等离子体与高功率微波相互作用中电子分布特性

电子数密度是表征等离子体物理特性的一项重要因素,在等离子体与高功率微波的相互作用中,等离子体对入射电磁波的吸收、衰减和屏蔽等电磁特性可通过电子数密度的变化进行表征。基于等离子体流体近似研究方法,利用COMSOL软件求解等离子体中的波动方程、电子传递方程和重粒子传递方程,计算分析了等离子体与高功率微波相互作用中的电子分布特性,重点分析了相互作用中平均电子数密度和平均电子能的数值和空间分布变化过程。研究表明,在高功率微波作用下,等离子体区域电子数密度在数值上会产生剧烈的阶跃变化,形成雪崩效应,在空间分布上电子数密度峰值产生趋于入射方向移动的变化;电子能的变化与入射波激励和电子数密度相关,随入射激励增加呈增长趋势,随电子数密度的增加而减小。     

入射频率对高功率微波与等离子体相互作用的影响分析

通过建立等离子体中的波动方程、电子传递方程和重物质传递方程,研究了等离子体对高功率微波传输特性的影响。研究了高功率微波与等离子体相互作用中产生的电子密度和透射电场的变化过程,并重点分析了变化过程中入射波频率产生的影响。研究结果表明,在相互作用过程中,等离子体中的电子密度和透射电场在一定条件下会发生阶跃变化,即等离子体区域平均电子数密度会在极短的时间内由1×10~9m~(-3)增加到1×10~(19)m~(-3),平均电场强度也会由初始场强跃变为零,并且这种变化的产生存在一定的入射阈值场强和最低产生时间。当入射电磁波的频率不同时,产生阶跃变化所需的场强阈值和最低产生时间就会变得不同,高功率微波与等离子体相互作用中存在一定的色散效应。在所考虑的范围内,阈值场强随入射波频率线性增长,而最低产生时间随电磁波频率呈非线性增长变化。     

核电磁脉冲模拟器的电场特性及等离子体阵列的防护性能

强电磁脉冲通过电子设备表面耦合进入内部将产生显著的破坏作用,而等离子体作为一种特殊的电磁介质,具有屏蔽强电磁脉冲的能力,因此基于等离子体的强电磁脉冲防护研究具有重要意义。利用CST软件仿真分析了核电磁脉冲模拟器工作空间的电场分布。进行了核电磁脉冲对单片机的干扰和破坏效应辐照研究,得到了其对MF-51-1型单片机的干扰和破坏阈值分别在10 kV/m和18 kV/m左右。实验研究了单层等离子体阵列对核电磁脉冲的防护性能,能量衰减均在10 dB以上。实验结果表明,等离子体具有强电磁脉冲防护的能力。     

雷达抗前门耦合攻击防护能力对比分析

针对雷达遭受高功率微波武器攻击时容易损伤的问题,理论分析了雷达最远防护边界和雷达天线增益及接收机限幅器能力的关系,从空间滤波的角度,对比了反射面雷达和有源相控阵雷达抗前门耦合攻击的能力。分析得出只有高功率微波武器处于反射面雷达天线的主瓣范围附近时,对其前门耦合攻击效果才强于有源相控阵雷达;反之,要弱于有源相控阵雷达。由于反射面天线雷达主波束很窄,造成攻击的时机很短,所以反射面雷达在面对高功率微波武器时防护能力更强。     

相对论带电粒子与电磁波包之间的相互作用

研究了相对论带电粒子与电磁波包之间的相互作用,给出了带电粒子运动方程的严格解,得出了粒子的位置、速度和能量的显示表达式。本文结果对基础等离子体物理、自由电子激光、高功率微波和粒子加速器等领域具有一定的参考意义。     

利用行波管放大器产生微波波段拍波实验

介绍了一种先利用初级源进行小功率合成产生微波波段拍波 ,然后再用单只行波管放大器进行功率放大产生较高功率微波波段拍波脉冲的方法 ,目的在于为高功率微波效应研究提供方便、实用的拍波效应源。实验结果显示 :利用单只行波管放大器可以在微波波段产生拍频为 1MHz～几百MHz的拍波 ,并可以调节两个频率分量在总输出中的功率比例 ,实验获取的拍波脉冲输出功率为 2kW ,脉冲重复频率为 10kHz。实践证明 ,这种方法可以满足部分高功率微波拍波效应研究的需要 ,有一定的推广应用价值     

