Adaptive allocation strategy for cooperatively jamming netted radar system based on improved cuckoo search algorithm

The jamming resource allocation problem of the aircraft formation cooperatively jamming netted radar system is investigated.An adaptive allocation strategy based on dynamic adaptive discrete cuckoo search algorithm(DADCS)is proposed,whose core is to adjust allocation scheme of limited jamming resource of aircraft formation in real time to maintain the best jamming effectiveness against netted radar system.Firstly,considering the information fusion rules and different working modes of the netted radar system,a two-factor jamming effectiveness evaluation function is constructed,detection probability and aiming probability are adopted to characterize jamming effectiveness against netted radar system in searching and tracking mode,respectively.Then a nonconvex optimization model for cooperatively jamming netted radar system is established.Finally,a dynamic adaptive discrete cuckoo search algorithm(DADCS)is constructed by improving path update strategies and introducing a global learning mechanism,and a three-step solution method is proposed subsequently.Simulation results are provided to demonstrate the advantages of the proposed optimization strategy and the effectiveness of the improved algorithm.

Optimizing polyphase sequences for orthogonal netted radar systems

Orthogonal netted radar systems （ONRS） can fundamentally improve the radar performance by using a group of specially designed orthogonal polyphase code signals which require a very low aperiodic autocorrelation peak sidelobe level, low aperiodic cross-correlation, and a good resilience to small Doppler shifts. However, the existing numerical solutions degrade severely in the presence of small Doppler shifts. A new set of polyphase sequences is presented with good correlation properties as well as resilience to Doppler shifts. These sequences are built by using numerical optimization based on correlation properties as well as the Doppler effects on matched filter outputs, which maintains the Doppler tolerance. The statistical simulated annealing algorithm and the greedy code search method are used to optimize the sequences. Correlation and Doppler results are compared with the best-known sequences and show to be superior.

Joint target assignment and power allocation in the netted C-MIMO radar when tracking multi-targets in the presence of self-defense blanket jamming

The netted radar system(NRS)has been proved to possess unique advantages in anti-jamming and improving target tracking performance.Effective resource management can greatly ensure the combat capability of the NRS.In this paper,based on the netted collocated multiple input multiple output(CMIMO)radar,an effective joint target assignment and power allocation(JTAPA)strategy for tracking multi-targets under self-defense blanket jamming is proposed.An architecture based on the distributed fusion is used in the radar network to estimate target state parameters.By deriving the predicted conditional Cramer-Rao lower bound(PC-CRLB)based on the obtained state estimation information,the objective function is formulated.To maximize the worst case tracking accuracy,the proposed JTAPA strategy implements an online target assignment and power allocation of all active nodes,subject to some resource constraints.Since the formulated JTAPA is non-convex,we propose an efficient two-step solution strategy.In terms of the simulation results,the proposed algorithm can effectively improve tracking performance in the worst case.

ECCM schemes in netted radar system based ontemporal pulse diversity

For a netted radar system to counteract the deceptionelectronic countermeasure （ECM） signals, an effective electroniccounter countermeasure （ECCM） approach is proposed. The proposedapproach is realized based on the new signaling strategyfor the temporal pulse diversity, which makes use of transmittingpulses at each pulse repetition interval （PRI） with specific transmissionpulse block, and then following proper processing andinformation fusion. The existence of the deceptive ECM signal isconfirmed by one station, while the other stations in the nettedradar with same parameters applied the pulse diversity skillfully.Meanwhile, this method ensured that, pulse diversity can be appliedin netted radar. The performance assessment shows that theproposed solutions are effective in presence of ECM signals. Thisalgorithm has been demonstrated by simulations. The presentedsimulation results are in excellent consensus with theoretical predictions.

