2026年5月4日至8日，第51届IEEE International Conference on Acoustics, Speech, and Signal Processing（ICASSP 2026）在西班牙巴塞罗那举行。本届会议主题为“Where Signals Meet Intelligence”，聚焦信号处理与人工智能、智能感知和数据驱动科学的深度融合。ICASSP 是IEEE Signal Processing Society的旗舰会议，也是信号处理及其应用领域规模最大、覆盖最全面的国际学术会议之一。该会议为CCF推荐国际学术会议B类会议，学院认定为A类学术会议。
在本次会议上，实验室唐慧龙博士围绕论文《A Maritime Small Target Detection Method Using Random Forest with KMD Feature Enhancement and Cost-Sensitive Learning》，贾鑫元博士围绕论文《Maritime Infrared Small-Target Detection via Local Contrast Measurement with a Novel Window and Central Directional Consistency》进行论文展示与学术交流。两项研究均面向复杂海洋环境下的小目标探测难题，体现了实验室在雷达信号处理、红外目标检测和智能海洋感知方向的持续探索。
唐慧龙博士的论文面向强海杂波背景下海上小目标雷达回波微弱、信杂比较低、目标样本稀缺等问题，提出了一种基于Koopman模态分解（KMD）特征增强与代价敏感学习随机森林（CSLRF）的海上小目标检测方法。研究首先将一维雷达回波转换为对称点图（SDP），并利用灰度共生矩阵（GLCM）提取纹理特征，使原本难以直接观察的动态差异转化为更易判别的图像纹理信息。在此基础上，为进一步增强目标特征并提高目标与海杂波的区分能力，论文引入KMD对回波信号进行模态分解与重构，通过筛选更具目标表征能力的模态成分，抑制海杂波及不稳定扰动对SDP图像纹理的干扰，同时避免对纯海杂波片段产生过度增强，从而提升目标纹理的清晰度和目标与海杂波之间的可分性。针对目标与海杂波样本分布不均衡的问题，进一步将代价敏感机制融入随机森林分类器，以增强模型对弱小目标的关注。实验结果表明，该方法在不同极化条件下均具有良好的稳定性和鲁棒性，能够在保持较低虚警水平的同时显著提升目标检测能力，并兼顾检测性能与实时处理需求。
贾鑫元博士的论文针对海上红外小目标检测中目标尺寸小、对比度低、结构信息弱，以及海浪、云层、强反射等复杂背景容易引发虚警的问题，提出了一种基于新型窗口局部对比测量与中心方向一致性的海上红外小目标检测方法（NWLCM-CDC）。该方法首先基于 facet model 构建红外梯度向量场（IGVF），从梯度幅值与方向两方面刻画目标和背景的结构差异。在此基础上，为进一步突出目标特征并抑制复杂海洋背景干扰，论文设计了新型窗口局部对比测量（NWLCM）和中心方向一致性（CDC）两类特征描述模块，通过强化目标与背景之间的局部对比关系以及利用目标梯度向中心汇聚的结构特征，有效抑制海浪杂波引起的干扰响应。随后，将两类响应进行融合，并采用自适应阈值实现目标提取，从而在增强弱小目标的同时降低虚警。实验结果表明，该方法在多项性能指标上优于现有对比方法，同时算法复杂度较低，能够在复杂海洋场景中实现快速、稳定的小目标检测，为海上监视与智能海洋安全提供了实用的技术支撑。
编 辑 | 于 欣 欣