摘要: 以自主水下航行器、水下滑翔機等為代表的無人水下航行器(UUV)在水下目標探測方面, 具有成本低、隱蔽性好、機動性高、靈活組網部署易等優勢。隨著消聲技術的發展和成熟化應用, 潛艇等大型水下航行器的自噪聲已接近海洋背景噪聲, 單一依靠聲波信息進行水下目標探測的技術已不再具有普適化優勢, 光、電、磁等非聲探測技術已逐步顯示出優越性。發揮UUV的航行優勢, 搭載光、電、磁等非聲探測傳感器, 開展目標發現的嘗試已逐步成為新的發展和應用方向。文章在分析總結當前UUV已搭載的非聲探測傳感器的種類、原理和應用情況的基礎上, 指出了磁異探測、激光探測、電場探測、重力梯度探測和生物探測等主要研究方向和進展, 歸納了當前基于UUV開展非聲探測的關鍵技術問題和技術難點, 并對發展方向進行了展望, 為非聲探測技術的提升提供一定的借鑒。 水下目標探測是通過移動或固定平臺搭載一 定數量的探測設備對水中目標進行識別, 在民用 和軍事領域均有重要應用價值。依據目標的運動 狀態, 一般將被探測目標分為靜止目標和運動目 標。靜止目標探測包括海底沉船探測、海底管道 探測等; 運動目標探測包括對潛艇、水雷和魚群等 目標的識別與定位探測等。目標聲學探測(簡稱聲 探測)技術是目前最為主要的水下探測技術。依據 探測形式, 目標聲探測分為主動聲吶探測和被動 聲吶探測。聲吶可搭載在飛機、船只和潛艇上, 但 探測能力有較大差異, 如機載聲吶探測距離約 56~112 km, 艦載聲吶探測距離約 20~130 km。主 動聲吶隱蔽性差, 探測距離小于被動聲吶; 而被動 聲吶受環境噪聲、平臺噪聲的影響較大, 只有在目 標發出較大噪聲時才能使用[1]。隨著消聲技術的 發展和應用, 潛艇以及大型水下航行器等水下裝 備的自噪聲已接近海洋背景噪聲, 使聲吶對其發 現能力大大降低。消聲技術主要應用于水下運動 目標, 尤其是潛艇, 所以非靜態目標以及聲場較大 的運動目標還是以聲探測為主, 非聲探測為輔。 水下目標探測平臺包括天基、空基、水面和水 下平臺[2] , 不同的平臺有不同的作用半徑。以對潛 艇探測為例, 不同探測平臺對比如表 1 所示。天基 探測平臺是指集成光學、紅外和雷達等設備的衛 星, 覆蓋范圍廣, 可達幾百平方千米, 實時性強、安 全性高、準確率高, 但部署成本非常高。空基探測 平臺是指可攜帶或集成多種探測設備的飛機, 應 用廣泛、機動性高、準確率高, 但是隱蔽性低、探 測時間短、易受自然環境影響。水面探測平臺主 要指配備以聲吶為主的艦艇船只, 但是隨著各種 消聲技術的發展, 聲吶探測能力也隨之下降。文 中所述水下探測平臺指的是具有自主航行能力, 可搭載各種傳感器獲取海洋環境信息, 可對水下 固定/移動目標開展探測、識別、定位與跟蹤以及 區域警戒等任務的無人水下航行器(unmanned undersea vehicle, UUV) [3] , 主要包括自主水下航行 器(autonomous undersea vehicle, AUV)、水下滑翔 機等, 如圖 1和圖 2 所示。相比于其他平臺, UUV 具有成本低、體積小、續航時間長、隱蔽性好、機 動性高、易靈活組網部署等優勢, 具有巨大的應用 潛力[4]。 水下非聲探測技術按照探測原理可以分為磁 異探測、雷達探測、激光探測、紅外探測、電場探 測、重力梯度探測及生物探測等。不同非聲探測 技術特點對比如表 2 所示。 磁異探測是較為成熟的非聲探測技術, 主要傳感器是磁異探測儀。磁異探測儀廣泛應用在反潛 機上, 也可以搭載在艦艇和 UUV 上, 具有探測精度 高、識別能力強、不易受海洋環境影響的優點, 但 是對磁異常源的分辨能力有限, 有時無法正確區分 坐底潛艇和沉船。