基于改进粒子群算法的MIMO雷达布阵优化

针对MIMO雷达收发阵列在给定阵元数和阵列孔径下的布阵优化问题,将一种改进的粒子群算法———二分粒子群算法用于非均匀对称直线阵的旁瓣优化。该算法以MIMO雷达联合收发波束为优化对象,对MIMO雷达发射和接收阵列同时进行了布阵优化。仿真实验表明,当阵元数和孔径大小确定时,该算法可以在保证主瓣不展宽的情况下,将旁瓣峰值控制在－21dB以下,且与现有方法的相比,收敛速度更快。该算法在MIMO雷达设计方面具有一定的理论参考意义。     

分布式MIMO数字阵列雷达多目标定位

为了充分发挥相控阵雷达探测波束的方向性和分布式多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达空间分集增益和结构增益在目标定位上的优势,提出了一种分布式MIMO数字阵列雷达模型并对其多目标定位方法、搜索复杂度和分辨力进行了研究。建立了分布式MIMO数字阵列雷达的观测模型;依据最大似然估计给出了目标定位的搜索方法并计算了搜索复杂度;并利用模糊函数对分布式MIMO数字阵列雷达的分辨力进行了仿真分析。研究结果表明:与常规分布式MIMO雷达相比,分布式MIMO数字阵列雷达子阵波束的方向性可以降低目标定位时的搜索复杂度,缩小距离和角度联合模糊带的长度;与常规相控阵雷达相比,分布式MIMO数字阵列雷达的结构增益可提高目标分辨力。     

军用相控阵雷达的应用及发展

人们很可能从影视画面中得到这样一种印象:雷达为了“看”到不同的方位、高度的目标,必须使天线不停地转动、俯仰,进行机械扫描。然而这种印象是不全面的。比如相控阵雷达就不是机械扫描雷达,而是电扫描雷达。它的天线可以固定在一个方向,然后通过计算机控制雷达波束的指向,来实现方位或高低扫描。准确地说,相控阵雷达是一种利用电子技术控制阵列天线各辐射单元的馈电相位,使雷达的波束指向快速变化的雷达。     

星载SAR天线阵面形变分析与补偿方法

研究了星载SAR天线阵面形变对波束输出的影响及形变补偿方法.针对未来星载SAR将采用的柔性阵面,提出了一种用于星载SAR天线的空间形变实时测量与控制的闭环系统,建立了阵面形变下阵列流形误差模型,得出小幅度形变主要影响波束的旁瓣输出,通过求解补偿形变权值的最小二乘解,使阵列形变补偿后波束输出与期望波束输出最佳逼近,并给出用于阵列误差补偿的阵列形变测量精度要求.仿真结果验证了本文方法结论的正确性与有效性.     

数字阵列雷达通道均衡技术研究

在数字阵列雷达中,通道失配对低旁瓣波束形成、输出信号信干比以及抗干扰性等多项指标产生严重影响。为了校正误差,通道均衡技术逐渐应用到阵列误差校正上并得到了迅速发展。根据均衡器权系数求解方式将当下通道均衡技术分为时域最小二乘拟合法、频域最小二乘拟合法以及傅里叶变换法。重点分析各方法的主要原理以及研究难点,并综合比较各类方法的优缺点,最后总结了数字阵列雷达通道均衡技术在未来发展中需要攻克的难点。     

基于双CNN的雷达信号调制类型识别方法

针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题,提出双卷积神经网络（convolutional neural network,CNN）串联的网络结构,实现了9种常见雷达信号的分类识别。采用单个CNN结构时,可以准确识别其中4种调制类型,但是相位编码及其复合调制信号识别率低。这是由于相位编码中二进制相移键控（binary phase shift keying,BPSK）与四相相移键控（quadrature phase shift keying,QPSK）的时频特征具有相似性。本文采用双CNN串联的处理方式,其优势在于雷达信号调制参数不固定时,依然可以进行分类识别,具有较强适应性。仿真结果表明,当信噪比（signal-to-noise ratio,SNR）为0 dB时,9种调制信号的识别准确率高于95%。最后,通过仿真分析识别准确率与信噪比之间的关系,验证了该方法的可靠性.     