高功率微波弹的杀伤效果分析与仿真

根据高功率微波弹微波脉冲的攻击入射角,给出了高功率微波弹杀伤区域模型,结合高功率微波损坏和干扰电子元器件的能量阈值,提出了高功率微波弹对目标的失效区、干扰区及安全区的概念,并建立相应的数学模型进行了仿真分析,为高功率微波弹攻击参数的设定及实际的作战运用提供了理论依据。     

美国反无人机高功率微波技术研究现状及启示

无人机及其集群作为智能战争的主要进攻武器之一,具有低成本、抗饱和攻击、隐蔽性好的特点,给现有防空体系带来极大挑战。高功率微波因具有光速攻击、面杀伤、效费比高等特点,成为反制无人机的有效手段。美国在高功率微波领域起步早、重视程度高,成为国际高功率微波技术的引领者。围绕美国高功率微波技术对抗无人机的研究现状,总结现有样机的性能及特点,重点剖析其技术内涵。结合高功率微波的效应研究规律和无人机发展态势,分析得出美国反无人机高功率微波技术的发展趋势。     

高功率微波武器攻击卫星有效载荷系统可行性分析

高功率微波武器是近几年发展起来的定向能武器之一,被认为是在未来制天权争夺的战场上对卫星有效载荷最大的威胁之一.首先对高功率微波武器的关键技术及技术途径进行了讨论,然后描述了高功率微波对目标损伤的机理和耦合途径,最后根据高功率微波的不同耦合途径对卫星有效载荷受到攻击的可行性进行了详细的分析,计算结果表明,高功率微波武器在高峰值功率或距离很近的情况下都会对未进行电磁加固的卫星有效载荷产生损害.     

高功率微波武器作战效能建模及仿真

为满足未来战争的需求,从高功率微波武器的作战原理出发,建立了高功率微波武器的作战模型.结合现有技术水平,分别对高功率微波武器关于电子设备和指挥操作人员的损伤距离进行了计算和仿真,验证了高功率微波武器在高技术局部战争中遂行战役任务的有效性.     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。     

基于生成模型的人体行为识别

提出了一种基于生成模型的人体行为识别方法。选取关键点轨迹的方向-大小描述符、轨迹形状描述符、外观描述符作为人体行为的特征；为了降低人体行为特征维数，利用信息瓶颈算法进行词表压缩；利用生成模型，结合已标记样本和未标记样本提出了一种人体行为识别的半监督学习方法，解决了行为识别中的小样本问题。在YouTube 数据库、 UCF运动数据库上利用提出的方法与已有的方法进行了对比实验，结果表明该方法具有更高的识别精度。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

干扰抑制类生成式对抗网络

为进一步改善超低频频段的通信质量,在传统改进广义旁瓣抵消算法的基础上,提出新的超低频干扰抑制算法——生成式旁瓣抵消算法。该算法将人工智能研究热点之一的生成式对抗网络模型引入广义旁瓣抵消算法中,通过优化设计生成模型的网络结构及相关超参数,有效地解决了原算法存在的期望信号残留问题,为旁瓣抵消通道中的后级滤波算法提供了与主通道相关性更强的干扰参考信息,从而提高了算法对主通道干扰估计的准确性。为了验证优化后生成模型的有效性以及所提算法对不同类别干扰的抑制能力,在实验室环境下搭建实验平台,设计了多组对照实验。实验结果表明:优化后的生成模型具有较好的生成能力、较好的鲁棒性以及相对较低的运算复杂度；相比于传统改进的广义旁瓣抵消算法,所提算法进一步提高了信号带宽内的信干噪比。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

基于改进半监督FCM聚类的复合材料超声检测脱粘缺陷识别

针对径向基（RBF）神经网络在进行超声检测脱粘缺陷识别时存在参数选择不确定、网络结构鲁棒性差等问题,提出一种改进的自适应半监督模糊C均值聚类（FCM）的RBF神经网络的方法,将kw近邻估计法和半监督模糊C均值聚类方法相结合,改进了隶属度函数,自适应确定聚类数目。将改进的RBF神经网络应用于超声检测脱粘缺陷识别,实验结果表明：与传统RBF神经网络相比,本方法减弱了孤立样本对网络结构的影响,增强了网络结构的鲁棒性,提高了脱粘缺陷识别的准确率,是一种较好的超声检测脱粘缺陷识别分类方法．     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理；设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力；利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。