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。

Attention U-Net在雷达信号图像化分选中的应用研究

针对海战场复杂电磁环境对雷达信号分选的挑战,采用改进的U-Net网络结合注意力机制提出新的分选方法。首先,将脉冲描述字转化为图像序列以适应深度学习处理。通过优化U-Net架构,融入注意力机制,有效提升模型对关键脉冲特征的识别与提取能力,实现像素级分类。通过此方法,系统能够精准搜索并归类所有雷达脉冲。实验证明,在海战场复杂电磁环境中,该方法显著提升了雷达信号分选准确率,提供了一种应对强干扰环境下的高效解决方案。这一研究成果证实了Attention U-Net在雷达信号智能分选中的优越性和实用性。

一种航迹欺骗干扰背景下的无人机航迹规划方法

为提高无人机集群实施航迹欺骗干扰的效能,提出一种基于航迹欺骗干扰背景的无人机航迹规划方法.首先,给出了无人机集群对组网雷达实施航迹欺骗干扰的基础数学模型,在无人机和假目标保持相似航迹匀速飞行的前提下,提出了无人机能耗、战场生存概率、通信信道传输损耗评价指标,建立无人机评价函数模型;然后,以评价函数为最优化模型,通过粒子群算法求解距离比值系数,最终获得综合性能最优的航迹规划结果.仿真结果表明,与已有航迹规划方法相比,本文建立了更为全面的评价函数,所规划出的航迹更好地兼顾了安全性和任务完成能力.

基于仿真样本迁移学习的穿墙雷达高分辨成像方法

针对带标注实测样本受限情况下的遮蔽多目标高分辨成像问题,提出一种基于迁移学习的穿墙雷达成像方法。首先,搭建生成对抗子网络实现带标签仿真数据到实测数据的迁移,解决带标签数据制作困难的问题;然后,联合使用注意力机制、自适应残差块及多尺度判别器提高图像迁移质量,引入结构一致性损失函数减小图像间的感知差异;最后,利用带标签数据训练穿墙雷达目标成像子网络,实现穿墙雷达多目标高分辨成像。实验结果表明,所提方法能有效缩小仿真图像和实测图像域间差异,实现穿墙雷达带标签伪实测图像生成,系统性解决了穿墙雷达遮蔽目标成像面临的旁/栅瓣鬼影干扰、目标图像散焦、多目标互扰等问题,在单、双和三目标场景下成像准确率分别达到98.24%,90.97%和55.17%,相比于传统CycleGAN方法,所提方法成像准确率分别提升了2.29%,40.28%和15.51%。

随机数据丢包情况下组网雷达功率分配算法

在组网雷达系统中,由于节点间通信信号传播存在路径衰落等问题,雷达量测数据与资源调度数据的传输接收存在随机性。引入随机丢包变量,用以表征数据接收的随机性,建立丢包状态下组网雷达多目标跟踪功率分配模型,推导了该模型多目标跟踪误差期望下界,最终建立了总功率一定条件下,以最小化目标威胁度加权期望跟踪误差下界的数学优化模型,并通过凸优化算法求解。仿真结果表明,与不考虑随机丢包变量的功率分配算法相比,所提算法在多种场景下均能有效提高目标跟踪精度。

一种基于扩展卡尔曼滤波的雷达组网滤波方法

本文提出了一种基于三站雷达组网测速的空间目标滤波算法。首先,利用速度向量分解的方法解算出直角坐标系下目标真实速度向量,并讨论了该方法在解算目标真实速度向量时的条件;其次,用扩展卡尔曼滤波的方法提升了目标的位置精度和速度精度,并讨论了多站(三站以上)的情况;最后,仿真结果证明,该方法在目标机动以及低信噪比条件时,滤波精度高于基于径向速度的单站滤波方法。

基于U-Net的涡旋电磁波雷达成像方法

基于轨道角动量模态变量与目标方位角变量的近似对偶关系,涡旋电磁波雷达可以实现对静止目标的二维高分辨成像,然而目标回波中的贝塞尔函数项会严重影响方位角向聚焦性能。现有基于逆投影算法的贝塞尔函数补偿方法计算量很大,难以实际应用。针对上述问题,提出一种利用U-Net卷积神经网络抑制贝塞尔函数影响、实现涡旋电磁波雷达高分辨成像的方法。首先,根据雷达目标散射分布的稀疏特性对U-Net网络进行改进,然后对目标回波信号进行二维快速傅里叶变换预处理得到目标散焦图像,将其作为改进U-Net网络的输入,并将目标理想电磁散射模型作为网络输出对网络进行监督训练。最后,基于未知目标回波信号,将预处理后的目标散焦图像输入到训练完备的网络模型中,即可得到聚焦良好的高分辨成像结果。仿真实验证明,该成像方法能够有效提高目标成像聚焦性能,且该网络模型在噪声存在的情况下仍具有较好的泛化能力。

