基于生成对抗网络的高端装备研制数据脱敏方法

针对高端装备研制数据的保密性和重要性,提出一种基于生成对抗网络(generative adversarial networks, GAN)的高端装备研制数据脱敏方法。面对高端装备研制数据在数据挖掘和数据共享时可能面临泄露的风险,利用GAN进行数据脱敏。在随机生成的高斯数据集上进行实验,通过比较源数据和脱敏数据的统计特征,证明GAN的数据脱敏方法能够有效实现数据脱敏过程中所要求的数据安全性、数据有效性和成本可控性。最后,在Yeast数据集上进行验证, GAN输出的脱敏数据同样在现实世界数据集上表现出色,能够准确地预测Yeast的分类,为高端装备研制数据的管理和分析提供了一种新的思路。     

基于生成对抗与卷积神经网络的调制识别方法

自动调制识别在频谱监测和认知无线电中占有重要地位。针对现有调制识别算法在低信噪比条件下识别率低的问题, 提出一种基于生成对抗网络(generative adversarial network, GAN)和卷积神经网络(convolutional neural network, CNN)的数字信号调制识别方法。在利用平滑伪Wigner-Ville分布将调制信号转换为时频图像(time-frequency images, TFIs)后, 在经典GAN中嵌入了剩余密集块(residual dense block, RDB)结构, 保证了对TFIs的去噪和修复。通过对经典的剩余网络(residual network, ResNet)模型微调, 满足了TFIs的识别与分类。仿真结果表明, 所提方法在低信噪比情况下有效地降低了噪声对TFIs的干扰, 提高了识别性能。     

超宽带脉冲信号及对窄带通信系统的干扰分析

超宽带通信的优良特性使其成为继CDMA与蓝牙技术之后倍受人们重视的通信技术，但是其极宽的频谱分布对常规通信系统的干扰也成为人们担忧的问题。首先对UWB通信常用的几种高斯型极窄脉冲进行了时域与频域的分析，尽管几种波形都有极宽的频谱，但是功率谱分布规律却不相同，对频域中业已存在的常规通信系统构成干扰的程度也不相同。通过仿真分析表明，适当地选择极窄脉冲波形及相关信号参数可有效地降低这种干扰。     

基于长短时记忆网络的雷达波形设计

针对单准则设计的波形难以满足雷达多工作模式和多任务问题,联合互信息(mutual information, MI)准则和信杂噪比(signal to clutter and noise ratio, SCNR)准则,提出一种基于长短时记忆(long short-term memory, LSTM)网络的雷达波形设计方法。首先，设计了由输入层、LSTM层和输出层构成的LSTM网络。其次，将基于MI准则和SCNR准则生成的信号与相应环境信息组成训练集,训练LSTM网络。最后,使用训练完成的LSTM网络设计波形,并将所提方法生成波形的雷达性能与单准则设计的波形进行对比。为衡量雷达综合性能,提出一种新的雷达综合性能指标和目标识别率。仿真结果表明,所提方法生成信号作为发射信号时,与MI准则生成信号相比,雷达综合性能平均提升0.67%,与SCNR准则相比,平均提升1.47%,证明了该方法可兼具MI准则和SCNR准则优点,提升雷达综合性能。     

基于聚类和时序相关的重点雷达信号快速识别

针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise, DBSCAN)算法对侦获信号的脉冲描述字进行分选;而后,利用分选所得脉冲的时序特征与重点目标信号脉冲重复间隔(pulse repetition interval, PRI)生成仿真信号;最后,计算仿真信号的互相关函数,基于相关度判断PRI参数是否匹配。仿真实验表明:所提方法明显提升了对重点目标信号的识别时效,能够应对存在噪声干扰和信号交叠的复杂信号环境,对局部脉冲参数丢失不敏感。     

调频步进雷达回波实时数字生成的一种新方法

突破宽带信号数字生成方法的框架 ,提出了基于波形存储和实时计算相结合的调频步进雷达回波高速实时数字生成新方法。基于某调频步进雷达系统的研究 ,提出的解决方案摆脱了传统的波形存储直读法和直接数字合成法的局限性 ,即不适应于变换参数的情况 (比如运动目标 ) ,成功地实现了运动多散射点目标回波的实时产生 ,证明方案可行。还对算法的数值稳定性进行了分析。     

DS/SS通信系统多个窄带干扰消除算法研究

首先提出了一种基于WPT Kalman的干扰分离、增强和消除算法。该算估采用小波包变换 (WPT)准确地跟踪单个干扰的频率和带宽并将其从接收信号中分离出来 ,然后对其使用Kalman滤波进行增强。利用干扰分离所使用的小波包基对消除干扰以后的信号进行再次WPT ,得到单个干扰的量测噪声 ,并采用一种独特的参数估计方法实现量测噪声参数的在线实时估计 ,从而改善了Kalman滤波对干扰信号波形的估计性能。该方法综合利用了WPT自适应构建信号特性所对应的“最佳”滤波器组的能力和Kalman滤波对未知信号的线性的、无偏的、最小方差估计的特点以及量测噪声参数在线实时估计策略的优点 ,可以很好地恢复多个独立的、时变的窄带干扰以便消除。仿真结果表明 ,该算法可以提高DS/SS通信系统抗窄带干扰的能力     

