• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 13
    • 下载费用:30 金币  

    重庆时时彩hou一技巧: 一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410203138.1

    申请日:

    2014.05.14

    公开号:

    CN103969636A

    公开日:

    2014.08.06

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G01S 7/41申请公布日:20140806|||实质审查的生效IPC(主分类):G01S 7/41申请日:20140514|||公开
    IPC分类号: G01S7/41; G01S13/90; G06F19/00(2011.01)I 主分类号: G01S7/41
    申请人: 中国人民解放军国防科学技术大学
    发明人: 王玉明; 张汉华; 李杨寰; 王建; 宋千; 陆必应; 周智敏; 金添; 安道祥; 范崇祎
    地址: 410073 湖南省长沙市开福区德雅路109号
    优先权:
    专利代理机构: 国防科技大学专利服务中心 43202 代理人: 曹德斌
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410203138.1

    授权公告号:

    ||||||

    法律状态公告日:

    2016.11.09|||2014.09.03|||2014.08.06

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明属于地表穿透合成孔径雷达信号处理领域,具体涉及一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法。具体包括,获取GP-SAR图像中的感兴趣区域图像,并对所述感兴趣区域进行二维傅里叶变换,获得感兴趣区域的波数域图像。根据正侧视条带雷达波数域中频率与入射角的关系,计算波数域图像中随入射角变化的目标频率响应估计值,并根据目标频率响应估计值进行回波重构;引入稀疏原子基,对重构的回波进行稀疏时频表示处理,并提取特征矢量;初始化线性判决鉴别器参数,并引入若干个训练样本,计算得到最终的线性判决鉴别器参数;根据已经提取的特征矢量和获得的最终线性判决鉴别器参数,鉴别所述感兴趣区域是否存在地雷目标。

    权利要求书

    权利要求书
    1.  一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法,其特征在于:包括以下步骤:
    (s1)获取GP-SAR图像中的感兴趣区域图像,并对所述感兴趣区域进行二维傅里叶变换,获得感兴趣区域的波数域图像。
    (s2)根据正侧视条带雷达波数域中频率与入射角的关系,计算所述步骤(s1)中波数域图像中随入射角变化的目标频率响应估计值;并根据目标频率响应估计值进行回波重构;
    (s3)引入稀疏原子基,对所述步骤(s2)中重构的回波进行稀疏时频表示处理,并提取特征矢量;
    (s4)初始化线性判决鉴别器参数,并引入若干个训练样本,计算得到最终的线性判决鉴别器参数;
    (s5)根据所述步骤(s3)中提取的特征矢量和所述步骤(s4)中获得的最终线性判决鉴别器参数,鉴别所述感兴趣区域是否存在地雷目标。

    2.  如权利要求1所述的一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法,其特征在于:所述步骤(s3)包括以下步骤:
    (s31)选择Gabor原子gκ(t)为稀疏原子基,即:

    其中,g(t)表示Gauss函数,j为虚数单位,κ=(a,b,ξ)表示时频参数,a为伸缩因子,用以调节时间分辨率;b为位移因子,调整原子位置;而ξ为调制因子,表示频域上的位移;
    所述(7)式的傅立叶变换为:

    w为对应于t时刻的角频率,式(1)和式(2)中的a参数改变L次,得到L个 Gabor原子,所述L个Gabor原子组成字典D;
    (s32)将所述步骤(2)重构得到的回波进行稀疏分解,即:

    求解β过程:

    其中,||·||1表示求解1-范数,β为在字典D中的稀疏系数,s.t.表示满足约束条件的数学符号。

    3.  如权利要求2所述的一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法,其特征在于:所述步骤(s4)中的提取训练样本的特征矢量包括以下步骤:根据所述(10)式中的匹配关系分别在时域和频域内搜索两个原子,得到12个特征:
    (ai,bi,ξi),i=1,2,3,4 (5),
    选择b1、b2、ξ3、ξ4,计算获取时域双峰间距特征E和频域凹点特征F:

