汽车雷达多域联合调制波形

针对汽车雷达时分复用(time-division multiplexing,TDM)多输入多输出(multiple-input multiple-output,MIMO)波形中存在的时间空间利用率低及高速目标多普勒模糊等问题,提出一种多域联合调制的汽车雷达波形。该波形在时域上进行脉冲重复间隔参差抖动,利用奇偶序列之间相位差实现速度解模糊,在频域和空域上通过多天线间的多普勒频率调制实现波形正交,提高了时间空间发射效率。仿真实验及基于汽车雷达波形验证系统的实测结果均验证了所提波形的有效性,与传统TDM-MIMO波形对比,所提波形具有更大的不模糊测速范围和相参积累增益,不仅对汽车雷达工程实践具有较强的应用价值,而且对低成本导引或防撞探测系统同样具有指导意义。

基于盲源分离的多域联合抗主瓣欺骗式干扰

主瓣欺骗式干扰增加了雷达对真实目标的检测难度,是雷达抗干扰领域的研究重点。文中就一种空域-极化域-多脉冲域联合的盲源分离算法进行了研究。该算法以特征矩阵联合对角化(Joint Approximate Diagonalization of Eigen-Matrices,JADE)盲源分离算法为基础,利用空域-极化域的角度相位差和多脉冲域的多普勒频率相位差分离出目标和干扰。首先,利用多个阵元的空域信息和极化域信息构建正交极化通道;然后,利用不同脉冲间目标和干扰径向速度差带来的多普勒频率差构建三域联合接收阵列;最后,将三域维度构造的数据作为盲源分离的输入,分离出目标信号和欺骗式干扰。计算机仿真验证,该算法可以在干扰完全淹没目标信号时,利用任意一个维度产生的差异成功分离出目标和干扰信号。

机载航电系统射频隐身性能多域联合评估方法

针对机载航电系统自身辐射源特性,提出一种不依赖敌方探测设备的机载航电系统射频隐身性能评估方法。分析机载航电系统设备在极化域、波形域、能量域中影响射频隐身性能的因素,构建极化域、能量域、波形域射频隐身指标,打破常规的"辐射-接收"模型的隐身性能评估方法,建立基于机载航电系统自身辐射信号工作状态和工作参数的射频隐身定量评估方法。对机载雷达系统进行仿真评估,结果表明,该评估方法能正确反映机载雷达系统的射频隐身性能。

基于CR-MIMO的无人机多域联合分集抗干扰方案

针对无人机遥控链路常受到干扰导致其性能下降或失锁,提出了基于认知多输入多输出(multiple input multiple output,MIMO)的无人机遥控链路,结合认知无线电,构建了集时域、频域、空域以及码域于一体的多域联合无人机智能抗干扰体制,包含了时间、频率、空间以及码元等多种分集技术。理论分析以及系统仿真表明,在感知的基础上,频分以及码分可以实现对无人机遥控链路中常见的窄带以及宽带干扰的抑制;MIMO空时分集可以有效对抗遥控链路的自然干扰,从而对无人机抗干扰性能的提升具有实际意义。

模糊评价的雷达射频隐身性能多域联合评估方法

针对射频隐身性能评估问题,提出了一种不依赖敌方探测设备的雷达射频隐身性能模糊评估方法。通过分析雷达辐射源在极化域、波形域、能量域中影响射频隐身性能的因素,构建极化域、能量域、波形域射频隐身指标,突破传统的"辐射-接收"模型的射频隐身评估方法,建立了基于机载雷达自身辐射信号工作状态和工作参数的射频隐身性能模糊评估方法。最后,对不同机载雷达系统进行仿真对比,结果表明该评估方法能正确反映机载雷达系统的射频隐身性能。