搭載在衛星或反潛機上的雷達 探測只能探測海面或十幾米深度中的運動目標。 激光探測主要利用在海水中衰減波段小的藍綠光 進行探測, 屬于主動探測, 具有定位精度高、隱蔽 性好、受海洋環境影響小的優點, 但是作用范圍有限, 一般有效作用范圍為百米內。激光傳感器的搭 載平臺為衛星、反潛機、水面艦艇和 UUV 等。 紅外探測儀普遍搭載在反潛機上, 也可搭載在 衛星和水面艦艇上, 抗干擾能力強、實時性強。電 場探測技術受環境和天氣影響小, 隱蔽性好, 遠近 海域均適合, 可以搭載在 UUV 上。重力梯度探測 利用地球重力場進行探測, 隱蔽性強。生物探測 尚處于理論研究階段, 是未來的前沿科技之一。 非聲探測技術已日趨成熟, 部分技術已有成熟 探測設備和成功的應用場景, 但是非聲探測多以 天基和空基為主要應用平臺, 探測深度以水面和 水下幾十米內的深度為主, 對處在百米級工作深 度下的運動目標探測能力較弱。隨著 UUV 技術 的發展, 憑借續航能力強、機動性強、噪聲低等優 勢, UUV 可長時間在幾百米或幾千米的深度航行 并探測, 是未來非聲探測的重要搭載平臺之一。 文中介紹了 UUV 和幾種主要的非聲探測技 術的原理、工作流程、關鍵技術和發展現狀, 總結 了非聲探測技術的要點, 并給出了依托 UUV 發展 非聲探測技術的主要研究方向。
付費5元查看完整內容
相關內容
摘要: 水下電場具有場源復雜、動態范圍大、頻帶寬的特征, 高精度觀測難度大, 對觀測方式、測量傳感器、儀器裝備和信號處理方法均提出了較高要求。水下電場測量技術廣泛應用于水下目標探測、地球物理勘探、深部地質構造研究和物理海洋等多個學科領域。文中簡要回顧了水下電場測量技術發展歷程; 總結了國內外研究現狀; 歸納了水下電場測量技術研究中的關鍵問題與難點; 綜述了水下電場測量技術相關設備、平臺和信號處理方法; 分別列舉了在水下目標探測、地球物理勘探、深部地質構造研究和物理海洋觀測等多個學科領域代表性的應用案例; 分析了當前水下測量技術存在的問題與不足; 在此基礎上展望了技術發展前景, 提出了部分建設性建議
。//sxwrxtxb.xml-journal.net/cn/article/doi/10.11993/j.issn.2096-3920.2023-0070
水下電場測量技術借助高靈敏度電場傳感器觀測水下電場分布, 經信號處理獲取電場特征規律。根據應用場景的不同, 水下電場測量技術面向不同的場源觀測, 水下目標電場檢測面向電磁隱身、水下目標識別等國防領域; 地球物理領域的海洋可控源電磁場和大地電磁天然場源, 應用于如油氣、天然氣水合物、多金屬硫化物和淡水等資源勘探, 以及洋中脊、海底火山及俯沖帶等深部地質構造研究; 運動海水感應電場面向物理海洋領域的水體研究。以上應用均建立在高精度水下電場測量基礎上, 因此水下電場測量技術一直是相關領域的基礎、前沿和熱點問題。水下電場測量技術至今發展近2個世紀, 取得了長足進展, 在諸多領域得到廣泛應用。文中旨在綜述水下電場測量技術, 概括其發展歷程, 介紹其相關的電場傳感器、放大器、測量設備、觀測方式以及信號處理等關鍵技術, 列舉了多個代表性的應用案例, 并總結了當前的存在問題, 展望了未來發展趨勢。
付費5元查看完整內容
