新疆阿尔金成矿带祥云金矿床地质—高光谱遥感综合找矿标志及应用

选择新疆阿尔金成矿带的祥云金矿床,采用地面和航空高光谱遥感数据,进行高光谱蚀变矿物识别和提取,结合矿床地质特征,提出了基于典型矿床的地质—高光谱遥感找矿标志建立思路,即地质方面主要针对大地构造位置、赋矿地层和岩性、控矿和赋矿构造、含矿岩体、矿区和近矿围岩蚀变等方面,地面高光谱主要针对矿区、矿体、矿化体、矿化蚀变带、近矿围岩、正常围岩的蚀变矿物分布等方面,航空高光谱遥感主要针对高光谱遥感影像、近矿和外围地段高光谱蚀变矿物等方面开展矿床地质、地面高光谱和航空高光谱遥感找矿标志综合剖析。运用金矿床地质—高光谱遥感综合找矿标志,圈定了金及多金属找矿靶区,开展找矿应用,新发现了多条金铜矿化蚀变带,取得了较好的找矿效果。此研究和工作思路表明:地质与高光谱遥感相结合,能为找矿提供准确且可靠的找矿标志信息。     

压缩感知合成孔径雷达射频干扰抑制方法

压缩感知合成孔径雷达成像技术能够利用少量采样数据恢复目标图像,大大减少数据存储系统的负担,但受到射频干扰时成像品质会严重下降;在目标场景稀疏条件下,分别构建目标回波信号原子库和射频干扰原子库,设计了压缩域合成孔径雷达成像射频干扰抑制算法,并对该算法进行理论分析,最终通过仿真实验验证了算法的有效性;仿真结果表明：该算法在较大干信比条件下,能有效抑制合成孔径雷达射频干扰,达到较好的成像效果。     

一种多时相遥感影像存储管理的新方法

针对海量遥感影像时间分辨率不断提高,多时相遥感影像存储空间耗费大、查询效率低的问题,提出一种针对多时相遥感影像数据存储管理的模型和方法。首先确定多时相遥感影像的基态影像,然后运用变化检测技术计算出不同时相间影像的差异,将差异变化值大于设定阈值的遥感影像区域进行存储,并用于对基态影像的修正。实验证明,运用该方法管理多时相遥感影像时,可有效节省存储空间。     

用于FBG解调的AWG芯片的设计、仿真与制备

设计、仿真并制备了一种用于光纤布拉格光栅(FBG)解调的阵列波导光栅(AWG)芯片。该芯片基于SOI衬底进行制备,并在AWG的输入/输出波导、阵列波导与平板波导之间采用双刻蚀结构进行优化。经仿真,该AWG的插入损耗为1.5dB,串扰小于 -20dB,3dB带宽为1.5nm。优化后的AWG芯片采用深紫外光刻技术、电感耦合等离子体等技术制备。经测试,该AWG的插入损耗为3dB,串扰小于 -20dB,3dB带宽为2.3nm。搭建了基于该AWG的解调系统,解调实验结果表明,该系统在0.8nm范围内的解调精度可达11.26pm,波长分辨率为6pm。     

自监督学习下小样本遥感图像场景分类

目的 卷积神经网络（convolutional neural network,CNN）在遥感场景图像分类中广泛应用,但缺乏训练数据依然是不容忽视的问题。小样本遥感场景分类是指模型只需利用少量样本训练即可完成遥感场景图像分类任务。虽然现有基于元学习的小样本遥感场景图像分类方法可以摆脱大数据训练的依赖,但模型的泛化能力依然较弱。为了解决这一问题,本文提出一种基于自监督学习的小样本遥感场景图像分类方法来增加模型的泛化能力。方法 本文方法分为两个阶段。首先,使用元学习训练老师网络直到收敛;然后,双学生网络和老师网络对同一个输入进行预测。老师网络的预测结果会通过蒸馏损失指导双学生网络的训练。另外,在图像特征进入分类器之前,自监督对比学习通过度量同类样本的类中心距离,使模型学习到更明确的类间边界。两种自监督机制能够使模型学习到更丰富的类间关系,从而提高模型的泛化能力。结果 本文在NWPU-RESISC45（North Western Polytechnical University-remote sensing image scene classification）、AID （aerial image dataset）和UCMerced LandUse （UC merced land use dataset）3个数据集上进行实验。在5-way 1-shot条件下,本文方法的精度在3个数据集上分别达到了72.72%±0.15%、68.62%±0.76%和68.21%±0.65%,比Relation Net^*模型分别提高了4.43%、1.93%和0.68%。随着可用标签的增加,本文方法的提升作用依然能够保持,在5-way 5-shot条件下,本文方法的精度比Relation Net^*分别提高3.89%、2.99%和1.25%。结论 本文方法可以使模型学习到更丰富的类内类间关系,有效提升小样本遥感场景图像分类模型的泛化能力。     

