XiaoMi-AI文件搜索系统
World File Search System光波段
光波段电子战
本文介绍了获取、分析和处理光信号的可能性和方法，以便识别、确定和应对当代战场上的威胁。本文阐述了在电磁波谱的光波段进行电子战的主要方式，包括获取光发射器特征以及紫外线 (UV) 和热 (IR) 特征。本文讨论了描述激光辐射发射的物理参数和值，包括它们在创建光学特征方面的重要性。此外，已经证明，在将光信号转换为特征时，只能应用其光谱和时间参数。本文的实验部分证实了这一点，其中包括我们对三种双目激光测距仪的光谱和时间发射特性的测量。本文还表明，通过简单的配准和快速分析（涉及比较“日盲”波段紫外线特征的发射时间参数），可以快速、准确地识别各种事件。对于红外特征也是如此，需要比较几种波长的记录信号幅度。通过记录并分析训练场军事演习期间发生的几次事件的信号，实验证实了紫外线特征的正确性，这些事件包括火箭推进榴弹 (RPG) 发射和击中目标后的爆炸、三硝基甲苯 (TNT) 爆炸、穿甲弹、尾翼稳定脱壳穿甲弹 (APFSDS) 或高爆弹 (HE)。最后一部分描述了一个拟议的发射器模型数据库，该数据库是通过分析和将记录信号转换为光学特征而创建的。© 2020 中国兵器学会。由 Elsevier BV 代表科爱传播有限公司提供出版服务。本文为 CC BY-NC-ND 许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
可见光波段图像中基于形状的建筑物检测...
摘要 —本文介绍了一种从仅具有可见红、绿和蓝数据带的单个高分辨率光学图像中自动检测建筑物的新方法。具体来说，我们首先调查阴影证据以关注建筑物区域。然后，提出了一种基于马尔可夫随机场 (MRF) 的新型区域增长分割技术。图像被过度分割成较小的均匀区域，可用于替换像素网格的刚性结构。然后对该区域集应用迭代分类合并。在每次迭代中，使用区域级 MRF 模型对区域进行分类，然后根据阴影的位置，合并具有相同类别的区域以产生形状适合矩形的新区域。使用递归最小边界矩形确定最终的建筑物。实验结果证明，所提出的方法适用于各种地区（高密度城市、郊区和农村），并且具有高度的稳健性和可靠性。
使用阴影信息在可见光波段图像中进行基于形状的建筑物检测
摘要 —本文介绍了一种从仅具有可见红、绿、蓝数据带的单个高分辨率光学图像中自动检测建筑物的新方法。特别是，我们首先调查阴影证据以关注建筑物区域。然后，提出了一种基于马尔可夫随机场 (MRF) 的新型区域增长分割技术。图像被过度分割为较小的均匀区域，可用于替换像素网格的刚性结构。然后对该区域集应用迭代分类合并。在每次迭代中，使用区域级 MRF 模型对区域进行分类，然后根据阴影的位置，合并具有相同类别的区域以产生形状适合矩形的新区域。使用递归最小边界矩形确定最终建筑物。实验结果证明，该方法适用于各种区域（高密度城市、郊区和农村），并且具有高度的稳健性和可靠性。
使用阴影信息在可见光波段图像中进行基于形状的建筑物检测
摘要 —本文介绍了一种从仅具有可见红、绿、蓝数据带的单个高分辨率光学图像中自动检测建筑物的新方法。具体来说，我们首先调查阴影证据以关注建筑物区域。然后，提出了一种基于马尔可夫随机场 (MRF) 的新型区域增长分割技术。图像被过度分割为较小的均匀区域，可用于替换像素网格的刚性结构。然后对该区域集应用迭代分类合并。在每次迭代中，使用区域级 MRF 模型对区域进行分类，然后根据阴影的位置，合并具有相同类别的区域以产生形状适合矩形的新区域。使用递归最小边界矩形确定最终建筑物。实验结果证明，该方法适用于各种区域（高密度城市、郊区和农村），并且具有高度的稳健性和可靠性。
多光谱图像的迭代多尺度融合与夜视彩色化
1.引言多光谱图像通常提供互补信息，如可见光波段图像和红外图像（近红外或长波红外）。有强有力的证据表明，融合的多光谱图像提高了解释的可靠性（Rogers & Wood，1990；Essock 等人，2001）；而彩色多光谱图像则提高了观察者的表现和反应时间（Toet 等人，1997；Varga，1999；Waxman 等人，1996）。计算机可以自动分析灰度融合图像（用于目标识别）；而彩色图像则易于人类用户解释（用于视觉分析）。想象一下，夜间导航任务可以由配备多传感器成像系统的飞机执行。分析组合或合成的多传感器数据将比同时监测多光谱图像（如可见光波段图像（例如，图像增强，ll）、近红外（NlR）图像和红外（lR）图像）更方便、更有效。在本章中，我们将讨论如何使用图像融合和夜视彩色化技术合成多传感器数据，以提高多传感器图像的有效性和实用性。预计这种图像合成方法的成功应用将提高遥感、夜间导航、目标检测和态势感知的性能。