近年來,無人機已廣泛應用于電力巡檢、森林保護、快遞配送、交通監控等領域,無人機技術得到飛速發展。 無人機 具有數量多、體積小、速度快等特點,無人機進入非隔離空域成為必然趨勢,而沖突探測與解脫技術也成了當下的重點研究方 向。 沖突探測與解脫技術的提高對無人機飛行安全和飛行效益具有重要意義。 系統地梳理了當下中外的研究成果,對無人 機沖突探測與解脫問題進行了概述。 綜述了沖突探測與解脫的模型,從理論模型的角度闡述了沖突解脫的目標和約束條件; 并從方法論的角度對沖突探測與解脫的常用方法進行了總結。 最后從現有研究的不足出發,對無人機沖突探測與解脫未來 的研究趨勢和方向進行了展望。 隨著無人機技術的迅速發展,無人機數量急劇 增加。 2021 年底,《“十四五” 民用航空發展規劃》 提出要著力提升同行服務水平,大力引導無人機創 新發展[1] 。 無人機憑借其靈活度高、低能耗和實時 監控能力,已廣泛應用于監測、成像等領域。 無人 機數量的迅速增加給空域交通安全帶來了挑戰。 當前風險主要集中于無人機故障、無人機“黑飛”對 行人和基礎設施的風險,以及無人機飛行沖突的風 險。 為了在不同應用場景下保障無人機的飛行安 全,提高空域運行效率,沖突探測與解脫技術作為 保障無人機飛行安全的關鍵技術,需要進行重點 研究。 現整理中外有關無人機沖突探測與解脫的相 關文獻。 首先介紹無人機沖突探測與解脫的相關 概念;其次對無人機沖突探測方法進行總結;然后 從理論模型的角度介紹當下無人機沖突解脫的目標及約束條件,并介紹主要解脫方法;最后對未來 可研究方向進行展望。
付費5元查看完整內容
摘要: 水下無人裝備是海上軍事競爭新的制高點之一, 是贏得新時代水下攻防對抗的重要保障。當前各類水下無人裝備飛速發展和應用, 文中以無人水下航行器和水下無人預置系統為例, 梳理前沿發展趨勢與關鍵技術。通過總結國內外水下無人裝備的發展現狀, 分析發展中面臨的挑戰, 對水下無人裝備未來的發展趨勢進行了展望, 并在此基礎上梳理了發展中需要攻克的關鍵技術難點, 進一步提出未來發展思考和建議, 為水下無人裝備技術研究提供有益的參考和借鑒。
水下無人裝備是無人系統體系重要組成部分, 20世紀以來, 許多國家都加快了水下無人裝備的發展, 旨在保護本國免遭非對稱威脅的攻擊[1-3]。水下無人裝備是新形勢下實現水下攻防對抗, 推進我國“海上絲綢之路”國家發展戰略的重要保障[4]。
在軍事領域里, 典型的水下無人裝備主要有無人水下航行器(unmanned undersea vehicle, UUV)和水下無人預置系統, 其中水下無人預置系統包括水下預置武器和水下預置基礎設施。UUV具有效費比高、隱身性能好、作戰用途廣和智能程度高等優勢, 是未來智能化戰爭中重要的新質作戰裝備[5-9]。水下無人預置系統搭載載荷豐富多樣, 具有潛伏時間長、廣域分布、隱蔽性好及響應快速等優點, 已成為未來水下攻防對抗體系的重要組成部分[9]。在當前深遠海技術和軍事智能技術的發展推動下, 水下無人裝備已具備執行多類型復雜任務的能力[10], 將對未來戰爭產生非對稱、顛覆性作用, 在智能化海戰中的地位日益突出。目前世界各海洋強國都加速推進水下無人裝備的技術研發與應用, 搶占未來海上競爭新的制高點。
付費5元查看完整內容
雖然深度學習技術在雷達圖像處理任務中獲得了部分應用, 但缺乏對黑盒模型的可解釋性分 析和全面的性能評估, 限制了該技術在雷達圖像領域中的應用性能、可信度和廣泛性. 本文從可解釋 性入手, 提出了雷達圖像深度學習黑盒模型分析思路, 在開源 MSTAR 雷達圖像數據集上進行實驗驗 證. 從深度學習模型的遷移機制和認知機理兩個方面進行分析, 得到了關于遷移學習、歸因方法應用 和模型魯棒性評估方面的相關結論, 填補了現有研究的空白.