数据链多域联合抗扰抗毁技术

数据链系统在战场复杂电磁环境下,易受敌方电子干扰压制和无线网络攻击,因此要求数据链系统具备较强的抗扰抗毁能力。在分析指挥控制数据链、武器协同数据链和宽带数据链3类数据链在不同战场空间内的抗扰抗毁需求的基础上,梳理总结了抗扰抗毁技术发展趋势和影响数据链系统抗干扰抗毁技术路线选择的主要因素,提出了时间域、频率域、功率域、空间域、速率域、网络域和认知域等多个功能域,并设计了未来数据链抗扰抗毁能力多域联合的思路。

基于鲁棒主成分分析的多域联合杂波抑制算法

奇异值分解等传统算法在处理穿墙成像中的杂波抑制问题时,杂波消除不够彻底,目标成像质量不高,严重影响后续的目标检测与识别。为解决这一问题,该文基于鲁棒主成分分析理论,在回波域和图像域分别建立联合低秩稀疏模型,以光滑化快速交替线性化(SFAL)方法来求解模型,并对目标图像进行指数加权联乘多域图像融合处理,从而得到最终成像结果。仿真结果表明,该算法速度快、精度高,可有效改善目标成像质量,并能较好地满足穿墙成像的实时性和准确性要求。

基于FMCW的新型多域联合调制双功能雷达通信技术

在频谱稀缺现状与6G万物互联需求形势之下,雷达通信一体化得以催生,引起了学术界广泛的关注和研究兴趣.一体化的相关技术研究中,如何在有限的硬件资源条件下平衡好通信与感知性能是一个难题.为解决这个问题,本文提出了一种基于多域联合传输的通感一体化系统方案,利用空域、频域、时域和能量域4种资源进行信息传输,可有效提高数据传输准确率,提升系统性能.构建的自适应偏移索引调频连续波雷达通信系统(offset FMCW-based radar-communications system,OFRaC),有效挖掘了偏移索引调制与原调频连续波雷达通信系统(FMCW-based radar-communications system,FRaC)的优势特性,减少了射频切换时间,提升了传输速率.为降低通信接收端的误比特率(bit error rate,BER),文中还提出了一种基于最短信道距离的天线选择OFRaC(antenna selection-based OFRaC,AOFRaC),可以在OFRaC基础上对BER性能做进一步改善.最后,通过仿真实验,本文分析了AOFRaC,OFRaC与原FRaC系统在通信和感知方面的性能变化,对比了所使用目标检测方法与传统方法的性能优点.得出的结论是,所提出的多域联合调制方案在通信与感知性能中能取得更好的折中与平衡,尤其在需要更轻负载的车联网、无人机等应用场景中,简易的雷达和通信接收端架构将给系统带来优势.

基于多普勒域补偿的车载雷达距离角度联合成像算法

高性能、高分辨率单快拍前视成像技术是赋能车载雷达发展的关键,但距离/多普勒走动问题会限制相干积分的实施,同时系统分辨率也往往受限于硬件参数难以提高。根据车载毫米波雷达时分多输入多输出(TDMMIMO)的前视成像体制,该文提出多普勒域补偿和点对点回波校正方法,完成多域信号解耦合,同时完成距离多普勒走动校正和多普勒解模糊。由于有限阵元数及强噪声干扰限制了传统单维度距离角度成像准确性,因此,该文提出一种基于改进贝叶斯匹配追踪方法(IBMP)的多域联合估计算法。该方法基于伯努利-高斯(BG)模型,在最大后验(MAP)准则约束下迭代更新估计参数和支撑域,实现了多维联合信号的高精度重构。仿真和实测结果表明该文方法能够有效解决距离走动问题,并提高雷达前视成像的角度分辨率,具有较强噪声鲁棒性。

基于变换域优选的航天器多域联合智能抗干扰决策方法

利用传感器采集航天器飞行参数,构建航天器多传感器分布式通信网络,并利用全局奖励确定最佳通信信道。通过变换域优选方法对信道频域实现抗干扰处理,在干扰较为严重时使用Stackelberg的功率域抗干扰方法,确定最佳传输功率,完成航天器多域联合抗干扰。实验结果表明,该方法可以针对不同干扰类型做出抗干扰决策,令航天器通信网络维持在稳定通信状态。