这种图像合成方法涉及两种主要技术，即图像融合和夜视彩色化，分别在下面进行回顾。图像融合通过整合互补数据来组合多源图像，以增强各个源图像中明显的信息，并提高解释的可靠性。这样可以得到更准确的数据（Keys et al.，1990）并提高实用性（Rogers & Wood，1990；Essock et al.，1999）。此外，据报道，融合数据提供了更为稳健的操作性能，例如增加了置信度、减少了歧义性、提高了可靠性和改进了分类（Rogers & Wood，1990；Essock et al.，2001）。图像融合的一般框架可以在参考文献（Pohl & Genderen，1998）中找到。在本章中，我们的讨论重点是像素级图像融合。对融合图像质量的定量评估对于客观比较各个融合算法非常重要，它可以测量有用信息的数量和融合图像中引入的伪影数量。
用于 64 GBd QPSK 的多波段硅光子 ePIC 相干接收器
摘要 — 多波段相干通信被视为一种有希望的候选技术，可满足日益增长的更高数据速率和容量需求。同时，相干通信有望在不久的将来进入数据中心领域。随着数据和电信领域的相干数据链路跨越多个光波段，相干收发器设计和流量工程的新方法将成为必需。在本文中，我们提出了一种用于 O 波段和 C 波段的单片集成硅光子相干接收器。该接收器采用 2×2 多模干涉耦合器网络，作为针对 1430 nm（E 波段）优化的 90 ◦ 混合。总功耗为 460 mW，占地面积约为 6 mm 2，光电带宽为 33 GHz。 64 GBd 操作在 O 波段和 C 波段上得到演示，这与 C 波段最先进的硅光子相干接收机相比具有竞争力，并且是 O 波段相干通信迄今为止的最高符号率。
使用 COTS 光谱光度计检测极光弧......
极光现象本质上是动态的：观测到的事件具有丰富的结构，在空间和时间上都很复杂，具有科学上有趣的特征。虽然使用 CCD 或全天相机进行光学极光观测很常见，但极光在无线电频率 (RF) 下也具有有趣的发射特性，特别是在低频和高频波段。极光发射无线电观测器 (AERO) 是一颗 6U 立方体卫星，配备了新型电磁矢量传感器 (VS) 天线。VS 将瞄准 100 kHz - 15 MHz 测量波段内的极光发射，这使得人们能够研究有趣的发射类型，例如极光千米辐射 (20 kHz -750 kHz)、中频爆发 (1.6 MHz - 4.4 MHz) 和回旋加速器发射 (2.8 MHz - 3.0 MHz)。 VS 天线从立方体卫星框架展开后，两端之间的距离为 4 米，并展开形成电偶极子和磁环天线，这些天线的灵敏度足以探测这组不同的科学目标。拥有太空平台（例如 AERO 的矢量传感器天线）可将探测器定位在电离层等离子体频率之上，否则会限制对无线电发射的观测。AERO VS 天线的新测量需要一组背景数据来验证所得数据产品的保真度。AERO 包括一个称为辅助传感器包 (ASP) 的辅助有效载荷，它将使用背景光学和磁数据增强 VS 测量。AERO 背景光学测量的目标是检测多个光谱带中极光发射的存在，即 557 nm 的绿线发射和 630 nm 的红线发射。选择 AMS AG AS7262 6 通道可见光波段光谱光度计作为光学传感器。我们提出了一个辐射测量模型，用于评估 AS7262 传感器测量目标极光事件的能力。我们考虑了许多不同的测试场景，包括不同的参数，例如以瑞利为单位的极光源辐射度、航天器
自由空间光通信：挑战和... - arXiv
摘要 — 近年来，自由空间光 (FSO) 通信因其独特的特点而变得非常重要：带宽大、免许可频谱、数据速率高、部署简便快捷、功耗低、质量要求低。FSO 通信使用近红外 (IR) 和可见光波段的光载波在地球大气层内建立地面链路、卫星间/深空链路或地对星/星对地链路。它还可用于遥感、射电天文学、军事、灾难恢复、最后一英里接入、无线蜂窝网络回程等。然而，尽管 FSO 通信潜力巨大，但其性能受到大气信道的不利影响（即吸收、散射和湍流）的限制。在这三种影响中，大气湍流是一个主要挑战，它可能导致系统的误码率 (BER) 性能严重下降，并使通信链路不可行。本文全面介绍了 FSO 通信系统在地面和空间链路中面临的各种挑战。它将提供各种性能缓解技术的详细信息，以使 FSO 系统具有高链路可用性和可靠性。本文的第一部分将重点介绍对 FSO 系统在地面和空间链路中的性能构成严重挑战的各种类型的损伤。本文的后半部分将为读者提供对 FSO 系统中物理层和上层（传输、网络或链路层）中使用的各种技术的详尽回顾，以对抗大气的不利影响。此外，本研究以独特的方式提供了使用各种信道模型和检测技术的 FSO 编码和调制方案的当前文献。它还介绍了 FSO 系统中最近开发的一种使用轨道角动量来对抗大气湍流影响的技术。