基于GA-小波-BP神经网络的装备维修能力评估

针对传统装备维修保障能力评估主观性强、适应性弱的特点,提出了一种以装备维修记录为样本数据的基于误差反向传播（back propagation,BP）前馈神经网络的维修能力评估方法。为消除维修记录属性冗余,选用粗糙集主分量约简算法,对样本属性进行约简,为避免BP神经网络因局部极值导致局部收敛和收敛速度过慢的影响,利用遗传算法（genetic algorithm,GA）的全局搜索能力对神经网络初始权值和阈值进行了优化,为增加网络的学习功能,提高网络训练速率和训练精度,选取小波函数作为隐含层的传递函数,Sigmoid函数为输出层激活函数。研究表明：通过冗余属性约简提高了BP神经网络的性能,利用GA优化BP神经网络权值/阈值和小波函数作为隐含层的传递函数,避免了局部收敛,提高了网络的训练速率和评估的精度,降低了误差。     

递进型优化算法对相控阵天线阵列的波束优化

针对相控阵导引头中存在的误差和干扰对阵列波束的影响,提出了权值近似和遗传算法结合的递进型算法实现对波束的最大优化.该算法综合考虑了阵列的互耦效应对波束的干扰以及量化误差,在权值近似的基础上将阵列波束的旁瓣电平、零深和波束宽度作为优化指标,引入遗传算法不断逼近实现波束的优化.该递进算法在权值近似的基础上优化,进一步提升了...     

机-机双基地雷达接收波束形成

机-机双基地雷达空间同步采用脉冲追赶法,对接收波束指向进行研究。介绍了脉冲追赶法的基本原理和工作过程,给出了接收波束指向的计算公式,分析了影响接收波束指向精度的主要因素,并进行仿真;当基线长度变化时,建立了接收波束指向的数学模型;研究了接收波束形成时间配准的计算方法。     

雷达旁瓣对消性能分析与实现

任何天线都有旁瓣,当雷达受到敌方强有源干扰时,进入旁瓣的干扰信号可以淹没主波束接收的目标信号,因而极大地影响了系统性能。为了有效地抑制干扰,在雷达中采用旁瓣对消技术实现空间上的自适应滤波,使来自天线旁瓣的干扰衰减到最小。接收通道的非零带宽和波程差、接收通道频率特性不一致等对旁瓣对消性能有影响。通过仿真对某雷达的旁瓣对消性能进行分析。     

一种新型的OFDM智能天线

根据自适应天线阵列理论,结合给定的参考波束的误差,引入虚拟干扰的概念,对目标波束图形状进行调整,提出一种新的可以应用于任意类型天线阵列的波束综合算法.应用提出的新算法,在主瓣和旁瓣位置都可以对波束进行有效的调节.最终获得阵列的最优权矢量,能够最小化目标波束图与参考波束图间的差异.理论分析与仿真结果表明,与现有的同类算法相比,该算法能更有效地获得与参考波束基本相符的波束.应用于OFDM智能天线系统时,对不同子载波频率上信号进行单独处理,利用该算法进行波束综合,能够在整个有效频段,使所有子载波上获得基本一致的阵列输出.     

