基于杂波扩展的STAP投散射干扰方法

空时自适应处理技术(STAP)在机载预警雷达中应用广泛,对其干扰的研究具有重要意义.针对传统相干干扰方法采用主瓣对主瓣的方式截获雷达信号易被发现的问题,提出一种基于杂波扩展的干扰方法.干扰机位于雷达副瓣,截获雷达杂波信号而非直达波信号作为相干干扰信号的来源,采取投散射的方式实施干扰,实现对雷达的主瓣干扰.推导了干扰机接收到的雷达直达波和雷达杂波功率的计算公式,建立了杂波信号模型和干扰信号模型,通过仿真比较了干扰机接收到的雷达直达波和雷达杂波的功率,验证了截获杂波信号的可行性,与伪杂波干扰进行了仿真对比.仿真结果表明:相比于伪杂波干扰,该干扰方法对目标先验信息准确性要求较低,干扰后在方位和多普勒频率上均形成假目标,故该方法可行有效.     

一种基于独立分量分析的变速跳频信号盲分离方法

针对当前跳频信号盲分离算法计算量大,精确度不高的问题,结合变速跳频信号采用不断加快的跳速和“跳速多变”的策略,提出了一种利用信源间的独立性解决变速跳频信号盲分离问题的方法。同时,采用负熵最大化寻优算法加快了传统独立分量分离算法运算速度。通过仿真实验与处理实际数据结果表明：与其他方法相比,该方法在不需要任何先验信息的条件下,可以在低信噪比的情况下较好地分离出各个变速跳频信号,同时能够精确恢复出变速跳频信号的跳频图案,在20 dB信噪比的情况下,分离后相似系数可以达到99%。该研究为变速跳频信号盲分离问题提供一个新的解决途径。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

栈式降噪自编码器在辐射源信号识别中的应用

针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处理后的图像输入到栈式降噪自编码器中,将提取的特征输入到softmax分类器中,完成分类识别。通过仿真表明:该系统在SNR=-10dB的时候,识别率能够达到80%以上,在低信噪比的情况下,识别效果明显优于传统识别方法。     

射频识别LMAP协议改进研究

安全问题是射频识别技术领域的重要问题,轻量级安全协议成为该技术领域研究的主流.针对轻量级相互认证协议易受克隆攻击、去同步攻击等安全隐患问题,在对原有协议分析的基础上提出了系列改进措施,即通过对原有协议增加时间戳机制、物理不可克隆函数(physical unclonable function,PUF)电路以及改进密钥的生成方式来提高协议的安全性,并利用BAN逻辑对改进协议的安全性进行形式化证明.从安全性、计算量和存储量等方面将改进协议与其他协议进行比较,结果表明,协议安全性高,计算量小,也适合标签的存储量,在射频识别领域安全方面具有一定的应用价值.     

分布式无人机网络覆盖优化算法

针对非均匀目标区域中的热点区域覆盖优化场景，提出一种分布式无人机网络覆盖优化算法。首先对满足网络连通性的最少无人机节点数目和热点区域覆盖范围进行估计，其次融入热点区域信息改进布谷鸟算法位置更新方程并重构优化目标函数，然后对发现概率参数进行自适应调整，最终实现热点区域覆盖率的重点优化。在仿真实验分析中，在相同仿真环境下与标准布谷鸟算法和其他经典算法进行对比，结果表明所提算法的热点区域覆盖率较其他算法提升了约4%，迭代次数减少了约30次，证明了该算法收敛速度快、耗时少，能够更加有效地提高热点区域的覆盖率。     

基于模型参考自适应MRAC的双流传动调速控制

为使拖拉机作业过程中车速在受到作业阻力变化的影响下能迅速恢复稳定,文章设计一种双流传动(hydro-mechanical transmission, HMT)系统。通过实时调节发动机油门踏板的开度和改变电液伺服机构控制柱塞泵斜盘倾角的泵排量方式对车速进行调节;考虑到电液伺服机构存在强非线性、大时变参数以及外负载干扰等因素,将模型参考自适应控制(model reference adaptive control, MRAC)算法应用在液压泵排量调节的电液伺服执行机构中。结果表明：所设计的HMT系统在拖拉机遇到作业阻力变化引起车速变化时能有效地恢复稳定行驶状态;采用MRAC的电液伺服执行机构能够精确调节液压系统排量比来实现车速的改变,在简化变速操作的同时保证发动机工作在高效区,使拖拉机工作车速快速恢复到稳定区间。     

基于ADAMS与Simulink的平衡重式叉车侧倾分级控制联合仿真

针对平衡重式叉车的结构特性和工作环境特点,文章采用侧倾分级控制策略,将叉车侧倾姿态分为一级侧倾和二级侧倾,分别进行一级模糊控制和二级变论域模糊控制;设计了一种新型的三连杆液压支承调整机构,基于ADAMS建立叉车整车虚拟样机模型,并与Matlab/Simulink进行联合仿真,仿真工况采用平衡重式叉车动态稳定性试验的欧洲标准。仿真结果表明,采用侧倾分级控制策略有效改善了叉车的横向稳定性和主动安全性。     

基于平行因子分析的时空非均匀采样下双基地MIMO雷达目标参数联合估计算法

提出了一种基于平行因子分析的时空非均匀采样下双基地MIMO雷达收发角及多普勒频率联合估计算法。首先计算K级非均匀延迟器输出数据的协方差矩阵并对该矩阵进行变换和去冗余处理,然后将新数据转化为三阶张量并对其进行降维处理,最后通过交替最小二乘和Root-MUSIC算法估计出目标收发角和多普勒频率。该算法实现了时域和空域孔径自由度的二次扩展,提高了参数估计精度,降低了运算量。此外,通过最小冗余配置,实现了孔径的高效扩展,降低了系统配置需求。仿真结果验证了所提算法的有效性。     

一种不同色域空间下的无监督图像分割技术

针对图像分割有监督学习模型训练时间长、需要大量训练样本才能确保模型精度要求且样本标记费时费力的问题,提出了在不同色域空间下基于神经网络的无监督图像分割方法。首先将图像进行不同颜色空间模型转化,得到不同色域空间下图像的颜色表示;其次利用felz和quickshift方法,对转换后的图像进行粗粒度聚类,形成超像素结果,并对每个像素打上相应的标签;最后利用神经网络细粒度的图像特征分辨能力进行微调,得到最终的图像分割结果。该方法在公开的COD10K等数据集上选取了数据集进行验证,实验表明,文中方法能够对图像进行合理分割,且与有监督长时间训练过程相比,无监督的推理耗时大大缩短,速度显著提高。