    将所述12个特征、双峰间距特征E和频域凹点特征F共同组成一个特征矢量v。

    4.  如权利要求1所述的一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法,其特征在于:所述步骤(s4)中的获取线性判决鉴别器参数包括以下步骤:
    初始化线性判决鉴别器参数等于零矢量,通过训练样本X1提取的特征矢量根据以下两式:

    s.t.||αi||0=4

    s.t.||αi||0=4
    其中,Xi表示第i个训练样本;为第i个训练样本,第n次迭代后得到的线性判决鉴别器参数矢量;为第i个训练样本,第n次迭代后的特征矢量;第i个训练样本Xi对应的标签为yi,当样本为地雷目标时yi=1,反之,yi=-1;αi为Xi在字典D下的稀疏系数向量,n=1,2,…,N;N为自然数;
    当训练样本有M个时,经过所述(13)和(14)式的N次迭代运算,得到最终的鉴别器参数矢量为
    (s1)获取GP-SAR图像中的ROI图像f(r,x),对所述ROI图像f(r,x)进行二维傅里叶变换,获得二维波数域图像为即:

    其中,kr为斜距波数、kx为方位波数,r表示斜距、x表示方位位置;
    (s2)估计目标频率响应值,将映射到f-θ域中,形成目标在入射角θ下对应的频域响应:

    当θ=θ0=0时,垂直合成孔径的频域响应为S(f,θ0),所有ROI的图像S(f,θ)均取θ=θ0=0,
    即:
    对(11)式进行逆傅里叶变换,可得重构的回波
    。

