基本信息
姓名 熊涛
硕导
博士学科：信号与信息处理
硕士学科：信号与信息处理
工作单位：西安电子科技大学人工智能学院 智能感知与图像理解教育部重点实验室

联系方式
通信地址：陕西省西安市西安电子科技大学224信箱
电子邮箱：xtlmtb2006@163.com
办公电话：
办公地点：西安电子科技大学主楼III区402


个人简介

主要研究方向
合成孔径雷达成像
合成孔径雷达图像处理
自聚焦与运动补偿研究
研究成果：
1.高分辨SAR成像
SAR高分辨成像技术当中，分辨率越高，对于成像算法带来了极大的挑战。本课题组改进了传统的成像算法，新算法更加适用于高分辨模式。上图为0.3m分辨率SAR图像，距离向和方位向分别有5000个采样点。
2. SAR图像自聚焦处理
SAR成像过程中，数据往往要受到运动误差的影响。传统的补偿方法分为基于锐化准则类和非基于锐化准则类，锐化准则类方法可以高精度得到数据运动误差，并且进行补偿，缺点是运算效率不好；非锐化准则类方法速度较快，但精度有限。本课题组采用基于级数反演的锐化方法，来进行自聚焦处理，通过级数反演这个数学方法，在保证精度的同时，提高了运算速度。图中(a)为散焦数据，(b)为本课题组方法的结果，该数据为美国Sandia实验室minSAR数据，Ku波段0.1米高分辨数据。
3. SAR图像的压缩感知成像
压缩感知SAR成像当中，难点在于SAR图像并不稀疏。也就是说，SAR图像当中，并非大量像素值等于或者接近于零。本课题采用数据处理的办法，将SAR图像变的稀疏，从而最终可以实现SAR图像的压缩感知恢复。恢复得到的图像相比原始图像，分辨率更高，图像质量更良好。
4.SAR图像旁瓣抑制研究
传统的空陷斩波方法抑制旁瓣，会带来图像能量降低，对比度变差的结果，本课题组采用改进的非线性多项式滤波方法和背景滤波方法结合，在保证强目标点旁瓣抑制的同时，保留弱目标区域的能量。下图中(a)为原始图像，(b)为旁瓣抑制的结果。

---

基本信息
姓名 熊涛
硕导
博士学科：信号与信息处理
硕士学科：信号与信息处理
工作单位：西安电子科技大学人工智能学院 智能感知与图像理解教育部重点实验室

联系方式
通信地址：陕西省西安市西安电子科技大学224信箱
电子邮箱：xtlmtb2006@163.com
办公电话：
办公地点：西安电子科技大学主楼III区402


个人简介

主要研究方向
合成孔径雷达成像
合成孔径雷达图像处理
自聚焦与运动补偿研究
研究成果：
1.高分辨SAR成像
SAR高分辨成像技术当中，分辨率越高，对于成像算法带来了极大的挑战。本课题组改进了传统的成像算法，新算法更加适用于高分辨模式。上图为0.3m分辨率SAR图像，距离向和方位向分别有5000个采样点。
2. SAR图像自聚焦处理
SAR成像过程中，数据往往要受到运动误差的影响。传统的补偿方法分为基于锐化准则类和非基于锐化准则类，锐化准则类方法可以高精度得到数据运动误差，并且进行补偿，缺点是运算效率不好；非锐化准则类方法速度较快，但精度有限。本课题组采用基于级数反演的锐化方法，来进行自聚焦处理，通过级数反演这个数学方法，在保证精度的同时，提高了运算速度。图中(a)为散焦数据，(b)为本课题组方法的结果，该数据为美国Sandia实验室minSAR数据，Ku波段0.1米高分辨数据。
3. SAR图像的压缩感知成像
压缩感知SAR成像当中，难点在于SAR图像并不稀疏。也就是说，SAR图像当中，并非大量像素值等于或者接近于零。本课题采用数据处理的办法，将SAR图像变的稀疏，从而最终可以实现SAR图像的压缩感知恢复。恢复得到的图像相比原始图像，分辨率更高，图像质量更良好。
4.SAR图像旁瓣抑制研究
传统的空陷斩波方法抑制旁瓣，会带来图像能量降低，对比度变差的结果，本课题组采用改进的非线性多项式滤波方法和背景滤波方法结合，在保证强目标点旁瓣抑制的同时，保留弱目标区域的能量。下图中(a)为原始图像，(b)为旁瓣抑制的结果。

---

科学研究
目前研究团队承担的科研项目：
1. 中国博士后科学基金面上资助第54批；
2. 中国博士后科学基金特别资助第7批；
3. 中国航天科技集团公司卫星应用研究院创新基金；
4. 中国空间技术研究院创新基金。

---

学术论文
Xiong, Tao ，Xing, Mengdao，Xia, Xiang-Gen，Bao, Zheng，New Applications of Omega-K Algorithm for SAR Data Processing Using Effective Wavelength at High Squint，IEEE Transactions on Geoscience and Remote Sensing，2013.5.01，51（5）：3156~3169. Xiong, Tao ，Xing, Mengdao，Wang, Yong，Wang, Shuang，Sheng, Jialian，Guo, Liang，Minimum-Entropy-Based Autofocus Algorithm for SAR Data Using Chebyshev Approximation and Method of Series Reversion, and Its Implementation in a Data Processor，IEEE Transactions on Geoscience and Remote Sensing，2014.3.01，52（3）：1719~1728. Xiong, Tao ，Wang, Shuang，Hou, Biao，Wang, Yong，Liu, Hongying，A Resample-Based SVA Algorithm for Sidelobe Reduction of SAR/ISAR Imagery With Noninteger Nyquist Sampling Rate，IEEE Transactions on Geoscience and Remote Sensing，2015.2.01，53（2）：1016~1028. Xiong, Tao ，Xing, Mengdao，Wang, Yong，Guo, Rui，Sheng, Jialian，Bao, Zheng，Using derivatives of an implicit function to obtain the stationary phase of the two-dimensional spectrum for bistatic SAR imaging，IEEE Geoscience and Remote Sensing Letters，2011.01.01，8（6）：1165~1169. Zhang, Lei ，Sheng, Jialian，Xing, Mengdao，Qiao, Zhijun，Xiong,Tao，Bao, Zheng，Wavenumber-Domain Autofocusing for Highly Squinted UAV SAR Imagery，IEEE Sensors Journal，2012.5.01，12（5）：1574~1588. Zhou, Peng ，Xing, Mengdao，Xiong, Tao，Wang, Yong，Zhang, Lei，A variable-decoupling- and MSR-based imaging algorithm for a SAR of curvilinear orbit，IEEE Geoscience and Remote Sensing
Letters，2011.01.01，8（6）：1145~1149.