近些年來, 深度學習技術正逐步從光學圖像領域應用到雷達圖像領域, 在雷達目標識別、場景分 類和目標檢測等雷達圖像處理任務中取得了部分研究成果 [1, 2] . 目前深度學習模型在以上任務中表現 出了優良性能, 但仍存在一些尚待研究的問題. 一是需要根據雷達與光學圖像的顯著差異性, 進一步解釋深度學習模型在雷達圖像領域中的遷移 機制, 指導雷達圖像深度學習模型的優化設計. 由于雷達與光學成像機理不同, 所得到的圖像為目標 散射點分布. 如圖 1 所示, 在 MSTAR 數據集 [3] 中表現為呈離散分布、強度不同的散射點, 與所對應 的光學圖像之間存在明顯差異. 將在光學圖像領域中取得成功應用的深度學習模型遷移到雷達圖像領 域時, 應當充分考慮這種差異性. 文獻 [2] 梳理了小樣本條件下基于遷移學習的雷達圖像目標識別方 法, 部分研究針對兩者的差異性設計了相應方法提高目標識別率, 但缺乏對其遷移機制影響的深入分 析, 可解釋性研究有望為深度學習模型在雷達圖像領域中的設計與優化提供全新的視角和知識. 二是由于雷達圖像目標之間、目標與背景之間具有較強相似性, 需要對深度學習模型認知機理的 分析評估, 保證其在實際任務中的應用性能和可信度. 如圖 1 所示, 這種相似性給人的認知和理解帶來了極大的困難, 需要分析模型是否正確表征了目標信息. 目前對于模型的分析評估大多依賴于識別 率, 對實際任務而言, 識別率是對問題的不充分描述, 這可能會使得模型出現錯誤, 例如模型利用背景 信息的相關性提高識別率. 文獻 [4] 提到華盛頓大學 (University of Washington) 的一項實驗, 旨在創建 哈士奇與狼的識別器, 但模型實際上是根據背景是否存在積雪來進行識別的, 學習到的是背景干擾與 識別結果的強相關性, 而不是目標特征與識別結果之間的因果性. 文獻 [5] 同樣指出, 在測試集上的高 識別率并不能保證模型學習到正確的特征表征. 僅靠識別率等性能指標不能保證模型在實際任務中正 常工作, 也不能滿足在某些關鍵任務 (如醫療、交通和軍事等) 中人們的認知和決策需要. 因此, 只有 對深度學習模型認知機理的分析說明和識別結果的可信解釋, 才能提高人們對于其黑盒模型的信任, 保證人們依靠其作出相應決策.
