基于频率细化的和差对消主瓣抗干扰研究

目前,大多数雷达抗干扰都是围绕抗旁瓣干扰开展工作,且取得了一定的效果。当面对主瓣干扰,尤其是主瓣压制干扰时,由于干信比过高,回波信号完全被淹没在干扰信号中,且常规的旁瓣抗干扰策略无法起效,导致雷达无法在主瓣干扰方向检测出真实目标。抗主瓣干扰需求迫切,技术难度大,将体现未来雷达的核心竞争力。对此,文章通过分析多种主瓣抗干扰在工程实现上的可行性,提出基于和差通道对消的方法,利用和波束和差波束这两个通道来对输入干扰进行对消。通过优化处理算法,提高对消性能,实现主瓣抗干扰功能。

雷达干扰任务分配的蚁群算法实现

合理分配干扰目标是雷达干扰任务区分中的难点问题。提出了一种基于蚁群算法的新型的目标分配算法模型,并进行了算法实验。实验结果表明,基于蚁群算法思想的目标分配算法是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度。

基于复数蚁群算法的自适应抗干扰天线

针对自适应抗干扰天线研究了复数域的蚁群算法(Ant colony algorithm,ACA),该算法对多极值函数全局寻优具有传统算法不可比拟的良好性能。根据自适应信号处理原理和最小均方误差准则确定ACA所要优化的目标函数,建立了数学模型。为了计算多维复数权值,定义了权值矢量空间,给出了完整的计算步骤。仿真结果表明,该算法适用于自适应抗干扰技术,能够有效抑制多个干扰。通过与其他算法比较,ACA在抑制干扰、保护期望信号方面显示了较好的性能。

基于蚁群算法的拥堵交通最短路径研究

针对当前交通网络在路径选择研究中,存在只考虑静态交通网络的路径选择的问题,提出了利用蚁群算法的拥堵交通网络的最短路径算法,建立了采用Petri网的交通网络模型,运用蚁群算法对静态交通网络进行了最短路径求解,并加入天气状况、道路容量等动量建立动态交通网络。运用层次分析法并结合Petri网对交通拓扑图进行了最短路径的探索并进行了对比分析。研究结果表明在道路拥挤的情况下,动态交通网络下的路径算法可以为出行者找到更快捷方便的路线。

可编程控制器在带式输送机中的应用

带式输送机在许多企业中已成为不可缺少的设备,但其控制单元种类繁多,存在着性能和功能的差异。应用可编程控制器来实现对带式输送机的自动控制,可实现输送机多功能性和稳定性。

雷达对抗技术与效果评估方法研究

随着电子技术的不断发展及其在军事上的广泛应用,未来战场的电磁环境将更加复杂,并对雷达作用的正常发挥提出了更高的要求,使得雷达对抗问题成为当前研究的重点。本文主要从雷达面临的复杂电子对抗环境以及雷达抗干扰技术的特点出发,研究了当前复杂电磁场环境下的雷达对抗技术问题,并提出了自己对雷达抗干扰效果的评估措施的方法研究,最后指出了雷达抗干扰技术的发展方向。

基于MCS-51单片机的步进电机正反转控制实现

介绍了步进电机正反转控制原理及其接口驱动控制电路,编制了基于MCS-51单片机的步进电机正反转控制的子程序,并应用wave软件进行了仿真。证明在并行口控制中,可以利用软件实现环行脉冲分配,实现程序较简单,同时还可以节省硬件投资。结合单片机控制步进电动机的实际工作环境,从提高控制系统运行的可靠性角度,讨论了实际应用的软件抗干扰技术。

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。

一种多级维纳滤波器实现方法

分析了多级维纳滤波器的工作原理和改进方法,引入一种可靠的秩选方法,得到了一种稳妥的多级维纳滤波实现方式。与传统方式相比,引入本秩选方向后的算法很容易找到一个门限,使得输出SINR达到最优。对算法有限精度模型的抗干扰性能进行了仿真试验,试验结果证明,该算法模型能消除多个干扰,并且经过抗干扰滤波的信号未受损伤。

基于混合智能算法的通信干扰装备分配优化

如何充分利用有限的装备干扰众多的敌方通信电台,成为指挥员面临的棘手问题。将战术指标——干扰后的通信畅通区覆盖程度作为评估通信干扰装备分配优劣的指标,分别建立了单机和多部干扰时的通信干扰有效压制区和通信畅通区边界的计算模型,并给出了通信干扰有效压制区和通信畅通区面积的计算方法。构建了基于机会约束规划的空域频域通信干扰任务分配模型,并设计了混合蚁群算法和遗传算法的模型求解算法。最后进行了仿真实验,验证分析了模型和算法的合理性。研究成果为通信对抗战术计算和作战运用研究拓展了思路。

极化雷达导引头对多路径干扰的检测识别新方法

多路径干扰是对抗机载火控雷达或雷达导引头的有效自卫干扰方式之一,兼具距离、速度、角度维的欺骗干扰效果,目前对该干扰样式难以进行有效识别和抑制。该文提出采用极化雷达导引头工作体制,分析了多路径干扰对雷达的作用机理,建立了多路径干扰和直达干扰信号的回波信号正交极化信号模型,提出了基于信号极化相位统计特性差异的多路径干扰检测方法。该方法物理内涵清晰,实现简单,不仅可以判断干扰信号的存在和类型,还能够鉴别干扰的极化。通过仿真试验,验证了方法的可行性,为有效对抗多路径干扰提供了有益参考。

