基于多特征融合的高机动多目标低截获概率跟踪技术

在多目标跟踪过程中,目标的高机动特性使得传统采用固定运动模型或交互式多模型的目标跟踪算法很难实时精确匹配目标运动模型,从而引起高机动目标的低跟踪精度问题。针对这一问题,本文提出一种基于目标运动状态模型自适应更新的高机动多目标跟踪算法。在多目标跟踪过程中,该算法采用多特征聚类融合算法进行目标运动模型估计,并根据各目标跟踪波动参数进行状态转移矩阵决策更新,同时利用联合概率数据关联实现多机动目标状态转移矩阵自适应更新的关联跟踪,从而解决了传统多目标跟踪算法因目标运动模型失配引起的低跟踪精度问题。在目标跟踪算法的传感器选择上,无源传感器不对外辐射能量,具有较好的低截获概率性能,但其跟踪精度有限,常不能满足多目标高跟踪精度的要求。雷达作为有源传感器,具有较高的跟踪精度。但由于雷达对外辐射信号,容易被防御方截获。针对这一问题,本文提出了一种无源传感器目标跟踪为主,有源雷达间歇跟踪为辅的多传感器协同管理目标跟踪算法。该算法通过对目标跟踪本征堆积误差的判断进行传感器的最优分配,并根据波动参数的大小进行状态转移矩阵决策更新。仿真结果验证了本文所提出的多传感器协同的高机动目标跟踪算法在满足高机动目标跟踪精度的条件下可以有效的提升雷达低截获概率性能。

基于DL-MPWFRFT的低概率检测波形设计研究

隐蔽通信技术能够隐藏通信的存在,实现信号的低概率检测,在军事等需要高保密性的领域中应用广泛。为了实现低概率检测通信,提出了一种低概率检测信号的设计方案,该方案将符号扩频和双层多参数加权分数傅里叶变换相结合起来,生成了具有强隐蔽性的信号。仿真实验证明,所提出方案生成的隐蔽信号无论是在时域频域还是统计域都具有很强的隐蔽性,并且在低信噪比下也具有良好的可靠性。

基于NFM-BOK波形的低检测概率通信技术

针对以直接序列扩频(direct sequence spread spectrum,DSSS)和切普扩频(chirp spread spectrum,CSS)为代表,现有低检测概率(low probability of detection,LPD)通信波形变换域聚敛特征明显、影响LPD性能的问题,以满足误码率(bit error rate,BER)需求的信噪比下通信波形变化域聚敛特征最小化为目标,提出一种新型LPD通信方法——以噪声调频(noise frequency modulation,NFM)为波形基、以二进制正交键控(binary orthogonal keying,BOK)为信息载荷方式的NFM-BOK通信技术。以直接序列——二进制相移键控(direct sequence-binary phase shift keying,DS-BPSK)为对比对象,在给出NFM-BOK通信技术方案的基础上,着重研究了所提NFM-BOK的BER性能、功率谱域和循环相关域内的聚敛特征。理论分析和仿真结果表明:相较于DS-BPSK,NFM-BOK通信系统的抗噪性能相近,相同BER对应的信噪比下的功率谱域和循环相关域内的聚敛特征显著降低。

信息跳时架构下分层捷变低截获概率通信波形

针对周期信号抗破译性能较差及非周期聚敛性带来的误码性能下降的问题,本文提出一种时宽-信息跳时-调频率分层波形架构。通过构建信息跳时,掩护时宽随机化的模式,解决了误码性能变时宽下降问题,加强了波形的低截获概率特征。本文以数学推导和仿真分析的方法,探究了此分层波形架构下的误码性能、功率谱类噪声性能、二次谱域周期聚敛性及先验信息抗破译性。理论分析和仿真验证表明:时宽-信息跳时-调频率分层波形可以保证与定时宽信号相比,在不降低误码性能的条件下,降低了波形的周期聚敛性,从而提高了波形的截获概率性能。

一种基于Swin Transformer神经网络的低截获概率雷达信号调制类型的识别方法

本文针对低截获概率(Low Probability of Intercept,LPI)雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法.该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号转换为二维时频图像,然后使用Swin Transformer神经网络对时频图像进行特征提取和调制类型识别.仿真结果显示该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.