針對以上兩個問題, 本文將使用可解釋性方法 [6, 7] 作為分析工具從兩方面展開研究. 一是通過可 解釋性方法對比分析雷達和光學圖像對深度學習模型的影響, 獲取其黑盒模型內部知識, 解釋深度學 習模型遷移機制, 從而進一步理解應用深度學習技術. 二是通過主觀分析和客觀指標評估可解釋性方 法和深度學習模型, 從而在準確性和魯棒性方面得到可信結論, 以此對其黑盒模型的認知機理作出分 析評估, 為實際決策提供幫助. 目前可解釋性方法可分為事后解釋 (post-hoc) 方法和事前設計 (ante-hoc) 方法. 事后解釋方法 針對已經訓練好、不具備可解釋性的黑盒模型進行研究, 通過可視化展示模型內部結構、基于歸因 方法 (attribution algorithms) 分析模型識別重點、使用特定輸入研究模型、比較不同模型結構性能 等方式, 挖掘模型內部知識和解釋模型認知機理. Zeiler 等 [8] 提出反卷積 (deconvnet) 的分析方法. Simonyan 等 [9] 提出兩種基于梯度的分析方法. Szegedy 等 [10] 通過單元分析方法探索神經元的語義 信息, 并發現了對抗樣本. Frankle 等 [11] 提出樂透假設 (lottery ticket hypothesis) 發現訓練成功的大 型網絡中包含一個相同性能的稀疏子網絡. 事前設計方法構建具有明確語義或物理信息的模型, 可將在數學物理上具有明確意義的方法與深 度學習模型相結合, 提高模型的可解釋性. 如通過知識蒸餾結合神經網絡和結構化的邏輯規則 [12] ; 利 用注意力機制同時生成圖像和文本解釋 [13] ; 貝葉斯 (Bayes) 深度學習將深度學習模型的感知能力和 貝葉斯模型的因果邏輯推理能力相結合 [14] ; Gu 等 [15] 基于最優傳輸理論得到了半透明的生成對抗網絡. 事前設計方法也可設計本身在語義、物理等層面上具有可解釋性的模型. Sabour 等 [16] 提出膠囊 網絡 (capsule network) 模型, 膠囊單元不同維度表征了手寫數字的語義信息; Zhang 等 [17] 設計了一 種帶有可解釋性的卷積核. 當前, 有關雷達圖像領域的深度學習可解釋性方面研究較少. 郭煒煒 [18] 討論了關于合成孔徑雷 達 (synthetic aperture radar, SAR) 圖像目標識別的可解釋問題, 從模型理解、模型診斷和模型改進等 方面進行了初步探討, 但暫無對雷達圖像深度學習黑盒模型可解釋性的具體實驗研究. 本文結合目前深度學習可解釋性方面的研究進展, 以雷達目標識別任務為例, 在 MSTAR 的 SAR 圖像數據集上進行事后解釋方法的實驗分析, 實驗結果有效揭示了深度學習模型在雷達圖像領域中的 遷移機制和認知機理, 并且詳細地提供了相應的分析思路和結論, 填補了當前對雷達圖像深度學習黑 盒模型可解釋性的研究空白. 主要貢獻如下: (1) 基于事后分析方法提出了雷達圖像深度學習黑盒模型分析思路, 為可解釋性方法在雷達圖像 領域中的應用奠定基礎; (2) 通過實驗比較分析了雷達和光學圖像對于模型內部的影響, 得到了關于深度學習在雷達圖像 領域中遷移機制的分析結論; (3) 通過歸因方法分析了深度學習黑盒模型的認知機理, 從可解釋性角度提出了 SAR 目標識別模 型魯棒性評估的新方法.
本文后續結構組織如下: 第 2 節介紹相關工作, 第 3 節面向雷達圖像領域提出深度學習黑盒模型 分析思路, 第 4 節依據所提思路進行實驗驗證, 第 5 節對全文總結并提出下一步研究方向.
付費5元查看完整內容
摘要： 隨著多媒體信息和通信技術的快速發展,網絡上的多語言語音數據日益增多。語音識別作為語音分析與處理的核心技術,如何快速地把中文和英文等少數多資源主要語言處理能力推廣到更多的低資源語言,是當前識別技術迫切需要突破的瓶頸。文中試圖總結聲學模型建模領域的最新進展,探討傳統語音識別技術從單語言向多語言跨越過程中可能面臨的困難。并在此基礎之上,探索了最新的端到端語音識別技術在關鍵詞檢索系統構建上的作用,以進一步改善系統的整體效果。最后總結了如下最新研究進展:1)基于模型參數共享的多語言聲學建模;2)基于語種分類信息的多語言聲學建模;3)基于幀級別對齊的端到端關鍵詞檢索技術。
付費5元查看完整內容
摘要: 組合優化問題廣泛存在于國防、交通、工業、生活等各個領域, 幾十年來, 傳統運籌優化方法是解決組合優化問題的主要手段, 但隨著實際應用中問題規模的不斷擴大、求解實時性的要求越來越高, 傳統運籌優化算法面臨著很大的計算壓力, 很難實現組合優化問題的在線求解. 近年來隨著深度學習技術的迅猛發展, 深度強化學習在圍棋、機器人等領域的矚目成果顯示了其強大的學習能力與序貫決策能力. 鑒于此, 近年來涌現出了多個利用深度強化學習方法解決組合優化問題的新方法, 具有求解速度快、模型泛化能力強的優勢, 為組合優化問題的求解提供了一種全新的思路. 因此本文總結回顧近些年利用深度強化學習方法解決組合優化問題的相關理論方法與應用研究, 對其基本原理、相關方法、應用研究進行總結和綜述, 并指出未來該方向亟待解決的若干問題.