凹凸形周期结构遮障面的雷达及红外隐身性能分析

为了提高遮障面的雷达及红外隐身效果,采用外形隐身技术,设计了一种具有凸起和凹陷的周期结构遮障面。首先建立4种不同形状的模型,进行电磁仿真计算并与实验测量结果进行对比,结果显示仿真与实验数据相关系数在09以上,仿真结果准确可用。其次分析各模型的电磁散射机理,为遮障面外形设计提供理论基础。然后设计具有起伏特征的遮障面,经过仿真计算,发现凸起和凹陷程度半径r达到24mm时,遮障面反射系数小于-10dB,r达到28mm时反射系数小于-17dB。最后,在遮障面的凸起部分填充隔热材料,仿真其覆盖在运行温度为80℃的装(设)备上,发现具有隔热材料的遮障面温度降低35℃,具有一定的红外伪装效果。

集中式MIMO组网雷达系统波形设计

波形设计是集中式MIMO组网雷达信号处理的关键技术之一。为了提高该系统在杂波或干扰下的目标探测能力,同时兼顾硬件兼容性以及所设计波形良好的模糊函数和脉冲压缩特性,本文考虑在恒模约束和波形相似性度量下构建关于雷达输出信杂噪比(SCNR)的优化模型;通过对原非凸问题的等价转换,提出了一种基于连续凸近似的多项式时间迭代算法,并分析了其收敛性;为了进一步降低计算复杂度,提出了一种基于梯度投影(GP)的算法。最后,对所提方法进行了仿真验证,结果表明,该方法能够为组网雷达系统下各发射站点的波形设计提供一种新的可行方法。

基于改进粒子群优化算法的多无人机协同欺骗干扰技术

多无人机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,通常需要利用群体智能算法优化无人机的飞行任务。针对采用标准粒子群算法优化时出现的求解效率低下的问题,提出了一种基于改进粒子群优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数。其次阐述了利用改进粒子群优化算法求解多机协同干扰模型的步骤。最后通过仿真实验对比了改进粒子群优化算法和标准粒子群优化算法在优化求解多机协同干扰模型的差异性。

面向组网雷达干扰任务的多机伴随式编队航迹预规划方法

针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提出较为完备的航迹规划准则,形成一个新的整体目标函数;其次,为有效描述每架飞机的机动特性以及伴飞干扰机与目标飞机间的联系,提高算法搜索能力,提出基于多球面矢量(multi-spherical vector-based,MS)方法;为进一步提高算法的探索和开发能力,提出多面球矢量逐航迹点学习混合粒子群优化(multi-spherical vector-based hybrid particle swarm optimization with track point by track point learning,TLHPSO)算法,并将两者相结合,形成基于多面球矢量的逐航迹点学习混合粒子群优化(MS-based hybrid particle swarm optimization with track point by track point learning,MS-TLHPSO)航迹规划方法;最后,构建相应仿真场景进行验证。对比结果表明,MS方法以及TLHPSO优化算法在寻优能力上具有明显优势;同时,所提算法在不同初始场景下最优解的平均值均优于其他算法,充分说明所提算法能够在保证稳定性的前提下规划具有更高可信度的编队航迹。

ORTHOGONAL DISCRETE FREQUENCY-CODING WAVEFORM DESIGN FOR MIMO RADAR

Design of orthogonal code sets with ideal correlation properties is crucial for orthogonalMultiple Input Multiple Output(MIMO)radar.A modified Genetic Algorithm(GA)is proposed tonumerically design orthogonal Discrete Frequency-Coding Waveforms(DFCWs)with good correlationproperties for MIMO radar.Some of the designed results are presented,and their correlation propertiesare better than those presented in literatures.The effect of Doppler frequency shift on the performanceof these signals is simply investigated.Simulation results and comparisons show that the proposedalgorithm is more effective for the design of DFCWs with superior aperiodic correlation properties.

