基于改进持续同调方法的星载无线电环境地图中空间邻近发射源拓扑检测

《Remote Sensing》:The Topological Detection of Spatially Proximate Emitters in Spaceborne-Radio-Environment Maps: An ImprovedPersistent-Homology Approach

【字体: 大 中 小 】 时间:2026年07月01日 来源:Remote Sensing 4.3

编辑推荐:

  研究人员针对现有基于无线电环境地图(Radio Environment Map, REM)的发射源检测方法在模糊或“连体”结构中存在高误报和漏检,或需要大量标注数据及高计算成本的问题,提出了一种基于改进持续同调算法的无监督方法——基于凝聚聚类的持续同调(Per

  
研究人员针对现有基于无线电环境地图(Radio Environment Map, REM)的发射源检测方法在模糊或“连体”结构中存在高误报和漏检,或需要大量标注数据及高计算成本的问题,提出了一种基于改进持续同调算法的无监督方法——基于凝聚聚类的持续同调(Persistent Homology with Agglomerative Clustering, PH-AC)。通过合成孔径被动干涉成像技术构建了一个模拟星载REM数据集,覆盖孤立、邻近对和复杂发射源分布模式。持续同调追踪了随着强度阈值变化,零维连通分量的诞生、消亡和合并事件。为解决空间邻近发射源的漏检问题,通过特征贡献分析构建了多维拓扑特征。随后,采用Ward链接的凝聚聚类方法,在无监督条件下自适应地将发射源与噪声分离。实验结果表明,PH-AC在孤立场景下实现了完美的F1分数1.000;对于邻近发射源,其F1分数比最佳图像处理方法提高了15.7%,且与有监督深度学习方法(如YOLOv13)的差距保持在4%以内,同时无需任何标注。在复杂环境中,其F1分数达到0.937,优于所有对比方法。其计算复杂度仅为 FLOPs,比基于YOLO的检测器低三个数量级。这项工作为星载REM发射源检测提供了一种轻量级、无需标注的拓扑范式。
随着全球电磁设备和无线通信技术的爆炸式增长,电磁环境日益复杂,广域无线电环境地图(Radio Environment Map, REM)的生成已成为空间态势感知领域的重要课题。目前,频谱地图的构建主要依赖地面平台,受限于视距限制,无法实现广泛覆盖。现有的星载感知方法,无论是光学成像、合成孔径雷达还是传统电子侦察方法,普遍存在获取发射源集群整体态势图效率低、视场与分辨率之间存在固有权衡,以及实时成像能力不足等问题。为克服这些瓶颈,本研究借鉴自然热辐射遥感领域的合成孔径被动干涉成像技术,将其应用于人为电磁态势生成。通过采用多个天线单元被动接收地面站信号,并通过干涉处理直接重建发射源的空间分布图像,从而在保持高分辨率的同时实现宽视场成像能力。此外,频谱地图的更新周期从传统“点采样加后处理”的小时/天级别压缩至秒级别,为快速生成星载广域REM提供了新的技术途径。为实现星载广域电磁频谱地图的快速生成,发展基于REM的应用至关重要。此类应用的基础是发射源检测,如何从REM中高效检测发射源成为将成像能力转化为可操作态势感知的关键。与依赖单点测向或参数关联的传统无源定位方法相比,星载REM具有直观的空间分布表示、大规模区域同步观测能力以及无需复杂信号分选过程等显著优势。因此,发展基于星载REM的发射源检测技术对于增强复杂电磁环境下的实时预警和目标解析能力具有重要意义。