付費5元查看完整內容
摘要： 近年來人工智能迅速發展,被用于語音、圖像等多種領域,并取得了顯著效果。然而,這些訓練好的人工智能模型非常容易被復制并擴散,因此,為了保護模型的知識產權,關于模型版權保護的一系列算法或技術應運而生,其中一種就是模型水印技術。通過模型水印技術,向人工智能模型植入水印,一旦模型被竊取,可以通過驗證水印來證明自己的版權所有權,維護自己的知識產權,從而達到保護模型的作用。該類技術在近年來成為了一大熱點,但目前尚未形成較為統一的框架。為了更好地理解,總結了現階段模型水印的研究成果,論述了當前主流的模型水印算法,分析了模型水印研究方向的研究進展,還復現了其中幾種典型算法并進行了比較,最后提出了未來可能的研究方向。
付費5元查看完整內容
摘要：城市軌道交通系統主要由弓/網系統、軌道線路、車輛、車站等組成, 傳統的人工巡檢等方法檢測效率低、勞動強度大、自動化和智能化程度不高, 給城市軌道交通的運營保障和進一步健康發展帶來了巨大的挑戰.機器視覺作為一種重要的檢測手段, 在城市軌道交通系統狀態檢測領域得到了廣泛的應用.鑒于此, 針對機器視覺在城市軌道交通系統安全狀態檢測中的研究和應用進行綜述.首先, 簡要介紹城市軌道交通的基本概念和快速發展所面臨的挑戰與機遇.然后, 詳細介紹機器視覺技術在城市軌道交通各子系統安全狀態檢測中的研究與應用情況; 針對弓/網系統狀態檢測問題, 分別重點介紹機器視覺在受電弓磨耗檢測、受電弓包絡線等其他病害檢測、接觸網幾何參數檢測、接觸網磨耗檢測以及接觸網懸掛病害檢測中的國內外研究現狀; 在軌道線路安全狀態檢測方面, 分別介紹機器視覺在扣件安全狀態檢測和鋼軌表面病害檢測中的應用與研究現狀; 從不同檢測項點角度詳細介紹機器視覺在車輛狀態檢測中的應用與研究進展; 梳理和總結機器視覺在車站電扶梯安全監控和站臺安全監控的異常行為檢測中的具體應用和研究; 并重點介紹機器視覺在軌道交通司機行為監測中的具體應用和背景技術.最后, 對機器視覺技術應用于城市軌道交通系統狀態檢測領域的未來進行展望.
付費5元查看完整內容
目標檢測
·
摘要： 目標檢測算法應用廣泛,一直是計算機視覺領域備受關注的研究熱點。近年來,隨著深度學習的發展,3D圖像的目標檢測研究取得了巨大的突破。與2D目標檢測相比,3D目標檢測結合了深度信息,能夠提供目標的位置、方向和大小等空間場景信息,在自動駕駛和機器人領域發展迅速。文中首先對基于深度學習的2D目標檢測算法進行概述;其次根據圖像、激光雷達、多傳感器等不同數據采集方式,分析目前具有代表性和開創性的3D目標檢測算法;結合自動駕駛的應用場景,對比分析不同 3D 目標檢測算法的性能、優勢和局限性;最后總結了3D目標檢測的應用意義以及待解決的問題,并對 3D 目標檢測的發展方向和新的挑戰進行了討論和展望。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191