基于动态权重的知识积累与灵巧干扰识别方法

针对低干噪比条件下灵巧干扰识别准确率不高与干扰特征难以积累导致的网络需要重新训练问题,本文将信号的平滑伪Wigner⁃Ville分布的时频二维图像作为输入,提出了一种基于动态权重的知识积累(Dy⁃namic Weighted Knowledge Accumulation method based on Convolutional Neural Network,DWKA⁃CNN)灵巧干扰识别方法,利用通道特征注意力机制,提升了低干噪比下模型的干扰识别能力,通过均值最近邻分层屏蔽网络权重,实现了在单一网络中的知识积累,与当前典型基于深度学习的灵巧干扰识别方法相比,无需每次重新训练即可学习多项干扰识别任务。并且仿真实验表明,与现有典型算法相比,该算法模型在7种雷达灵巧干扰分类数据集上的平均识别准确率显著提升,在低干噪比条件下分类性能优秀。

协同探测与导引技术发展探讨

当前现代化作战模式发生了深刻变化,各种军事作战战略与前沿技术不断涌现,分布式杀伤、马赛克战、对位压制工程等新概念作战理念应运而生。在此背景下,重点分析俄乌战争中多域一体化作战特点,总结当前探测与导引技术面临的性能边界、物理边界两大挑战,提出基于全域全息态势感知的协同探测与导引发展方向,提炼包括通用协同探测与导引体系架构在内的八大关键技术并探讨实施途径。推动探测与导引技术向多域联合、跨域协同、全域博弈演变,支撑未来更高层级的信息化作战。

间歇混沌采样灵巧干扰生成算法

针对目前间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)多假目标分布均匀与次假目标衰减快的缺点,提出一种间歇混沌采样灵巧干扰(interrupted chaotic sampling smart jamming,ICSSJ)生成算法。该算法首先产生Tent混沌序列,通过该序列控制采样时间窗长度和转发时间窗长度,生成间歇混沌采样信号,产生非均匀密集假目标群;其次,通过灵巧噪声对间歇混沌采样信号进行卷积调制,提高次假目标群归一化幅度,增加有效假目标数量;最后与间歇采样转发干扰中的切片干扰和脉冲随机转发干扰进行仿真对比实验。结果表明,该算法解决了多假目标分布均匀与次假目标衰减快的缺点,更好地兼顾了压制干扰与欺骗干扰的效果,大幅增加雷达接收机对干扰信号参数估计的难度,进而使得雷达识别与抑制假目标的能力大幅下降。

脉冲多普勒雷达多假目标干扰抑制算法

针对数字射频存储器(DRFM:Digital Radio Frequency Memory)产生的多假目标切片干扰问题,本文结合脉冲多普勒雷达工作体制,利用干扰信号和目标信号时域差异,提出了一种基于负熵检测的粒子滤波干扰抑制算法。首先,通过粒子滤波进行干扰抑制,该步利用各粒子权值的异常变化检测出干扰信号并进行抑制;其次,利用奇异谱负熵对滤波结果进行检测,对存在的小干扰信号进行二次干扰抑制,使干扰信号不再与匹配滤波器匹配,从而达到抑制干扰的目的。最后,仿真结果表明,本文算法具有较高的目标检测概率,达到较好的干扰抑制效果。