加拿大渥太華國防研究與發展局（DRDC）與C-CORE公司簽訂了合同，要求提供與使用自適應多功能雷達模擬器（Adaptive MFR）的網絡化雷達資源管理（RRM）的實施和分析有關的軟件支持服務。對以前工作中實現的電子支援（ES）功能進行了修改和調度器的變更。這些修改將在第3節中描述。對天線軟件組件也進行了大量的修改，以實現陣列分集，支持相控陣天線，包括子陣列能力。天線的發射器和接收器部分也被拆分。這些修改將在第4節描述。所有的測試和分析都是使用Adapt MFR 3.2.18版本進行的。

測試和分析是通過模擬海軍雷達場景進行的，目的是驗證功能和確定電子支援措施（ESM）和陣列多樣性修改的影響。為了減少處理和分析時間，從全球背景目標集（由100個目標組成，包括商業和娛樂飛機、船舶、娛樂船和鳥類）中選擇了10個目標的子集。還模擬了14枚彈道導彈（BM）。所有的一般模擬參數都在第2節中描述。第3和第4節描述了展示軟件變化效果的模擬結果。在這項任務下的模擬中沒有使用雜波，只使用了一個具有自適應軌道調度的單一雷達。然而，在開發過程中，使用各種表面和體積雜波以及使用RRM的單個獨立雷達和多個聯網雷達的自適應和非自適應調度，對軟件修改進行了測試。這些功能測試沒有記錄在本報告中。

ES支援被模擬成一個過程，將威脅發射器（TE）的探測結果反饋給主軟件循環過程。威脅發射器的評估是基于它們是否符合ES條件和用戶在ES GUI中設置的閾值。經過驗證的威脅發射體被傳遞給ES探測過程（基于單向雷達回波），如果適用，則傳遞給主跟蹤過程，這些探測被整合到現有的軌道中或用于啟動新軌道。在實施相控陣能力后，ES功能被修改以允許獨立于主適應MFR雷達的天線。這允許定義更適合探測的ES天線參數。目前，ESM模塊只支持高斯型天線。ESM和威脅發射器對雷達性能的主要影響是額外的確認和跟蹤時間，這有可能反映在監視框架時間和軌道占用結果中。

隨著相位子陣列能力的增加，已經證明了跟蹤開始時間和幀時間的減少。這是由于能夠在不同的角度位置同時安排探測波束，既減少了覆蓋框架的時間，又允許對位于框架的不同區域的多個目標進行照明。

在分析和測試期間，對軟件進行了更新，以改進功能（第5節），修復任何錯誤（第6節），并實施處理改進（第7節），以減少模擬運行時間。這項工作建立在Brinson（2021）和Yue（2021）所描述的先前工作以及其他先前任務的基礎上。

合成孔徑激光雷達（SAL）與合成孔徑雷達（SAR）有幾個不同的現象，使其成為自動目標識別（ATR）有希望的候選者。SAL的漫射性質導致目標上有更多的像素。光學波長提供厘米級的分辨率，其孔徑基線比SAR基線小10000倍。雖然漫反射散射和光學波長有一些優勢，但也有一些挑戰。與SAR相比，SAL的漫反射性質導致了更明顯的斑點效應。光學波長更容易受到大氣噪聲的影響，導致形成的圖像失真。雖然這些優點和缺點在理論上被研究和理解，但還沒有被付諸實踐。本論文旨在量化從鏡面SAR切換到漫反射SAL對算法設計的影響。此外，鑒于CAD模型的幾何和物理特性，提出了一種性能預測和模板生成的方法。這種方法不依賴于形成圖像，并減輕了生成多個斑點場和冗余光線追蹤的計算負擔。

圖2.1: MSTAR目標的例子和目標的照片。MSTAR圖像包含目標、背景和陰影信息。

引言與動機

1.1 自動目標識別

自動目標識別（ATR）是指從收集的傳感器信息中自動檢測感興趣的目標并進行分類的行為[72]。ATR是一個多學科的領域，包括但不限于信號處理、圖像處理、人工智能、統計和人的表現。一個ATR系統要經歷一個多步驟的過程。這些步驟包括但不限于：

