多功能雷达总体数据分析系统设计与实现

多功能一体化是雷达发展的必然趋势,随着功能的增加,多模式间切换频繁调度复杂,系统调试工作量呈指数增长,数据分析与管理的难度增大。为提高多功能雷达数据分析效率,辅助问题定位分析与系统状态检查,加快雷达研制进程,分析了总体数据分析在雷达研制和使用阶段的重要作用,研究了雷达总体数据分析软件的需求与系统设计,并通过Matlab进行实现。该软件可以分析雷达多环节数据,并以表格和图像的形式呈现分析结果。经过实验数据验证,该软件能够有效地提高分析效率,进行雷达状态判断和性能评估,快速发现与定位问题。

基于威胁机制-双重深度Q网络的多功能雷达认知干扰决策

针对传统深度Q网络(deep Q network,DQN)在雷达认知干扰决策中容易产生经验遗忘,从而重复执行错误决策的问题,本文提出了一种基于威胁机制双重深度Q网络(threat warning mechanism-double DQN,TW-DDQN)的认知干扰决策方法,该机制包含威胁网络和经验回放2种机制。为了验证算法的有效性,在考虑多功能雷达(multifunctional radar,MFR)工作状态与干扰样式之间的关联性的前提下,搭建了基于认知电子战的仿真环境,分析了雷达与干扰机之间的对抗博弈过程,并且在使用TW-DDQN进行训练的过程中,讨论了威胁半径与威胁步长参数的不同对训练过程的影响。仿真实验结果表明,干扰机通过自主学习成功与雷达进行了长时间的博弈,有80%的概率成功突防,训练效果明显优于传统DQN和优先经验回放DDQN(prioritized experience replay-DDQN,PER-DDQN)。

对先进多功能雷达系统行为的识别、推理与预测:综述与展望

多功能雷达(Multi-Function Radar,MFR)是先进体制雷达辐射源的典型代表,其能够在雷达时间线上对多个目标调度多个同时执行的任务,具有波束指向瞬时调度、工作模式灵活动态、信号调制复杂多变的特点。随着计算智能、认知理论、数字阵列、软件自定义及硬件可重构系统的不断发展,先进多功能雷达系统自由度和性能潜力不断提升,给现代电子侦察与对抗系统带来了巨大挑战。本文首先较为全面地给出了雷达系统行为的分类,依据雷达系统行为活动的内容与目的将雷达行为分为推理行为、决策行为和动作行为三类,并从雷达方和侦察方两个不同视角对上述三类行为进行了归类划分。然后围绕对先进MFR系统行为的感知识别难题,从侦察方视角对多功能雷达行为进行分析识别的侦察分析模型建模表征、雷达系统外显行为识别、内隐行为推理以及对未来行为预测等四方面对相关基础理论、实现技术的研究进行了全面梳理,并对未来研究面临的挑战和重点进行了分析,旨在为针对先进MFR系统行为相关的后续理论研究与技术发展提供有益参考。

基于并行融合网络的多功能雷达行为辨识技术

针对多功能雷达在信号层面分析时样式复杂多变、整体特征表述不全面、提供关键信息能力不足的问题,建立了一种多层级的多功能雷达行为层面表征模型,提出了一种基于一维深度卷积神经网络和门控循环网络并行处理的融合网络结构。在使用多层级模型清晰有效地表征和分析多功能雷达行为的基础上,结合两种网络分别在局部深度特征提取和全局时序特征提取方面的优势,实现了对多功能雷达典型功能的行为辨识。仿真实验结果表明,在参数交织程度较高的情况下,该网络对多功能雷达四种典型功能的行为辨识准确率达到95.6%,证明了所提的并行网络算法在侦察情报分析领域具有良好的应用前景。

基于熵值图的多功能雷达工作模式识别

针对多功能雷达工作模式多样且信号波形复杂多变,导致常规工作模式识别方法性能不佳的问题,提出基于小波变换的多功能雷达工作状态切换点检测方法,将雷达脉冲序列进行分割,得到单一工作模式脉冲序列样本。其次,基于近似熵、样本熵、模糊熵和排列熵设计了新的熵值图特征,并结合卷积深度神经网络模型,实现了多功能雷达工作模式的智能识别。仿真结果表明,该算法在虚假脉冲率或漏脉冲率为25%时,切换点检测正确率达85%;工作模式识别正确率在虚假脉冲率、漏脉冲率为20%和参数误差为8%时,识别正确率均在83%以上,识别性能皆优于两种对比文献方法,验证了该算法的有效性和优越性。

