面向一体化应用的电磁信号智能检测方法研究

针对复杂电磁环境中信号检测受限于低信噪比的问题,基于信号与噪声一体化的思路,提出了一种以电磁空间的所有电磁辐射信号为背景,并结合深度学习算法的电磁信号检测方法。首先建立动态场景的电磁环境模型,包括了通信基站信号、雷达信号、干扰信号等,其次使用加高斯窗傅里叶变换提取电磁信号时频域的能量分布特征,最后采用卷积神经网络进行特征选择分类,实现信号检测。仿真结果表明,该方法在一定程度上减轻了信号检测受限于信噪比的问题,克服了传统能量检测方法和基于SVM检测方法的缺陷,提高了低信噪比下电磁信号的检测性能。

基于混合三角变异差分进化算法的平面稀疏阵列约束优化

针对旁瓣零陷凹面约束的稀疏平面阵列优化及算法早熟等问题,该文基于参数自适应的思想,提出一种混合三角变异差分进化算法。通过引入旁瓣零陷凹面约束矩阵,构建自适应惩罚函数,时变权重组合变异策略与交叉策略,提高算法前期全局搜索能力和后期收敛能力,最终实现峰值旁瓣电平和旁瓣零陷凹面的平面阵列约束优化。仿真结果表明,对比混合三角变异策略前的算法,该算法在完成稀疏阵列峰值旁瓣电平优化的同时,能在指定旁瓣区域完成零陷凹面设计,降低有源干扰影响。

基于混合变异差分进化算法的均匀面阵稀疏优化

差分进化算法(DE)已被广泛应用于解决稀疏面阵优化问题,针对DE 算法早熟、全局搜索能力差、容易陷于局部最优的问题,提出一种混合变异差分进化算法,通过加入概率因子来平衡算法收敛速度与全局搜索能力,以阵列孔径、阵元数量以及阵元间距为约束条件,将算法中的实数编码转化为二进制编码,以方向图平面峰值旁瓣电平之和最低为目标函数,通过优化后得到的阵元分布,得到稀疏优化阵列的三维方向图。仿真结果表明:该方法在满足约束条件的同时,能够避免算法早熟得到较优的目标函数值,概率因子为算法提供了额外的自由度。