---

荣誉获奖
1.第二届亚太地区合成孔径雷达年会(APSAR)最佳论文奖。

---

科研团队
团队教师
团队介绍：
课题组主要依托西安电子科技大学智能感知与图像理解教育部重点实验室，所在学科是国家“211”工程的重点建设学科和国家重点学科（信号与信息处理二级学科在2002年和2006年全国重点学科评估中列全国第一名，信息与通信工程一级学科2006年全国重点学科评估中均列全国第二名），建有博士后流动站，设有“****”计划****岗位。实验室前身是我国第一个神经网络研究中心和智能信息处理研究所，于2006年被批准为国家“111”计划创新引智基地；2012年获批教育部创新团队和陕西省重点科技创新团队；2012年成立国际智能感知与先进计算研究中心；2013年成立国家级智能感知与计算国际联合研究中心；2013年实验室负责完成的“基于自然计算的学习与优化基础理论”获得国家自然科学奖二等奖；2014年西安电子科技大学被教育部批准为信息感知技术协同创新中心；2015年团队获教育部“创新团队发展计划”滚动支持；2015年“智能感知与计算国际联合研究中心”获批为陕西省国际科技合作基地；2015年获教育部国际合作联合实验室。
实验室面向国家重大战略需求、追踪国际前沿发展，借鉴国际智能感知与图像理解研究领域的科研模式，有效整合创新资源，重点突破计算智能与机器学习理论与应用、大数据深度学习、图像理解与自动目标识别以及高精度星载图像感知等方面的科学问题，解决复杂数据动态、异构和高维等特征显著增加带来的知识表达困难等问题。
智能感知与图像理解教育部重点实验室共配备两套计算机群，并投资建立遥感影像数据库。
(1) 惠普计算机群：配备了1个管理节点，1个IO节点，38个计算节点，100T的存储系统，每个计算节点配置为2个Opteron 6174 12核CPU，2个300GB 10K SAS硬盘，44G内存，计算速度可达近十万亿次的HP集群高性能计算服务器；第二套配备了由20台进口HP xw9400工作站构成的计算集群，每台其配置如下：处理器为2个Opteron 6核，其主频为2.8G；内存为32GB DDR2-667 ECC reg；硬盘为4块450GB SAS；显卡为2块 NVIDIA Quadro FX4800 1.5GB显存（支持SLI）；显示器为HP 2475 高端工作站专用显示器。同时配备了多台从低端到高端的IBM工作站，及Dell服务器和Sun服务器，具有很好的实验条件。
(2) 深度学习并行处理平台：2015年，智能感知与图像理解教育部重点实验室采用8台搭载NVIDIA GeForce GTX TITAN X显卡的HP-Z820工作站和40台HP-Z840工作站在Linux（Ubuntu14.04）环境下构建了大数据深度学习并行处理平台，可以实现CPU/GPU多节点并行计算。实验室总GPU核数超过30万，计算能力可以达到每秒350万亿次，存储能力超过400TB。基于此平台，目前实验室搭建了多种深度学习平台：Caffe（C++/CUDA架构，易于实践的深度学习框架，是目前深度学习研究中最常用算法测试平台）、Keras（Python语言为底层的深度学习框架，可以创建几乎任何类型的神经网络，具有模型普适性）、Torch（采用快速且简单的脚本语言Lua，易于使用且提供高效的算法实现，适合嵌入式开发）和MxNet（高效和灵活的深度学习框架，可以很好地兼容深度学习的程序来达到效率的最大化，易于推广到移动端应用）。
硕士研究生
2016级：武玉娟 孙璐；
2017级：李其 吴珂；

---

课程教学
目前本人承担的教学任务：
1.计算机导论
2.新一代internet技术
课件下载 示例

---

招生要求
~~~~~~~~~~~~~~~~~~~~~~~~~~
关于研究生招生的信息：
硕士生招生名额2人
~~~~~~~~~~~~~~~~~~~~~~~~~~
将技术变成工艺，欢迎大家前来报考。

---

Profile
Name Title
Department:

Contact Information
Address:
Email:
Tel:


Introduction
Put brief introduction of yourself here


Research Interests
1．
2.
3．
4．
5．

---

Research
目前研究团队承担的科研项目：

---

Papers
[1]
[2]
[3]
[4]
[5]
[6]
[7];
[8]
[9]

---

Honors
点击网页顶部“添加栏目”可以添加其他栏目
把鼠标放在栏目标题处，尝试拖动栏目。

---

Team
团队教师




博士研究生
硕士研究生

---

Teaching
目前本人承担的教学任务：

课件下载 示例

---

Admission
~~~~~~~~~~~~~~~~~~~~~~~~~~
关于研究生招生的信息：
~~~~~~~~~~~~~~~~~~~~~~~~~~