雷达射频隐身的空、时、频域联合评估方法

针对机载雷达空域搜索模式下自身辐射源的射频隐身性能,提出一种不依赖于"辐射-接收"模型的联合评估方法。分析了机载辐射源的半功率波束宽度和旁瓣覆盖体积,波束驻留时间,发射机间歇发射时间和载频参数,然后给出雷达空、时、频域射频隐身性能指标的定量计算方法,最后得到雷达多域联合评估方法和评估因子表达式。仿真结果表明,评估方法能准确反映两种待测雷达的射频隐身性能优劣,证实了空、时、频域联合评估的可能性,完善了已有的射频隐身评估体系。

基于卷积神经网络联合多域特征提取的干扰识别算法

干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取(Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE)的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比(Jamming-to-Noise Ratio,JNR)≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取(Automatic Feature Extractionbased Convolutional Neural Network,AFE-CNN)算法;与传统的人工特征提取的深度神经网络(Manual Feature Extraction-based Deep Neural Network,MFE-DNN)相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。

基于LCMV准则的空时极化联合抗干扰算法

随着卫星导航技术的发展及干扰的复杂化,传统的空时滤波方法已经难以满足需要,在空时滤波过程中,如果卫星导航信号和干扰信号的来波信号相同,天线增益不仅会在干扰来向上形成零陷,同时也会极大程度地衰减卫星信号。通过多域联合的自适应滤波算法来抑制干扰已经成为必然趋势,因此,在空时滤波的基础上引入了极化域信息,实现空、时、极化三维域的联合抗干扰。在传统的线性约束最小方差(Linear Constrained Minimum Variance,LCMV)算法的基础上,增加了信号的极化域信息,有效地解决了在期望卫星信号和干扰信号来向相同时卫星信号受影响的问题。分析结果表明,当期望和干扰信号来波方向相同时,空时极化自适应抗干扰算法可以从极化域的维度上将期望和干扰信号分离开,从极化域上形成零陷,滤除干扰信号,保留期望信号的天线增益,具有十分实用的理论意义。

无人自主系统综合试验测试平台设计

对面向智慧城市、智慧天空、多域协同作战等应用场景的无人自主系统体系,急需具有多域、联合试验、广域多源复杂环境构建能力的测试与评估物理环境和研究平台。利用无人机试验测试中心的综合试验测试系统平台,构建具有空、天、地、海多维应用场景的多层级和体系化的综合试验测试环境与技术研究平台,重点突破无人自主系统多维体系化综合试验验证环境构建、基于云技术的分布式多域协同效能评估测试平台构建,以及基于虚实结合的智能化复杂环境模拟仿真等核心技术,为开展无人自主系统综合试验测试与体系性能评估提供支撑,提高我国试验场的综合试验能力和资源利用效益,增强试验场履行使命的能力有重大现实意义。

基于物理模型的级联生成对抗网络加速定量多参数磁共振成像

目的探讨基于物理模型的级联生成对抗网络使用原始的多回波多线圈k空间数据加速定量多回波多参数磁共振成像方法的可行性分析与解释。方法提出了一种基于物理模型的级联生成对抗网络,利用多域信息联合训练以及通过系统矩阵学习图像重建所需的关键参数,并自适应地优化k空间生成器和图像生成器结构来增强图像特征信息以获得高质量的重建图像。使用原始的多回波多线圈k数据加速多对比度多参数磁共振图像成像。提出了基于物理驱动的深度学习重建方法,通过建立系统矩阵函数而不是直接通过模型端到端训练的方式来增加模型的泛化能力和提高模型性能。结果在整体回波图像质量评价方面,该模型在80例测试集上的重建图像的平均PSNR值为34.13,SSIM为0.965,NRMSE为0.114,大幅度优于本文的其它对比方法。在多对比度多参数图像重建方面,该模型评估的PDW、T1W以及T2*Map的PSNR分别为38.87、35.62和34.38,在定量上也显著优于其它对比方法,并拟合出更为清晰的大脑灰质、白质和脑脊液特征。除此以外,在重建时间相差不到10%的前提下与现有的方法相比,本研究的方法对PSNR、SSIM和NRMSE的指标提升最高可达到20%。结论相比现有的方法,基于物理模型的级联生成对抗网络方法可以重建出更多的图像细节和特征,从而提高了图像的质量和准确性,并有望将其应用于临床诊疗流程中。

