【摘 要】
：
针对多对多的雷达与雷达对抗信号级仿真系统难以扩展的问题,实现了一种基于信号描述字的雷达与干扰仿真方法.首先,分析了相参脉冲串目标回波数字仿真理论与方法;以此为基础,对数字信号的仿真过程进行拆分,提炼了信号描述字的组成要素;然后凝练得到5类信号描述字,并讨论了信号描述字如何适应信号样式多样性的问题;最后,通过两部雷达和两部干扰机的对抗仿真实例,验证了方法的有效性和对于多对多雷达对抗信号级仿真的适应性.
【机 构】
：
电子信息系统复杂电磁环境效应国家重点实验室,河南洛阳 471000
论文部分内容阅读
针对多对多的雷达与雷达对抗信号级仿真系统难以扩展的问题,实现了一种基于信号描述字的雷达与干扰仿真方法.首先,分析了相参脉冲串目标回波数字仿真理论与方法;以此为基础,对数字信号的仿真过程进行拆分,提炼了信号描述字的组成要素;然后凝练得到5类信号描述字,并讨论了信号描述字如何适应信号样式多样性的问题;最后,通过两部雷达和两部干扰机的对抗仿真实例,验证了方法的有效性和对于多对多雷达对抗信号级仿真的适应性.
其他文献
针对多对一追逃博弈(PE)问题,提出了显性协同框架下的最优追逃控制策略.首先,利用图论工具将多对一追逃博弈问题转化为多智能体系统一致性控制问题;然后,结合自适应动态规划(ADP)技术,设计评价网络对追逃双方控制策略进行在线求解,并利用Lyapunov法证明稳定性.考虑到追逃策略总是成对出现,单个逃逸者面对多方追击时存在多个逃逸策略难以选择的问题,提出整体逃逸策略是各单一逃逸策略的动态加权的控制算法;最后,通过对导弹协同攻防过程建模并进行对比仿真,证明了所提博弈策略的有效性.
针对传统DS证据理论无法解决的高冲突问题,提出一种改进的DS证据理论新方法.首先,使用类哈利熵和Shannon熵衡量证据的综合不确定度,描述证据中的不具体性和随机性问题;其次,使用皮尔逊相关系数衡量证据间的相似度;接着,基于博弈理论对二者进行组合赋权,保证修正权重的准确合理;最后,使用DS组合规则计算修正后的基本概率分配(BPA),得到融合结果.通过与其他方法进行多组案例比较分析,证明所提算法融合精度更高、识别常理命题速度更快、考虑问题更为科学有效.
在当前战场环境反馈输入所占比重日益增大的情况下,提出利用无监督学习中的AGNES层次聚类算法对传统多源智能体联盟理论框架进行改进.综合考虑环境和传感器不同个体效能中的复杂性与模糊性因素,对联盟的多智能体模型进行描述以及多智能体交叉提示下动态联盟探测系统具体提示步骤进行设计,针对性改进无监督学习AGNES聚类算法结合目标探测信息的认知度一致性函数,使系统直接从变化的环境中建立动态模型,从而在达到联盟优化任务的长期收益累计的同时对目前的短期收益做出更有利的决策.仿真表明,相对于群智能算法等传统整体调动策略,改
从能量层面对激光角度欺骗干扰过程进行了分析:首先推导了不同形状目标的功率密度传输公式,通过仿真分析得出它们的能量传输性能;然后对激光角度欺骗干扰过程的能量传输进行分析研究,并基于能量压制系数推导了防护空域的表达式;最后对防护空域的影响因素进行了仿真研究.研究结果表明:防护角受指示激光和干扰激光入射距离以及真目标曲率特性的影响.
针对由于粒子匮乏辅助粒子滤波检测前跟踪(APF-TBD)无法获得较好的检测和跟踪性能的问题,提出了一种基于优化遗传重采样的辅助粒子滤波检测前跟踪(OGRAPF-TBD)方法.在APF-TBD的重采样中应用优化后的遗传重采样算法,在重采样中根据权重选择优质粒子,通过排序分组交叉和变异操作得到新粒子.该方法不仅能保留APF-TBD通过优化重要性分布函数提高采样粒子准确性的优势,而且将优化后的遗传重采样思想引入重采样还能有效地解决粒子匮乏问题,增加有效粒子数目.仿真结果表明,相较于APF-TBD方法和粒子滤波检
为充分考虑历史信息对未来导航结果的影响,并充分利用更深层次的组合导航信息进行信息融合,提出了一种基于图优化的INS/GNSS深组合导航方法.通过将量测信息和状态传播作为约束信息,在时间域上构建优化代价函数,利用列文伯格-马夸尔特法求解状态的最优估计.通过INS/GPS深组合导航系统仿真实验对该方法进行了评估和分析,仿真实验结果表明,所提算法与常规卡尔曼滤波方法相比,三轴方向的位置误差均值分别减少了38.5％,21.0％和30.9％,速度误差均值分别减少了31.4％,52.8％和57.3％,所提算法能有效提
为了提高某破障武器随动系统响应的快速性和准确性,对其进行神经网络滑模控制研究.结合伺服系统的模型,引入脊波递归神经网络(RRNN)对模型动态自适应逼近,可有效提高响应速度和鲁棒性.通过脊波递归神经网络滑模控制器(RRNN-SMC),有效地抑制了扰动、参数变化等非线性因素的影响.最后,采用粒子群优化算法对脊波参数和链接权值进行优化,可以有效降低滑模抖振的影响.通过仿真实验发现,该方法能够保证随动系统的稳定性,加快动态实时响应的速度,提高随动控制的精度.
针对一类含有非匹配干扰的高阶非线性未知系统的控制问题,采用一种基于自耦比例-积分(ACPI)控制理论的虚拟递推控制方法,该方法通过引入未知状态和总和扰动的概念,将非匹配非线性系统映射为等价的线性未知系统,并构建了一个在总和扰动反相激励下的受控误差系统,结合ACPI控制理论构造了以速度因子为核心联系因子的ACPI虚拟指令,为了有效避免反步控制中存在的“微分爆炸”问题,将各虚拟指令的微分定义为未知有界扰动.仿真结果表明了ACPI控制系统不仅具有良好的动态品质和稳态性能,而且具有良好的抗扰动鲁棒性,因而在高阶非
孪生网络跟踪算法将跟踪问题转换为相似性匹配问题引起广泛关注,然而,多数算法无法在移动端或算力不足的嵌入式设备上实现工程应用.为此,提出了一种基于孪生网络的轻量级高速跟踪算法.该算法以特征提取能力良好且参数量少的MobileNetV2作为主干网络,通过组卷积、Crop等操作进一步减少网络参数量,提高网络运行速率;通过在倒残差结构中加入注意力机制动态调节模型权重,突出目标重要信息;通过不同特征层之间的信息融合,提升网络模型对目标多尺度语义信息的表达.采用目标跟踪基准库OTB100和VOT2018进行实验,结果
小波阈值函数中,因信号之间的不连续性及小波估计系数与原信号的小波系数存在误差等原因,图像无法得到最优还原.为此提出一种基于改进协同量子粒子群算法优化小波函数的去噪方法.该方法在协同量子粒子群优化(CQPSO)算法的基础上引入了自适应收缩扩张因子,用改进的协同量子粒子群算法优化小波阈值函数中的调节因子和阈值.仿真图像和数据显示,该算法成功降低有用信号的畸变失真,在信噪比的评价标准下,相比其他算法效果提升5％～10％,在均方根误差的评价标准下,相比其他算法效果提升16％～20％,有较好的实用价值.