基于ILPVG网络的多功能雷达信号分选

针对多功能雷达信号分选时,采用哪种复杂网络进行分选更为有效的问题,提出了一种改进的有限穿透可视图(ILPVG)算法,并采用不同的复杂网络建立算法,根据复杂网络的拓扑属性和中心性指标进行网络模型分析,然后通过标签传播算法和密度峰值聚类算法检测其社区结构得到雷达信号分选结果。仿真实验表明,在多功能雷达分选场景下,基于ILPVG算法和基于有限穿透可视图(LPVG)算法的复杂网络在网络的连通性和紧密性上都高于其他网络。ILPVG网络通过标签传播算法得到的子社区结果、雷达分选准确率都高于其他网络,其雷达信号分选准确率比LPVG提高了3.46%,且明显优于基于k均值的和具有噪声的基于密度的聚类算法的分选方法,表明了ILPVG算法在雷达信号分选上的有效性和优越性。

基于自编码器的多功能雷达工作状态切换点检测方法

先进多功能雷达可以实现复杂的工作状态调制和灵活的波束调度,为识别不同的雷达工作状态并检测状态之间的切换点带来了巨大的挑战.为此提出了一种对多功能雷达层次化模型中的“符号−脉冲”层中的调制参数级工作状态的种切换点检测方法.所提出算法基于自编码器,并对真实电磁环境中观测非理想的情况进行设计,不仅可以在无监督的情况下准确地检测出工作状态切换点,并且不需要对数据的分布情况进行假设.仿真实验验证了本文提出算法相较于切换点检测算法的有效性和优越性,对于0~20%的脉冲丢失情况相较于对比方法具有更好的性能,在20%脉冲丢失的极端情况下,也可以达到0.7的F_(1)-score.

一种面向多功能雷达搜索模式的识别算法

针对多功能雷达在多种搜索模式下波形参数趋同,传统的波形模板匹配识别误报率较高,无法有效辨识的问题,以承担预警监视的多功能机载雷达为典型,深入分析了该类雷达的三种搜索模式。利用融合后的多站侦察数据训练神经网络,并利用网络完成识别。仿真结果表明,所提出算法能够准确识别多功能雷达的三种搜索模式。

小样本条件下多功能雷达工作模式识别方法

在日益复杂的电磁环境中,多功能雷达工作模式识别仍然面临着诸多挑战.针对多功能雷达的截获信号样本数量有限,样本增强质量差,导致工作模式识别准确率较低的问题.本文提出一种将自适应填充转换生成对抗网络与模型无关元学习联合驱动的识别方法.首先,从贴合小样本数据状态出发,采用自适应填充转换生成对抗网络模型进行自适应样本填充和样本增强;然后结合元学习中模型无关元学习算法,从而实现在小样本条件下多功能雷达工作模式的识别.最后,仿真结果表明,相较于生成对抗网络结合模型无关元学习的算法和支持向量机分类器,本文所提方法识别准确率分别提升了2.39%和17.42%.验证了该方法在小样本条件下针对多功能雷达工作模式进行准确识别的有效性.

基于序列比对的多功能雷达搜索规律识别方法

对多功能雷达信号规律的识别是电子侦察领域的难点问题之一,本文将多功能雷达搜索方式下的工作规律表示为一个任务序列,提出了一种基于序列比对的识别方法.该方法引入了生物信息学领域的生物序列分析技术,通过将两次不同观测时间段的信号进行比对,提取其中的相似部分来达到识别多功能雷达搜索规律的目的.仿真结果证明了该方法的有效性.

多功能雷达建模中的雷达字提取技术研究

雷达字为有限数目脉冲的固定排列,能够反映多功能雷达的工作状态和威胁等级。针对漏脉冲和虚假脉冲所造成的雷达字不能正确提取的问题,提出了一种基于三级匹配的雷达字提取算法。该算法首先对分选后的辐射源脉冲列进行数据库级的匹配过滤,确定模板雷达范围,然后分别利用脉冲配对和序列相关技术进行精确识别。仿真实验表明,该方法不仅能提取多功能雷达辐射源的雷达字,而且对噪声环境具有较好的适应能力。

基于灰色AHP法的多功能雷达作战效能评估

针对多功能雷达系统结构复杂,作战效能评估涉及因素多,而且信息不完全和不确定的特点,提出了基于灰色理论和层次分析法来评估多功能雷达作战效能的模型。根据多功能雷达具备的探测、定位、跟踪、目标识别、侦察、干扰、攻击七个功能,建立了多功能雷达作战效能评估指标体系,介绍了灰色层次分析法评估模型和基本算法步骤。并结合实例,通过具体数据进行仿真评估,验证了评估模型及算法的有效性和实用性,为多功能雷达的作战效能评估提供了依据。

基于幅度变化点检测的多功能雷达脉冲列解析方法

在电子情报领域,针对多功能雷达脉冲列解析中的基本波形提取问题,提出了一种新的基于统计变化点检测的方法.该方法利用相控阵天线波束离散扫描的特点,将基本波形提取问题转化成脉冲幅度序列变化点的检测问题.引入生物染色体分析中的循环二分算法来检测并估计幅度序列的多个变化点,进而得到基本波形的集合.该方法不需要任何先验知识,在较低信噪比的情况下仍然能够得到高精度的提取结果.仿真实验表明了该方法的有效性.

