干涉合成孔径雷达抗干扰性能分析

在合成孔径雷达的电子对抗研究中,有源欺骗干扰方法得到了很大程度的重视。从合成孔径雷达反对抗的角度出发,就需要研究对有源欺骗干扰方法的反对抗措施。因此,该文对干涉合成孔径雷达(InSAR)的抗干扰性能进行了分析。该文指出利用InSAR可有效地识别有源欺骗干扰,并可在一定程度上消除有源欺骗干扰的影响。其中,对欺骗干扰的识别利用了InSAR的干涉相位图,干扰将使干涉相位图发生畸变。     

舰载毫米波有源干扰发射体制选择及工作方式

现代海战场中,舰艇面临毫米波末制导反舰导弹的威胁越来越严重,毫米波有源干扰是毫米波末段有源对抗的有效手段。对各种体制的舰载毫米波有源干扰进行了对比分析,并重点提出了相控阵体制的舰载毫米波有源干扰的工作引导方式。     

基于熵理论和RBF神经网络的有源压制干扰识别方法

电子干扰技术的发展使得有源干扰的性能得到了长足的进步,为了提高雷达抗干扰效果,有必要对不同类型的干扰采取针对性抗干扰措施。针对有源压制干扰的自动识别问题,本文研究了一种基于熵理论的有源压制干扰识别方法。对有源压制干扰信号进行FFT变换后,提取频谱的信息熵、指数熵以及范数熵,构建三维特征空间并送入径向基函数(RBF)神经网络进行识别。仿真结果表明,将熵特征作为特征参数能取得良好的识别效果。     

有源干扰星载SAR的技术研究

主要探讨了有源干扰星载SAR的技术措施———有源压制干扰和有源欺骗干扰。有源压制干扰主要包括阻塞干扰、瞄准式干扰和随机脉冲干扰;有源欺骗干扰主要包括转发式干扰、应答式干扰和散射波干扰。定性分析了各种干扰对SAR图像影响效果并对有源干扰所需干扰功率进行了定量计算。     

基于辅天线的有源假目标欺骗干扰的极化识别

本文探讨了利用雷达主天线的变极化特性和辅助天线相结合来识别有源假目标欺骗干扰的可行性.首先建立了主辅天线对雷达目标和有源假目标干扰的接收信号模型.在此基础上,根据有源真假目标回波特性直观的差异提出了识别判决检验量,设计了有源真假目标的识别算法.最后,结合有源假目标干扰的极化特性,具体分析、评估了利用辅天线进行有源假目标欺骗干扰识别的性能.     

机载投掷式有源雷达诱饵干扰效果分析与研究

随着具备速度识别能力的脉冲多普勒（PD）体制为主的第四代空空雷达制导导弹的广泛应用以及各种抗干扰算法的不断发展,战斗机平台面临的雷达制导威胁形势愈发严峻。对此国外已发展了多型机载投掷式有源雷达诱饵,来通过信号采集调制产生大量具备不同速度以及雷达特征的假目标信号干扰雷达制导导弹。对当前国外多型机载投掷式有源雷达诱饵装备进行了介绍,对其干扰机理进行了深入分析,并对灵巧噪声干扰以及密集假目标干扰这两种主要干扰样式进行了仿真分析,验证了投掷式有源雷达诱饵的干扰效果。     

有源转发式干扰的全极化单脉冲雷达抑制方法研究

有源转发式干扰成为防空反导、反舰攻击等典型作战场景下非常重要的一种干扰样式,对现代雷达形成了严重威胁。该文针对有源转发式干扰对雷达形成的距离欺骗性假目标干扰和角度欺骗性干扰两种典型情况,研究了全极化单脉冲雷达识别转发式干扰并加以抑制的方法,理论推导和仿真实验结果表明利用极化信息可以识别并抑制此类干扰,这对新一代极化雷达适应复杂电磁环境问题的研究具有深刻的理论指导和借鉴意义。     

现代有源干扰技术发展探讨

介绍了现代有源干扰技术。论述了舰艇的雷达有源隐身技术和舰载雷达有源干扰机。探讨了舰载激光致盲武器与烟幕干扰技术。重点论述了有源光电干扰设备和红外干扰机。最后,对现代有源干扰技术的发展进行了探讨。     

