OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

新一代指控系统任务控制能力分析与评估

随着新兴信息技术在军事上的广泛应用,联合作战背景下使命任务趋于多样化,同时军事行动对指挥控制系统尤其是任务控制能力提出了更高要求,因此,开展了新一代指挥控制系统的任务控制能力分析与评估研究。结合新一代指挥控制系统特点,根据任务控制能力的具体含义,构建任务控制能力指标体系;结合各指标的特性,建立可量化的数学模型;运用灰色层次分析法完成任务控制能力效能评估,为系统性能改进和完善提供重要参考。     

装甲战车图像跟踪系统技术研究

在高技术条件下的局部战争中,装甲战车应具备精确的打击能力、目标获取能力和态势感知能力,这就需要一个能对抗复杂场景的目标跟踪系统。针对用于装甲战车的目标跟踪系统所存在的关键技术,提出了应用于复杂场景下的目标长时跟踪算法,实现了目标受遮挡情况的自适应判定和目标丢失的重捕获,在目标发生尺度变化、姿态变化、光照变化、遮挡等复杂情况下仍具有良好的跟踪效果;设计了一套视频跟踪器系统,通过实验验证,可实现对比度优于5%,目标像素数大于2×2,部分遮挡及完全遮挡的复杂战场环境下目标的稳定跟踪。     

协同空战制导优势模型研究

为解决多机协同空战中对导弹制导权移交时的制导机选择问题,建立了一种新的制导优势模型。分析了空空条件下制导优势的影响因素,主要包括机载脉冲多普勒雷达对目标的探测能力、雷达制导链路能力和导弹回传链路能力;根据不同态势下目标的雷达截面积和地杂波,采用探测概率建立了雷达探测优势模型;根据制导链路和回传链路接收的功率,建立了不同态势下的制导链路优势模型和回传链路优势模型;将前述三者优势聚合为制导优势模型。仿真实验证明了模型的合理性与有效性。     

防空反导智能战场态势估计研究

在军事科技理论面临着巨大变革的背景下,为解决防空反导战场态势估计智能化发展的问题,通过对态势估计的三层模型进行分析以及对防空反导态势的要素构成进行探讨,研究了OODA环中防空反导态势估计的过程,建立了防空反导智能战场态势估计的系统模型,深入地探讨了阻碍防空反导智能化战场态势估计研究的五方面问题以及有望解决问题的关键技术措施,从而为防空反导智能战场态势估计研究提供了新思路。