泛在电力物联网智能感知关键技术发展思路

智能感知是泛在电力物联网的数据入口,在泛在电力物联网建设中扮演着极其重要的角色。该文通过抽象化泛在物联网的信息论表述,量化比较了泛在电力物联网在数据传输容量上的优势,综合估算了智能感知网络规模,预测需要在此基础上解决海量异构多源数据融合、信息安全防护等问题。探讨了泛在电力物联网边缘算法的可分解性与下沉系数,定义了描述边缘算法可分解程度的范式,举例电力常用算法在泛在物联网边缘分解后的计算效率。讨论了智能感知在时空、类型、准确度的信息增益,以此为数学前提分别叙述了泛在电力物联网智能感知技术在通信网络、边缘计算、深度感知3个维度的发展思路,在此基础上讨论了泛在电力物联网的实际应用场景。     

基于欠采样的载频与二维到达角联合估计方法

针对阵列参数估计中传统奈奎斯特采样定理给采样和存储设备带来的巨大压力,提出了一种基于随机解调(RD)阵列结构的信号载频与二维到达角(2D-DOA)联合估计方法。利用不同天线阵列之间的互相关矩阵构造协方差矩阵,基于旋转不变子空间(ESPRIT)方法求解载频和2D-DOA参数,同时克服了载频和2D-DOA之间的配对问题。仿真实验结果证明了该方法能较好地从较少的欠奈奎斯特样本中估计目标信号的载波频率和2D-DOA,并恢复原信号的时域波形。     

基于压缩感知的 HIFU 回波信号降噪研究

由于传统的降噪处理方法很难干净地去除高强度聚焦超声(HIFU)信号中的噪声,提出利用压缩感知(CS)对 HIFU 回 波信号进行降噪。 在观测矩阵的设计中将传统的高斯随机观测矩阵改进为稀疏循环结构化矩阵,减少了构造观测矩阵和重构 信号的时间。 仿真实验表明,与带通滤波器、小波降噪方法和经验模态分解(EMD)降噪方法相比,该方法得到的信号的重构信 噪比(RSNR)更高,重构均方差(RMSE)和最大误差(ME)更小。 用不同方法对不同温度下获得的 HIFU 回波信号进行去噪并提 取二次谐波激发效率,发现采用该方法得到的二次谐波激发效率曲线方差和波动更小,验证了该降噪方法在实测信号中的优 越性。     

动态压缩感知理论研究综述

动态压缩感知是静态传统压缩感知向动态信号的拓展,广泛应用于医学上的磁感应成像和目标追踪等领域。 由于工程 中的动态信号在某一转换基下具有随时间缓慢变化的稀疏特性,因而可以运用欠定的测量矩阵对其进行压缩。 动态压缩感知 理论主要包括动态信号的稀疏表示、动态压缩测量过程和动态信号的重构 3 个方面的研究内容。 全面综述动态压缩感知的基 本概念,归纳总结现有动态压缩感知理论中对动态信号的建模方法;对已有的动态信号重构算法进行了归类,并详述了各类算 法的计算思路;最后介绍了动态压缩感知的典型应用,并对动态压缩感知信号重构算法的研究前景进行了探讨。     

基于确定性测量矩阵与变阈值SAMP的超高次谐波检测算法

随着电网中采用高频电力电子器件制造的设备逐渐增多,配电网中的超高次谐波现象已经成为了一种亟需解决的新型电能质量问题。相较于传统谐波检测方法采样超高次谐波信号时产生的巨大数据量,压缩感知作为一种新型信号处理方法,在使用测量矩阵对稀疏信号进行亚采样后通过重构算法用较少的数据就能精确地恢复原始信号,有效降低了对采样端硬件的要求。提出了一种基于确定性测量矩阵与变阈值SAMP算法的压缩感知超高次谐波检测算法。首先该方法采用了一种由确定性随机序列构造的测量矩阵,这种确定性测量矩阵的结构与随机测量矩阵相比更易于传输与存储,同时具有和高斯随机矩阵相同的重构性能。其次,针对SAMP重构算法在频谱泄露时易发生稀疏度过估计的问题,提出了一种改进的变阈值SAMP算法,设置一个动态的阈值来控制算法中内积的选取,减少迭代中的误选。改进算法提高了超高次谐波检测的精度,降低了因频谱泄露和噪声造成的误差且更容易硬件实现。最后,通过仿真和实测结果证明了改进算法的准确性和有效性。