利用复单脉冲比的平面阵列雷达群目标检测方法

针对平面阵列雷达群目标检测问题,以矩形阵为例,详细分析方位向和俯仰向复单脉冲比虚部的统计特性;建立平面阵列雷达群目标检测模型,根据恒虚警检测原理推导复单脉冲比虚部的椭圆判决域,并利用复单脉冲比实部辅助判决,综合提出基于复单脉冲比的平面阵列雷达群目标检测算法。针对双目标情形进行仿真实验,结果表明:在较高信噪比、较大角度间隔以及幅度相当且相位差较大的条件下算法能够有效检测群目标。     

GNSS阵列接收机信号解扩前的欺骗干扰检测算法

为了降低天线阵接收机欺骗干扰检测方法的计算量,提出一种信号解扩前的欺骗干扰检测方法。该方法利用不同天线上信号和噪声相关性的差异,在信号解扩前估计其功率,从而进行欺骗干扰检测。仿真结果表明,该方法在降低运算量的同时,具有良好的检测性能。     

降低OFDM雷达PAPR的SLM改进算法研究

正交频分复用(orthogonal frequency division multiplexing,OFDM)雷达信号具有良好的分辨力和较高的频谱利用率,其中基于混沌二相编码调制的OFDM雷达信号由于具有结构灵活、更优的脉压性能和较强抗干扰能力等优点受到广泛青睐,但是在系统中存在的高峰均比问题使得OFDM雷达在实际应用受到限制。针对各载波不同混沌二相编码序列调制的OFDM雷达信号,提出一种基于混沌粒子群的选择性映射(selective mapping,SLM)算法来降低OFDM雷达信号中的高峰均比问题。实验结果表明:相比于传统SLM算法和基本粒子群SLM算法,基于混沌粒子群的SLM算法在降低OFDM雷达信号的峰均比方面具有更好的效果。     

人工智能在网络空间安全领域的发展

近几年,全球人工智能产业进入快速增长期,“网络空间”作为第五维作战空间,期望借助人工智能技术开发新一代武器装备系统,帮助作战人员主动识别漏洞,并采取措施预防或减轻未知的网络攻击。本文阐述人工智能在网络空间安全领域的发展,并对我国人工智能技术的军事应用提出建议。     

小波变换在零件边缘检测中的应用

目前对机械零件的尺寸、口径等参数的测量大多采用接触测量,而利用零件图像的边缘信息进行非接触测量,则是一种新的更好的检测方式。用此方法可以对机械零件图像的边缘进行精确的检测,再根据相应的数学关系得到相关参数的值,不但可以提高零件检测的精度,还可以大大节省人力和物力。模拟边缘检测技术的具体过程,依次采用最佳阈值迭代算法、小波变换模极大值法、边缘连接局部处理法对零件图像边缘信息进行边缘检测和提取,并对检测过程进行了重点分述。最后,通过一个具体实验,验证了小波技术与其他技术结合使用所获得的良好效果,从而进一步显示了小波变换在边缘检测技术中应用的巨大潜力。