    说明书

    说明书一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法
    技术领域
    本发明属于GP-SAR(地表穿透合成孔径雷达:Ground Penetrate SyntheticAperture Radar)信号处理领域,具体涉及一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法。
    背景技术
    GP-SAR具有良好的土壤和植被穿透能力,广泛应用于地雷等浅地表目标的探测。由于强地杂波的存在,以及土壤对信号的衰减,浅埋于地表的地雷目标回波响应相比其它目标要弱,导致常规的信号处理方法不能有效解决GP-SAR图像中地雷目标的检测问题。为了去除地雷目标检测图中的大量虚警,需要采取有效的地雷目标鉴别方法。地雷目标鉴别方法中提取地雷目标有别于其它目标和杂波的特征至关重要,目前大多数算法只关注地雷目标时域或频域特征某一方面,实用性不够。2005年Sun Yi-jun和Li Jian(Sun Yi-jun,and Li Jian,Landmine detection using forward-looking ground penetrating radar[C].Proceedingsof SPIE,2005,5794:1089-1097.Sun Yi-jun,and Li Jian,Plastic Landmine DetectionUsing Time-Frequency Analysis for Forward-Looking Ground Penetrating Radar[C].Proceedings of SPIE,2005,5089:851-862.)基于车载探测平台,提出对地雷目标的一维距离剖线进行时频变换,利用其中的时频联合特征进行鉴别,取得了较好的鉴别效果。2011年Shi Y F(Shi Y F,Song Q,Jin T,et al..Landmine detectionbased on two-dimension time-frequency feature[J].Signal Processing,2011,27(12):1898-1903.)又对该方法中的时频分解原子基进行了改进,提取更加精确的时频 特征,进一步提高鉴别性能。
    在现代战争环境中,防坦克地雷场往往采用布雷车、火箭布雷和机载抛撒布雷等大面积机动布设的方式,具有很高的突然性和隐蔽性,往往容易造成士兵的恐慌心理,打击军队士气,迟滞装甲部队的快速推进。低空或空中平台的GP-SAR探雷技术,不受地形限制,不受雷区是否是敌占区限制,探测范围大,探测效率高,并且由于避免了和雷区地面的接触,具有很高的安全性,不仅将成为未来快速、高效、准确的浅埋雷场探测技术的发展方向,而且具有重要的人道主义和军事应用意义。在车载平台下,GP-SAR距离地雷目标较近,获取的GP-SAR图像中地雷目标信杂比(SCR:signal clutter ratio)较高,一维距离剖线的时频特征,能准确反映地雷目标特性。然而,当搭载在低空或空中平台,GP-SAR距离地雷目标较远,获取的GP-SAR图像中地雷目标SCR较低时,受噪声的影响,选取的一维距离剖线常常偏离地雷中心,进而使得基于一维距离剖线时频图提取的特征,可分性较差,无法在SCR较低时满足地雷目标的鉴别需求。
    发明内容
    本发明要解决的技术问题是针对现有GP-SAR地雷目标鉴别方法在信杂比较低时,鉴别性能不能满足装备应用需求的缺点,提出一种基于回波重构的地雷目标鉴别方法。
    为了解决上述技术问题,本发明采提供一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法,包括以下步骤:
    (s1)获取GP-SAR图像中的感兴趣区域(感兴趣区域:Region of Interesting,缩写为ROI)图像,并对所述感兴趣区域进行二维傅里叶变换,获得感兴趣区域的波数域图像。
    (s2)根据正侧视条带雷达波数域中频率与入射角的关系,计算所述步骤(s1)中波数域图像中随入射角变化的目标频率响应估计值;并根据目标频率响应估计值进行回波重构;
    (s3)引入稀疏原子基,对所述步骤(s2)中重构的回波进行稀疏时频表示处理,并提取特征矢量;
    (s4)初始化线性判决鉴别器参数,并引入若干个训练样本,计算得到最终的线性判决鉴别器参数;
    (s5)根据所述步骤(s3)中提取的特征矢量和所述步骤(s4)中获得的最终线性判决鉴别器参数,鉴别所述感兴趣区域是否存在地雷目标。
    本发明可以达到以下技术效果:(1)数据适应性强、便于推广应用。本发明利用目标二维波数域图像和一维回波关系,重构特定方位的回波响应,可有效抑制杂波,改善特征提取的准确度,在SAR图像处理中具有广泛数据适应性;另外,本发明在训练时将鉴别器参数训练和回波稀疏时频表示联合起来,在获得可用于测试的鉴别器参数的同时优选了特征,在测试时基于判别准则搜索特征,不仅有效提高了地雷目标的鉴别质量,还可为其它类型目标的特征提取及鉴别提供一种新的思路。(2)适用于低空或空中平台远距离情况下的地雷目标鉴别。与车载平台相比,当搭载在低空或空中平台,GP-SAR距离地雷目标较远,目标散射回波弱,SCR较低。采用本发明不仅可以有效抑制相邻杂波,改善目标散射回波特性,而且本发明在利用稀疏时频表示提取地雷特征时,充分考虑地雷的时域双峰结构和频率凹点,简化了时频字典中原子的搜索策略,不仅可以进一步消除噪声的影响,而且降低了运算量,简化了测试判别流程,在SCR较低的情况下,取得了较好的地雷目标鉴别效果。
    本发明具体原理阐述如下:
    第一步,获取ROI图像,并进行二维傅里叶变换。对GP-SAR获取的SAR图像中检测出的ROI(感兴趣区域:Region of Interesting),进行二维傅里叶变换,得到ROI波数域图像。