合成孔径雷达电子干扰技术综述

合成孔径雷达（synthetic aperture radar, SAR）通过主动辐射电磁波，可实现全天时全天候对观测区域进行高分辨成像，被广泛用于情报侦察、战场探测、微波遥感、地形测绘等领域。目前，SAR在军事领域的应用愈加广泛，严重威胁了我重要目标的生存性和战略部署的有效性。如何对SAR进行有效干扰，压制或扰乱SAR系统的侦察、识别等功能，一直是雷达对抗领域研究的热点难点问题。为此，阐述了对SAR有源与无源干扰技术的发展现状，分析了现阶段有源与无源干扰技术的挑战与难点，对SAR干扰技术的发展趋势进行了展望，以期为相关领域的学者和工业部门提供有益参考。     

有源/无源转移干扰条件及协同干扰技术

分析了有源干扰、无源干扰单独使用的特点和限制条件,提出了有源和无源转移干扰使用的必要性,详细论述了转移干扰的4个有效条件,并结合某主动和红外末制导雷达,研究了有源和无源协同干扰技术。     

基于LSTM网络和特征融合的通信干扰识别

针对现有通信干扰信号识别方法识别效果不佳的问题,提出了一种基于长短时记忆网络(Long Short-Term Memory,LSTM)和特征融合的通信干扰识别方法.该方法利用LSTM网络提取干扰信号的特征,通过LSTM强大的序列特征提取能力提升干扰信号特征提取的性能;通过提取信号的时域和频域特征后进行特征融合,使用全连...     

有源干扰感知的熵理论方法

面对日益复杂的电磁环境,用户对干扰感知技术提出了更高的要求。本文采用一种基于熵理论的干扰感知方法,对六种常见的有源干扰（三种压制式干扰和三种欺骗式干扰）进行特征提取,通过仿真结果分析其在不同熵特征下的差异,得出了熵理论可用于干扰感知技术的结论。其中,信息熵和指数熵能够区分噪声调幅干扰,范数熵能够较好地区分三种压制式干扰和速度欺骗干扰;但三种熵理论方法均难以区分距离欺骗干扰和速度欺骗干扰。同时,通过比较三种熵理论特征提取方法的仿真时间,分析了三种特征提取方法的计算复杂度,得出了范数熵计算复杂度最低的结论。最后,通过朴素贝叶斯分类器确定了三种熵理论方法的识别率。      

雷达欺骗干扰特征提取与综合感知方法综述

雷达欺骗干扰的特征提取和综合感知是雷达抗干扰的前提条件,也是雷达抗欺骗干扰工作流程中的难点问题。从干扰机无意调制的细微特征、信号起伏特性、极化特征、动力学特性、微多普勒特征、组网雷达特性、多尺度分解特征、多域变换特性等方面综述了雷达欺骗干扰特征提取和综合感知方法的研究进展,总结了各种欺骗干扰感知方法的约束条件、运算量和识别性能,最后,指出了目前雷达欺骗干扰的特征提取和综合感知技术存在的问题以及未来的发展方向。     

基于贝叶斯深度学习的一维雷达有源干扰信号识别方法

雷达干扰信号准确识别是雷达抗干扰的前提,对于雷达生存至关重要。针对传统雷达干扰信号识别方法需要繁琐的分析计算提取特征,通用性差,泛化能力弱,难以适应复杂的雷达工作环境问题。本文考虑无需人工提取特征信息且具有较好的分类识别效果的深度学习网络。考虑到传统的深度学习网络由于使用点估计方式,不能够很好的衡量预测结果中的不确定性,本文提出了一种基于贝叶斯深度学习的干扰识别方法。首先,通过概率建模代替网络参数模型的点估计,解决了不确定性随机数据引起的网络过拟合问题。其次,考虑有效利用雷达回波信号的时序特性设计了LSTM层,同时解决训练过程中的梯度消失问题。基于线性调频雷达有源干扰实测数据完成了网络训练与测试,实验结果表明,引入贝叶斯方法可以在加快网络收敛速度的同时有效提高识别准确率。     