基于深度分割的端到端雷达信号分选

针对传统的雷达信号分选方法严重依赖预置参数、先验信息和结构不灵活的问题,提出一种基于深度分割的端到端雷达信号分选方法。首先将采集到的脉冲描述字映射成脉冲序列图像,同时保留像素点对脉冲的索引;然后利用训练好的深度分割模型U-Net对脉冲序列图像分割获得像素点分类结果;最后根据像素点索引和像素点分类结果对所有脉冲进行搜索归类,整个过程采用端到端形式。实验表明,该方法能够加强对捷变参数的分选能力,如频率捷变雷达、脉组捷变频等雷达参数,以及对时频域混叠、脉冲丢失严重等未知电磁环境中信号的分选能力。

U-net分割网络雷达弱小目标检测方法

常规雷达检测方法难以满足当前弱小目标检测需求,而检测前跟踪(TBD)方法在雷达弱小目标检测中存在计算复杂度高、复杂场景性能严重退化的问题.为此,本文提出了一种U-net分割网络的雷达弱小目标检测方法.首先,利用过低门限的多圈检测点形成待分割的图片;然后,利用U-net网络对实体目标进行分割,实现对弱小目标的有效探测.雷达实测数据测试结果表明,本文提出的方法能够大幅提升雷达对远距离小目标的跟踪距离,有效抑制虚假短航迹,为解决雷达弱小目标检测提供了新的解决思路.

基于BSRes_SK_GRU的雷达信号调制样式识别

针对基于图像识别的雷达信号调制样式识别方法生成图像耗时长,收敛速度慢,且在低信噪比条件下识别准确率低的问题,提出了一种新的雷达信号调制样式识别模型。此模型将雷达信号时间序列经简单预处理后直接作为网络输入,避免了将信号转换为图像的复杂过程;网络能够自主提取雷达信号空间和时间两个方面特征,完善了特征提取的方式;同时,对网络结构进行了优化,并引入了选择性核网络,以获取特征在不同尺度上的重要信息。实验结果表明,此模型在低信噪比条件下具有较快的训练速度和较高的识别准确率。

稀疏先验引导CNN学习的SAR图像目标识别方法

深度学习技术的应用给SAR图像目标识别带来了大幅度的性能提升,但其对实际应用中车辆目标局部部件的变化适应能力仍有待加强。利用数据内在先验知识,在高维语义特征中学习其内在的低维子空间结构,可以提升分类模型在车辆目标变体条件下的泛化性能。本文基于目标特征的稀疏性,提出了一种稀疏先验引导卷积神经网络(Convolution Neural Network,CNN)学习的SAR目标识别方法(CNN-TDDL)。首先,该方法利用CNN提取SAR图像目标的高维语义特征。其次,通过稀疏先验引导模块,利用特征稀疏性,对目标特征内在的低维子空间结构进行学习。分类任务驱动的字典学习层(Task-Driven Dictionary Learning,TDDL)将目标特征的低维子空间以稀疏编码的形式表示,再利用非负弹性正则网增强了稀疏编码的稳定性,使稀疏编码不仅有效地表征目标的低维子空间结构,并且能够提取更具判别性的类别特征。基于运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集以及仿真和实测配对和标记实验(Synthetic and Measured Paired and Labeled Experiment,SAMPLE)数据集的实验表明,相比于传统字典学习方法和典型深度学习方法,CNN-TDDL在MSTAR标准操作条件(Standard Operating Conditions,SOC)下识别精度提升0.85%~5.28%,型号识别精度提升3.97%以上,表现出更好的泛化性能。特征可视化分析表明稀疏先验引导模块显著提升了异类目标特征表示的可分性。