    若令f(r,x)为SAR图像中所获取的ROI图像,对其进行二维傅里叶变换,可得其二维波数域图像:
    F~(kr,kx)=Fr,x→kr,kx2[f(r,x)]---(1)]]>
    式中kr、kx分别为斜距波数和方位波数,r、x分别表示斜距、方位位置。
    2007年金添在其博士论文(金添,《超宽带SAR浅埋目标成像与检测的理论和技术研究》,国防科学技术大学博士学位论文,2007年)中证明,无论采用何成像算法,正侧视条带SAR二维波数域图像满足:
    k=12kx2+kr2θ=arctan(-kxkr)---(2)]]>
    式中k=2πf/c,c为光速,f为频率。根据成像算法的不同,给带来的影响仅表现在二维波数域支撑区不同。为了方便后续讨论,假设θ的取值范围为(-π2,π2].]]>
    第二步,基于目标频率响应估计的回波重构。根据正侧视条带SAR波数域中频率及入射角的关系,估计ROI波数域图像中随入射角变化的目标频率响应。对ROI波数域图像中目标频率响应的估计进行逆傅里叶变换,得到消除了相邻杂波影响的目标回波。详细步骤如下
    (1)目标频率响应的估计
    根据(2)式可以得到:
    kr=2kcosθ=4πcfcosθkx=2ksinθ=4πcfsinθ---(3)]]>
    根据(3)式,可以将映射到f-θ域中,形成目标在各个入射角下的频域响应:
    S(f,θ)=F~(4πcfcosθ,4πcfcosθ)---(4)]]>
    当θ=θ0=0时,S(f,θ0)是垂直合成孔径的频域响应;将所有ROI的图像S(f,θ)均取θ=θ0=0,可以保证
    S(f,θ0)=F~(4πcf,4πcf)---(5)]]>
    即(5)式为ROI波数域图像中目标频率响应的估计。
    (2)回波重构
    对(5)式进行逆傅里叶变换,可得重构的回波:
    s^(t,θ0)=Ff→t-1[S(f,θ0)]---(6)]]>
    第三步:稀疏时频表示与特征矢量的提取?;诘乩啄勘甑氖庇蚝推涤蛱卣餮≡裣∈柙踊?,利用所选的稀疏原子基,对重构的回波进行稀疏时频表示。
    (1)选择稀疏原子基
    选择Gabor原子:
    gκ(t)=1ag(t-ba)ejξt---(7)]]>
    其中,g(t)表示Gauss函数,j为虚数单位,κ=(a,b,ξ)是时频参数;a为伸缩因子,用以调节时间分辨率;b为位移因子,用于调整原子位置;而ξ为调制因子,用于调节原子在频域上的位移。
    (7)式的傅立叶变换为:
    Gκ(w)=aG[a(w-ξ)]e-j(w-ξ)b---(8)]]>
    变换L次式(7)和式(8)中参数a,得到L个时频原子,组成字典D。w对应于t的角频率。
    (2)稀疏时频表示
    令(6)式时域回波为则的稀疏分解为
    s^0=---(9)]]>
    分解过程为:
    min||β||1s.t.s^0=---(10)]]>
    式中||·||1表示1-范数。β为在字典D中的稀疏系数,当β中仅存有限个非零系数时,则说明在字典D中稀疏,其中,s.t.是英文subject to的缩写,表示满足约束条件的数学符号,即:在满足的约束条件下,求解min||β||1,本文下同。
    (3)特征矢量提取方法
    根据地雷目标时域双峰(Jin T,Zhou Z M.Study of Subsurface MetallicLandmine2-Dimensional Electromagnetic Signature in Ground Penetrating SyntheticAperture Radar.Acta Electronica Sinica,2006,34(12):2246-2249)和频域的双峰(Sun X K,Zhou Z M,Wang J.Scattering from Buried Metal Landmines.Journal ofMicrowaves,2008,24(4):5-9)结构,根据(10)式的匹配搜索,在时域和频域内各寻找两个原子,得到12个特征:
    (ai,bi,ξi),i=1,2,3,4 (11)
    在12个特征的基础上,又选择b1、b2、ξ3、ξ4,通过其变化得到时域双峰间距特征E和频域凹点特征F:
    E=b2-b1F=(ξ3+ξ4)/2---(12)]]>
    将这14个特征组成一个特征矢量v。
    第四步,确定线性鉴别器参数。
    定义已知目标的ROI图像为训练样本,待鉴别的ROI图像为测试样本,根据以下两式,求解最终鉴别器参数。
    Cin=argmin(||Xi-i||2+||yi-Cin-1vin||2+||Cin-1||2)s.t.||αi||0=4---(13)]]>
    vin=argmin(||Xi-i||2+||yi-Cinvin-1||2+||Cin||2)s.t.||αi||0=4---(14)]]>
    其中,Xi表示第i个训练样本;为第i个训练样本,第n次迭代后得到的线性判决鉴别器参数矢量;为第i个训练样本,第n次迭代后的特征矢量。第i个训练样本Xi对应的标签为yi,当样本为地雷目标时yi=1,反之,yi=-1;αi为Xi在字典D下的稀疏系数向量,n=1,2,…,N;N为自然数。
    迭代详细过程如下:设训练样本有M个,即i=1,2,…,M;
    初始化,等于零矢量,通过训练样本X1提取的特征矢量将两者代入(13)式计算,得到然后,将代入(14)式,计算更新后的特征矢量将特征矢量和代入(13)式,计算得出依次类推,迭代N次计算得到
    通过训练样本X2提取的特征矢量将鉴别器参数矢量和代入(13)式子,计算得出然后,将代入(14)式,计算更新后的特征矢量将特征矢量和代入(13)式,计算得出依次类推,迭代N次计算得到
    通过以上算法,遍历M个样本后,得到最终的鉴别器参数矢量
    第五步,目标的鉴别过程。
    利用上面获得的鉴别器参数矢量对测试样本Xt进行鉴别,则有:

    其中,νt表示测试样本Xt的特征矢量,即当判定Xt为地雷目标;当f(Xt)=sgn(CMNvt)=-1,]]>判定Xt为杂波。
    由以上过程可知,本发明对重构的回波进行稀疏时频表示的同时进行地雷目标鉴别,能够在信杂比较低的情况下,取得了较好的地雷目标鉴别效果。这个 过程可以通过地雷目标鉴别软件实现,该软件由ROI图像的二维傅里叶变换、基于目标频率响应估计的回波重构、基于稀疏时频表示的判决三个??樽槌?,分别对应本发明所述的三个步骤。
    本发明充分考虑了低空或空中平台远距离情况下GP-SAR图像中地雷目标SCR较低的特点,提出了利用重构回波进行稀疏时频表示的地雷目标鉴别方法,有效改善了特征提取的准确度,简化了鉴别流程,在信杂比较低的情况下,取得了较好的地雷目标鉴别效果。采用实测数据,对本发明所述地雷目标鉴别方法进行了测试,取得了较好的效果。
    附图说明
    图1是常规GP-SAR地雷目标鉴别方法流程图;
    图2是本发明的利用重构回波进行稀疏时频表示的地雷目标鉴别方法流程图;
    图3是图1流程中提取的ROI距离剖线及其CWD(Choi-WilliamsDistribution)图;
    图4是图2流程中回波重构及稀疏时频表示各个阶段的结果图;
    图5是实测数据按照图1流程鉴别和图2流程鉴别结果接收机工作曲线(Receiver Operator Characteristic Curve,ROC)对比图。
    具体实施方式
    下面结合附图和具体实施方式对本发明作进一步说明。
    图1是常规GP-SAR地雷目标鉴别方法流程图。分为训练和测试两个部分。测试部分流程包括ROI距离剖线选择、时频表示(包括特征提取)、鉴别三个部分(其中时频表示方法通常有短时傅里叶变换、CWD等)。训练部分流程包括与测试部分相同的ROI距离剖线选择、时频表示(包括特征提取)两个部分, 再加上鉴别器训练部分,其功能主要为测试部分的鉴别器提供参数。训练??橹腥蟛糠执?,无反馈,基于线性判决准则进行鉴别,在鉴别器训练时,仅根据输入训练特征调整鉴别器参数。测试时,特征提取与鉴别无关。
    图2是本发明的利用重构回波进行稀疏时频表示的地雷目标鉴别方法流程图。其中图2-1为回波重构??榈牧鞒掏?,包括二维傅里叶变换(2D-FFT)、目标频率响应估计、目标回波响应估计三部分。图2-2为总流程图,分为训练和测试两个部分。测试部分流程包括回波重构、基于判别准则的稀疏时频表示、判别三个部分。训练部分流程包括与测试部分相同的回波重构部分,再加上稀疏时频表示(包括特征提取)和鉴别器训练两个部分,其功能主要为测试部分的鉴别器提供参数。训练??橹邢∈枋逼当硎?包括特征提取)、鉴别器训练两个??橹写嬖诜蠢≈?,即在训练时将鉴别器参数训练和回波稀疏时频表示联合起来,通过迭代在获得可用于测试的鉴别器参数的同时优选了特征矢量。在测试时,稀疏时频表示是基于判别准则的,即根据鉴别器参数来搜索稀疏时频表示的特征。
    图3是图1流程中提取的ROI距离剖线及其CWD分布图。在ROI切片中,(a)为最大值对应的距离剖线,(b)为偏离最大值-2个像素对应的距离剖线,而(c)为偏离最大值2个像素对应的距离剖线。图3-2,图3-3,图3-4分别为(a)(b)(c)相应的CWD分布??梢钥闯?,最大值附近的距离剖线其时频表示差异明显。由于ROI中心一般通过灰度最大值、重心等方法形成,很难做到完全精确,难以对正目标实际中心,因此,该算法易受噪声影响,在噪声情况下目标散射特性无法准确反映,从而可预见其鉴别性能的降低。
    图4是图2流程图中回波重构及稀疏时频表示各个阶段的结果图。图4-1为包含目标的ROI;图4-2为图4-1的二维傅里叶变换后得到的波数域图像,图 4-3图为图4-2图通过波数域到频率-方位角域的映射得到的图像;而图4-4由图4-3沿频率向进行逆傅里叶变换得到。在图4-4中,可以看出,重构后的目标回波在各个方位角上具有较好一致性,保证通过其得到的时频特征的稳健性。图4-5为方位角为0时目标的重构回波,图4-6为图4-5的稀疏时频表示。在图4-6中目标稀疏时频图像由4个原子构成,其中时域和频域各两个,并分别对应于时域图像和频域图像的双峰。利用ROI的目标回波重构方法,能实现目标准确描述,对其进行稀疏时频分析,可以获取较好的目标特征。
    图5是实测数据按照图1流程鉴别和图2流程鉴别结果ROC对比图。从图5可以得出,本发明鉴别算法较常规鉴别算法在地雷目标鉴别过程中取得好的结果。
    以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的?;し段?。

    关 键 词:
    一种 利用 回波 进行 稀疏 表示 地雷 目标 鉴别方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种利用重构回波进行稀疏时频表示的地雷目标鉴别方法.pdf
    链接地址://www.4mum.com.cn/p-6142759.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03