摘要：瞄准式干扰由于干扰能量集中、干扰强度大,严重影响雷达目标探测性能。针对瞄准式干扰,提出了基于幅度编码调制(amplitude code modulation,ACM)的信号抗干扰方法。首先,通过设计ACM信号,实现雷达信号的频谱搬移,并根据ACM信号参数对匹配滤波器进行频移处理,获得谐波脉压的参考信号。其次,对谐波进行脉冲压缩处理,得到目标回波在谐波处的一维距离像。然后,通过能量补偿,弥补ACM带来的能量损失,即可得到与原始信号回波一致的目标一维距离像。最后,给出了ACM及回波抗干扰处理流程,并通过数字仿真进行验证。仿真结果表明,所提方法所获得的目标回波一维距离像与未被干扰信号获得的目标回波一维距离像基本一致。当调制频率为5倍信号带宽时,ACM信号较原始信号抗瞄准式干扰性能提升了32 dB。

摘要：传统航空磁异常探测方法依赖目标信号特性或噪声统计特性的先验知识,造成检测概率低、探测距离短。为了提高航空磁异常信号检测器性能,综合考虑目标信号特征和噪声统计特性,提出一种基于高阶过零法的自适应磁异常探测方法。根据铁磁性潜艇目标信号模型、实测目标高空信号以及稳定无磁环境和复杂磁环境中长时间采集的实测磁噪声,分析目标信号和噪声的特征,研究二者之间的高阶过零统计特性。基于信号的前5阶高阶过零序列构造检测器的检验统计量,设计适用于复杂环境下航空磁异常目标探测的自适应高阶过零(AHOC)检测器。理论性能分析和实测数据验证表明:铁磁性目标信号和磁噪声信号的高阶过零特性存在显著差异,前5阶高阶过零率有明显的区分度;在相同的输入幅度信噪比条件下,AHOC检测器输出的幅度信噪比大于5,抗噪能力更强,且具有良好的弱信号检测能力;AHOC检测器的检测效果优于常规的高阶过零检测器和标准正交基函数检测器,适用于复杂磁环境下的低信噪比探测。

摘要：为了在重杂波区内检测出运动的目标 ,提出了一种改进的 Hough变换算法用于初始航迹的建立。通过检测在变换后参量空间的积累程度 ,可以识别处于匀速运动的目标。同传统的 Hough变换算法相比 ,设计中选取了更为合适的变换参量 ,改进了原算法中性能随距离变化的缺点。解决了跨相邻图元造成积累丢失 ,推算并验证了航迹起始的检测概率及虚警概率。该算法充分利用了目标在采样时间段内的累积信息 ,具有简化的检测手段 。

摘要：针对强噪声环境下频谱感知方法计算复杂度高、难以获取大量标注样本、检测准确率低等问题,该文提出由图像去噪和图像分类思想驱动的频谱感知方法(IDCSS)。首先,对感知用户的接收信号进行时频变换,将无线电数值信号转换为图像。强噪声环境下感知用户接收信号图像与噪声图像相关度高,因此搭建生成对抗网络(GAN)来增加低信噪比下接收信号样本的数量,提高图像的质量。在生成器中,利用残差-长短时记忆网络取代生成网络U-Net结构中的跳跃连接,对图像进行去噪、提取感知用户接收信号图像的多尺度特征、建立基于熵的损失函数来构建网络的抗噪能力;在判决器中,设计适用无线电图像信号的多维度判决器来增强生成图像的质量、保留低信噪比感知用户信号的图像细节。最后利用分类器识别频谱占用状态。仿真结果表明,与现有频谱感知算法相比,所提算法具有较好的检测性能。

摘要：传统目标回波光外差探测使用高斯分布等简单模型来描述,这常常导致判决误差.笔者提出利用多项式对实际目标测量数据进行拟合,给出较准确的概率分布曲线.通过对某装甲车表面样块多组测量数据的统计分析显示,利用多项式拟合来确定判决阈值,比起用简单的高斯分布来确定阈值,可以获得更高的检测概率和更低的误警概率.研究表明,对实测中频信号的统计直方图进行多项式拟合,有利于精确设置探测阈值,可以使检测概率提高6.02%,误警概率降低7.7%.文中结果为粗糙面回波外差探测系统设计提供定量参考,也为探测系统性能评估仿真提供依据.