• 感知--從感興趣的區域（RoI）收集傳感器數據。
• 檢測--選擇可能包含感興趣目標（ToI）的子區域。
• 切割--將有信息的像素從背景和噪聲中分離出來。
• 分類--宣布目標為某種類型。

圖1.1顯示了ATR過程的一個例子。

為了收集ATR數據，我們利用了各種傳感方式。這些模式包括合成孔徑雷達（SAR）、合成孔徑聲納（SAS）、3-D激光雷達、超光譜成像（HSI）、廣域運動圖像（WAMI）、激光測振和紅外圖像。這些模式的例子見圖1.2。

圖1.1: 一個改編自[14]的ATR管道實例。在這個例子中，收集的傳感器信息是一個場景的圖像。另外還采取了一些步驟，如雜波抑制。

圖1.2：各種傳感模式的例子。每種模式都有自己的一套優勢和劣勢，普遍的操作條件和使用案例。圖片分別來自[22、28、24、80、1、55]。

每種模式都有其自身的優勢、劣勢和使用案例。每種模式都有一套獨特的因素，影響ATR系統的有效性。這些因素被稱為操作條件（OCs）。對OCs的研究以及它們如何影響ATR系統是ATR研究的前沿問題。OCs可以分為三個主要類別[72, 54]：

• 傳感器OCs - 影響傳感器收集高質量數據能力的因素。此類OCs包括傳感器噪聲、相位誤差和運動補償。

• 環境因素--改變傳感器和目標的環境屬性的因素。此類OCs包括天氣、對抗性干擾器、無源能源、雜波、樹葉和大氣噪聲。

• 目標OCs--改變物理屬性或感興趣的目標的因素。此類OCs包括偽裝網、銜接、材料特性、型號變化、誘餌和操作模式。

任何給定的傳感器的OC空間可能大得無法估量。第2章討論了克服這一問題的策略。

本節前面提到的模式有大量的知識，討論了傳感器現象學、ATR算法和傳感器現象學。本論文的重點是合成孔徑LADAR。對于ATR的目的，SAL是相對未被探索的。正如第二章所討論的，SAL的知識體系主要包括傳感器設計和現象學。對現象學和設計進行了很好的研究，可以確定在SAL數據上設計一個有效的ATR的潛在問題。此外，還討論了SAR ATR的技術現狀。

本文件的其余部分組織如下。

• 第2章是對SAR ATR技術現狀的回顧。討論了分類技術、預測性能、操作條件和合成數據策略。對SAL現象學的歷史和討論進行了更全面的介紹。

• 第3章介紹了基于第2章的回顧，在SAL和ATR的知識體系中的研究差距。列出了目標貢獻和影響。

• 第4章介紹了SAL ATR研究的方法和結果，以及SAL ATR性能預測的擬議技術。

• 第5章總結了第4章的結果并討論了擬議的未來工作。列出了所提出的和擬議的工作的發表時間表。

確定眼前的地形凹凸對于在粗糙或不平整地面上的行動至關重要。鑒于立體視覺對感知表面形狀的重要貢獻，它應該在確定地面形狀方面能發揮關鍵作用。這一系列實驗的目的是評估單目和雙目深度信息對地面凹凸判斷的相對貢獻。為了實現這一目標，我們用自然的圖像模擬了一個深度辨別任務。刺激物包括一個立體渲染的草地地形，中央有一個小丘或一個高度不等的凹陷。我們測量了對深度偏移方向的辨別閾值。為了確定凹凸辨別和立體視覺測量之間的關系，我們使用了在相同觀察條件下進行的兩項立體視覺任務。為了評估模糊的二維陰影線索對我們地形任務中深度判斷的影響，我們操縱了陰影的強度（低和高）。我們的結果顯示，觀察者在9.1米的觀察距離上可靠地分辨出小至20厘米的地面凹凸。隨著陰影的加強，很大一部分觀察者（30%）表現出強烈的凸性偏見，甚至在立體視覺顯示為凹陷的情況下。這一發現表明，在實驗條件下必須考慮對表面曲率假設的依賴，存在著明顯的個體差異。

