一种SAR图像车辆目标鉴别特征及其提取方法

该文引入差分盒维法来计算高分辨率SAR图像车辆目标的一种新的鉴别特征,即间隙度特征,可以用来定量评估车俩目标感兴趣区域内像素幅度的不规则程度和间隙尺寸,以此消除杂波虚警.基丁散射中心理论分析了车辆目标和自然地物后向散射强度分布的差异性,并从理论上推导出间隙度特征具有对相干斑噪声不敏感的特点,由此构成了SAR图像车辆目标鉴别处理的一个尺度不变特征.采用MSTAR车辆目标数据和背景杂波数据检验了所提特征的鉴别性能,并与Hausdorff维数的鉴别性能做了比较,结果显示间隙度特征具有较好的鉴别性能,可以去除大部分的自然地物虚警和非车辆类人造目标干扰,鉴别虚警率较低.     

基于CUDA的并行雷达拼图算法研究北大核心CSCD

雷达组网拼图算法是强对流天气短时临近预报系统(Severe Weather Automatic Nowcasting,SWAN)的重要基础方法之一。提高拼图算法的效率,不仅可以提升现有SWAN临近算法序列的时效性,也能更好地应用高分辨率雷达数据,具有重要的实际意义。采用中央处理器(central processing unit,CPU)和图形处理器(graphics processing unit,GPU)混合架构设计并行雷达拼图算法,其中CPU负责雷达数据的解析和调度GPU并行模块,GPU负责大规模数据的并行计算。通过分析计算统一设备架构(compute unified device architecture,CUDA)算法的并行开销和拼图算法的特点,提出并实现了GPU内存管理优化和数据交换流程优化方案,提高了组网拼图算法的效率。对比试验结果表明,基于CUDA的GPU并行拼图算法和SWAN中30线程并行的CPU算法相比,在全国1 km和500 m分辨率的拼图任务上,加速比分别达到3.52和6.82。综上,基于CUDA的并行拼图算法不仅可以提高SWAN短时临近算法序列的时效性,也为更高分辨率雷达资料的拼图提供了技术支持。     

新型船用耐蚀Al-2.6Mg-1.7Si-X合金及其耐蚀钝化膜的特性研究

高性能耐蚀材料的研究是舰船装备性能提升的最基础因素，其中，耐蚀铝合金是船舶舰艇建造过程中的重要材料，其综合性能对于武器装备的战术技术性能和安全可靠性具有重要影响。采用第一性原理和电化学方法，分析了新型高强耐蚀 Al-2.6Mg-1.7Si-X 铝合金在海洋环境下的半导体特性及电化学特性。结果表明：Al-2.6Mg-1.7Si-X 合金在海水中形成的致密、连续、稳定的耐腐蚀膜层，抑制了电子和空穴从半导体膜向溶液的迁移，提高了合金的耐蚀性。Mg3p 和 O2s 态电子是影响合金腐蚀电流大小的主要原因。此结果可为相关材料的研发及替代提供依据。     

太湖水体浮游植物光谱吸收系数参数化模型研究

针对太湖水域特有藻种组成的浮游植物光谱吸收系数,利用实测数据对Ciotti光谱吸收系数模型进行改进和演化,得到新的基于藻类粒径组成(模型3)和种类组成(模型4)的太湖水体浮游植物光谱吸收系数模型。对模型进行比较发现,模型3和模型4能够较好地模拟太湖水体浮游植物的光谱吸收系数,分别适用于中、低和高叶绿素质量浓度的太湖水体浮游植物的光谱吸收系数的拟合。