从空间目标的观测图像中自动感知其类别及工作状态对****及空间探测等具有重要意义。为实现对空间目标图像信息的自动化精确感知,提出了一种数据驱动的空间目标图像信息感知技术。所提技术以深度卷积神经网络为基础,利用海量的模拟数据和少量的真实数据训练神经网络,训练后的神经网络能够直接从空间目标图像中感知空间目标的载荷及工作状态等信息。以两个空间目标图像信息感知任务为例,对技术实用性进行了测试。在空间目标载荷识别任务中,所提技术可以对不同模糊程度及不同噪声水平条件下的未知空间目标图像进行载荷识别。结果表明,对于不同的空间目标载荷,所提技术的平均识别准确率超过80%,检测速度可达50 frame/s。在空间目标状态感知任务中,采用模型组合方法搭建了空间目标工作状态感知专家系统。根据空间目标图像,实现了对空间目标工作状态信息的感知,验证了数据驱动的空间目标图像信息感知技术的有效性。

复杂海情背景下的小目标探测是海面搜索、监视系列雷达的一项关键技术，传统雷达很难保证在较低的虚警概率下，可靠地检测海面小目标。基于复杂海情下海杂波散射功率特性分析，结合高分辨力波形设计、天线快速扫描技术与海面小目标检测技术等雷达系统设计给出了在复杂海情背景下提高小目标检测性能的技术途径，在较低虚警概率下，保证有效、可靠地检测出复杂海情下的海面小目标。