摘要：为了从环境中检测出相位量化数字射频存储器(Digital radio frequency memory,DRFM)欺骗干扰的存在,本文设计了一种能够在均匀环境中检测出噪声、干扰或回波信号的自适应检测器。检测过程分为两步:先由基于广义似然比检测(Generalized likelihood ratio test,GLRT)的自适应匹配滤波(Adaptive matched filter,AMF)检测器完成噪声和"信号"(滤波后的回波信号或干扰)的检测;再从回波信号和干扰导引矢量间的差异性出发重新设计检测器,以甄别回波信号或干扰。最后,通过理论推导和蒙特卡洛试验对检测器的性能进行分析和评估,并与透视检测器进行比较。仿真结果表明,在低相位量化位数和高信噪比的条件下,所设计的检测器能够正确检测出干扰信号的存在。

摘要：分布式网络化电子信息系统的发射信号需要满足较强分集特性的要求,相同长度、不同根值的ZC序列之间的分集特性由其根值本身及其根值差值决定。通过ZC序列与ZC-OFDM信号的采样序列之间的同构性,对ZC-OFDM信号的分集特性进行了研究,结合ZC-OFDM信号的分集特性以及分布式网络化电子信息系统的特点,提出了最优有效采样长度计算算法,该算法解决了在分布式网络系统布站数一定以及发射信号带宽有限、时宽有限的情况下,如何确定发射信号的有效采样长度使得各个发射站信号的分集特性能够达到最强的问题。结合常规探测信号的时宽、带宽取值范围和最优有效采样长度计算算法,对波形的参数进行了设计,对其在分布式网络化电子信息系统的信号处理效果进行了仿真。仿真结果表明,不同根值的ZC-OFDM信号具有良好的分集特性,能够使得分布式网络化电子信息系统在回波接收处理时对各个发射站发射信号的回波信号进行有效的分离。

摘要：为解决中心群跟踪(CGT)算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型(IMM)算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。

摘要：针对多功能雷达行为状态复杂多变、难以识别的问题,提出了一种基于卷积神经网络的雷达行为辨识方法。建立多功能雷达行为辨识模型,对数据进行预处理,构建多功能雷达信号样本集。通过变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的信号加参数数组样本。并针对处理后的雷达行为数据集的特点设计卷积神经网络进行训练与测试。仿真实验结果表明,训练完成的网络模型对于加入参数的样本训练效果更好,对多功能雷达行为有较好的识别效果。

摘要：针对多功能雷达行为状态复杂多变、难以识别的问题,构建了多功能雷达行为数据集,提出了一种基于神经网络的雷达行为辨识方法。首先对数据进行预处理,提取多功能雷达的参数特征与行为状态特征,并建立两者间的映射关系。然后通过基于贝叶斯准则的变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的脉冲数组样本。最后通过数据推理丰富数据库,为数据驱动的智能识别方法提供可靠的数据准备,增强神经网络的泛化能力。针对处理后的雷达行为数据集的特点,设计BP神经网络进行训练与测试。仿真实验结果表明:训练完成的网络模型在识别过程中一定程度上克服了噪声变量等干扰的影响,正确率可以达到89%。

摘要：当干扰从雷达的主瓣方向进入时,传统的自适应旁瓣相消算法会导致波束变形、主瓣指向偏移等问题。为了克服传统抗干扰方法遇到的问题,提出了基于相位编码的抗干扰方法,根据发射信号的特性设计出匹配滤波和阻塞滤波器,将接收到的回波信号分别通过两滤波器得到两路信号,然后利用旁瓣对消算法将辅路的干扰滤除。这种方法会导致目标所在多普勒单元的距离旁瓣升高,为了进一步降低目标信号所在多普勒单元的距离旁瓣,提出了将目标所在距离-多普勒频率单元去除后,再进行旁瓣对消的方法。通过仿真表明,本文提出的算法能有效抑制从主瓣进入的干扰,且目标所在的多普勒单元的距离旁瓣有所降低。