西安工业大学光电工程学院，陕西 西安 710021
针对太赫兹频率选择表面（FSS）单元结构复杂、参数繁多、优化耗时等问题，基于卷积神经网络（CNN）并结合遗传算法，提出一种FSS智能化融合设计方法，并将其应用于典型滤波FSS的性能优化设计。将FSS周期单元拓扑编码为16×16的“0/1”旋转对称序列，收集26000组0.5~3 THz的透反射光谱作为数据集，利用19层CNN实现光谱预测，对测试集的平均绝对误差低至0.06。利用预测光谱与目标光谱的差值，给出各类典型FSS设计的通用目标函数，结合遗传算法，设计实现了带宽为0.1 THz的单频带通和带阻FSS、带宽为0.5 THz的单频带通和带阻FSS、带宽为0.2 THz的双频带通FSS，且均具有良好极化稳定性。计算结果表明，通过优化设计FSS的拓扑编码，可以简洁高效地实现各类典型带通带阻FSS。
频率选择表面 拓扑编码 卷积神经网络 遗传算法 激光与光电子学进展
2024, 61(4): 0424001
西安工业大学光电工程学院，陕西 西安 710021
为了表征伪装涂层表面的辐射偏振特性，以Priest Germer（P‐G）模型为基础，针对镜面反射和漫反射，建立一种基于几何衰减效应的二分量偏振双向反射分布函数（pBRDF）模型，引入镜面反射系数和漫反射系数，推导出红外辐射线偏振度模型，并对此模型进行校验，结果与实验数据吻合较好。数值分析涂层表面粗糙度、几何衰减效应及漫反射效应对红外线偏振度的影响，结果表明，涂层表面粗糙度越大，由粗糙度引起的遮蔽阴影效应越明显，对应涂层的红外线偏振度越小，且目标涂层的环境辐射与其红外线偏振度呈负相关。上述结果为实现**伪装和反伪装、目标识别等提供了理论支撑和技术支持。
激光光学 红外偏振 几何衰减效应 漫反射效应 偏振双向反射分布函数 伪装涂层 中国激光
2023, 50(13): 1304007
深度学习算法应用于SAR图像分类领域时存在模型训练时间较长且精度不够高等问题。对此, 提出一种基于混合注意力机制的卷积神经网络模型, 该模型基本模块分为主干分支和软分支。主干分支由残差收缩网络和改良之后的通道注意力机制组成, 负责提取主要特征; 软分支将下采样和上采样相结合, 负责提取混合注意力权重, 增强从输入到输出的映射能力。该模型在MSTAR数据集上取得了99.6%的识别率, 且训练时间较短。噪声分析显示:该模型对椒盐噪声具有较强的鲁棒性。
SAR图像 深度学习 卷积神经网络 残差收缩网络 注意力机制 SAR image deep learning convolutional neural network residual shrinkage network attention mechanism
1 北京跟踪与通信技术研究所， 北京 100094
2 北京邮电大学 电子工程学院， 北京 100083
3 西安空间无线电技术研究所， 西安 710199
4 西安工业大学 光电工程学院， 陕西 西安 710021
激光星间链路主要用于卫星之间高速数传，是构建天基信息网络的关键技术。目前国外通信、遥感、导航和中继等卫星系统都已计划部署激光通信终端，激光星间链路技术已从在轨演示验证向大规模组网应用阶段发展。简要梳理了国际上现有组网卫星系统的激光星间链路终端技术发展情况，对激光星间链路的技术体制和终端分类进行了总结；侧重分析了我国激光星间链路终端技术发展现状及大规模应用面临的主要问题，针对重难点技术的解决途径进行了思考；对激光星间链路终端未来的发展趋势做了展望，尤其是轻小型化设计与实现、宽带化、一对多光学天线和网络化等技术发展趋势进行了分析。
星间链路 激光通信 通信与测量 小型化 发展与展望 Inter satellite link Laser communication Communication and measurement Miniaturization Recent development and prospective
1 西安交通大学 第一附属医院皮肤科, 陕西 西安 710061
2 西安工业大学 光电工程学院, 陕西 西安 710021
面向医学检测领域对单色X射线的应用需求, 提出了一种X射线荧光单色仪的多阳极二次靶台结构优化设计方案。计算了不同能段X射线光子在人体皮肤、骨骼、脂肪中的穿透深度, 通过蒙特卡洛软件MCNP计算了原级X射线的最佳靶角、光子产生效率和辐射特性, 优选了阳极靶材料。在此基础上, 通过建立多能量点X射线荧光单色仪的二次靶台结构模型, 计算了不同阳极高压、靶角下二次铜靶的单色X射线转换效率, 量化了其Kα特征谱的占比。研究的相关工作为评估X射线荧光单色仪的辐射特性提供了一定依据。
X射线单色仪 辐射特征 蒙特卡洛模拟 光子产生效率 阳极靶结构 X-ray fluorescence monochromator radiation characteristics monte carlo simulation X-ray photons produce efficiency anode target structure
空时自适应处理(STAP)相较于传统的脉冲多普勒雷达信号处理, 扩展了信号的处理维度, 使得杂波和目标在空时联合域得以区分。基于稀疏表示理论和杂波谱的稀疏性, 稀疏恢复STAP(SR-STAP)实现了小样本条件下的杂波抑制。针对SR-STAP方法存在未知偏航角时性能下降的问题, 提出了一种基于非线性回归的杂波重构STAP方法。首先, 基于SR杂波谱, 以离群度为收敛目标迭代地剔除脊外散点, 并进行坐标加权的非线性回归, 实现杂波脊模型参数的精确估计; 然后, 基于一次筛选的结果, 再次通过非线性回归的方法精确估计杂波谱; 最后, 基于以上的估计结果完成杂波的重构和抑制。仿真结果验证了该杂波重构STAP方法的有效性, 且相较于现有STAP方法, 取得了更优的空时频率响应和SINR损失, 有效提高了杂波抑制和动目标检测的性能。
