智能雷达发展研究

面对人工智能技术的高速发展及军事变革需求,智能雷达被提出以应对未来复杂的战场环境。文中介绍了智能雷达的研究背景,通过对人工智能、感知智能与认知智能的理解阐述了智能雷达的发展定位、技术内涵及特点;然后,在分析传统雷达工作过程特点基础上提出了智能雷达的智能化表征层次架构,分析了智能雷达的主要研究内容;最后,给出了针对智能雷达的发展思考和建议。     

人工智能驱动下的雷达发展思考

智能化雷达在现有雷达技术的基础上,利用人工智能技术及先进的信号处理技术,赋予雷达自主的感知、决策、学习、执行和协作能力,从而提升其对复杂环境的感知能力及对目标的探测能力。文中针对人工智能驱动下的雷达技术发展问题,首先,分析了人工智能技术在雷达系统中的应用现状;然后,结合人工智能技术以及雷达信号处理技术的发展,从大数据、多平台协同、多源信息融合、人机混合增强以及自主智能感知等方面对人工智能驱动下的雷达发展趋势进行探讨;最后,结合人工智能驱动下的雷达发展趋势,提出了有针对性的发展建议,并进行总结。     

人工智能与雷达探测发展趋势北大核心CSCD

0引言随着射频前端数字化程度的提高、自适应处理技术的完善和高性能计算技术的飞速发展,雷达信息处理逐渐朝向"环境自感知、处理自适应"的精细化、认知化、智能化方向发展。当前国内外人工智能和雷达研究主要包括人工智能雷达架构、智能化处理和智能化应用三个方面。1基于人工智能的雷达架构从战略定位看,美国国防部曾将机器学习等人工智能作为支撑"第三次抵消战略"的五大技术之一。     

软件化雷达系统技术综述

软件化雷达技术是通过构建开放式的体系结构,在研制雷达操作环境的基础上,实现雷达系统功能通过软件定义、扩展和重构的新一代雷达技术。文中从软件化雷达的需求、国内外研究现状、内涵及技术架构、关键技术及发展设想等方面进行了分析和论述。通过软件化雷达技术的研究,最终可形成快速响应新军事需求、缩短研制周期、提高维护保障和升级换代的能力。     

雷达智能博弈抗干扰技术综述与展望

随着认知电子战技术的发展,干扰机电磁对抗能力大幅提升,为有效对抗智能化干扰机,雷达需采取智能博弈抗干扰技术。文中围绕雷达智能博弈抗干扰技术发展现状,从相关理论基础、干扰感知、智能抗干扰策略学习方法、雷达/干扰博弈抗干扰方法梳理相关技术原理和代表性工作,并进一步分析了该领域的发展趋势,为后续理论研究提供必要参考。     

基于USB总线的雷达分机测试诊断系统

结合雷达装备性能检测和故障诊断的特点,采用了计算机通讯及控制、人工智能、虚拟仪器、智能并口扩展、软件模块设计、多口RAM及直接数据写入等多种先进技术,设计开发了基于USB总线的雷达分机测试诊断系统。该系统能够完成多种型号雷达装备的不同分机的性能测试与故障诊断。实践证明,系统实用、可靠。     

相控阵雷达的发展动向

从技术观点和装备使用观点两个方面探讨了相控阵雷达的现状与发展动向。介绍了相控阵雷达的新技术，包括数字波束形成，共形阵列和智能蒙皮等，探讨了这些新技术在未来地面雷达、舰船雷达、机载雷达等方面的应用     

雷达抗干扰方法及其发展趋势综述

随着电子对抗技术的发展，雷达抗干扰技术已经成为雷达性能的一项重要指标。本文首先介绍了国内外雷达抗干扰技术的发展现状，并指出了国内雷达抗干扰措施面临的挑战；然后分析了雷达抗干扰方法的发展趋势，着重探讨了现代信号处理方法和智能技术在雷达抗干扰中的应用前景，以及新体制雷达的开发与抗干扰技术发展的关系。     

低分辨雷达目标智能识别的最新进展

低分辨雷达目标智能识别一直是雷达目标识别研究领域的难点。本文分析了低分辨雷达目标智能识别的难点和要解决的关键技术，综述了国内外低分辨雷达目标智能识别研究的最新进展。提出了发展低分辨雷达目标智能识别能力的设想。     

