基于归一化循环前缀相关谱的无人机识别技术

基于射频的无人机识别技术具有探测距离长、环境依赖性低的优点,已成为无人机监控系统不可或缺的技术手段。如何在低信噪比条件下有效识别无人机是当前热点问题。为保证良好的图传质量,无人机通常采用带有循环前缀结构的正交频分复用(OFDM)调制作为图传链路的调制方式。据此特性,首先提出一种基于归一化循环前缀相关谱和卷积神经网络的无人机识别算法。依据对无人机信号的OFDM符号周期和循环前缀长度的分析结果,计算信号归一化循环前缀相关谱。当归一化循环前缀相关谱的计算参数与无人机信号的调制参数匹配时,谱线中会出现若干相关峰,峰的位置分布反映了无人机信号帧结构、突发规则等协议特征。然后,利用卷积神经网络对归一化循环前缀相关谱进行特征分析和提取,从而识别无人机。最后,利用通用软件无线电平台USRP X310对5款无人机的射频信号进行采集,构建实验数据集。实验结果表明,该算法优于基于频谱和基于时频谱的算法,且在低信噪比下仍然有效。

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。

非理想条件下无人机导航欺骗策略研究

从理想条件下导航欺骗模型出发,在分析导航欺骗干扰各技术要点的基础上,建立导航欺骗控制闭环模型。提炼模型,系统地分析实际应用中影响欺骗效果的三类因素,即雷达探测误差、欺骗信号产生误差和飞控修正误差,并构建非理想条件下无人机导航欺骗策略模型。经仿真论证,该策略模型诱骗角度较大,欺骗效果切实有效,具有实际意义。进一步,探讨了虚假位置的相对距离对欺骗路径的影响,并给出更贴合欺骗规划路线的欺骗策略:在悬停模式下选取虚假位置距离为30~60 m时,在直线飞行模式下,虚假位置距离为10~60 m时,欺骗轨迹均与预期轨迹较为贴合。

基于综合射频的精确电子战装备构想

精确电子战概念的提出是为了解决传统通信对抗方式存在的“扰敌同时自扰”的问题，文章提出了一种基于综合射频思想的精确电子战装备实现途径，综合采用信号侦察、目标探测、敌我识别、波束形成等多种手段，最终达到对目标在时、频、空、码流和功率等多维的精确电子对抗．

直扩信号的循环平稳特性分析

根据谱相关的相关理论,提出了利用谱相关来实现低信噪比扩频信号的循环平稳特征提取方法,采用Monte Carlo方法进行计算机仿真,谱相关方法不仅在较低的信噪比条件下能很好地提取循环平稳特性,而且大大地降低了计算量。

一种低信噪比直扩信号的检测方法

针对低信噪比直接序列扩频 (DS/ SS)信号难以检测的问题 ,特别是 Q PSK调制的直扩信号 ,本文提出了一种新的相关检测方法。该方法将 PSK信号的自相关函数能量集中时段提取出来处理 ,从而提高检测性能。计算机仿真表明 ,在信号带宽内信噪比为 -12 d B时 ,该方法不仅能够有效检测 Q PSK调制的直扩信号 ,而且对 BPSK调制的直扩信号也有同样的检测性能。

非协作mCPM信号调制识别与解调算法研究与实现

提出一种非协作通信中CPM信号调制类型盲识别算法,利用调制指数、符号率和频偏对调制类型进行联合估计.在此基础上,根据mCPM信号的差分相位,完成了CPM信号的盲解调.理论分析与实际数据实验表明,新方法具有较高的调制类型正确估计概率,且达到了较好的解调效果.

基于局部行为搜索策略的半监督学习算法及其应用研究

近年来,半监督学习在模式识别和机器学习领域引起了广泛关注。在这些方法中,半监督支持向量机是非常主流的一类。然而,学习过程中热核函数的参数选择问题一直困扰着研究人员,若选取不当,学习性能会显著下降。为了解决该问题,本文提出一种新颖的基于局部行为搜索策略的半监督学习算法。新算法基于人类行为搜索策略,传统的支持向量机被正则化为拉普拉斯图。在搜索到特征空间的局部分布后,行为因子能够映射到样本邻域的潜在概率分布。为验证新算法有效性,本文分别进行了仿真数据集和实际数据集实验。实验结果显示与传统方法相比,新算法在学习过程中能够更加有效和稳定。

无人机卫星导航欺骗式干扰技术的发展现状

在小型智能化无人载体为主的未来战场上,卫星导航欺骗式干扰技术以其具有的隐蔽性和威胁性受到了广泛的关注。首先,介绍了无人机卫星导航欺骗式干扰技术的实施方式;然后,从无人机卫星导航欺骗诱导技术、无人机组合导航欺骗技术及无人机卫星导航欺骗隐蔽性技术3个方面详细阐述了无人机卫星导航欺骗式干扰技术的研究现状;最后,分析了无人机导航欺骗干扰技术目前存在的不足之处,并展望了该技术的未来发展趋势。

复杂环境下高扩展性无人机信号检测识别方法

利用无人机与遥控器间的无线电信号进行无人机检测和识别是当前的研究热点。但在该领域,仍存在两个关键问题有待解决:一是如何在存在众多第三方信号的复杂电磁环境下有效检测识别无人机信号,二是如何保证检测识别系统针对新型无人机的快速扩展能力。针对这两个问题,提出了一种高扩展性的无人机信号检测识别架构。首先,利用YOLO神经网络模型应对复杂电磁环境下信号检测难题。该模型设计和训练面向通用电磁信号检测。完成信号检测后,利用“信号特征提取+支持向量机”结构设计无人机信号识别算法。该步骤计算复杂度低,模型参数少,因此对新型无人机具备良好的可扩展性。

PSK非相干差分解调

从通用正交解调的基本思想出发,提出一种PSK非相干差分解调方法,将载波频率的频偏转化为点积和差积的相位偏移,同时采用包络平方滤波的定时同步方法,因此具有很强的抗频漂能力。通过理论分析,推导出解调算法公式,给出了解调器结构,并得到解调算法的抗频漂门限。针对BPSK、DPSK、QPSK和DQPSK四种常用的PSK调制模式进行了仿真,验证了算法的正确性。

压缩感知非凸优化超宽带信道估计方法研究

超宽带信号由于传输路径较复杂且功率谱密度较低,准确的信道估计十分重要.但是由于其带宽较宽,难以直接采样.压缩感知理论提供了一种可行的低速采样方法.目前的压缩感知超宽带信道估计方法一般采用l1范数约束的凸优化形式或无稀疏性的l2范数约束形式,对目标向量的稀疏性约束不强,而拥有最强稀疏性的l0范数又缺少有效的重构算法.针对上述问题,本文设计一种基于非凸优化算法的压缩感知超宽带信道估计方法.首先将目标函数设置成lp范数约束的非凸优化形式,然后利用凸函数较易求得极值的性质,将原非凸函数组合成为凸函数形式的目标函数,并通过每步迭代凸函数对非凸函数的逼近来求解目标函数,进而估计出原信道.由于lp范数更接近于l0范数,所以对目标向量稀疏性的约束更强.实验结果表明,所提方法相对于现有的压缩感知超宽带信道估计方法能够有效降低重构误差.

微型无人机的无线电侦测技术分析

阐述无人机辐射电磁信号的无线电侦测技术,在噪声环境下存在的准确性偏低问题,探讨基于相应时域特征、频域特征、时频谱图的存在性检测方法。