基于分形特征矢量的水下目标识别

讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号时间域波形的基础上,应用随机分形理论,给出基于分形布朗运动的回波信号分维特征矢量提取的理论和方法;提取了回波信号的分形维特征矢量。进而给出了基于BP网络的分类计算方法,计算结果表明,所提的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

生成式中断航迹接续关联方法

传统中断航迹接续关联(track segment consecutive association, TSCA)方法基于假设的目标运动模型, 利用大量先验信息完成关联任务, 存在参数过多、计算复杂、推理时间长等缺点。为了解决以上问题, 提出一种基于注意力机制的生成式TSCA方法。首先设计航迹态势图生成模块, 将原始航迹数据转换为航迹态势图, 作为生成对抗网络的输入。针对航迹噪声影响大和航迹运动特征、中断特征难以提取的问题, 基于生成对抗网络和注意力机制, 设计航迹关联网络, 滤除航迹噪声并完成TSCA。仿真结果证明了所提网络的有效性, 在关联精度和关联速度两方面都超过现有算法。     

基于贝叶斯网络的团队仿真训练情景生成方法

对于基于EBAT的团队仿真训练,情景的有效生成直接决定了实际的训练效果.为解决随机条件下,考虑关键事件因素的情景生成问题.在对情景生成过程建模的基础上,引入训练目标、事件、关键事件等要素,提出情景贝叶斯网络模型.基于贝叶斯网络推理方法,建立情景贝叶斯网络推理的数学模型,并提出启发式推理方法.针对情景案例进行建模及推理实现,并对结果进行分析.结果表明,关键事件重要程度影响下的情景贝叶斯网络建模及启发式推理,能直接提高关键事件对情景生成结果的控制能力,从而使情景生成结果更为有效.     

Study of ultra-wideband radar signals-generated technology using two-channel signal generator

Synthesis of ultra-wideband (UWB) linear frequency modulation radar signals is a very important technology for microwave imaging, target identification and detection of low radar-cross-section (RCS) targets. A new method of UWB radar signals generation with two-channel signal generator is presented. The realization structure is given; the principle and errors of signal synthesis are analyzed. At the same time, an automatic adjustment measure of signal phase is proposed because of phase discontinuity of waveform in this method. The simulation experiment and analysis results indicate that radar signals with large instantaneous bandwidth can be generated by means of this method on the condition that the high-speed digital devices are limited.     

线性调频脉冲的移频干扰性能研究

借鉴模糊函数,对线性调频脉冲在匹配滤波下的移频干扰进行分析,重点对其性能参数(失配峰值损耗、干峰时刻、干噪比、干信脉宽比)进行推导。通过分析可知,当频偏比较小时,移频干扰产生与原信号相仿的波形输出,以欺骗干扰为主;当频偏比较大时,移频干扰产生的波形严重失真,以压制干扰为主。最后,运用雷达方程对这两类情况进行进一步分析。     

基于干涉相位的虚假目标鉴别算法

以具有地面动目标指示(ground moving target indication, GMTI)能力的三天线合成孔径雷达(synthetic aperture radar, SAR)系统为对象,研究了虚假目标的鉴别问题。在虚假目标干扰原理和动目标检测技术的基础上,分析了目标信号和干扰信号的干涉相位特征;利用真假目标的干涉相位特征差异,提取了两种稳健的鉴别特征量,提出了一种基于干涉相位的虚假目标鉴别算法,给出了鉴别处理流程、算法的应用条件及计算量和复杂度;最后进行了仿真实验验证。理论分析和仿真实验均表明该鉴别算法的可行性和有效性。     

基于多相位分段调制的间歇采样转发干扰

针对间歇采样转发干扰范围有限以及干扰具有规律性的问题,提出一种基于多相位分段调制(multiple phases sectionalized modulation,MPSM)的间歇采样转发干扰方法。该方法首先对信号间歇采样,然后对每段信号调制不同的相位,之后放大转发出去。通过控制间歇采样参数和调制相位情况,能够产生多个位置和范围可控的压制式干扰区域,有效扩展了间歇采样转发干扰范围,并且削弱了干扰的规律性。在此基础上,针对MPSM干扰中干扰效果与调制相位关系难以推导的问题,提出一种基于遗传算法的优化方法,解决了无法得到最优干扰效果的问题。理论分析和仿真实验证明了干扰方法的可行性和有效性。     

