军用无人机目标特性综述

军用无人机作为一类典型的空中目标,分析其目标特性有着重要的军事意义和技术价值。为系统介绍军用无人机的目标特性,从应用和设计的角度分析探讨了其作战使用、结构、飞行和电磁辐射等特性的基本特点,可为工程设计与使用人员提供参考。     

射频识别系统的多目标识别-反碰撞算法

对多目标识别技术的二进制搜索算法、时隙ALOHA算法进行了剖析,并对ALOHA算法用概率论和数理统计的方法进行了深入的理论分析,得出要根据所设计的射频识别系统的特点合理采用各种算法方可得到良好的效果.该算法的实现对提高高速公路上自动收费系统、人员和物流管理等各领域的工作效率具有一定的指导意义.     

舰载雷达中频信号仿真设计与实现

为满足舰载传感器或武器系统论证、设计、试验、评估、训练等全生命周期的应用,对新型舰载警戒探测与跟踪雷达中频信号模拟器的系统体系和组成进行了探讨,介绍了系统的功能和技术指标,重点研究了软件无线电在雷达中频信号模拟中的应用、雷达电磁环境和目标回波仿真等一些关键技术,包括目标航迹模拟、目标回波模拟、杂波信号模拟、雷达接收天线仿真、雷达天线方向图仿真等.采用软件无线电技术和软硬件相结合的方法较逼真地实现了海战场复杂电磁环境下雷达中频信号的模拟.     

确定性理论在雷达型号识别中的应用

雷达型号识别是雷达对抗情报侦察的首要工作,是近一步分析雷达用途及相关武器系统的基础,也是高层次上的态势评估和威胁估计的主要依据.针对现代战争中电磁信号环境的复杂性,利用单一传感器很难对雷达型号进行准确识别,而基于确定性理论的不确定推理技术能将多个传感器在多个周期的侦察信息进行融合,所以采用确定性理论的数据融合技术,基于确定性理论的组合规则,采用分层式融合算法对雷达型号进行识别.仿真结果表明,该方法的识别结果令人满意,使采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善.     

对地形跟随/回避雷达干扰的可行性研究

在介绍地形跟随/回避雷达工作原理的基础上,通过设定典型超低空突防飞机的战术行动,分析了对雷达实施有效干扰所必须具备的条件,包括侦察/干扰机的部署、数量要求等;并计算了在传感器/摆放(投掷)式干扰机模式下对装备的性能要求,得出了在目前技术条件下,对地形跟随/回避雷达实施干扰在技术和战术上都是困难的.     

一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明：在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%～18.2%,并且具有更好的识别稳定性。     

频谱共存下机载组网雷达辐射资源与航迹规划联合优化算法

为了提升频谱共存环境下机载组网雷达多目标跟踪性能,提出了一种雷达辐射资源与航迹规划联合优化算法。首先,推导了包含雷达辐射资源以及载机飞行参数的贝叶斯克拉美-罗下界表达式,以此作为多目标跟踪精度的衡量指标;在此基础上,以最小化机载组网雷达多目标跟踪误差为优化目标,以雷达辐射资源总量、载机机动性能、通信基站可容忍干扰能量和跟踪各目标节点数为约束条件,建立频谱共存下机载组网雷达辐射资源与航迹规划联合优化模型;然后,将上述优化模型分解为多个子问题,并结合循环最小化算法、半正定规划算法和粒子群算法进行分步求解。最终仿真结果表明,所提算法能够在保证通信基站正常工作的条件下,充分利用各平台运动优势,与现有算法相比,能够有效提升机载组网雷达的多目标跟踪性能。