目标检测 空时自适应处理 稀疏恢复 非平稳杂波 非线性回归 杂波重构 target detection STAP sparse recovery non-stationary clutter nonlinear regression clutter reconstruction
1 西安工业大学光电工程学院，陕西 西安 710021
2 西安理工大学自动化与信息工程学院，陕西 西安 710048
3 北京跟踪与通信技术研究所，北京 100094
4 西安空间无线电技术研究所，陕西 西安 710000
装备精密制造、空间导航定位和卫星编队等领域要求激光干涉仪的测距精度在几千米到几百公里范围内达到pm量级，这是传统激光测距技术无法达到的。因此，利用等间隔多光谱光频梳特性，基于多波长激光干涉测量原理和双光学频率梳外差干涉测距数学模型，研究相位测量不确定度、空气折射率不确定度和信号重复频率引起的不确定度等因素对距离测量不确定度的影响。结果表明：距离测量不确定度会随温度的增加、压强的增大、二氧化碳体积分数的升高而减小；相比传统光学频率梳干涉测距法，温度越高、压强越大，双光学频率梳外差干涉测距法的距离测量不确定度下降越明显，当二氧化碳每立方米的体积分数在0.75%~0.80%范围内时，两种方法的距离测量不确定度趋于一致。
光纤光学 光频梳 多波长 外差干涉测距 距离测量不确定度 激光与光电子学进展
2022, 59(19): 1906002
1 核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室, 北京 100029
2 2. Zachry Department of Civil and Environmental Engineering, Texas A&M University, Texas 77843, USA
矿物光谱综合反映了岩矿的物理化学特性、 组分和内部结构特征, 已被应用于岩矿识别研究。 传统的矿物光谱分类方法需要先对矿物光谱进行预处理, 再采用不同方法分析光谱特征, 从而实现分类目的。 但同时也会造成部分光谱信息丢失, 导致最终分类精度不高且操作过程繁琐、 效率低下, 难以应对日益增长的大数据处理需求。 因此, 建立一个准确、 高效的矿物光谱自动分类模型意义重大。 卷积神经网络是应用最广泛的深度学习模型之一, 它通过逐层抽取数据特征并组合形成高层语义信息, 具有极强的模型表达能力, 在光谱数据分析方面应用潜力巨大。 针对矿物光谱数据的特点, 提出了基于一维空洞卷积神经网络(1D-DCNN)的矿物光谱分类方法, 利用空洞卷积神经网络提取光谱特征, 采用反向传播算法结合随机梯度下降优化器调整模型参数, 输出光谱分类结果, 实现了矿物类别的端到端检测。 该网络包含1个输入层、 3个空洞卷积层、 2个池化层、 2个全连接层和1个输出层, 采用交叉熵为损失函数, 引入空洞卷积扩大滤波器感受野, 有效避免光谱细节特征丢失。 实验采集了白云母、 白云石、 方解石、 高岭石四种矿物光谱, 并通过添加噪声的方式进行数据增强, 构建数量充足的矿物光谱样本用于神经网络模型训练与测试; 探讨了卷积类型、 迭代次数对模型分类结果的影响, 并与多种传统矿物光谱分类方法进行对比, 评价模型性能。 实验结果表明, 提出的1D-DCNN模型可实现矿物光谱快速准确分类, 分类准确率达到99.32%, 优于反向传播算法(BP)和支持向量机(SVM), 说明所提方法能够充分学习矿物光谱特征并有效分类, 且模型具有良好的鲁棒性和可扩展性。 该方法也可推广到煤炭、 油气、 月壤等其他领域光谱分类应用中。
矿物光谱 自动分类 空洞卷积 深度学习 Mineral spectra Automatic classification Dilated convolution Deep learning
中国人民解放军空军工程大学防空反导学院跟踪制导教研室, 陕西 西安 710051
针对雷达微动手势识别中的回波信噪比低、数据量大、特征可解释性差的问题,提出了一种基于随机森林的超宽带雷达微动手势识别系统。微动手势雷达截面积小,进而导致信噪比低、正向特征模糊等问题。针对这些问题,采用聚类算法提取回波主向量并构建多项式特征,以减少冗余数据,提高手势回波信噪比。对于训练过程中特征图谱可解释性破坏的问题,采用随机森林可视化特征贡献率并以此选择特征应用于模型。实验结果表明,在不同底噪的回波信号下,该算法相比于其他算法具有更好的识别性能,这验证了算法的有效性。
图像处理 动态手势识别 多普勒处理 多项式特征 随机森林 激光与光电子学进展
2021, 58(22): 2207002
针对合成孔径雷达(SAR)图像噪声较高,导致目标识别率较低的问题,选取MSTAR数据作为样本集,首先分析了对网络添加注意力机制的必要性,接着在残差注意力网络中引入残差收缩块,从识别率和参数量的角度进行实验分析。改进残差注意力网络的第一阶段和输出阶段,得到模型S,最终模型S的识别率达99.6%的同时,参数量减少了近1/2。为测试改进模型的鲁棒性,对图像进行了遮挡和加噪处理,结果显示,在图像被遮挡和有椒盐噪声情况下,模型S具有较强的鲁棒性。
图像处理 SAR图像 目标识别 残差收缩 鲁棒性 激光与光电子学进展
2021, 58(8): 0810008