常见SAR相关干扰技术对比分析

针对基于数字射频存储(digital radio frequency memory, DRFM)的相关压制干扰技术和基于回波模拟的二维面目标合成孔径雷达(synthetic aperture radar, SAR)干扰技术开展研究, 这两种干扰技术都采用与雷达辐射信号高度相关的干扰信号样式, 具有干扰效率高的优点, 被SAR干扰设备广泛采用。首先, 讨论了SAR雷达点目标和面目标的回波数据模型。然后, 分别讨论了DRFM压制干扰技术和面目标欺骗干扰技术的原理。最后, 利用Matlab对DRFM压制干扰技术和面目标干扰技术进行了仿真, 同时与传统的噪声压制干扰技术一起, 对比分析了干扰的效果, 给出了干扰技术的应用建议。仿真结果表明, 面目标干扰对SAR成像局部干扰更加有效, DRFM压制干扰技术适用于大带宽高分辨SAR成像, 面目标干扰更加广泛应用于SAR欺骗干扰。     

基于分数阶字典的间歇采样转发干扰自适应抑制算法

间歇采样转发干扰是一种对现有体制雷达具备高度威胁的新型干扰,典型样式包括间歇采样直接转发干扰、间歇采样重复转发干扰和间歇采样循环转发干扰。干扰信号与真实回波时频域、分数阶域混叠,常规信号处理方法难以做到有效分离。针对该问题,分析了3种干扰样式时域、最优分数阶域特征,构造了两种分数阶正交字典,即分数阶大字典和分数阶联合字典,区分弱干扰背景回波信号和强干扰背景回波信号,采取不同的干扰抑制方法,从而构建了基于分数阶字典的间歇采样转发干扰自适应抑制算法。仿真结果表明,所提算法适用强弱干扰背景,弱干扰背景下恢复信号与真实回波相似度更高,强干扰背景下恢复信号信噪比(signal to noise ratio, SNR)损失更低。     

捷变频联合波形熵的密集假目标干扰抑制算法

密集假目标干扰具备欺骗性和压制性的双重特性, 严重影响雷达作战效能。对此, 提出一种捷变频联合波形熵的密集假目标干扰抑制算法。首先采用Kittler算法进行二值化处理；其次利用波形熵识别目标和干扰；然后采用局部离群因子检测算法对目标回波中叠加有较强干扰旁瓣的数据进行剔除; 最后采用稀疏重构算法进行脉间相参处理。数字仿真实验和外场实测数据处理结果验证了所提算法的有效性。算法性能分析结果表明, 当干信比为58 dB时, 所提算法仍能有效抑制干扰, 正确检测目标。     

基于FDA-MIMO雷达的主瓣SMSP干扰空时域联合抑制方法

主瓣干扰由于与真实目标位于同一个雷达波束宽度, 不仅会严重降低雷达对真实目标的检测与跟踪性能, 更难以在波束层面上受到抑制。来自主瓣的频谱弥散(smeared spectrum, SMSP)干扰可以在时频域对目标信号进行遮盖, 更可在空域上形成多个具有欺骗效果的假目标。针对此问题, 提出一种基于频控阵-多输入多输出雷达的空时域联合抑制方法, 利用盲源分离算法将目标与干扰分离在不同通道, 在获得目标距离信息后进行距离- 角度联合波束形成, 以提高输入信干噪比。该方法可以在不具有目标的距离先验信息条件下有效抑制主瓣SMSP干扰, 因此具有很好的适用性, 仿真实验验证了所提方法的有效性。     

基于多特征的密集假目标干扰融合识别与抑制

密集假目标干扰通过产生大量虚假回波扰乱雷达对真实目标的有效检测和识别,由于虚假回波信号与真实信号的高度相关性,雷达很难对其进行有效识别和抑制。针对该问题,提出了基于信号数据多特征的脉冲多普勒雷达密集假目标干扰融合识别与抑制技术,通过速度量测统计分布特征提取、峰值邻域谱线抑制、谱线分布信号幅度基本概率赋值构建及D-S证据理论融合判别实现了干扰的识别与抑制,仿真验证了该方法的有效性。     

基于信号特征空间的TDCS干扰分类识别

针对变换域通信系统中干扰信号的分类识别问题,提出了一种基于信号特征空间的支持向量机(signal feature space-support vector machine, SF-SVM)干扰分类算法。首先,基于干扰信号模型和信号空间理论对干扰信号进行特征提取,并建立信号特征空间,进而针对二分类和多分类问题提出了SF-SVM分类算法,设计了干扰信号的多分类识别器。仿真结果表明,与干扰信号的传统分类算法相比,SF-SVM不仅提高了分类精度,而且缩短了训练时间;设计的多分类识别器在信噪比达到8dB时,对6种干扰信号识别性能及对变换域通信系统性能都有所提升。