雷达抗距离欺骗干扰的计算机仿真研究

介绍了一种单脉冲雷达的距离跟踪方案，利用计算机仿真的方法研究了单脉冲雷达在受到距离欺骗干扰时的工作情况。仿真结果表明，单脉冲雷达在受到距离欺骗干扰时会产生目标丢失现象。在此基础上，研究了距离欺骗干扰的原理以及抗距离欺骗干扰的方法。     

双基地雷达抗欺骗式干扰分析

双基地雷达由于收发分置，在抗欺骗式干扰方面具有与单基地雷达不同的特性。本文对几种特定干扰情况计算子双基地雷达抗欺骗式干扰的性能，并与单基地雷达情况进行了比较，得出了有价值的结论。     

分布式多站雷达转发式欺骗干扰研究

作为一种重要的欺骗干扰样式,转发式干扰通过对雷达发射信号存储转发,形成的距离欺骗假目标在空间上是分散的。而分布式多站雷达进行空间配准时,会将未分布于一个空间分辨单元内的假目标剔除,使之失去干扰效果。因此,有必要研究转发式干扰对分布式多站雷达的干扰能力。该文在多站雷达中各雷达站相距不远的条件下,从空间分辨单元的物理含义入手,导出了多站雷达在一定空间分辨率下,转发式干扰能对其进行有效干扰的条件。当干扰机位于远场区域时,证明了相同时延产生的假目标必然可对多站雷达实现有效欺骗;当干扰机位于近场区域时,推导出有效干扰的欺骗距离范围,通过控制转发延迟量,可保证对多站雷达的欺骗效果。该结论对多站雷达的干扰和抗干扰均具有重要的指导意义。     

基于神经网络的欺骗式干扰类型识别

针对几种典型的欺骗式干扰信号,采用选择双谱作为分类的特征参数,并利用径向基神经网络分类器对其进行了识别。仿真结果表明,该方法在较低的干噪比(JNR)下仍具有较高的识别概率,能较好地实现对干扰信号的分类。     

实施转发式GNSS欺骗干扰的功率控制策略研究

在实施转发式欺骗干扰时,经转发的干扰信号和直达信号同时进入被干扰接收机,对接收机的信号处理过程造成复杂的影响.转发式干扰根据信号功率的大小,其干扰效果可能会出现信号压制、信号欺骗或无法欺骗等多种情况,目前尚无文献对转发干扰信号功率控制进行定量研究.为推进转发式欺骗干扰在导航战中的实际应用,制定合适的转发式欺骗干扰功率控...     

PD雷达欺骗干扰方法浅析

概要介绍了PD雷达的抗干扰性能及其特点．并主要对PD雷达的欺骗干扰方法进行了一定的讨论。     

一种针对用户GNSS时钟的转发式欺骗方法

全球卫星导航系统(Global Navigation Satellite System,GNSS)转发式欺骗干扰具有系统搭建容易、干扰实施方便、成本低等优点,目前已成为一种重要的GNSS欺骗方式。针对多峰值抗转发欺骗干扰检测算法,提出一种针对目标接收机GNSS时钟的转发式欺骗干扰方法。相比于传统转发式欺骗的各通道卫星信号时延一致的特点,该方法根据待欺骗接收机和转发式欺骗源的位置计算各卫星通道转发时延,使待欺骗目标接收到的GNSS欺骗信号的时延为伪码周期整数倍,并随时间自适应动态调整转发时延,使得欺骗检测失效,进一步欺骗静态目标接收机的GNSS时钟。模拟实验和仿真实验验证了该转发式欺骗方法的有效性。     

雷达副瓣欺骗干扰初论

本文就雷达副瓣欺骗干扰的基本问题进行了分析，导出了一些基本参数的计算公式，说明了副瓣干扰意义和前景。最后指出了实现副瓣欺骗干扰的技术难点和实验这种干扰的可能性。     

雷达距离欺骗干扰技术与SAW延迟线

简述对雷达回答式模拟欺骗干扰的特点，详细介绍了ＳＡＷ延迟线在雷达距离欺骗技术中的应用。     

地面反射欺骗式干扰

分析了通过地面反射对目标进行角度欺骗的干扰样式及影响其干扰有效范围和干扰效果的各种因素,得出了该干扰样式的使用条件。     

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。     

一种自适应雷达抗压制性欺骗干扰方法

压制性欺骗干扰兼具压制性噪声干扰和脉冲欺骗干扰的特点,使得传统的副瓣相消和副瓣匿影等抗干扰措施失效.本文提出了一种时空级联自适应雷达抗压制性欺骗干扰方法.该方法首先采用时域深加权的离散傅立叶变换(DFT)滤波,然后进行干扰样本的识别与收集.若判断出干扰为压制性欺骗干扰,则利用收集到的样本数据求取副瓣相消器的权矢量,从而自适应对消压制性欺骗干扰.甚至在一些干扰个数多于辅助通道数的场合下,也能有很好的对消效果.计算机仿真实验证明了该方法的有效性.     

