复杂动态环境下非合作目标探测与识别

本书以非合作目标探测与识别为主线，深入挖掘了复杂动态环境对目标探测与识别的影响因素，围绕复杂动态环境强干扰导致的目标特征畸变与缺失、特征模糊不清等问题，提出了特征畸变与缺失下的非合作目标探测与识别方法、特征模糊下的非合作目标探测与识别方法，构建了小样本强干扰下的非合作目标探测与识别方法。更进一步，把多智能体协同协作机制引入到非合作目标识别与探测领域，分别构建了面向多自主水下航行器围捕的非合作目标探测与识别方法、基于多视角光场重构的非合作目标探测与识别方法。本书可以为机器人技术、人工智能、图像处理、目标识别等领域及交叉领域中从事机器学习、信息融合、模式识别及相关应用研究的技术人员提供参考。

前言
第1章 特征畸变与缺失下的非合作目标探测与识别方法 1
1.1 绪论 1
1.1.1 引言 1
1.1.2 国内外研究现状 1
1.1.3 主要研究内容 4
1.2 特征畸变下的非合作目标识别方法 4
1.2.1 改进的深度残差网络模型 5
1.2.2 水下畸变图像修正检测 6
1.2.3 模型训练 9
1.3 特征缺失下的非合作目标识别方法 10
1.3.1 视觉特征提取模型 10
1.3.2 缺失特征提取 13
1.3.3 可增强图像特征的非合作目标识别方法 14
1.4 多尺度显著特征畸变校正的非合作目标识别方法 15
1.4.1 显著特征金字塔网络 15
1.4.2 畸变图像对比矫正 17
1.4.3 水下微小畸变目标识别网络 18
1.5 实验验证与结果分析 19
1.5.1 特征畸变下的非合作目标识别方法 19
1.5.2 特征缺失下的非合作目标识别方法 22
1.5.3 多尺度显著特征畸变校正的非合作目标识别方法 24
1.6 本章小结 28
参考文献 28
第2章 特征模糊下的非合作目标探测与识别方法 34
2.1 绪论 34
2.1.1 引言 34
2.1.2 国内外研究现状 34
2.1.3 主要研究内容 36
2.2 多尺度特征融合的模糊目标探测与识别方法 37
2.2.1 动态空间语义特征提取模型 37
2.2.2 多尺度显著特征提取模型 38
2.2.3 动态多尺度特征融合机制 39
2.3 增强混合扩张卷积的水下模糊小目标识别方法 40
2.3.1 网络模型 40
2.3.2 模糊特征信息提取 41
2.3.3 增强混合扩张卷积的水下模糊小目标识别方法 42
2.4 实验验证与结果分析 43
2.4.1 多尺度特征融合的模糊目标探测与识别方法仿真 43
2.4.2 增强混合扩张卷积的水下模糊小目标识别方法仿真 45
2.5 本章小结 49
参考文献 49
第3章 小样本强干扰下的非合作目标探测与识别方法 54
3.1 绪论 54
3.1.1 引言 54
3.1.2 国内外研究现状 54
3.1.3 主要研究内容 57
3.2 非合作目标多阶段主动探测与识别方法 57
3.2.1 多波束相干测深方法 57
3.2.2 噪声环境下的相位差估计 59
3.2.3 多波束相干测深方法的误差估计 60
3.2.4 多阶段目标自主探测方法 61
3.3 基于强化迁移学习的水下目标回波信号特征提取方法 64
3.3.1 基于样本数据集的目标特征提取 64
3.3.2 超分辨率重建 65
3.3.3 目标特征相似度量 66
3.3.4 基于迁移强化学习的目标特征优化 67
3.4 基于光场重构与对抗神经网络的水下目标识别方法 68
3.4.1 光场重构模型的建立 69
3.4.2 对抗神经网络模型 70
3.4.3 基于光场重构与对抗神经网络的水下目标识别方法 71
3.4.4 水下目标状态估计 73
3.5 仿真实验验证与结果分析 74
3.5.1 目标探测系统模型 74
3.5.2 声呐发射信号数字仿真 75
3.5.3 声呐雷达回波信号处理 79
3.5.4 声呐图像超分辨率重建 81
3.5.5 目标特征提取 83
3.5.6 水下目标检测距离数字仿真 86
3.6 本章小结 90
参考文献 90
第4章 面向多AUV围捕的非合作目标探测与识别方法 93
4.1 绪论 93
4.1.1 引言 93
4.1.2 国内外研究现状 93
4.1.3 主要研究内容 95
4.2 基于迁移强化学习的多 AUV 目标探测方法 96
4.2.1 多AUV协同感知模型 97
4.2.2 基于迁移强化学习的水下目标探测 99
4.3 基于GAN-元学习的围捕目标识别方法 100
4.3.1 GAN网络与元学习方法 100
4.3.2 建立GAN-元学习模型 102
4.3.3 基于GAN-元学习的围捕目标识别 103
4.4 基于GAN的多AUV一致性协同控制方法 104
4.4.1 三维空间AUV运动学模型 105
4.4.2 多AUV协同拓扑结构 105
4.4.3 基于GAN的多AUV一致性协同控制 107
4.5 协同围捕仿真与结果分析111
4.5.1 湖试实验 111
4.5.2 基于迁移强化学习的多AUV目标探测方法113
4.5.3 基于GAN-元学习的危险目标识别方法118
4.5.4 基于GAN的多AUV一致性协同控制方法 121
4.6 本章小结 126
参考文献 126
第5章 基于多视角光场重构的非合作目标探测与识别方法 131
5.1 绪论 131
5.1.1 引言 131
5.1.2 国内外研究现状 132
5.1.3 主要研究内容 134
5.2 基于多视角的光场重构方法 136
5.2.1 多视角光场的协作机制 136
5.2.2 多视角光场信息融合的机动目标识别方法 138
5.2.3 实验结果与分析 139
5.3 基于GAN的多视角光场重构方法 140
5.3.1 基于GAN的多智能体光场重构方法 140
5.3.2 实验结果与分析 142
5.4 基于迁移强化学习的多视角光场重构方法 144
5.4.1 源域的建立 144
5.4.2 迁移强化学习方法 145
5.4.3 基于迁移强化学习的多视角光场重构方法 149
5.4.4 实验结果与分析 150
5.5 非合作目标识别实验结果与分析 152
5.5.1 基于多视角光场重构的非合作目标识别结果与分析 152
5.5.2 基于GAN的多视角光场重构的目标识别结果与分析 154
5.5.3 基于迁移强化的多视角光场重构的目标识别结果与分析 156
5.6 本章小结 162
参考文献 163
彩图