基于最小时间窗的多功能雷达调度算法研究

雷达、电子战、通信等多功能电子系统一体化是雷达的发展方向之一,针对多功能雷达的资源管理与调度,基于孔径分割建立了多功能雷达系统的任务模型,根据任务作用距离确定了任务事件对孔径资源的占用率,并在此基础上给出了一种基于最小时间窗调度间隔的任务调度算法来解决多功能雷达的任务调度问题,通过仿真验证,证明该算法具有一定的有效性。

生物基因技术在多功能雷达信号解析中的应用

多功能雷达作为一个大规模动态系统,具有复杂的信号形式.对其信号进行解析,揭示系统内部的运行规律,是当今电子侦察领域面临的严重挑战.本文借鉴生物基因工程的思想,提出了多功能雷达信号解析的研究框架和研究手段.详细分析了多功能雷达的工作机制,从系统的角度,将其与生物体的细胞做类比,指出两者在系统结构和运行机制上的高度相似性.对生物基因工程中的逆向工程等关键技术进行了总结,在此基础上,讨论了其在多功能雷达信号解析领域的应用前景.前期的研究成果表明了本文方法的合理性.

基于随机无穷自动机的多功能雷达辐射源识别方法

针对基于随机上下文无关文法(SCFG)建模的多功能雷达(MFR)辐射源识别问题,提出了一种基于随机无穷自动机(SISA)的MFR辐射源识别方法。在文法建模的基础上,对"水星"MFR控制模块文法产生式和系统特征文法产生式进行重新构造生成SCFG,利用SCFG构造随机无穷自动机作为识别器,从而实现对测量辐射源的识别。通过理论分析和实验仿真得出:该方法能实现对MFR辐射源的识别;在一定范围内,通过增加文法产生式个数,可以提高平均识别率,且识别性能优于通过SCFG构造的随机下推自动机(SPDA)。实验结果表明了该方法的正确性和有效性。

多功能雷达工作模式研究

分析了影响多功能雷达工作模式设计的多种因素 ,重点分析了在搜索模式和跟踪模式下的雷达设计不同点 ,提出了在多种因素下如何优化工作模式方法 。

基于双层强化学习的多功能雷达认知干扰决策方法

针对认知对抗中干扰方难以获取雷达方正确先验知识、面对复杂模型求解最优干扰策略困难的问题,提出了基于双层强化学习的多功能雷达认知干扰决策算法,第1层强化学习验证先验知识是否正确,并决定是否更新先验知识;第2层强化学习基于更新的先验知识进行强化学习,生成Q矩阵指导干扰方进行干扰决策。为了提高双层强化学习算法的干扰决策效率以及干扰决策正确率,对Q-learning算法的动作选择策略和收益函数设置方法进行了改进。仿真实验表明,在错误先验知识的情况下,该算法可以解得正确的最优干扰策略。相比于单层强化学习,该算法提高了干扰方适应复杂电磁环境的能力,使得强化学习在多功能雷达认知干扰决策中更具应用价值。

基于Earley算法的多功能雷达文法概率快速学习算法

针对基于随机上下文无关文法(SCFG)建模的多功能雷达(MFR)概率学习问题,在传统Inside-Outside(IO)算法和Viterbi-Score(VS)算法的基础上,提出一种基于Earley算法的多功能雷达文法概率快速学习算法。该算法通过对截获的雷达数据进行预处理,构造可以反映派生过程的Earley剖析表,并且基于最大子树概率原则从剖析表中提取出最优剖析树,利用改进的IO算法和改进的VS算法对文法概率进行学习,实现MFR参数估计,得到文法参数后,再利用Viterbi算法对MFR状态进行估计。理论分析和实验仿真表明,与IO算法和VS算法相比,改进算法在保持估计精度的同时,可以有效降低计算复杂度和减少运行时间,验证了Earley算法能够提高文法概率的学习速度。

基于Earley剖析的多功能雷达文法参数估计算法

针对基于随机上下文无关文法(stochastic context-free grammar,SCFG)建模的多功能雷达(multi-function radars,MFR)参数估计问题的研究,在原有inside-outside(IO)算法和viterbi-score(VS)算法的基础上,提出一种基于Earley剖析的多功能雷达文法参数估计算法——EIO算法。该算法将IO算法与Earley剖析相结合,通过对截获的雷达数据进行预处理,可以处理任意形式的文法产生式,对文法产生式概率进行学习,从而实现MFR文法参数估计。通过理论分析和实验仿真,EIO算法可以在减少计算复杂度、记忆复杂度和运行时间的同时,有效保持文法参数估计精度,论证了该方法的正确性和有效性。