现有的基于REM的发射源检测方法主要分为图像处理技术和目标检测技术,两者仍面临诸多挑战。图像处理技术通过增强高频细节或分割高强度区域来提取发射源:小波变换通过多尺度分解突出高频特征,但在边界模糊的场景下,细节系数难以与背景噪声分离;形态学滤波方法采用Top-hat变换提取明亮目标,但该方法依赖预定义的结构元素,且当邻近发射源连接时倾向于合并多个目标;Otsu多级阈值分割基于全局灰度统计进行图像分割,但当发射源与背景对比度低时阈值难以准确确定;将频谱图建模为高维张量并在重构后采用最大值方法进行发射源检测的方法,主要适用于突出的“热点”,不适用于多发射源场景。以全局RX检测器为代表的统计检测方法通过马氏距离计算异常分数,但假设背景服从多元高斯分布。在复杂的非平稳环境中,背景统计特性难以用单一分布描述,且邻近发射源强度场的叠加改变了局部统计特性,导致误报率增加或漏检。以YOLO系列为代表的目标检测技术通过卷积神经网络实现端到端检测。这些方法依赖于大规模、精确标注的REM数据,其获取成本极高;同时,其计算成本巨大,无法满足星载平台的实时要求。此外,此类方法固有的非极大值抑制机制难以在涉及邻近发射源的场景中准确估计发射源数量。近年来,研究人员从不同角度探索了改进策略。在轻量级检测方面,Mobilenet-SSD通过深度可分离卷积降低计算负载,但其对小目标和邻近发射源的检测精度有限。为增强对邻近目标的区分能力,一些研究引入了Transformer架构;例如,DETR用全局注意力机制替代NMS,但其收敛速度慢、计算开销高,不适合星载实时约束。

为解决上述问题,研究人员提出了一种基于改进持续同调(PH-AC)的REM发射源检测方法,该方法充分利用了无线电环境地图中强度场的拓扑结构信息。该方法不依赖于人工标注。通过追踪强度阈值变化时连通分量的诞生、消亡和合并事件,提取反映发射源稳定性的拓扑特征,并采用凝聚聚类实现发射源与噪声的自适应分离。

为开展研究,研究人员主要采用了以下关键技术方法:首先,基于先前研究中提出的利用合成孔径技术的星载REM快速生成技术,构建了一个涵盖三种发射源分布模式的模拟星载REM数据集。其次,创新性地将最初为拓扑数据分析开发的持续同调方法应用于REM的发射源检测领域,提出了基于持续同调的发射源特征提取模块,解决了传统方法在区分邻近发射源方面的困难。最后,在提取的多维拓扑特征基础上,采用Ward链接的层次凝聚聚类进行无监督分类,并根据持续性的物理解释自动将聚类结果映射到发射源和噪声类别,克服了传统依赖阈值方法无法解决的自适应判别挑战。

研究结果如下:

**数据模拟**:研究人员构建了一个模拟星载REM数据集。该数据集基于合成孔径被动干涉成像理论模型生成,数据点分布在六边形交错网格上,具有非均匀性。邻近发射源的强度场相互叠加,形成连通的“连体”结构。发射源表现为局部极值区域,其连通分量随着强度阈值变化展现出稳定的拓扑特征。

**方法**:提出的PH-AC方法整体流程包括数据预处理、拓扑特征提取和无监督分类三个模块。数据预处理阶段,将六边形交错网格的REM数据映射为图结构,为后续拓扑分析奠定基础。特征提取模块引入持续同调理论,以亮度温度值为过滤函数构建过滤序列,追踪零维连通分量的诞生、消亡和合并事件,并为每个分量提取包括持续性、诞生值、邻域统计和合并比例在内的八个拓扑特征。分类模块采用Ward链接的凝聚聚类对高诞生值分量进行无监督二分类,并根据物理意义自动将高持续性簇映射为发射源,低持续性簇映射为噪声。