基于FBMC-chirp的低截获探通一体化信号设计

面对快速发展的先进无源侦察技术,一体化信号除需具备较优的雷达探测和无线通信能力,还需满足抗截获和防窃听的需求,以提高一体化系统的生存能力和作战性能。多载波探通一体化信号的低截获设计已成为目前一体化信号研究的重要问题。针对传统低截获多载波探通一体化信号雷达分辨性能受限且未能同时兼顾通信有效性和可靠性要求的问题,本文在子载波复用的一体化多维信号框架下,研究了一种雷达和通信性能最小损失的低截获多载波探通一体化信号设计方法。首先,从提升时频资源利用率的角度,设计了一种基于滤波器组多载波技术的通信频谱分块功率优化和雷达梳状谱等功率优化的低截获多载波探通一体化信号时频结构。该结构通过分块的方式降低了通信信号的峰均比,提升了通信信号的低截获性能。然后在此基础上,以雷达互信息和通信信道容量为约束条件,以最小化信号总功率为优化目标,建立了雷达子载波功率和通信分块子载波功率联合优化模型。本文将该优化模型转化成一个凸二次规划问题,并采用信赖域方法对该优化问题进行求解。实验结果表明,本文所设计的低截获多载波探通一体化信号不仅具有较优的雷达探测和分辨性能,以及较好的无线通信性能,而且具有较优的低截获性能。

低截获概率雷达信号检测方法的优化及应用

针对利用循环谱理论检测低截获概率(LPI)雷达信号存在计算量大的问题,提出了一种优化的快速傅里叶变换(FFT)累积算法来更新信号处理设备的软件程序。分析了原软件中信号处理的过程,提出了采用并行流水型结构的优化方法;利用前一个滑动窗口内采样信号的FFT,推导出下一时刻采样信号序列的FFT;通过减少重复采样点,减少计算量。然后,利用循环谱检测中4个象限的循环谱的对称性,减少计算象限数,并采用一维搜索进行峰值检测,从而进一步减少计算量。理论推导显示,改进方法减少了计算复杂度和计算量。最后,利用提出的方法对常用的线性调频(LFM)和二进制相移键控(BPSK)信号进行了分析。结果表明,在相同条件下,利用改进的算法及一维搜索,计算时间可缩短为原算法的1/25左右。另外,算法改进后检测信号的幅度值仅减小了不到10%,不影响后续处理对循环谱参数的估计。

低截获概率雷达信号的循环谱相关函数检测方法分析

给出了一些噪声、干扰及低截获概率雷达信号的循环谱相关函数 ,分析了其在噪声与干扰中检测的优越性 ;对循环谱相关函数与Wigner Ville分布、解线调、模糊函数进行了比较 ,分析了它们的一致性 ,并比较了循环谱相关函数的几种主要估计算法。从这些分析中可知 ,循环谱相关函数是检测低截获概率雷达信号的有效方法 ,抗干扰能力强 。

对低截获概率相位编码信号检测的有限多循环检测器

文中提出了对低截获概率相位编码信号检测的有限多循环检测器 ,该检测器较易实现 ,且充分利用信号多处主要循环频率的特性 ,提高检测性能 ;针对噪声功率固定和随机变化情况 ,给出了相应的检测器表达式 ;还对有限多循环检测器的偏差作了分析 ,并与其它检测器的偏差进行了比较 ;通过仿真实验对检测器性能进行了评估 .

基于卷积神经网络的低截获概率雷达信号检测算法

为了解决雷达截获接收机对低截获概率(LPI)雷达信号检测效果不理想的问题,针对截获信号中有效信号脉宽长度来定义信号和噪声,该文提出一种基于卷积神经网络(CNN)的LPI雷达信号检测方法,利用卷积核与匹配滤波器结构上的相似性,在低信噪比下能够提高信号的检测准确率。利用大量的基于4种典型LPI雷达信号(线性调频信号(LFM)、非线性调频信号(NLFM)、二相编码信号(BPSK)、COSTAS频率编码信号)和白噪声信号的模拟数据集进行CNN模型训练,同时增加少量实测信号(LFM,BPSK)作为验证集进行适配,更好地拟合实测信号的检测模型。最终利用实际信号进行测试,实验结果表明:该文算法在低信噪比的情况下具有较好的检测效果,对多种调制方式、不同信噪比下的LPI雷达信号具有泛化能力。

基于单比特接收机的低截获概率信号检测技术

单比特接收机通过简化FFT运算显著提高了DFT信道化接收机的处理速度,利用单比特接收机可以实现低截获概率雷达信号的快速检测。非相干积累检测法实现简单,但这种方法在积累信号的同时也积累了噪声;均方相关法可以克服这一缺陷,但会增加实现难度。