协同探测与导引技术发展探讨

当前现代化作战模式发生了深刻变化,各种军事作战战略与前沿技术不断涌现,分布式杀伤、马赛克战、对位压制工程等新概念作战理念应运而生。在此背景下,重点分析俄乌战争中多域一体化作战特点,总结当前探测与导引技术面临的性能边界、物理边界两大挑战,提出基于全域全息态势感知的协同探测与导引发展方向,提炼包括通用协同探测与导引体系架构在内的八大关键技术并探讨实施途径。推动探测与导引技术向多域联合、跨域协同、全域博弈演变,支撑未来更高层级的信息化作战。

南华北地区临汝凹陷复杂构造成像处理方法研究

根据以往勘探资料分析，南华北地区临汝凹陷中生界三叠系、上古生界石炭系和二叠系保存相对较好，发育2套主力烃源岩，中生界已见原油，展示良好的勘探前景。但该区近地表结构及地下构造复杂，地震资料的信噪比极低，静校正问题突出，各类干扰波异常发育，准确成像困难。通过近地表静校正融合、叠前多域联合去噪、叠后及叠前时间偏移等技术的研究应用，提高了该区地震资料的成像精度，偏移成果剖面归位准确，波组特征清楚，地层接触关系明确，构造清晰．能真实反映地下地质构造形态。经过圈闭评价，落实了一批有钻探价值的构造圈闭并提供了建议井位，对指导南华北油气勘探工作具有重要意义。

雷达低截获波形抗主瓣干扰技术研究与试验

针对雷达面临灵巧多样的强主瓣干扰这一严峻问题,以提高雷达抗主瓣干扰性能的紧迫性为需求,基于多域联合捷变波形设计的抗干扰思想,提出了一整套基于干扰环境感知和低截获波形调度的抗主瓣干扰雷达设计方法。经过充分的仿真验证及方案论证,从时域、频域、空域、极化域四个维度对单站抗干扰技术进行了梳理,并从多域联合处理的角度,着重分析了复合捷变波形对抗干扰的优势、波形设计准则及其相参处理方法;同时搭建试验环境,进行了多种主瓣干扰环境下的目标跟踪试验,验证了该技术的有效性。

基于深度强化学习的无人机通信抗干扰算法

针对军用无人机通信环境恶劣、信息传输可靠性要求较高的问题,提出一种基于深度双Q学习网络(DDQN)的多域联合认知抗干扰智能决策算法。首先通过能量检测法识别干扰信息,将干扰判别信息结果输入学习算法。然后利用DDQN算法与干扰环境交互感知,引入动态ε机制,根据奖励值与回合数动态调整ε值,如果决策失败则减小ε值,ε值可根据奖励和回合数计算,增加智能体选择最优动作的概率,如果决策成功则ε值不变,保持原有随机性,提高算法收敛速度。最后根据动态DDQN算法选择接入信道以及传输时间长度,传输时间长度根据当前信道受干扰程度进行动态调整。仿真结果表明,在不同传输时间和不同ε值的条件下,所提算法通信安全容量提升15%左右,收敛后平均决策成功率保持在95%左右,无人机通信系统整体抗干扰性能较好。

煤矿采区三维地震资料二次精细处理技术研究

本文通过分析煤矿采区三维地震资料的特点,结合巷道揭露情况,分析一次处理剖面存在的问题,研究煤矿采区三维地震勘探资料进行二次精细处理的方法和技术。通过采用高精度静校正、叠前多域联合去噪、三维叠前数据规则化、拼接处理及三维叠前精细成像等技术,二次精细处理后的煤矿采区三维地震资料信噪比和分辨率都大大提高,从而提高了三维地震勘探原始资料的利用率,为煤矿安全生产提供技术保障。