摘要：针对现有一维混沌映射序列分布不均和映射参数范围有限的问题,提出一种改进型的一维逻辑正弦混沌映射,在此基础上设计了一种混沌驱动四元数旋转三维星座加密的多参数加权分数傅里叶变换(Chaos driven Quaternion Rotation 3D constellation Encrypted-Multiple Parameters Weighted-type Fractional Fourier Transform,CQR3DE-MPWFRFT)通信方法。Logistic映射和Sine映射耦合,提出L-S混沌映射,将需要传输的信息进行三维星座调制。通过L-S混沌映射产生的混沌密钥驱动生成四元数,对生成的三维星座图进行旋转加密。进行多参数加权分数傅里叶变换(Multiple Parameters Weighted-type Fractional Fourier Transform,MPWFRFT)之后,完成数字调制。仿真结果表明:该混沌映射参数范围更大,随机性更好;所设计的CQR3DE-MPWFRFT方法利用L-S混沌驱动四元数实现了二维星座到三维星座的旋转加密,其星座点与传统调制相比星座空间更大,相较于MPWFRFT方法系统误码率性能有一定的提升,即使窃听方密钥只有10-15的差异,仍然无法完成窃听,能够提高信息在物理层的传输安全。

摘要：提出一种基于共享孔径技术设计低雷达散射截面(radar cross section,RCS)电磁超构表面天线的新方法.该方法首先设计具有低RCS性能的超构表面,然后借鉴共享孔径技术思想,将超构表面和传统天线的辐射结构直接共享口径紧密排列,得到新型低RCS天线结构,并结合电流分析和局部结构修正,优化天线的辐射性能,最终同时实现天线的良好辐射和宽带低RCS性能.为了阐明该方法,基于极化旋转机理设计了一款低RCS超构表面,采用共享孔径思想和电流分析,得到了一款宽带低RCS超构表面天线,详细分析了该天线的工作机理与性能.结果表明:设计的天线在保证较好辐射的同时,实现了超宽带RCS减缩,提出的设计方法摒弃了从天线到低RCS天线的传统设计思路,通过逆向思维,将散射的优化问题转化为辐射的优化问题,不仅实现了天线与超构表面的一体化设计,还显著地降低了低RCS天线优化设计的难度,加速了天线优化进程.

摘要：本文深入分析了军校传统教学模式存在的问题,在此基础上提出了面向智慧教育的军校混合式教学模式。首先对智慧教育理念的内涵及特征进行了分析;然后,从智慧教育平台构建、混 合式教学模式设计和师资力量建设三个方面出发,对军校教学 模式改革方向和路径进行了探讨,可为军校提升新时代新型军事人才培养质量提供有益参考。。

摘要：通信类课程是通信专业的基础课程,研究对象是电磁波,理解起来比较抽象,具有理论知识难度大,公式推导多的特点。为提升学生的课堂参与度,尝试将BOPPPS教学模型引入通信类课程教学过程中,该文首先阐述BOPPPS模型的教学理念,然后介绍基于BOPPPS教学模型的通信类课程教学设计和课堂实施方法。结果表明,将BOPPPS教学模型应用于通信类课程的教学过程中,能充分激发学生的积极性,增强学习效果,达到培养高素质通信人才的目的。

摘要：针对现实网络中用户业务需求偏好和单一防御策略的局限性,研究提出操作系统病毒传播模型及混合防御策略。首先,将网络按照采取的防御策略拆分成子网,综合考虑子网间的交叉感染和网络中病毒传播的关联性,构建多防御策略下的操作系统病毒传播模型,给出了系统的平衡点求解和稳定性分析。其次,引入网络业务评估指数及负面成本定义,提出了抑制操作系统病毒传播的混合防御策略,设计了策略最优配置计算方法、执行流程和参数辨识算法。理论和实验结果表明,所提出的操作系统病毒传播模型及混合防御策略能有效补充传统防御手段的空档期。

