复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题，提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

面向重大科技攻关的科技动员模式

 结合科技动员思想，融入集成动员和科技创新理论，为集中军地优势科研力量，以信息技术为支撑，以业务组合为切入点，以业务总线为基础，以建立健全跨组织的工作模式为目标，提出重新配置科技资源和统一组织科技力量的科技动员模式--“顶层治理”“平台连接”和“载体落实”发展模式。通过这种模式，可为科技支撑应急资源超常规供给提供有力保障。     

联合功率域SPMA协议的动态阈值算法

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。     

农村厨余垃圾处理的特征性技术：问题及改进途径

 厨余垃圾已成为法定分类处理的垃圾组分。农村厨余垃圾产生点分散，适合就近处理和产物就地利用，实现有机质还田和植物养分循环。因此，农村厨余垃圾的处理方式区别于城市。中国通过实践已形成了一系列特征性的农村厨余垃圾处理技术。采用实地调查的方法，结合技术原理，分析了这些处理技术存在的原料预处理、转化条件和产物利用问题，提出了针对性改进建议。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

美国国家量子计划实施的特点及启示

 美国国家量子计划已实施2年。梳理了该计划相关法案、管理机制、重点领域、经费投入、实施进展等情况，分析了该计划战略部署、协调推进、多学科平台建设、人才培养和国际合作等方面的做法和特点。提出中国应加强和优化量子科技战略规划和顶层设计、加强统筹协调、构建量子科技创新生态等发展建议。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。