新型“低慢小”目标探测处置系统的体系建设

随着通用航空事业的快速发展,以无人机为代表的“低慢小”目标在数量规模、技术手段、作战模式方面发生了深刻变化,使得“低慢小”目标的威胁能力不断增大,安全防范需求日趋紧迫。本文立足当前国内探测处置现状存在的主要问题,针对新型目标和城市场景的特点,提出新型“低慢小”目标探测处置体系建设方案,构建指挥控制、预警探测、干扰拦截一体的防控体系。其中,指挥控制作为系统核心,实现整体系统的一体化集成；预警探测通过多传感器构成全天时全天候全空域预警网络；干扰拦截通过“软”“硬”手段结合构成多层次防御体系。通过研制新型“低慢小”目标探测处置体系设计,将“低慢小”目标防范纳入信息化作战范畴,具备更强的体系对抗能力,适应未来信息战争要求。     

飞鸟与无人机目标雷达探测与识别技术进展与展望

飞鸟和无人机(UAVs)是典型的“低慢小”目标,具有低可观测性,对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小,加之探测环境复杂,给目标探测带来极大困扰,已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术,实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结,介绍了飞鸟和无人机探测的主要手段,从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后,该文总结了现有研究存在的问题,对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。      

基于移动通信信号的“低慢小”目标检测与定位技术研究

“低慢小”目标作为军事航空领域重要器具,发挥着关键性作用,若能依托移动通信信号加强检测,实现高精度定位,有利于抵抗抗雷达检测风险。文章简要分析“低慢小”目标的危害性与特点,重点阐述“低慢小”目标检测方法与定位技术要点,经由四维跟踪技术、电磁波定位技术、时差定位技术的有效应用,即可实现“低慢小”目标快速定位,使之在雷达探测中准确获取行动轨迹。     

低慢小目标监视技术现状及发展

本文首先阐述了低慢小目标特性,包括其外形特性、速度特性、红外特性,分析现有低慢小监视技术能力,问题具体表现为目标雷达截面积小导致回波弱、目标速度低导致杂波和干扰混叠严重、热量辐射小导致红外特性不明显等;然后,分析了未来技术发展方向,指出多元传感器协同探测、数据融合、综合识别的可行性,并仿真证明了提升雷达探测识别能力的方法。结果证明,采用“宽带多普勒处理”方式可有效提升改善因子,而基于窄带时、频域相结合的目标分类识别方法有望解决目标分类识别问题。     

BRT-MOM-ILDC方法分析海上无人机群目标全极化散射特性

随着海面低慢小群目标威胁性的不断增强,其雷达回波的有效探测受到了世界各国的广泛重视。海杂波影响分析和对目标上精细结构建模这两个问题是海上低慢小目标雷达散射特性仿真研究的重点内容,因此,本文以海上无人机群为分析目标,针对其飞行高度低、受杂波影响大、局部结构反射截面积小的目标特性,综合采用高频双向射线追踪方法（BRT）、多层快速多极子加速的矩量法（MOM）和边缘区域的增量长度绕射理论方法（ILDC）分区域实现可靠的电磁散射建模。该方法将目标区域分为高频电大区域、低频精细区域和棱边区域进行理论分析与计算,采用多路径方法对目标间、目标与海面的耦合作用进行有效的补充,实现全极化海面目标的散射特性高效计算和快速成像。结果分析表明,采用本文方法可以快速的获取全极化的目标散射回波和雷达图像,从而为目标识别提供大量样本信息。      

低空光电探测系统的研究现状及发展趋势

以无人机为代表的低慢小目标对当前军事产生了重大变革,特别是在复杂作战环境下对现代战争产生的威胁。本文通过对多种探测手段的分析,阐明了光电探测在低空复杂背景探测下的绝对性优势,分析了光电探测系统的研究现状,介绍了当前光电系统面临的四个主要的挑战难题:大视场远距离探测、大视场与高分辨兼容、复杂背景低虚警探测与高精度识别、多目标跟踪定位,并给出了对应的解决思路,同时也是未来光电探测系统的发展趋势,通过光电探测能力的提升,实现真正与雷达能力的匹配。     

低慢小目标雷达探测技术研究

低慢小目标的探测,需要从强杂波抑制和多路径效应两个解决途径入手,针对低慢小目标高度低、速度慢、反射截面积小的目标特性,综合采用高分辨技术(窄波束、高距离分辨、 高速度分辨)、精细化处理、频率捷变技术实现对目标的可靠检测,理论分析和试验数据分析表明,这些方法对于低慢小目标的探测是有效的。     

面向低空预警雷达的信号处理控制平台设计与实现

为应对以民用无人机为代表的低小慢目标“黑飞”“滥飞”所带来的低空安全威胁以及巡航导弹、战术导弹所带来的低空军事威胁，文中引入数字波束合成技术，设计并实现了一种面向低空预警雷达的信号处理控制平台，该平台具有实时性强、运算量大、传输速率高等特点。通过选用高速光纤传输与串行总线VPX技术，同时采用高性能模数转换器、超大规模现场可编程门阵列及高速专用数字信号处理芯片，实现了此平台的硬件架构设计，并在此平台上实现了一种基于数据流驱动的软件信号处理方案。得益于灵活的系统架构和丰富的硬件资源，该信号处理控制平台可以适应新技术的快速应用，便于低空预警雷达功能的升级扩展及性能的进一步提升，有效应对低空威胁。     

