电磁环境认知一般方法的思考

各领域人员从专业领域出发研究电磁环境,这样虽然能够提高解决问题的针对性,但也容易陷入特定的本专业视角。从认知过程出发,探讨电磁环境认知的一般流程和方法。按照电磁环境特性、电磁环境感知和电磁环境认知的逻辑顺序,对电磁兼容、强电磁场、电子对抗等多领域对电磁环境的理解进行比较,从中归纳出一些具有共性的认知,并初步形成了电磁环境认知的一般方法。

认知电磁环境适应理论与方法研究

随着电磁环境的日益复杂,射频、电子设备不适应复杂电磁环境的问题越加突显。针对目前提高设备复杂电磁环境适应能力方法的不足,将正在蓬勃发展的人工智能方法适当地引入复杂电磁环境效应领域,首次提出了认知电磁环境适应这一概念。认知电磁环境适应,立足于射频、电子设备复杂电磁环境效应和机理分析,以人工智能学习算法为途径,以软件化的设备为平台,以解决传统电磁兼容与防护方法的不完备、实时性差、无法适应复杂电磁环境等问题为目的。简述认知电磁环境适应方法所涉及技术的背景,同时建立比较清晰的理论体系与方法框架。

雷达信号环境测量系统的设计与测试

针对复杂电磁环境特性认知与可视化的现实应用需求,设计了一套基于分层认知概念的雷达信号环境测量系统,实现了对外界多个雷达辐射源信号参数的感知测量,同时以二维坐标形式对测量过程中的各种物理量进行了分层可视化展示。该系统的设计实现期望能够为电磁环境感知、分析提供一种有效的技术方案参考。

基于频带相关性Deep Learning的无线通信干扰智能识别

近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提。基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题。本文针对上述问题,引入了并行多路多尺度卷积,通过增加网络宽度、提升网络识别速度和精度,解决前期特征提取繁杂的问题;结合频带相关性长短时记忆网络(LSTM)创新性地提出了基于LSTM的频带相关性无线通信干扰智能识别网络,该方法利用LSTM探知干扰信号频带相关性,提升低干噪比下的干扰识别正确率。通过仿真证明了多尺度并行卷积比普通卷积网络更稳定,识别速度和泛化性更佳,该网络提升了低干噪比下的识别正确率,平均识别正确率达99.86%。可见,本文所提的网络模型是解决复杂电磁环境下的智能干扰识别的一种有效可用模型。

海上无人系统集群通信网络关键技术研究

无人系统集群通信网络作为信息基础设施,已成为支撑海上无人系统集群作战的关键要素。针对海上无人系统集群的任务要求,分析无人系统集群通信网络的通信特征,提出一种海上无人系统集群通信网络的互连模型、功能结构及技术架构,并对其关键技术进行研究。