摘要：该文为解决弱相关非高斯噪声环境下的伪码捕获问题,提出了一种基于局部最佳检测算法的伪码捕获方法,将伪码捕获等价为假设检验问题,将弱相关非高斯噪声建模为一阶滑动平均SαS噪声模型,利用局部最佳检测算法推导出弱相关非高斯噪声环境下的伪码捕获检测统计量,在此基础上对检测统计量进行了简化,给出了其实现结构,并与传统的伪码捕获方法进行了性能仿真对比,仿真结果表明该文所提出的捕获方法在弱相关非高斯噪声环境下检测性能有较大幅度的提高,且非高斯噪声脉冲特性越明显,所设计的检测器优势越明显。

摘要：作为认知无线电中的关键技术,协作频谱检测首先要解决的问题是协作用户的选择。该文以能量协作检测的AND模型为例,通过对检测函数的性能分析,研究了在认知用户不同接收信噪比条件下的最优协作用户数,并设计了基于信噪比的最优协作用户数搜索算法和快速搜索算法。理论分析和仿真结果表明:在AND协作模型下存在一个最优的协作用户数目,并且在低接收信噪比时,这种部分用户的协作性能优于全局协作,而在高信噪比时两者性能接近。

摘要：传统的组网雷达功率分配一般在干扰模型给定的情况下进行优化,而干扰机资源优化是在雷达功率分配方式给定情况下,这样的研究缺乏博弈和交互。考虑到日益严重的雷达和干扰机相互博弈的作战场景,该文提出了伴随压制干扰下组网雷达功率分配深度博弈问题,其中智能化的目标压制干扰采用深度强化学习(DRL)训练。首先在该问题中干扰机和组网雷达被映射为两个智能体,根据干扰模型和雷达检测模型建立了压制干扰下组网雷达的目标检测模型和最大化目标检测概率优化目标函数。在组网雷达智能体方面,由近端策略优化(PPO)策略网络生成雷达功率分配向量;在干扰机智能体方面,设计了混合策略网络来同时生成波束选择动作和功率分配动作;引入领域知识构建更加有效的奖励函数,目标检测模型、等功率分配策略和贪婪干扰功率分配策略3种领域知识分别用于生成组网雷达智能体和干扰机智能体的导向奖励,从而提高智能体的学习效率和性能。最后采用交替训练方法来学习两个智能体的策略网络参数。实验结果表明;当干扰机采用基于DRL的资源分配策略时,采用基于DRL的组网雷达功率分配在目标检测概率和运行速度两种指标上明显优于基于粒子群的组网雷达功率分配和基于人工鱼群的组网雷达功率分配。

摘要：为了检测扩展目标,该文提出一种已知统计特性的杂波和噪声背景下提高正交频率分集复用-多输入多输出(OFDM-MIMO)雷达检测性能的波形设计方法。利用扩展目标一维距离像的频率特性,基于匹配照射理论给出了雷达回波向量模型,在此基础上建立最大化检测信杂噪比的目标函数;通过交替迭代搜索获得优化发射波形和最优接收滤波器。仿真结果表明,经调制的OFDM-MIMO雷达发射波形具有稳健的抗杂波性能,可提高检测信杂噪比,改善OFDM-MIMO雷达检测性能。

摘要：极低频信号由于对金属介质具有良好的穿透性,现被应用于管道机器人的示踪定位系统中。实现极低频信号的可靠检测是保证示踪定位系统正常工作的关键,现有检测系统中使用的检测方法易受噪声干扰,经常出现误报与漏报,可靠性低。根据实际工程中极低频信号动态范围大、观测时间有限的特点,提出了一种基于最小二乘的极低频信号实时检测方法,构造了检验统计量并通过MATLAB仿真分析了窄带高斯噪声情况下的检测性能。以DSP为核心设计实现了基于最小二乘的极低频磁场信号检测系统,通过仿真与工程实验验证了所提出方法的优越性。在信噪比为3 dB,恒虚警概率为1%的条件下,检测概率可达90%,完全满足管道机器人示踪定位系统中极低频信号实时检测的要求。