异类传感器协同探测跟踪技术研究

低小慢消费级无人机的非法滥用，对社会公共安全带来了安全隐患和威胁。文中提出综合的探测和跟踪方法，该方法结合无线电侦测、雷达、光电和声学等传感器各自探测的优势，协同探测来袭无人机目标，互相补盲，并将信息进行融合，形成高质量的目标航迹，提高系统的探测跟踪能力和探测精度，为后续处置设备提供高质量的目标拦截打击引导数据。     

低慢小目标面阵推进式激光成像探测方法研究

为了解决空中低慢小目标探测存在“发现难、识别难、跟踪难”的问题,提出了一种面阵推进式激光成像探测方法。采用面阵探测器对场景选通成像,通过车载成像系统的行进来实现多帧不同场景图像的获取,并运用一种特定的距离映射关系来实现对观测场景的3维重构。以低空小型飞行物为目标,设计了成像探测系统的基本参量,并从激光二极管阵列单元、脉冲宽度与重复频率、大气衰减、信噪比和脉冲峰值功率等方面分析了成像探测系统的基本性能。结果表明,在低空范围内,面阵推进式激光成像探测方法可有效对大面积空域进行快速3维成像,缩短图像生成时间,为下一步的系统工程实现提供了理论和技术指导。     

面向无人机群目标探测架构和关键技术研究进展

无人机(UAV)在军事、商业和民用领域的应用日益广泛,随着无人机群数量的增加,对于安全、隐私和公共利益的影响也日益受到重视。因此,研究面向无人机群目标的探测技术显得越来越重要。目前国内外已经开展了多项无人机群目标的探测相关研究工作。本文研究了无人机群目标探测的研究现状以及面临的挑战;然后针对这些挑战讨论了无人机群目标探测架构技术的类型。针对集中式、单一手段难以满足无人机群精细化感知、态势评估需求,提供了面向无人机群目标的空地联合多域探测架构,该架构具体包括：组网雷达、分布式频谱被动监测设备、移动多光谱感知设备、移动频谱监测设备;结合了不同感知方式在不同距离、不同方位、不同粒度等维度的优势,通过级联、协同、融合方式突破了单域探测的局限性。最后对其中关键技术进行了分析与总结。     

基于瞬变电磁法的无人浅水水雷快速探测研究

水雷是最古老的海战兵器之一,被公认为最佳非对称武器,二战后近一半舰艇的损失是水雷造成的。 海洋浅水区域因其独特的地理位置和生态环境使得布设于此的水雷成为登陆的最大障碍。战时由于时间紧迫,对 登陆通道清扫需要做到快速、灵活及低伤亡。对此,文中提出了基于无人机平台的浅水水雷快速探测系统,该系统 采用基于瞬变电磁法的电磁感应金属探测技术,探测水雷的金属部件,如撞针、电子单元及控制装置等。然后依次 介绍了瞬变场脉冲金属探测的原理,采用无人机搭载瞬变电磁法仪实现水雷快速探测的技术方案,探测数据通过成 像对目标进行识别的方法。最后选取了国内某甚浅水区域,提前布设水雷及相似目标,进行了相关探测试验,获得 了探测数据,通过数据比对,验证了基于瞬变电磁法的无人浅水水雷快速探测系统的性能及可行性。     

区块链增强无人机蜂群系统安全性分析

无人机蜂群作战在面对高强度对抗、动态性战场变化时具备规模优势和成本优势,目前已经被全球各国广泛用于军事领域。同时,无人机蜂群系统也成为了网络攻击目标,面临着恶意节点入侵、无人机劫持、无线干扰和数据窃取等安全风险。区块链技术具备非对称加密、链式数据存储、节点协作共识等特点,被研究用于抵御分布式网络攻击威胁的有效技术手段,在一定程度上可以有效增强无人机蜂群的安全性。对目前无人机蜂群系统发展情况和面临的安全风险,以及区块链技术增强无人机蜂群系统安全性的可行性进行了分析和研究,提出了应用区块链技术的一些技术挑战。     

无人机侦察/打击一体化的关键技术

无人机是现代和未来战争的有力武器,世界各国都纷纷积极发展它的性能和作战能力.涉及无人机性能和作战能力的关键是实现侦察/打击的一体化,其中的关键技术有:侦察/打击一体化系统的设计和构建,目标(特别是弱小时敏目标)的快速、准确检测,识别与跟踪,无人机指挥与控制的数据链技术,无人机的自主飞行控制技术,基于数据链的协同攻防一体...     