摘要：针对传统干扰资源分配算法在处理非线性组合优化问题时需要较完备的先验信息,同时决策维度小,无法满足现代通信对抗要求的问题,该文提出一种融合噪声网络的深度强化学习通信干扰资源分配算法(FNNDRL)。借鉴噪声网络的思想,该算法设计了孪生噪声评估网络,在避免Q值高估的基础上,通过提升评估网络的随机性,保证了训练过程的探索性;基于概率熵的物理意义,设计了基于策略分布熵改进的策略网络损失函数,在最大化累计奖励的同时最大化策略分布熵,避免策略优化过程中收敛到局部最优。仿真结果表明,该算法在解决干扰资源分配问题时优于所对比的平均分配和强化学习方法,同时算法稳定性较高,对高维决策空间适应性强。

摘要：为解决现有开集场景下辐射源个体识别算法鲁棒性不强、识别性能较低的问题,结合原型网络提出了一种开集场景下适用于一维信号的辐射源个体识别模型。对采集的辐射源I/Q信号进行功率归一化、切片和加噪等预处理操作;设计用于识别I/Q信号的一维卷积神经网络,并在网络中加入具有注意力机制的压缩激励模块,以此提高网络中有效特征通道的权重;将该网络结构和原型学习思想相结合,利用预处理的数据集进行训练和测试。在训练过程中,利用距离交叉熵损失函数为每个类别学习一个原型,并将信号特征到原型的距离作为分类依据,同时利用原型损失函数以提高信号类内紧密度的方式增大类间距离,进一步增强分类能力;在测试过程中,利用自适应距离分类规则为每个类别学习一个自适应的距离阈值,并通过距离阈值完成对已知目标的分类和未知目标的检测。对5种ZigBee设备采集的信号进行实验,结果表明:在信噪比为-10~10dB之间,所提模型的识别准确率比通常所用的基于极值理论的模型高8%左右。

摘要：针对现有方法在通信辐射源空、时、频、能域特征相近甚至相同情况下,个体分类识别效果不佳的问题,提出了一种采用极化特征的通信辐射源个体识别方法。通过分析通信辐射源双极化特征表征方法,对通信辐射源的极化信号建模,根据极化信号模型,借鉴幅度-相位法思路,构建了双极化接收系统实现极化信号接收和极化特征提取;通过对极化天线振动引起的通道不一致性进行分析,建立极化通道误差模型,得到含有时变幅相误差的极化信号表示,据此设计了基于自编码器的通道时变幅相误差校正算法,在扰动数据(含时变幅相误差和噪声的数据)与原始数据(只含噪声的数据)双驱动下,学习原始数据深层特征规律,实现对扰动数据的重构,克服了极化特征对通道噪声与时变幅相误差敏感的问题;经过设置的阈值规则进行通信辐射源个体的硬判决分类。仿真实验表明,在信噪比为10 dB时,所提方法对模拟辐射源的个体识别准确率达95%以上。实测数据表明:所提方法在暗室理想情况下,对辐射源个体的识别准确率达99%以上;在实采数据上叠加高斯白噪声、模拟信噪比为10 dB时,个体识别准确率达95%以上,所提方法的有效性得到了验证。

摘要：针对协同电子战中跳频通信干扰协同决策难题,通过构建“整体优化、逐站决策”的协同决策模型,基于深度强化学习技术,设计了在Actor-Critic算法架构下融合优势函数的决策算法,并在奖励函数中嵌入专家激励机制以提高算法的探索能力,采用集中式训练方法优化决策网络,使算法能够输出资源利用率最高的干扰方案,并大幅提高决策效率.仿真结果表明,相比于现有智能决策算法,本文算法给出的干扰方案能够节约8%干扰资源,决策效率提高50%以上,具有较大实用价值.

摘要：为解决轻量化模型下调制信号开集识别准确率不高的问题,设计了一种数据重建和极值理论生成对抗网络模型,包含一对相互对抗的网络:重建网络和判别网络。首先,重建网络利用自编码器对信号进行压缩重建,将高维度数据压缩为低维表达。然后,判别网络对压缩后的数据进行特征提取并建立各类数据的激活矢量集用以拟合极值分布。最后,通过极值理论求出已知和未知调制方式信号的概率。仿真实验表明,该模型显著降低了算法复杂度,不仅能对已知调制方式的信号进行充分学习和表达,还能干扰未知调制方式的信号,在信噪比大于0 dB时,针对8种已知调制方式和2种未知调制方式信号的识别准确率均达到93%。