电子战环境下组网雷达检测性能分析与仿真

运用分布式检测中的最小错误概率准则分析了组网雷达对目标的检测性能,将雷达受干扰的程度分为无干扰、局部干扰和全部干扰,并研究不同干扰强度下组网雷达数据融合中心对目标的检测概率.最后,就不同干扰强度对组网雷达的影响以及数据融合中心与单站雷达之间检测性能作比较分析,得出了一些有意义的结论.     

基于强化学习的自适应干扰波形设计

针对传统干扰算法无法适应信号环境变化的问题,提出将Q-Learning算法与"切割"假设法相结合应用到干扰波形设计中,使干扰波形能够达到自适应雷达信号长度变化的效果.该算法主要针对雷达检测环节进行干扰,其中采用恒虚警概率(constant false alarm rate,CFAR)作为环境交互模型,通过强化学习自适应...     

基于模糊层次分析法的射击有利度分析模型

射击有利度是针对射击目标进行打击的有利程度的一种评价指标,采用层次分析法可以较好地构建射击有利度分析模型,但是传统的层次分析法在构建比较判断矩阵的过程中缺乏与人类思维的一致性,同时修正该矩阵的方法十分复杂。说明了从线性角度给出的替代比较判断矩阵的模糊一致矩阵,以及以此为核心模糊层次分析法,并给出了数据验证和对比。     

一种基于压缩感知的OFDM调制识别方法

卫星通信信号频带宽、传输数据量大的特性,为解决其处理困难的问题,提出一种基于压缩感知的OFDM信号调制识别方法,对OFDM信号进行稀疏变换后,在非重构的条件下直接对欠采样测量值进行处理,根据OFDM信号在高阶累积量上的性质进行调制识别。推算了几种单载频调制信号的欠采样后的高阶累积量理论值;分析了OFDM信号的渐进高斯性,通过这一性质可以将OFDM信号与其他单载频调制信号区分,做到OFDM信号的调制识别;仿真实验结果表明,该方法可以在欠采样的情况下以较高概率完成对OFDM信号进行调制识别,并且有较好的抗噪性。     

基于最小资源损耗的武器目标动态分配

传统的以联合毁伤概率最大或被打击目标总期望生存值最小作为武器目标分配函数容易造成武器过饱和攻击,导致资源浪费。针对该问题,将对来袭目标的毁伤概率作为约束条件,以资源损耗最小为优化目标建立模型,并设计了动态变化的武器弹药资源量化描述。在武器目标动态分配过程中,针对时空约束对分配的影响,设计了基于资源损耗最小的武器目标动态分配算法。仿真结果表明:该算法在对时空约束和随机事件的处理时,操作简单、易于编程实现。     

一种改进的次级通道辨识算法

为提高次级通道的辨识精度、减小辨识误差对自适应控制的影响,以横向滤波器作为估计模型,分别应用带遗忘因子的最小二乘递推算法和变步长最小均方算法来对横向滤波器的权系数进行了更新,并对两种算法的辨识精度和控制效果进行了对比。结果表明:变步长最小均方算法的性能优于带遗忘因子的最小二乘递推算法,但变步长算法仍存在收敛速度过慢、辨识残差较大的问题。为此,提出一种改进的变步长最小均方算法,并对其进行了实验验证。实验结果表明:改进之后的变步长最小均方算法的辨识精度满足控制要求,收敛速度较快。     

基于目标威胁度的相控阵雷达自适应调度方法

对时间资源的合理安排是相控阵雷达发挥自身优势的关键。将目标威胁度引入调度算法中,与工作方式和任务截止期共同进行综合优先级规划。通过构建目标威胁度的量化模型,使雷达在调度跟踪任务时依目标威胁度大小分配时间。提出了修正价值率和执行威胁率的概念,完善了性能评估指标。通过仿真,全面评价了新算法性能,验证了引入目标威胁度的合理性。结果表明,新算法可以有效提升相控阵雷达对高威胁度目标的处理能力。     

基于信息熵TOP SIS法的无线传感器网络节点自定位技术

在无线传感器网络的应用中,节点的定位是一个关键的问题。但是,利用已知节点对未知节点定位的算法存在着定位精度不高,定位计算量大等缺点。针对该问题,提出了一种基于信息熵TOPSIS法的节点自定位算法,该算法利用TOPSIS法按已给的传感器属性进行排序,只取最靠前的3个节点代入标准最小二乘公式中进行计算,既缩短了计算时间,又保证了计算精度。仿真实验证明,该算法是一种有效可行的算法。