杭州 310027
2 浙江省能源集团有限公司，浙江 杭州 310007
煤粉细度是燃煤电厂运行过程中的关键参数之一，与锅炉燃烧效率、制粉系统功耗以及设备磨损等问题息息相关。文中对数字全息技术在线监测电厂煤粉细度进行了试验研究。搭建了基于脉冲数字同轴全息的在线测量系统，系统包括取样、测量、收集和数据处理四个主要部分。将测量系统应用于某300 MW机组两根一次风管道内的煤粉细度监测，两根管道内煤粉流来源于不同的两台磨煤机，采用自行开发的重建软件对煤粉全息图进行实时处理并输出煤粉细度结果。对系统收集的经过系统测量后的煤粉样品进行实验室筛分，将筛分结果与现场全息结果进行对比，以验证测量系统的可行性和准确性。结果表明，采用面积分布的全息结果与筛分结果基本一致，平均绝对细度偏差在4%以内。同时诊断出了一台磨煤机煤粉细度与设计值偏离较大，证明所建测量系统用于燃煤电厂煤粉细度的在线监测有较大的应用潜力。
数字全息 煤粉细度 在线监测 颗粒测量 digital holography pulverized coal fineness on-line monitoring particle measurement 红外与激光工程
2021, 50(9): 20200456
1 浙江大学热能工程研究所能源清洁利用国家重点实验室, 浙江 杭州 310027
2 浙江省能源集团有限公司, 浙江 杭州 310007
提出了一种基于结构光多频相移法的相位校正算法。基于相位梯度,建立可靠度判据,将煤块有效测量区域内的相位点分成两类,并依次对其进行校正。实验分析了所提结构光投影算法的适用性,并测量该算法的精度。实验结果表明,所提方法较好地解决了煤块表面形貌测量中无效相位点的问题。
成像系统 相位校正 多频相移 煤块 结构光测量 激光与光电子学进展
2019, 56(4): 041102
1 海军航空大学，山东 烟台 264001
2 中国民航科学技术研究院，北京 100028
雷达动目标检测技术一直是雷达信号处理领域中的关键技术，而传统的雷达动目标检测技术仅适用于匀速运动目标，检测性能有限。针对该问题提出一种基于卷积神经网络(CNN)时频图处理的雷达动目标检测方法，通过从雷达动目标回波中提取多普勒频移信息，然后利用短时傅里叶变换转换为时频图，输入卷积神经网络，进行深度特征学习，进而实现检测和分类的目的。仿真数据验证表明，所提方法能够有效检测和区分匀速、匀变速运动以及微动目标，稳健性高，与传统动目标检测方法相比具有显著优势。
雷达动目标检测 目标分类 深度学习 卷积神经网络 时频图 radar moving target detection target classification deep learning Convolutional Neural Network time-frequency graph 太赫兹科学与电子信息学报
2019, 17(1): 105
数据量的增加及新体制雷达的发展，对雷达探测技术提出了更高的要求。经典检测方法具有其优势，但同时也存在很多局限性，迫切需要创新雷达动目标检测方法以提升复杂背景和有限雷达资源条件下的雷达目标探测性能。该文介绍了稀疏傅里叶变换(SFT)的基本概念，在其基础上对稀疏分数阶傅里叶变换(SFRFT)的实现方法进行了系统描述。然后将SFRFT 算法应用于雷达信号处理中，提出了基于快速高分辨稀疏FRFT 的雷达机动目标检测算法，为雷达动目标探测能力的提高提供了新的思路。
雷达信号处理 机动目标检测 稀疏傅里叶变换 稀疏分数阶傅里叶变换 稀疏时频分析 radar signal processing maneuvering target detection sparse Fourier transform sparse fractional Fourier transform sparse time-frequency analysis
1 海军航空工程学院研究生管理大队,山东 烟台 264001
2 海军航空工程学院信息融合研究所,山东 烟台 264001
3 海军航空工程学院电子信息系,山东 烟台 264001
针对SIFT算法处理遥感图像时存在计算量大、时间代价高的问题, 从极值点检测和相似性度量两个方面对SIFT算法进行优化改进。改进算法首先利用距离检测点越近的像素点对其影响越大的特点, 在极值点检测时选取距离检测点更近、权重更高的14个相邻点来替代SIFT算法中的26个邻域点, 减少极值检测的计算量。其次, 在SIFT特征向量匹配的相似性度量方面利用更简单的曼哈顿距离与切比雪夫距离的线性组合来替代欧氏距离, 减少特征匹配的计算复杂度, 提高匹配效率。最后通过实测遥感数据验证所提方法的有效性。
遥感图像匹配 计算复杂度 匹配效率 remote sensing image matching SIFT SIFT computation complexity matching efficiency
海军航空工程学院信息融合技术研究所，山东 烟台 264001
针对雷达杂波中单帧检测虚警概率高的问题，提出了基于速度模板匹配的扫描间积累杂波抑制方法。该方法首先根据场景中目标运动特征构造不同速度和加速度的运动模板，覆盖所有可能的目标运动轨迹。利用不同的模板去匹配场景中的运动目标，实现目标的二元积累和检测判决，积累过程中根据多普勒信息对CFAR点迹进行辅助判决，进一步剔除雷达杂波虚警对扫描间积累性能的影响。最后,通过实测海杂波数据验证所提方法的有效性。
雷达杂波 虚警概率 速度模板 扫描间积累 海杂波 radar clutter false alarm rate velocity template scan-to-scan accumulation sea clutter
针对海面光学卫星遥感图像舰船检测中云层干扰所产生高虚警率的情况，提出一种基于串并联混合多维特征融合判决的舰船目标检测算法。首先，利用高斯灰度阈值分割目标与海面云层背景，并对分割后的二值图像进行区域标记；然后，利用感兴趣区域的几何形态和边缘能量两类特征，包括中心偏移度、长宽比、面积变化比、曲折度和填充度，构建了串并联混合多维特征融合判决方法；最后，通过对感兴趣区域进行综合鉴别，有效剔除了云层干扰导致的虚警，解决了含云层背景检测结果虚警率高的问题。对多幅SPOT4光学遥感卫星图像的实验结果表明算法的有效性。
光学遥感图像 舰船检测 复杂背景 optical remote sensing image ship detection complex background