基于深度CNN模型的SAR图像有源干扰类型识别方法

合成孔径雷达(SAR)能够全天时全天候获取感兴趣区域的高分辨率雷达图像,在诸多领域获得了成功应用。在电子对抗博弈环境下,SAR图像解译与情报生成也面临复杂电磁干扰的严重影响。当前,国内外学者提出了许多SAR抗干扰技术方法。然而,作为抗干扰的前提,SAR图像干扰类型识别这一关键技术却鲜有报道。该文针对SAR图像典型有源干扰类型识别开展研究。首先,选取5种典型有源干扰样式,并根据干扰参数,细分为9种干扰类型,作为干扰识别对象。其次,开展干扰信号回波仿真,通过与MiniSAR实测数据进行回波域叠加和成像处理,构建了典型有源干扰类型样本集。在此基础上,提出了一种结合注意力机制的深度卷积神经网络(CNN)模型,并开展了对比实验验证。实验表明,对不同场景和不同干扰参数情形,相比于传统深度CNN模型,该文方法取得了更高的识别精度和更稳健的性能。      

一种新的SAR欺骗式干扰性能评估方法

雷达欺骗式干扰性能评估是电子对抗领域的一个重要课题。现有评估技术都是基于某单一特征,评估结果比较片面。针对这一不足,提出一种基于目标识别与模糊综合评判的SAR欺骗式干扰性能评估方法,综合考虑目标识别系统可能应用的识别特征,利用模糊综合评判的方法对虚假目标图像的逼真度进行综合评判,然后考虑系统处理时间对干扰性能的影响,对综合评判结果进行修正,该方法具有一定的理论和现实意义。     

干扰背景下瞬时极化测量雷达的目标识别预处理技术

该文以瞬时极化测量雷达的攻防对抗为背景,分析了单极化有源干扰机形成的假目标的极化散射特性。分析结果表明,在同样的干扰样式下,干扰机在分时极化测量雷达和瞬时极化测量雷达下生成的假目标具有不同的散射特性。在单极化有源假目标极化散射特性分析基础上,针对对抗条件下极化雷达无法准确测量目标散射矩阵的情况,提出了一种基于不完整极化测量的目标识别预处理方法。该方法能够有效获取目标三个极化散射矩阵序列,它们可以用作目标识别的稳健特征量。     

脉冲多普勒雷达特征分析及干扰识别方法研究

首先介绍了脉冲多普勒雷达的技术特征。在此基础上，给出了对常见干扰的识别方法和对抗措施。最后，分析和探讨了对距离-速度欺骗干扰的识别方法。     

基于栈式稀疏自编码器的新型干扰识别

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(C&I)两种新型干扰,提出了一种基于栈式稀疏自编码器的识别算法。该算法首先对干扰与否的雷达接收信号进行双谱分析;然后对双谱特征进行降维,得到高维样本。预训练阶段,构造稀疏自编码器神经网络模型进行无标签样本的预训练;然后根据有标签数据对该模型参数进行有监督微调;最后利用Softmax分类器完成新型干扰的识别。仿真实验证明该方法有较高的识别率,特别是相较于其他文献方法,该方法受信噪比影响最小且识别效果最佳。说明了深度学习方法应用于雷达新型干扰信号识别领域的可行性和优越性。     

基于时频图像Zernike 矩特征的欺骗干扰识别

为了有效应对跟踪雷达的三种常见欺骗干扰,提出了一种基于平滑伪魏格纳-维尔分布时频图像的Zernike 矩特征的干扰识别方法。该方法对三种干扰下的雷达接收信号进行时频分析,运用数字图像处理技术对时频图像进行一系列的预处理后,通过Zernike 矩特征提取图像的细节特征组成特征向量进行分类识别。仿真实验证明:该方法有较高的识别率,特别是该方法受信噪比影响较小,能够有效降低噪声对干扰识别的影响,说明了采用图像识别方法对雷达欺骗干扰信号进行分类识别的可行性。通过与其他文献方法的比较,证明了该方法的优越性。