多旋翼无人机任务系统

随着我国科学技术的不断完善,无人飞行载具,也受到了广泛的重视和应用,目前以应用到航空摄影、灾情监视、交通巡逻、治安监控等领域,随着市场应用趋势不断的发展,对于无人机的自动控制技术,提出了更多的要求,对此本文就无人多旋翼任务系统,结合其无人机定义,以及技术创新点等进行分析,希望对于我国多旋翼无人机市场的稳定发展,奠定良好的基础。     

无人机装备自主式保障系统研究

目前我军无人机装备采用事后维修、定期维修、预防性维修等维修保障方式,存在故障诊断及修复能力差、维修资源繁多、保障费用急剧增长等问题。充分考虑我军无人机装备技术特点及现行维修保障体制,文中创新性地提出了构建适合我军无人机装备的自主式保障系统;并对系统组成、故障模式影响及危害性分析、测试性设计技术、机载故障快速诊断及自修复技术、预测与健康管理技术、分布式信息融合技术等关键技术进行重点研究。该系统为我军新型信息化装备提供了新的维修保障模式,并可提高我军无人机装备的一体化、精确化保障水平。     

基于云计算的计算机信息安全技术分析

随着云计算技术的快速发展和广泛应用,数据安全、隐私保护和访问控制方面的信息安全需求和挑战,成为云服务提供商和用户面临的主要问题。针对该问题,文中提出了基于云计算的信息安全策略和技术,包括先进的数据加密方法、强化的身份认证机制、精细化的访问控制策略以及基于云环境的入侵检测和防御系统,旨在全面提升云计算环境中的数据保护和系统安全性。实验结果表明,该安全策略和技术在云计算环境中提高了数据保护水平和系统安全性,降低了安全威胁和风险,增强了整个云服务体系的安全性和用户信任度。     

移动互联网用户隐私信息检测保护技术研究及应用

智能终端及应用作为“大连接”中的重要节点和业务载体，直接或间接接触大量用户敏感隐私信息，近年来，App强制授权、过度索权、超范围收集个人信息的现象大量存在， 违法违规使用个人信息的问题十分突出，用户隐私泄露的情况愈演愈烈，安全及隐私问题引发社会广泛关注。本论文根据不同源头的APP隐私安全风险全面梳理排查，创新提出“静态权限检测+动态行为特征+网络DPI智能分析”的隐私信息检测防护技术体系，实现了敏感权限智能分析、违规索权动态监控、隐私泄露探测预警、敏感信息深度追踪，确保移动应用APP安全、可信、可控，保障了业务单位和用户隐私安全权益。     

一种家用无线防盗系统的实现

为了能实现家用无线防盗的目的,设计了一种基于Zigbee技术和红外探测技术的家用无线防盗报警系统。系统总体主要由传感器节点模块、协调器节点模块和报警模块构成。选用CC2430作为主控芯片,对硬件系统中的传感器节点模块、协调器节点模块和报警模块进行了设计,并给出了协调器模块和传感器模块的程序流程图。试验结果表明,系统运行稳定可靠,安装方便,功耗低,具有较高实用价值。     

Internet of things intrusion detection model and algorithm based on cloud computing and multi-feature extraction extreme learning machine

With the rapid development of the Internet of Things (IoT), there are several challenges pertaining to security in IoT applications. Compared with the characteristics of the traditional Internet, the IoT has many problems, such as large assets, complex and diverse structures, and lack of computing resources. Traditional network intrusion detection systems cannot meet the security needs of IoT applications. In view of this situation, this study applies cloud computing and machine learning to the intrusion detection system of IoT to improve detection performance. Usually, traditional intrusion detection algorithms require considerable time for training, and these intrusion detection algorithms are not suitable for cloud computing due to the limited computing power and storage capacity of cloud nodes; therefore, it is necessary to study intrusion detection algorithms with low weights, short training time, and high detection accuracy for deployment and application on cloud nodes. An appropriate classification algorithm is a primary factor for deploying cloud computing intrusion prevention systems and a prerequisite for the system to respond to intrusion and reduce intrusion threats. This paper discusses the problems related to IoT intrusion prevention in cloud computing environments. Based on the analysis of cloud computing security threats, this study extensively explores IoT intrusion detection, cloud node monitoring, and intrusion response in cloud computing environments by using cloud computing, an improved extreme learning machine, and other methods. We use the Multi-Feature Extraction Extreme Learning Machine (MFE-ELM) algorithm for cloud computing, which adds a multi-feature extraction process to cloud servers, and use the deployed MFE-ELM algorithm on cloud nodes to detect and discover network intrusions to cloud nodes. In our simulation experiments, a classical dataset for intrusion detection is selected as a test, and test steps such as data preprocessing, feature engineering, model training, and result analysis are performed. The experimental results show that the proposed algorithm can effectively detect and identify most network data packets with good model performance and achieve efficient intrusion detection for heterogeneous data of the IoT from cloud nodes. Furthermore, it can enable the cloud server to discover nodes with serious security threats in the cloud cluster in real time, so that further security protection measures can be taken to obtain the optimal intrusion response strategy for the cloud cluster.