基于复数域深度强化学习的多干扰场景雷达抗干扰方法

在现代电子战中,雷达面临的干扰环境比以前更加复杂,机载干扰机会根据突袭任务与突袭阶段的不同而改变其干扰方式。近年来,基于强化学习的雷达抗干扰方法在单一干扰对抗场景下取得了一定进展,但在实际复杂多干扰场景下的研究仍有不足。为了解决该问题,本文提出了一种基于复数域深度强化学习的多干扰场景雷达抗干扰方法以优化频率捷变雷达的抗干扰策略。首先,针对突袭任务的阶段性特点建立了噪声瞄准干扰、距离假目标欺骗干扰与密集假目标转发干扰3种干扰模型,并设计了3种干扰顺序策略来模拟实际干扰场景。其次,针对多干扰场景模型,构建了一种融合信干噪比与目标航迹完整性的强化学习奖励函数,并针对干扰信号的复数域特征,提出了一种基于复数域深度强化学习的多干扰场景雷达抗干扰方法。最后,基于3种干扰顺序策略设计了雷达抗干扰仿真实验,结果表明,所提方法能够有效解决雷达面临的时序条件下复杂多干扰场景的主瓣干扰问题,与两种经典深度强化学习算法相比该方法抗干扰决策性能大幅提高,平均决策时间降低至405.3 ms。

流动显示中的圆管畸变及其校正

对玻璃圆管内的流场进行显示时,沿管径方向的光线成像存在畸变,使得圆管内流场显示的有效范围减小,必须进行校正才能得到圆管内流场更大的有效视场。通常采用和管壁焦距相反的柱透镜来校正管壁畸变。校正柱透镜的设计是关键,首先采用厚透镜焦距计算方法得到单侧管壁的等效焦距,校正柱透镜焦距与其值相同,符号相反。如果采用传统的平凸柱镜,进行光线追踪时效果并不理想。重新在ZEMAX光学软件中优化校正柱透镜的曲面参数和与圆管的距离,得到的结果为弯月校正柱透镜。按照参数加工圆管和校正柱透镜,采用栅格对其进行静态验证,证明了该方法的有效性,将有效视场增大到了大于80%,相比传统的外加平凸透镜方法,该方法得到的弯月柱透镜校正更加准确,并通过高速聚焦纹影给出了动态结果。该工作对于厚壁圆管内的流场显示等相关工作具有参考意义。

AISecOps自动化能力分级与技术趋势研究

由于网络空间的高度动态特性与攻防对抗过程的关键决策需求,AISecOps技术的发展受到了数据融合、人机交互、场景建模、算法优化等多方面的限制。文章总结了AISecOps技术的内涵、评估指标层次,提出AISecOps自动化能力分级方案并分析实践案例,进而展望了AISecOps技术的发展趋势。

基于ZEMAX软件的圆喷管成像畸变校正方法

准确显示圆喷管内流场,对于了解和控制该流场具有一定意义,并能为相关数值计算结果提供验证.为此,必须首先解决较厚圆喷管成像畸变带来有效视场减小的问题,采用圆喷管外加校正柱透镜方法可以予以校正.校正柱透镜的设计采用厚透镜焦距计算和ZEMAX软件优化设计相结合,并进行了静态验证,将有效视场从不到30%提高到了大于80%;其次,校正设计时假设圆喷管内折射率为1,并以平行光出射,通过对这个假设的分析,表明其对圆喷管内一定的高温高压流场显示结果影响较小;然后,分析了流场显示的可行方法,给出了动态显示结果;最后指出了该校正方法的可行性和对于定量干涉测量的局限性.该研究对于圆喷管内燃烧流场的研究具有参考意义.