在深度信息有限的不利觀察環境中，這些凸性偏差可能在地面凹凸的判斷中持續存在，特別是當陰影信息高度突出時。

簡介

日常活動，如行走或與物體互動，需要整合一系列復雜的知覺和運動信息。這對于在不規則地形上的運動等任務來說尤其如此，這些任務要求觀察者評估即將到來的路徑的寬松程度并相應地調整他們的方法（Barton, Matthis, & Fajen, 2017; Zhao & Allison, 2021）。在粗糙的地形上，觀察者通過注視前方的多個步驟來評估哪些立足點是可以穿越的，從而增加他們的步驟規劃余地（Matthis, Yates, & Hayhoe, 2018）。這種類型的運動任務需要在觀察者的步驟之前對地面凹凸進行評估，并對遠在交互空間之外的安全穿越路徑做出快速決策（另見Allison, Gillam, & Palmisano, 2009）。

在自然觀察條件下，對地面凹凸（或其他表面形狀）的感知是基于單目（例如，紋理和陰影）和雙目線索的整合。雖然這兩種線索都提供了關于物體形狀的信息，但鑒于視覺系統對表明局部曲率變化的差異的敏感性，雙目深度線索（如立體視覺）具有明顯的優勢（Howard，2012）。立體視覺的形狀感知利用了二階空間導數，它提供了關于表面的相對深度和傾斜度的信息（Norman等人，1991；Lappin & Craft，2000）。大多數關于立體視覺對感知表面形狀的作用評估都是在交互空間內的短距離觀察下進行的，這些雙目線索是最精確的（Blakemore, 1970; Gogel, 1977; Foley, 1985; Rogers & Bradshaw, 1993）。然而，立體視覺可以支持可靠的深度和形狀估計，其觀察距離遠遠超過2米（Allison, Gillam, & Vecellio, 2009; Palmisano等人, 2010）。鑒于立體感對感知表面形狀判斷的重大貢獻，它應該在步行或乘車運動前確定地表形狀的決策中發揮關鍵作用。

本研究的目的是評估單目和雙目深度線索對地面輪廓判斷的相對貢獻。為了實現這一目標，我們模擬了一個與生態有關的 "真實世界 "的深度辨別任務，該任務仿照直升機安全著陸決策，使用自然的圖像。在典型的著陸條件下，為了實現安全著陸，飛行員和戰斗工程師必須確保直升機滑橇之間的地面坡度小于約10°（加拿大交通部，2006）。我們假設立體感可能對評估交互空間以外的大距離的地面凹凸很重要，特別是對自然紋理，如草。我們通過測試觀察者的單目和雙目來評估圖像深度線索的貢獻。此外，為了確定自然凹凸的辨別與傳統的實驗室立體感測量之間的關系，我們修改了兩個立體感任務，以評估在屏幕距離為6.1米的相同觀察條件下的局部和整體立體感。以安全著陸標準為準則，在這些觀察條件下，如果觀察者不能檢測到至少60弧秒（0.38米）的地面凹凸變化，他們就不能檢測到會危及安全著陸的地面特征。

基于Template的判別式跟蹤器由于其魯棒性和準確性而成為當前的主要跟蹤方法，而基于Siamese網絡的方法（依賴于從模板和搜索圖像中提取的特征之間的互相關操作）顯示了最新技術的跟蹤效果。但是，一般的互相關運算只能獲得兩個特征圖中的local patches之間的關系。在本文中，我們提出了一種基于強大的注意力機制的新穎跟蹤器網絡，該機制稱為Transformer編碼器-解碼器體系結構，以獲得全局和豐富的上下文相互依賴關系。在這種新架構中，模板圖像的特征由編碼器部分中的自注意力模塊處理，以學習強大的上下文信息，然后將其發送到解碼器部分，以計算與另一自我處理的搜索圖像特征之間的交叉注意力模塊。另外，我們使用Transformer的輸出來設計分類和回歸頭，以基于不可知形狀的錨來定位目標。我們在VOT2018，VOT2019，OTB-100，UAV，NfS，TrackingNet和LaSOT基準測試上對跟蹤器TrTr進行了廣泛的評估，并且我們的方法相對于最新算法表現良好。