智能信号处理平台技术综述

针对智能信号处理平台在导弹智能感知、智能决策、智能控制、智能突防等领域的应用,首先介绍了深度学习的背景和军事需求,在对人工智能芯片技术现状及嵌入式边缘推理应用调研的基础上,从部署方案和智能算力方面对现有人工智能芯片进行分析和对比,并总结了适应弹载应用的智能信号处理平台技术方案和发展方向。     

交叉眼干扰数学建模

对单脉冲跟踪雷达在交叉眼干扰环境下所接收信号模型及所测目标视角进行了较严格的数学分析和初步仿真计算.结果表明:1)单脉冲跟踪雷达所接收信号中的干扰信号分量与目标回波信号分量间存在多普勒频差,多普勒频差随雷达与目标间距离的减少而增大;2)当目标回波信号功率相对于单个干扰信号的功率不是足够小时,目标回波信号可能导致诱偏方向失控;3)尽管当两干扰信号功率完全相等,相位正好相反时,交叉眼干扰对单脉冲跟踪雷达的诱偏能力最强,但如此设置干扰参数并不能达到预期干扰效果.     

基于双层强化学习的干扰策略与干扰波形优化设计

针对干扰策略与干扰波形联合优化设计问题,提出了一种基于双层强化学习的干扰策略与间歇采样转发干扰波形人工智能优化设计方法。该方法通过建立基于双层强化学习的干扰决策模型,外层利用Q学习(Q-learning)算法,基于雷达工作模式识别对干扰策略进行人工智能优化,内层利用深度Q学习网络(deep Q-leaning network, DQN)对非均匀间歇采样转发干扰波形进行人工智能优化,从而将一个干扰策略与相干干扰波形优化的二维决策问题转换为两个一维决策问题。仿真实验表明：该模型对于未知且复杂的电磁环境具有良好的自适应能力,为多层强化学习网络应用于复杂干扰决策场景提供了一种可行的解决方案。     

导引头自动化测试系统设计

阐述了以某型号导引头的自动化测试设备为例，实验室中对导引头进行测试时，导引头测试设备产生导引头工作需要的射频环境，并对导引头进行信号激励、数据采集和处理。提出了一种导引头自动化测试系统的设计方法，并对其中的关键技术如1553总线系统设计、485总线系统设计和程控信号模拟系统设计作了介绍。实践证明，该系统大大缩短了导引头的测试周期，提高了导引头测试的精度。     

基于TestBed/TBrun的高效测试执行方法

在使用TestBed/TBrun工具执行软件单元测试用例过程中,存在长数组无法自动赋值和结果比对导致测试效率低的问题。针对该问题,提出了一种基于TestBed/TBrun的高效测试执行方法。通过在后台文件中建立可自动识别读取长数组的通用驱动函数和自动对比测试结果的比对函数,对软件单元中的长数组输入/输出变量进行自动赋值及结果比对。经测试验证,该方法降低了用例执行耗时,提高了测试执行效率。     

四通道单脉冲抗雷达诱饵干扰技术研究

在常规单脉冲角跟踪雷达技术的基础上,增加一个在方位向、俯仰向均含有零深的差接收波束,将为单脉冲角跟踪雷达对抗波束主瓣干扰提供一种可能途径。文中首先介绍了利用四通道单脉冲技术对抗有源雷达诱饵干扰方法的工作原理,并进行了可行性分析。然后,重点探讨了利用不同差通道接收信号间的相位差信息对雷达诱饵进行角度跟踪的方法以及可能达到的角度跟踪性能。初步研究结果表明：该对抗诱饵干扰的方法不仅理论上是可行的,也具有较好的工程可实现性,而且在诱饵的雷达回波信号不可忽略的情况下仍然有效,因此,不失为雷达导引头对抗有源、无源雷达诱饵干扰的一种有效途径。