南京理工大学 电子工程与光电技术学院, 江苏 南京 210094
毫米波引信通过发射宽带信号获得目标的精细结构信息, 然而在非合作目标的探测与识别过程中, 由于缺乏目标的类别信息, 大量的目标样本无法得到充分的利用。针对这一问题, 将基于拉普拉斯得分(LS)的监督特征选择算法推广到半监督情况, 得到基于标签重构的拉普拉斯得分算法(LRLS), 并应用到非合作目标的识别中。LRLS的理论框架与LS相同, 并利用标签重构技术获得半监督情况下的图拉普拉斯矩阵。为了更好地描述高维目标样本的相似性, 在标签重构的过程中使用测地距离代替欧氏距离。实验结果表明, 相对于传统的特征选择算法, LRLS能够得到更好的识别效果。
标签重构 特征选择 拉普拉斯得分 半监督学习 label reconstruction feature selection Laplacian Score semi-supervised learning 太赫兹科学与电子信息学报
2016, 14(3): 336
南京理工大学 电子工程与光电技术学院， 南京 210094
根据太赫兹成像兼具微波穿透特性和红外线高分辨率成像的特点，在红外与毫米波成像系统的基础上，提出一种近场太赫兹波被动干涉合成孔径成像系统的设计方案，并对其实现方法进行了分析。系统采用二维波束扫描天线结构实现综合孔径成像，在保证高精度成像的同时降低了系统的复杂度。通过数值仿真对成像系统的成像性能进行分析，仿真结果表明系统具有较高的空间分辨率;并对系统的成像过程进行了模拟仿真，验证了系统的可行性。
太赫兹波 近场成像 综合孔径 被动成像 空间分辨率 terahertz wave near-field imaging synthetic aperture passive imaging spatial resolution