一种新的LFM引信距离欺骗干扰抑制算法

针对线性调频(LFM)引信距离欺骗干扰问题,研究了一种结合随机调斜率和盲分离(BSS)的干扰抑制方法。该方法采用区别对待机制,首先采用随机调斜率,使敌方不易获取引信信号关键参数,从而可以通过简单的匹配滤波方法进行抗干扰。在随机调斜率失效的情况下再采用盲分离算法分离回波和干扰,然后根据频谱的连续性原理获取完整分离信号,最后根据数字射频存储(DRFM)相位量化的特性来区分回波和干扰。实验仿真表明,在干扰信号调斜率达到4%误差以上时随机调斜抗干扰具有很好的效果,且算法中很少(小于10%)会采第二种盲分离算法,因而运算量大为降低,可为引信抗欺骗干扰提供重要的实际参考。     

基于积谱矩阵局部二值模式的欺骗干扰识别

针对跟踪雷达的三种常见欺骗干扰,提出了一种基于积谱矩阵( SPM)局部二值模式( LBP)的识别算法。首先,计算雷达接收信号不同脉冲重复周期( PRI )的积谱,并将其按照频域和慢时域排列成一个二维积谱矩阵。然后,将图像处理的纹理特征引入到欺骗干扰识别的算法中,采用局部二值模式提取二维积谱矩阵的灰度图像特征。最后,通过仿真实验验证了算法的正确性,当雷达接收信号的信噪比( SNR)大于5 dB时,该欺骗干扰识别算法的平均识别概率优于90%。     

一种基于分块个体子空间的人脸识别方法

针对传统PCA算法的局限性,本文提出了一种基于个体子空间和分块特征提取的人脸识别方法。该方法不同于传统的PCA算法,它为每一个体人脸对象建立一个该个体对象所独有的人脸子空间,并且运用分块特征提取,加强了对样本局部特征信息的提取。在识别过程中,将待测人脸图像对不同个体人脸子空间进行投影后,再运用最近距离分类原则进行分类识别。该方法相对于传统的PCA算法能够更好地描述不同个体人脸之间的差异性,克服各类噪声。本文的实验结果表明,该方法的识别率相对于传统PCA特征脸算法具有一定的提高,能够较好地克服光照、表情和姿态变化的影响。     

雷达目标识别技术综述

针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的4类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的4种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。     

基于混沌同步的噪声鲁棒测距方法

提出了一种基于混沌同步的噪声鲁棒测距方法。该方法在雷达发射信号中叠加一个参考正弦信号,并经过混沌同步方法得到带有距离信息的恢复正弦信号,通过比较参考正弦信号和恢复正弦信号的相位差得到目标的距离。该方法和已有方法相比,具有一定的噪声鲁棒性,在噪声环境中测距精度得到提高。最后,仿真实验验证了所提出方法的有效性。     

一种基于WG序列的测距新方法

应用具有良好相关特性的伪随机序列可以提高雷达测距信噪比，有助于实现高效率低功率的目标探测。二相发射态结合雷达的非发射状态可以定义三态序列。文中介绍了三态序列的一些概念及其主要性质；讨论了Wolfmann-Goutelard(WG)序列的近完美周期自相关性；并基于三态序列相关函数的定义，应用WG序列生成的三态码^3WG,构造了一种适用于测距雷达的，具有良好性质的码序列测距方法。该方法可以替代m序列在测距中的作用。     

一种采用形态距离匹配度量的图像匹配方法

阐述了形态距离匹配度量(MDM)的算子与计算过程,并用之于多目标视场中的目标识别过程,将实验结果与传统的累差匹配度量(ADM)进行了比较。研究表明,前者在相似目标识别中更有优势。     

Hierarchical Feature Extraction for Image Recognition

This paper applies a hierarchical classifier to two image recognition tasks. At the heart of this classifier, like many other classifiers, is a distance metric for determining the similarity of pairs of images. As the generalisation performance is often strongly related to the effectiveness of this measure, this paper develops a measure that is statistically more reliable than some metrics, but does not discard discriminating information, often regarded as noise. In addition, it may be computed quickly. This paper also experimentally shows that the metric may be used in the hierarchical classifier to yield error rates far lower to those based on the Euclidean distance metric on the two image recognition tasks. Furthermore, it gives the lowest reported error rate (2.63%) as well as the best training and classification times for a face recognition task.