短波通信技术研究进展与发展需求

短波通信具有通信距离远、开通迅速、机动灵活、网络重构便捷等优点,是军事通信和应急通信的重要手段。首先,围绕时变色散短波信道条件下信息传输有效性和可靠性的基本问题,阐释了短波数据传输、链路建立、抗干扰通信和组网等方面的国内外研究进展。然后,针对下一代短波智能通信系统的发展需求,探讨了短波信道大数据建模与频率预测、复杂电磁环境下的短波自主通信、强对抗条件下的短波通信主动防御和广域异构的短波一体化多域通信等关键技术,为短波通信系统研究和建设提供借鉴。

基于遗传-蚁群融合算法的干扰资源分配方法

针对多部干扰机协同干扰多部雷达的干扰资源分配问题,提出一种基于遗传-蚁群融合算法的干扰资源分配算法。首先采用综合集成赋权法结合逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)对目标雷达进行威胁评估,然后建立干扰资源多约束优化分配模型,最后采用遗传-蚁群融合算法对模型进行求解。融合算法利用遗传算法快速寻找出若干组优化解,将这些优化解用于调整蚁群算法中初始信息素的分布,利用蚁群算法对问题进一步优化,从而找到最优解,提升了算法的求解精度和求解时间。仿真结果表明,融合算法的性能在收敛速度和寻优准确性等方面相较于其他算法都有了较大提升。

基于蚁群算法的干扰源优化设计技术

在电子对抗新形式的战争中,对卫星导航实施有效的干扰将会极大程度地削弱敌方作战能力。若要对特定区域实施有效的干扰,干扰源的部署方案选择至关重要。为取得理想的干扰效果,本文结合压制式和欺骗式干扰原理以及现代战争的特点,对卫星导航干扰源部署问题进行建模,在干扰源部署方案中选取任务区域干扰效益和平均危险指数作为衡量特定部署方案下干扰能力的指标,建立多目标组合优化模型,并运用蚁群算法优化部署方案。通过仿真分析表明,混沌蚁群算法能有效对干扰源部署方案进行优化,实现对卫星导航的有效干扰。

伪随机码激光探测技术研究

本文着重探讨了伪随机码激光的测距原理及发射、接收和相关处理技术问题，并给出了原理样机实验结果。

雷达对抗技术与效果评估方法研究

随着电子技术的不断发展及其在军事上的广泛应用,未来战场的电磁环境将更加复杂,并对雷达作用的正常发挥提出了更高的要求,使得雷达对抗问题成为当前研究的重点。本文主要从雷达面临的复杂电子对抗环境以及雷达抗干扰技术的特点出发,研究了当前复杂电磁场环境下的雷达对抗技术问题,并提出了自己对雷达抗干扰效果的评估措施的方法研究,最后指出了雷达抗干扰技术的发展方向。

改进群智能算法多目标干扰决策

如何运用有限的干扰资源获得最大的干扰效益是电子对抗研究的重点技术之一,针对协同电子对抗,提出一种最优干扰决策方法,解决对抗资源和雷达目标数量不等的干扰资源分配问题。围绕组网雷达检测概率和定位精度2个评估指标,建立基于多目标优化的协同干扰决策任务模型。针对传统人工蜂群和蚁群算法流程寻优缓慢的问题,在候选解的搜索中自适应地增加与当次迭代最优解的交叉运算,给出两改进算法对模型的通用求解步骤,通过仿真验证算法提高了收敛速度。

改进的蚁群干扰资源分配方法

蚁群算法作为新型智能优化算法,应用于干扰资源分配时,寻优过程的收敛速度较慢,且获得全局最优值的概率较低。为了改善基于蚁群算法的干扰资源分配效率,同时提升得到全局最优解的概率,提出了衰减因子在寻优过程中按照指数型函数进行变化,即初始寻优阶段衰减因子取相对较小的数值,随着迭代次数的增加,衰减因子取值单调递增且呈现指数规律变化。仿真分析验证了所提方法的正确性,该方法不仅可以改善干扰资源分配过程中的收敛效率,同时具有较高的全局最优获取概率。

DS/FH测控系统抗干扰性能分析与测试

为全面、有效衡量用于应急测控的直扩/跳扩(DS/FH)系统的综合抗干扰性能,采用最低性能指标约束法,对系统抗干扰性能进行综合分析.以音调干扰、脉冲干扰以及高动态环境为例,探讨了不同干扰条件对系统最低性能指标的影响.为解决最低性能指标约束下系统抗干扰性能测试步骤繁多、效率低、代价高的不足,采用蚁群算法,将指标测试次序建模为最佳路径选择问题.通过实例仿真验证了测试模型的正确性与有效性.该方法对DS/FH测试方案的选择具有指导意义.

基于交通拥堵指数的蚁群改进算法研究

随着城市道路规模的不断扩大,在车辆路线优化问题上,大部分学者只考虑距离或者费用等单目标,往往忽略了实际交通道路情况。提出了一种基于实际道路交通情况的路线优化改进蚁群算法,首先根据实际交通道路生成交通网络图,然后在信息素初始化时根据各路段的交通拥堵指数加入对应的交通拥堵权重;其次在信息挥发系数中加入车流量系数;最后在转移概率中加入道路畅通强度加强蚂蚁的选择。Matlab模拟实验证明,带交通拥堵指数优化后的蚁群算法能更好地符合实际道路情况,解决车辆路线优化问题。