一种雷达抗干扰效能评估指标体系的建构方法

为了建立具有较好完备性和独立性的雷达抗干扰效能评估指标体系,本文首先分析了雷达抗干扰性能的影响因素,指出雷达的抗干扰性能由两个方面决定:雷达所采取的抗干扰措施和雷达固有特性,并分别从这两个方面出发建立雷达抗干扰效能评估指标集;然后利用粗集属性约简算法对该指标集进行约简,初步建立了雷达抗干扰效能评估指标体系,并对该指标体系进行了有效性检验.仿真结果表明,该指标体系具有较好的完备性和独立性.     

基于多模态小样本学习的雷达欺骗干扰识别

现有雷达欺骗干扰识别研究中,存在难以获取带标签样本的问题,为此,提出一种基于多模态小样本学习的雷达欺骗干扰识别算法。首先,对雷达接收信号进行"语音"和"视觉"模态的定义;然后用伪孪生网络将信号的2种模态进行匹配训练;最后,将测试集的信号样本与匹配集进行匹配识别,得到最终的雷达欺骗干扰信号识别率。仿真实验表明,训练样本数量降低到原始样本集的25%,干噪比为3 dB时,本文算法的欺骗干扰信号识别率仍能达到90%以上。     

认知无线电中基于拟合优度的频谱盲检测算法研究

首先,提出噪声方差未知情况下基于t分布的Anderson-Darling的认知无线电频谱盲检测方法,通过计算接收到信道采样样本均值和方差比的分布函数与f分布函数之间的Anderson-darling距离,实现频谱检测.其次,提了基于特征函数的频谱盲检测算法,通过计算接收到的样本经验特征函数与已知特征函数的距离,判决信道中是否存在信号传输.最后,给出了衰落信道下,所提2种基于拟合优度的频谱盲检测算法的虚警概率和检测概率下界.理论和仿真表明,噪声方差未知情况下,所提2种频谱盲检测算法比传统的噪声方差已知时的能量检测法具有更好的性能.在低信噪比和小样本条件下,性能提高表现的尤其明显.     

炮弹爆炸弹片平均飞行速率测试方法研究

介绍了一种基于数据采集卡的炮弹爆炸弹片平均飞行速率测量方法,阐述了利用PCI50612数据采集卡实现一套测速系统的原理与具体的软硬件设计。     

基于原子分解理论的雷达欺骗式干扰信号特征提取

针对雷达信号多为非线性信号的特点以及原子分解在冗余字典集内对非线性信号能得到更优逼近效果的优点,提出将原子分解理论应用到雷达欺骗式干扰信号特征提取,为实现自动识别雷达欺骗式干扰奠定了基础.简要介绍了原子分解的基本原理及经典算法.根据欺骗式干扰信号受DRFM量化效应影响的特点,选取包含Heaviside字典的过完备字典集进行特征提取,找出了能表明目标回波信号与欺骗式干扰信号两者之间显著差异的特征参数.仿真实验验证了提取的特征参数的有效性.     

融合注意力机制的雷达欺骗干扰域适应识别方法

针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。     

基于熵值图的多功能雷达工作模式识别

针对多功能雷达工作模式多样且信号波形复杂多变,导致常规工作模式识别方法性能不佳的问题,提出基于小波变换的多功能雷达工作状态切换点检测方法,将雷达脉冲序列进行分割,得到单一工作模式脉冲序列样本。其次,基于近似熵、样本熵、模糊熵和排列熵设计了新的熵值图特征,并结合卷积深度神经网络模型,实现了多功能雷达工作模式的智能识别。仿真结果表明,该算法在虚假脉冲率或漏脉冲率为25%时,切换点检测正确率达85%;工作模式识别正确率在虚假脉冲率、漏脉冲率为20%和参数误差为8%时,识别正确率均在83%以上,识别性能皆优于两种对比文献方法,验证了该算法的有效性和优越性。     

基于ERWT的NLFM信号检测及参数估计

提出了扩展Randon-Wigner变换(ERWT)算法原理,并结合非线性调频(NLFM)雷达信号时频特征,将回波信号的时延及多普勒频移对应到ERWT参量空间,基于参量空间的分布特征实现NLFM检测及参数估计.该方法对常规时频方法存在的交叉项不敏感,时延估计精度较高.计算机仿真试验验证了该方法的有效性.     

小样本条件下的雷达加性复合干扰识别

针对目前复合干扰识别中传统特征识别方法泛化性低和深度学习方法需要大量训练样本的问题,提出了一种融合了高效通道注意力机制的密集卷积网络模型(Efficient Channel Attention-Dense Convolutional Network, ECA-DenseNet),并结合与模型无关元学习(Model-Agnostic Meta-Learning, MAML)算法改进网络模型的初始化参数,以此增强模型在少量样本条件下的识别性能。实验结果表明,文中所提算法在各干噪比下对复合干扰平均识别率达到了98.73%,当样本数变为原来的四分之一时,复合干扰平均识别率依然能够达到95.35%,验证了算法的有效性。     

基于椭圆模型与改进NLCS的一站固定式大基线双站SAR成像算法

在一站固定式双站SAR成像处理中,该文针对距离-方位2维空变描述不够准确导致成像性能迅速下降的问题,提出一种新的椭圆模型精确描述一站固定式大基线双站SAR的距离-方位空变特性,并基于此推导了改进的非线性调频变标(NLCS)成像算法。在距离向,首先利用相位去斜完成距离去走动和多普勒中心矫正,接着对剩余距离单元徙动和距离方位高次耦合项进行了去除处理。在方位向,根据一站固定式双站SAR的2维空变特性,提出了一种用于描述回波距离-方位空变特性的椭圆模型,基于该模型对空变的回波方位调频率进行了分析,并重新推导NLCS算法的方位变标函数和方位压缩系数。理论分析与仿真结果证明,所提出的模型不仅揭示了一站固定式大基线双站SAR数据的2维空变特性,而且对回波的距离-方位空变给出了更精确的解析式描述,使得基于该模型改进的NLCS算法可以获得更好的成像处理效果。