**实验**:通过对比实验和消融研究验证了所提方法的检测性能和计算效率。在**与现有方法的比较**中,PH-AC在孤立分布场景下实现了Precision、Recall和F1 Score的完美得分1.0000。在邻近对场景中,通过追踪连通分量的合并事件和合并比例,PH-AC有效解决了因邻近发射源强度场叠加而产生的“连体”结构分离难题,其F1分数比最佳传统图像处理方法平均提高15.7%,与有监督深度学习方法的差距保持在4%以内。在复杂电磁环境中,PH-AC的F1分数高达0.9370,显著优于所有传统图像处理方法,甚至超过了有监督的YOLOv13和YOLOv13_FreqFusion。**计算复杂度比较与分析**表明,PH-AC的浮点运算次数(FLOPs)比基于YOLO的检测器低三个数量级,且没有可训练参数,非常适合在计算资源受限的星载、机载或手持设备上进行实时发射源检测。**复杂电磁环境样本的方法测试**在模拟乌兹别克斯坦及周边咸海地区46个L波段固定通信基站地面发射源的场景中进行。PH-AC实现了所有指标的完美得分(F1=1.000),无误检无漏检,而传统图像处理方法存在严重的漏检或误报,有监督深度学习方法则产生了较多的误报。**消融研究**进一步验证了各核心组件的有效性。与仅使用传统持续同调(PH)的变体相比,完整PH-AC方法的F1分数提高了约27.28%,Recall提高了45.50个百分点,表明所提特征提取和分类模块能有效识别传统方法易忽略的邻近和弱发射源。与仅使用前四个重要特征(PH-AC-4)的变体相比,完整方法的F1分数仍高出约0.24%,验证了全套多维特征的必要性和协同效益。

**讨论部分**总结指出,与先前专注于从原始电磁信号生成REM成像问题的研究不同,本研究关注REM应用,提出了无监督检测方法PH-AC,以解决星载REM中发射源边界模糊、邻近发射源连体结构以及标注数据稀缺的挑战。该方法通过图表示追踪连通分量演化,提取多维拓扑特征,并使用凝聚聚类分离发射源与噪声。实验结果表明,所提方法比最佳传统图像处理方法的F1分数高出最多11.1%,且性能稳定,不随发射源密度增加而急剧下降。与有监督YOLOv13相比,平均F1差距仅为0.58%,且在复杂测试集上甚至优于YOLOv13达3.91%,同时无需标注数据。在计算复杂度方面,所提方法的总浮点运算次数低三个数量级,适合实时处理。消融实验表明,与仅使用传统持续同调的基线相比,所提方法的F1相对提升27.3%,验证了多维拓扑特征和凝聚聚类模块的关键作用。所提方法在无监督条件下实现了高精度、低复杂度的发射源检测,为星载REM应用提供了一条新的拓扑分析途径。需要注意的是,模拟假设了理想的调幅信号、解析信道模型和加性高斯白噪声,而真实电磁环境涉及复杂的调制类型、多径效应、非平稳噪声和非高斯噪声分量,这些因素可能加剧发射源边界的模糊并引入更多虚假连通分量,从而影响检测精度。尽管所提方法具有一定鲁棒性,但未来工作仍需使用真实星载数据进行验证,并将更真实的信道和非高斯噪声模型纳入模拟器以全面评估实际性能。此外,该方法可扩展到基于电磁频谱图的异常检测任务,例如通过将发射源检测与轨迹建模相结合来识别移动发射源异常。

研究结论为:研究人员针对星载无线电环境地图(REMs)中发射源检测的挑战,提出了一种名为PH-AC的无监督拓扑检测方法。该方法通过图结构表示数据,利用改进的持续同调提取多维拓扑特征,并采用凝聚聚类在无需任何标注数据的情况下自适应地将发射源与噪声分离。实验结果表明,PH-AC在各种场景下始终优于传统图像处理方法,并在复杂环境中实现了与有监督YOLOv13检测器相当甚至更优的性能,同时将计算成本降低了三个数量级。所提出的方法为星载REM应用提供了一种轻量级、无需标注的拓扑范式,为未来在真实复杂电磁环境中的检测和异常识别任务奠定了基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号