摘要：[目的]为了有效拓宽北斗天线3 dB轴比波束宽度,提出一种加载寄生单元的开槽叠层微带贴片天线。[方法]通过叠层基板结构实现北斗双频带特性,并通过开槽拓宽双频段带宽,在贴片边缘切角实现双频带圆极化;同时在贴片周围加载L形寄生单元来拓宽天线的3 dB轴比波束宽度。[结果]实测和仿真结果吻合度较高,在北斗B1和B2频段的相对带宽为3%和7.5%;3 dB轴比波束宽度可达到180°和176°;增益最高可达6 dBi。在北斗接收机试验中,天线搜星数量能达到17颗以上,定位精度在米级以内。[结论]所设计的双频带北斗导航天线具有宽轴比波束宽度和高定位精度,研究结果可为小型北斗导航天线的设计提供参考。

摘要：相控阵雷达具有高速灵活的波束调度能力且其信号广泛采用高重频设计,导致无源时差估计中出现大量的非均匀时差模糊点,难以精确定位。为解决时差模糊问题,基于团簇分组的方法提出一种卡尔曼滤波联合概率关联的重频分组雷达信号时差解模糊算法,该方法在时差层面充分利用了相控阵雷达信号重频组变的特性,融合多普勒频率、重周等多维信息,能够基于双站观测场景序贯完成单路时差模糊点的修正,从而得到目标真实时差轨迹。仿真验证了所提方法的可行性。

摘要：鲸鱼优化算法是一种设计新颖的智能优化算法,近年来已广泛应用于各种工程优化问题.但是关于鲸鱼优化算法的收敛性尚未明确,而且缺乏对算法中合理参数选择范围的理论分析.本文利用随机过程理论中的马尔科夫链分析了鲸鱼优化算法的全局收敛性,证明了算法中的收缩包围机制是决定鲸鱼优化算法是否收敛的关键因素.进一步建立了鲸鱼优化算法收缩包围机制的双层有限差分模型,并基于冯诺依曼稳定准则给出了算法收缩包围机制稳定或发散时的控制参数取值范围,在标准测试函数上的仿真实验结果也验证了理论分析的正确性.

摘要：全光纤超短脉冲啁啾放大技术在激光技术和超快光学领域备受关注。针对传统数值方法分析光纤中超短脉冲啁啾放大过程存在计算量大、效率低等问题,采用深度学习方法开展全光纤超短脉冲啁啾放大过程建模研究。首先分析脉冲啁啾参量等参数对超短光脉冲传输过程的影响。预训练设计的深度神经网络模型,分析网络对不同初始脉冲啁啾参量的预测精度,进一步探索了不同初始脉冲半峰全宽、峰值功率和啁啾参量等复杂情况下网络的泛化性及预测精度。本研究拓宽了数据驱动方法在激光行为预测方面的应用,为光纤中超短脉冲的特性研究提供了新思路。

摘要：利用辐射源目标的频移动态特征进行盲分选时,针对已有的分选方法不能很好解决非合作接收数据非周期、间断、交叠的问题,提出了一种改进的逻辑回归分选算法,将信号分选转化为轨迹分类的问题来处理。首先,借鉴多目标航迹起始模型中的M/N逻辑法的框架,设计新的数据关联门限,以建立目标起始曲线;其次,采用最小二乘拟合方法替代卡尔曼滤波,设计新的外推规则,建立载频变化预测曲线;分析新的接收数据与预测曲线的关联性,不断迭代回归或形成新的分支,最后获得目标分选结果。仿真与实测试验表明,利用逻辑回归分选算法,对不同运动目标搭载的同频辐射源可进行自动分选,4个仿真目标与2个真实目标的分选正确率达到100%。同时,该方法拓展了辐射源目标盲分选中的动态频移特征应用,为辐射源个体识别提供了新的支持。

