排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
箔条在与有源干扰结合使用时会比使用单一手段更有效。应用箔条可能会强迫雷达采用MTI或多普勒处理,这样可使雷达无法使用脉间频率捷变,而且箔条扩展到无模糊距离以外会使雷达无法使用脉冲重复频率参差,这两种因素为对相控阵雷达复合干扰开辟了道路。比较了复合干扰与有源和箔条分别干扰相控阵雷达后的压制比,仿真结果表明:复合干扰效果比箔条干扰效果在随距离的变化过程中至少在3倍以上。与有源干扰相比,在30 km之内复合干扰比有源干扰具有明显的优势。这为实战条件下提高飞机生存率,具有较强参考价值。 相似文献
3.
4.
5.
为解决采用字典学习的信号分离方法存在的相位信息缺失和子字典交叉表示问题,提出一种区分性幅相联合字典学习方法。该方法针对相位信息缺失问题,构建了幅相联合字典模型;针对混合信号在联合字典上投影时存在的交叉表示问题,基于区分性字典学习思想提出在字典学习过程目标函数中加入交叉表示抑制项。仿真结果表明:幅相联合字典能够充分表示典型低截获概率信号的幅相信息,交叉表示抑制项能有效抑制信号间的交叉表示,算法具有良好的分离性能。 相似文献
6.
7.
8.
数字储频技术和DSP处理芯片技术的发展大大提高了欺骗干扰技术的实时性和自适应性,对欺骗干扰信号样式的识别更加困难。针对这一问题,提出了一种新的雷达欺骗干扰样式的识别方法:梳理了几种欺骗干扰样式的数学模型,对信号作快速傅里叶变换后定义信号特征平稳度,在对来波信号进行双谱估计的基础上定义信号特征凸度,构建涉及频域、双谱域的"平稳度、凸度"二维特征空间,设计GA-BP神经网络分类器对信号具体欺骗干扰样式进行识别。仿真实验表明,该识别模型具有较好的正确识别率和实时性,且受干噪比影响小。 相似文献
9.
10.
针对海量电磁数据中雷达信号难以进行快速准确分选的问题,提出一种新的聚类分选方法,即改进k-means算法的Map Reduce并行化实现方法。通过引入初始聚类中心个数k1、最大聚类中心个数kmax和距离门限rt3个参数,克服了k-means算法需要事先确定k值和易受孤立点影响的局限;基于Hadoop平台实现了对改进k-means算法的Map Reduce并行化,克服了k-means算法串行实现时间复杂度高的局限。最后,实验表明改进k-means算法取得了更高的分选准确率,Map Reduce并行化后具有良好的加速比和扩展性,能够很好地对海量电磁数据中雷达信号进行高效分选。 相似文献