低截获概率雷达信号检测技术

论述了采用相关检测技术实现对低截获概率雷达信号进行检测的方法,并讨论了其检测性能,给出了仿真结果。

基于直接序列扩频的鱼雷低截获概率信号及检测技术

基于直接序列扩频信号的低截获特性,进行了直接序列扩频(DSSS)信号波形设计,包括DSSS的原理及特性、扩频序列的生成方法和性质。研究了DSSS信号的最佳检测方法,即匹配滤波器检测。通过仿真,分析了DSSS信号在理想情况下的低截获特性。理论分析和数值仿真结果表明,DSSS信号具有大的时间带宽积、低的功率谱密度、良好的分辨性能,波形具有随机性,类似白噪声,具有很好的低截获特性。

基于压缩采样的低截获概率雷达信号测向技术

以基于压缩采样的测向技术为重点,研究了低截获概率雷达信号测向技术,分析了信号压缩采样后的测向技术实现过程,对系统的设计和测向过程中的关键技术进行了阐述,研究成果具有一定的工程应用价值。

雷达低截获技术应用

采用多种综合措施,合理对雷达实行功率管理,低旁瓣或超低旁瓣天线,大时宽大带宽的雷达信号波形,相参积累,相位编码脉冲压缩雷达的中断调频连续波雷达和准连续波雷达体制等措施。实现雷达低截获性能,降低雷达被敌方设备发现的概率。

低截获概率雷达信号检测技术研究

在复杂电磁环境下,如何对低截获概率雷达信号进行检测,是当今电子侦察领域的重点和难点问题。针对这个问题,论文论述了采用自相关检测技术实现对低截获概率雷达信号进行检测的方法,并对其性能进行了分析研究。仿真实验表明,该方法结构简单、算法复杂度小、运算量少、实用性好。

基于部分积概率分析的高精度低功耗近似浮点乘法器设计

浮点乘法器是高动态范围(HDR)图像处理、无线通信等系统中的关键运算单元,其相比于定点乘法器动态范围更广,但复杂度更高。近似计算作为一种新兴范式,在受限的精度损失范围内,可大幅降低硬件资源和功耗开销。该文提出一种16 bit半精度近似浮点乘法器(App-Fp-Mul),针对浮点乘法器中的尾数乘法模块,根据其部分积阵列中出现1的概率,提出一种对输入顺序不敏感的近似4-2压缩器及低位或门压缩方法,在精度损失较小的条件下有效降低了浮点乘法器资源及功耗。相较于精确设计,所提近似浮点乘法器在归一化平均错误距离(NMED)为0.0014时,面积及功耗延时积方面分别降低20%及58%;相较于现有近似设计,在近似位宽相同时具有更高的精度及更小的功耗延时积。最后将该文所提近似浮点乘法器应用于高动态范围图像处理,相比现有主流方案,峰值信噪比和结构相似性分别达到83.16 dB和99.9989%,取得了显著的提升。

雷达低截获概率信号及验证方法

雷达信号的低截获概率技术体现于雷达系统的各个方面,其中波形设计是低截获概率技术的核心.对低截获概率波形的设计原则和验证方法进行了研究,提出了基于截获因子的在线计算方法和基于信号波形复杂度因子多因素分选与识别的方法.该方法能对多种设计的低截获概率波形进行评判,并给出正确的评判结论,对实际工程应用具有参考价值.

基于深度置信网络和双谱对角切片的低截获概率雷达信号识别

基于深度置信网络(DBN)对信号双谱对角切片(BDS)结构特征进行学习,实现低截获概率(LPI)雷达信号识别。该方法首先建立基于受限玻尔兹曼机(RBM)的DBN模型,对LPI雷达信号的BDS数据进行逐层无监督贪心学习,然后运用后向传播(BP)机制在有监督学习方式下根据学习误差对DBN模型参数进行微调,最后基于该BDS-DBN模型实现未知信号的分类和识别。理论分析和仿真结果表明,信噪比高于8 d B时,基于BDS和DBN的识别方法对调频连续波(FMCW),Frank,Costas,FSK/PSK 4类LPI信号的综合识别率保持在93.4%以上,高于传统的主成分分析加支持向量机法(PCA-SVM)和主成分分析加线性判别分析法(PCA-LDA)。

基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别

针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于Choi-Williams分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频分析,获取2维时频图像;然后对得到的时频原始图像进行预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练;最后把SAE自动提取的特征输入softmax分类器,实现雷达信号的在线分类识别。仿真结果表明,信噪比为-6 dB时,该系统对8种LPI雷达信号(LFM,BPSK,Costas,Frank和T1~T4)的整体平均识别率达到96.4%,在低信噪比条件下明显优于人工设计提取信号特征的识别方法。