摘要：在辐射源个体识别技术应用中,接收机指纹和发射机指纹相互影响相互耦合,造成辐射源指纹库依赖于特定接收机,无法在不同接收机之间通用。针对此问题,对典型超外差接收机的滤波器、放大器畸变分量对接收信号指纹的影响进行了理论分析与实验验证。理论分析证明发射机和接收机的滤波器、放大器分量对于接收信号整体的畸变影响是等价的;实验中,利用两台超外差接收机对5台发射机进行个体识别测试验证,更换接收机前后,滤波器、放大器特征识别正确率分别从100%、95. 5%降到20%,证明了接收机畸变分量对发射机指纹识别具有严重影响。该研究成果可为后续辐射源个体识别接收机设计以及接收机畸变校正提供理论依据。

摘要：网络空间威胁发展呈现出主动性、隐蔽性、泛在性的特点,向传统被动式、局域性、孤立化的网络防御模式提出了严峻挑战。针对大数据、人工智能与网络安全融合的新趋势,提出一种跨域协同的威胁预警模式,为网络空间安全防护赋能增效。首先,该模式从网络空间结构出发,通过划分安全威胁域、解析系统功能、设计共享机制,构建具有合纵连横作用的功能框架;其次,为提升威胁信息检测能力,设计了分层司职的协同化技术体系,阐述了威胁信息感知、处理、应用等关键技术;最后,借助应用场景,定性化描述了所提预警模式的能力增量。

摘要：短波经电离层反射后产生的多径具有不同的极化状态。为充分利用多径信号间的极化差异改善短波通信质量,提出一种基于极化敏感阵列的短波多径合成方法。首先用改进的极化空间多重信号分类(Multiple Signal Classification,MUSIC)算法实现每条径到达角、极化参数估计,采用估计的参数设计滤波器分离出每一条信号单径,将各条径的时频参数补偿对齐,对分离出的多条径按最大输出信噪比进行接收波形合成。理论分析和仿真实验表明,所提方法分离出的单径相比极化空间最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法具有信噪比上的提升,并且能够通过多径间的合成在单径的基础上获得信噪比的增益,改善信号质量。

摘要：介绍了接收机授时接口的工作原理,提出了一种基于模拟工作场景的接收机授时接口新型测试方法,通过设计程控IRIG⁃B时间码发生器模拟产生异常时码,测试了接收机授时接口的容错性,并以长期授时测试场景用例检验了接收机授时接口工作稳定性,解决了实验室条件下接收机数据时间戳乱序、长期工作中时间戳跳变以及接收机授时信号异常控制等授时接口测试的难题。

摘要：在无人机的个体识别中,针对现有的识别方法存在分类准确率低、实时性差、网络模型参数量大以及难以应用于资源受限的设备等问题,提出基于轻量级残差网络(scale down resnet,SDRNet)的无人机个体识别方法。首先,通过短时傅里叶变换(short time fourier transform,STFT)把一维时域信号转为二维时频图像,并对图像进行灰度处理。其次,网络基于MobileNetv2,结合无人机个体信号的时频图像特征,通过缩减网络层数以降低模型深度,通过减少输出通道数以降低模型维度;借鉴ResNet残差结构的设计思想,通过增加卷积层的残差连接以实现更多不同深度网络的集成,设计出轻量级残差网络SDRNet模型。最后,利用STFT时频灰度图作为样本对SDRNet模型进行训练,实现对无人机个体的识别。仿真实验采用公开的6架悬停无人机的信号、在AWGN高斯白噪声信道环境下进行。实验结果表明,所提方法在信噪比SNR=10 dB的环境下对无人机个体信号的平均识别率为94.00%,分别高于MobileNetv2、GoogleNet模型的0.17%、5.17%,低于ResNet模型2.50%;所设计的SDRNet模型的可学习参数量、模型规模、乘加计算量约为基础轻量级MobileNetv2模型的19.5%、19.6%、35.9%。相较于基于MobileNetv2、GoogleNet、ResNet等神经网络模型方法相比,所提方法在保持较高识别准确率的同时,具有更快的识别速度和更小的内存开销。