智能雷达天线罩的研究发展

智能雷达天线罩可以有效地选择工作频率和微波性能。文中从结构研究和材料研究两个方面综述了智能雷达天线罩的发展,分析了各种智能雷达天线罩的优缺点和未来的发展趋势。     

智能化军用雷达目标识别关键问题探讨

随着人工智能等前沿技术的迅速发展和战场环境的日趋复杂,智能化军用雷达目标识别的需求愈加迫切。本文结合国内外目标识别的发展趋势和深度学习算法在雷达目标识别中的应用研究,从实装应用的角度出发,探讨了军用雷达智能化目标识别各处理环节的关键问题,分别在层次化目标识别策略设计、目标稳健特征提取与特性自学习以及决策模型设计等方面开展了较为全面、深入的分析,论述了未来应用研究中的重要方向,给智能化目标识别设计提供参考。     

一种雷达智能抗干扰评估仿真系统

抗干扰性能是决定雷达作战效能发挥的重要因素,传统的雷达抗干扰性能评估仿真体系不健全,技术方法单一,智能化程度低,可视性差。基于现代雷达智能抗干扰工作体系,设计实现了基于干扰信号感知的雷达智能抗干扰评估仿真系统。系统分为干扰信号识别、主动/被动干扰拟制、抗干扰性能评估三大模块,应用支持向量机（SVM）提取干扰信号时频特征进行智能识别,对不同干扰采用旁瓣对消、旁瓣匿影、发射波束优化等抗干扰策略,给出抗干扰前后雷达抗干扰性能的提升情况,做到了雷达智能抗干扰的全过程评估。系统可为雷达抗干扰技术的分析验证提供了良好的验证平台,具有一定的应用前景。     

深度学习在雷达目标检测中的应用综述

雷达目标检测技术能够判断回波信号中目标存在与否,并提取目标位置信息。随着雷达图像质量的提升和人工智能技术的发展,利用雷达图像数据通过深度学习方法实现雷达目标检测功能成为一种新的思路。该文首先从雷达目标检测原理入手,对传统和现代两类检测方法进行了梳理,分析了各类检测方法的特点及适用性。然后针对现代雷达回波信号复杂性增大导致传统检测方法统计建模难的问题和机器学习方法特征提取难度大的问题,对深度学习目标检测方法进行了归纳,主要从深度学习算法、雷达回波图像数据类型和应用场景三个方面进行总结。最后分析了深度学习在雷达目标检测应用中面临的挑战,展望了未来的发展趋势。     

人工智能和知识图谱在无人机智能作战中的应用

在信息化作战条件下,各种侦察监视设备（如卫星、雷达、无人机群等）可以获取海量的战场信息数据。如何有效利用这些海量多源异构信息来提高无人机作战的智能化程度和打击精度是当前的一个热门研究领域。在介绍了人工智能和知识图谱发展现状的基础上,针对如何引导无人机完成智能打击这一目标构建了知识图谱,并结合具体的作战任务需求和场景特点给出了解决方案。     

强化学习算法在雷达智能抗干扰中的应用

雷达在工作过程中所应对的干扰场景复杂且多变,所具有的反干扰措施难以穷举。人工设计的反干扰流程与抑制策略在面对这些对抗场景时,由于受限于专家的经验知识,其反干扰性能难以保证。对此,文中从雷达抗干扰的应用需求出发,通过引入强化学习方法,提出一种基于强化学习模型的智能抗干扰方法。分别利用Q学习与Sarsa两种典型的强化学习算法对反干扰模型中的值函数进行了计算并迭代,使得反干扰策略具备了自主更新与优化功能。仿真结果表明,强化学习算法在训练过程中能够收敛并实现反干扰策略的优化。相比于传统的反干扰设计手段,雷达反干扰的智能化程度得到了有效提升。     

浅谈人工智能在融媒体业务生产中的应用发展

近年来,随着IT技术和互联网的发展,人工智能AI(Artificial Intelligence)技术在广电行业得到广泛应用。文章基于融媒体环境下人工智能技术的应用与发展进行了探讨,分析人工智能技术如何推动生产效率提高以及智能机器人书写稿件、智能人脸识别、智能语音语义识别、智能化的OCR识别、自动播出等方面的应用与发展。     

S波段空管雷达2. 2 kW固态功放组件的设计

与传统功放组件的设计不同,空管雷达功放组件具有高功率、智能化的特点.文中以空管雷达功放组件的设计为例,论述了发射链路设计、BITE功能设计、冷却设计、结构技术、电磁兼容性设计等设计中的关键问题.提供了一些解决方法,并已在空管雷达发射机中使用,具有广阔的工程应用前景.