基于GA-BP网络的LFM信号脉冲压缩

为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。     

一种新型单层微带反射阵列设计

设计了一个工作于X波段的单层微带反射阵列天线,阵列单元采用双方环与方形金属贴片组合结构,通过调整内侧方环的长度可以实现超过360°的移相范围。选择角锥喇叭天线作为微带反射阵列的馈源。为了获得宽带特性,阵元间距选择约1/4中心频率波长。利用高频电磁仿真软件Ansoft HFSS对所设计的反射阵列进行建模仿真,结果表明:反射阵列在中心频点处的增益为20. 5 dB,1 dB增益相对带宽达到20. 9%。在此基础上调整阵元尺寸,使得反射阵列主波束分别指向φ=0°,θ=30°和φ=0°,θ=-45°方向。所设计的反射阵列具有频带宽、增益高、可设定主波束指向的优点。     

基于二阶锥规划的MIMO雷达任意形状旁瓣波束设计

针对MIMO雷达非均匀布阵引起的高旁瓣问题,提出一种基于二阶锥规划的任意形状旁瓣设计算法.算法通过在旁瓣区域附加多个二次不等式约束,从而有效抑制干扰、保持期望方向天线增益的同时,获得了期望的、可以任意控制的旁瓣波束响应.通过将优化模型转化为凸二阶锥规划问题,利用内点法可以得到有效求解.仿真试验表明:算法能够获得任意形状期望旁瓣波束设计的同时,有效提高了波束形成器的输出信干燥比.最后计算机仿真结果证实了算法的有效性和可行性.     

基于粒子滤波的雷达波束方位指向估计*

雷达波束方位指向估计是雷达侦察及精确干扰等雷达手段的基础和关键技术。传统估计方法难以适应天线扫描速度变化的情形,为此该文建立了波束方位指向估计的状态空间模型,并引入粒子滤波技术对状态变量进行估计。粒子滤波是非线性和非高斯情形下进行状态估计的强有力算法,基于粒子滤波的雷达波束方位指向估计算法具有良好的性能,能够适应天线扫描速度变化的情形。仿真实验验证了所提算法的适用性和有效性。     

基于自适应算法的锥面共形天线阵列方向图综合

以弹载共形相控阵雷达导引头天线为应用背景,将共形天线技术与自适应阵列处理技术相结合,通过欧拉坐标变换,建立了基于有向阵元的锥面共形天线阵列方向图模型,应用了一种基于最大信噪比准则的自适应算法对锥面天线阵列进行了方向图综合。该算法通过对副瓣区域干扰信号的迭代得到一组最优复加权矢量,仿真结果表明该算法可以在三维空间实现对主波束指向以及副瓣电平的控制。     

基于PSO优化小波神经网络的无人机动力系统故障诊断模型

针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题,构建了基于改进粒子群算法(PSO)优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式,克服重构信号不连续或严重失真的问题,优化了小波神经网络初始权值和阈值,使模型能够实现快速、准确分析和识别故障类型,具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果,比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果,验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型,具有故障识别和降噪能力强、收敛速度快、训练精度高的优点,在无人机动力系统的故障诊断领域,具有较好的可行性和有效性。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。     

基于密度锥削阵sin-FDA的波束方向图研究

频率分集阵列(Frequency Diverse Array, FDA)是作为一种全新的电扫描雷达体制,其方向图所具有的时间-距离-角度三维相关特性在电子对抗和安全通信等领域有广阔的应用前景。一维均匀线性FDA阵列(Uniform Linear Array Frequency Diverse Array, ULFDA)的发射方向图存在角度-距离耦合问题,针对这一问题,在对称子阵密度锥削阵结构的基础上,通过正弦频控函数取代原有的均匀线性函数,得到了FDA的点状波束指向控制方法。此外,针对FDA方向图的时变问题,得到了基于子阵结构的密度锥削阵sin-FDA主波束在角度维指向固定、距离维变化时的结论。     

行进式雷达天线波束方位的实时确定问题

采用"边行进边工作"方式的目的是提高雷达的战时生存能力。雷达天线波束的指向乃由天线相对其平台的旋转(已知)和平台相对大地运动的转角(未知)共同决定。利用曲率和弧长的概念进行研究,提出在雷达行驶路径为已知几何曲线时,平台转角仅与行驶路程有关。只需获取行驶路程,便可确定天线波束的真实方位。