Forecasting unknown-unknowns by boosting the risk radar within the risk intelligent organisation

This theoretical perspective paper interprets (un)known-(un)known risk quadrants as being formed from both abstract and concrete risk knowledge. It shows that these quadrants are useful for categorising risk forecasting challenges against the levels of abstract and concrete risk knowledge that are typically available, as well as for measuring perceived levels of abstract and concrete risk knowledge available for forecasting in psychometric research. Drawing on cybersecurity risk examples, a case is made for refocusing risk management forecasting efforts towards changing unknown-unknowns into known-knowns. We propose that this be achieved by developing the ‘boosted risk radar’ as organisational practice, where suitably ‘risk intelligent’ managers gather ‘risk intelligence information’, such that the ‘risk intelligent organisation’ can purposefully co-develop both abstract and concrete risk forecasting knowledge. We also illustrate what this can entail in simple practical terms within organisations.     

基于星载极化SAR数据的农作物分类识别进展评述

［目的］农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障，还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响，在农作物遥感监测方面具有巨大的应用潜力，有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。［方法］以星载极化SAR技术的发展过程为论述主线，从单、双极化SAR数据，单、双极化SAR数据结合光学影像，全极化SAR数据三个发展阶段，对极化SAR数据在农作物分类识别中的研究与应用进行总结，并对比分析不同的识别特征、融合算法以及分类算法的优缺点。［结果］以往研究存在以下不足：当前研究多以识别水稻为主，对于难以识别的旱地作物研究较少；目前对旱地作物识别精度不高，平均识别精度不足85%；缺乏对不同作物散射机制及其随时相变化的研究，导致分类算法机理性不足，普适性较差。［结论］在今后的研究中，旱地作物散射机制的定量确定，如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性；目前分类算法大都是基于光学影像设计，如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法，得到更高的分类精度；如何更好的跟光学遥感等多源数据（光学数据、GIS数据等）结合来提高精度，将成为未来极化SAR农作物识别中三个亟需重点解决的问题。     

基于PRI信息的雷达脉冲信号分选技术研究综述

基于脉冲重复间隔（Pulse Repetition Interval，PRI）信息的雷达脉冲信号分选是电子侦察信号处理中的核心关键技术之一。以公开文献资料为来源，从直接搜索判定分选、直方图统计分选、PRI变换分选、平面变换分选、多方法综合应用等多个方面对该技术方向上的各种方法的原理、流程、特点、适用条件等进行了分类对比与归纳总结，指出了其所面临的巨大挑战，展现了其未来的发展趋势，为该方向上技术研究的深入推进与工程应用的优化推广提供了重要参考。     

空间信息传输中的多天线技术综述

近年来，空间信息传输中的多天线技术得到了广泛关注和大量研究。首先介绍了多天线技术的信息论基础和演进过程；然后综述了多天线通信和雷达技术的研究进展，包括多输入多输出(Multiple-Input Multiple-Output,MIMO)卫星通信技术、深空天线组阵技术、空间多维协同传输理论与技术、MIMO雷达技术和分布式孔径相参合成雷达技术，分析了其中的关键技术及未来可研究的方向；最后，总结了多天线技术在航天测控领域应用的优势，展望了基于多天线的测控技术。     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如，对车辆轨迹进行跟踪并预测车辆的驾驶行为，就是一个常用的预警方法。在对车辆进行跟踪的过程中，数据关联是很重要的部分，它可以对车辆的观测点和轨迹进行关联，从而更新车辆的轨迹，完成跟踪过程。在此背景下，提出了一种新的数据关联算法，即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明，该算法能够较好地解决在交通场景下车辆数据的数据关联问题，在精度以及运行效率方面都有所提高。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力，将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先，以雷达触发前的N帧信号为基础，对雷达的回波信号进行分析并构建数据集；然后，分析LeNet-5卷积神经网络的特点；最后提出一种改进的LeNet-5卷积神经网络。实验结果表明，与传统的支持向量机方法相比，所提方法能够智能学习大小车的雷达时频信号特征，大小车型识别准确率达到97%以上，可为交通场景下的车型识别研究提供新的技术途径。     

一种利用机器学习优化MIMO窃听信道天线选择的方法

为保障多输入多输出窃听信道系统中信息传输的保密性，提出了一种基于机器学习的天线选择方案。首先利用机器学习解决分类问题准确率高、处理大数据高效这一优势，设计了基于奇异值分解的特征值提取、基于信干噪比的标签赋值方案，建立了k最近邻分类器和逻辑回归分类器选择最优天线最大化保密性能（可达保密速率和保密中断概率）。与传统天线选择方案相比，所提方案获得了几乎一致的保密性能，并且大幅降低了系统的选择复杂度和误比特率。     

基于卷积神经网络自编码器结构的空时分组传输方案

为提高现有端到端通信系统的泛化能力和可靠性，提出了一种基于卷积神经网络的空时分组码（Space-Time Block Coding，STBC）多输入多输出通信系统物理层方案。该方案将通信系统物理层表述、调制和解调过程联合起来形成端到端自编码器系统，引入多层一维卷积层，分别构建发射机和接收机，并扩展为多天线模式。为进一步提高系统可靠性，合理规划网络结构和参数，联合信号的调制和编码方案，优化了系统模型。仿真实验表明，针对瑞利相关衰落下多输入多输出（Multiple-Input Multiple-Output，MIMO）信道应用场景，训练模型可以实现传统STBC系统的误码性能，两发两收系统在发送端相关系数为0和0.9时分别优于传统系统0.5 dB和1 dB。此外，经过优化后的系统可获得采用卷积编码的性能改善效果，其两发两收不同工作方式优于传统1/2码率卷积编码STBC系统1~3 dB。     

一种一维距离像的识别算法

随着高分辨率雷达的发展,一维距离像识别已成为雷达目标识别的重要方法之一.为了消除一维距离像的平移,将一维距离像变换到频域,提取其频谱信息作为识别特征,并依据Fisher判据,将高维特征空间数据降到一维空间,提高了算法的实时性.仿真结果表明这是一种方便有效的识别方法.     

一种基于雷达图的雷达辐射源识别算法

在分析和考察雷达辐射源(Radar Emitter)多特征模式识别算法的基础上提出了一种基于雷达图(Radar Chart)中向量夹角余弦值的分类识别算法,借助雷达图实现了雷达辐射源空间特征向量向平面向量的转换,实现对雷达辐射源型号的自动识别,给出识别置信度.通过计算机仿真得到大于85%的正确识别率,进一步验证了算法在雷达辐射源识别工程中的可用性和可行性.