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。     

分布式多站雷达协同定位功率分配改进凸松弛算法

针对分布式多站雷达协同定位下的功率分配问题,提出一种改进凸松弛的启发式算法。给出了分布式多站雷达定位误差的克劳美罗下界(CRLB),建立功率约束下最小化CRLB迹的功率分配模型。设计了一种改进凸松弛算法,通过迭代修正松弛参数和快速功率调整策略解决非凸优化问题消除松弛带来的误差。仿真实验表明,相对于均匀功率分配算法和基于凸松弛的功率分配算法,改进凸松弛启发式功率分配算法下目标的定位性能更优。     

一种抗电子干扰体系探测资源管控预案设计算法

针对抗电子干扰体系探测资源管控预案设计问题,首先根据由多雷达组成的体系级预警装备探测资源管控与抗电子干扰任务的特点,考虑多种实际约束条件,构建了抗电子干扰体系探测资源管控预案设计模型;然后,为了解决该模型规模大和求解复杂的问题,提出了一种基于量子计算的改进杜鹃鸟搜寻优化算法;最后,实例验证了所提算法的有效性。实验结果表明:该算法相比传统算法收敛速度更快、寻优能力更强,为设计智能化的预案提供了一种方法和手段。     

改进AHM-RS雷达装备保障性评估指标赋权方法

针对主观赋权法过于依赖主观经验,客观赋权法由于数据有限可能偏离实际情况的问题,为提高雷达装备保障性评估指标权重的科学性,针对现有属性层次模型(AHM)和粗糙集(RS)赋权法的不足,改进了AHM和RS赋权法,运用离差最大化思想将主客观两种赋权法进行组合处理,提出了改进的AHM-RS综合赋权法,通过实例验证了该方法的有效性和可行性。     

基于CNN的窄带雷达空中目标识别方法

空中目标识别是雷达的重要用途之一,窄带雷达因体制限制,无法获取目标高分辨识别信息供分类识别。为解决窄带防空预警雷达对空中目标识别判性难的问题,提出了基于卷积神经网络的空中目标识别方法,就空中目标识别判性模型的构建、训练数据集的生成进行了研究,采用模拟数据集及实测数据对模型进行了检验,结果表明该方法具有较好效果。