SDIO在探索各种新的导弹防御技术

美国战略防御计划局(SDIO)仍在不断地探索各种先进的导弹防御技术。美国国防采购委员会已经批准SDIO的分阶段研制方案,同意六项技术由概念研究阶段转到实验验证阶段。     

SDIO调整1987财年经费

SDIO1987财政年度申请48亿美元的经费,而实际拨款是32亿美元。面对资金的短缺,SDIO决定继续以50/50的比例分别用于技术开发和系统验证。在单项计划中,系统分析和作战管理(SA/BM)将得到更多的     

SDIO重视对洲际弹道导弹的拦截效果

美国战略防御计划局(SDIO)调整了定向能武器的制研计划,以便集中精力进行自由电子激光器和中性粒子束(NPB)的综合试验;目的在于大幅度提高对助推段弹道导弹的拦截能力和弹道中段的目标识别能力。 SDIO还计划加速进行跟踪、瞄准试验及高亮度中继站反射镜试验。这两项试验将作为其他试验的补充。     

超导研究集团在寻求超导的空间应用

最近,航空和航天工业界的一些最大的防御工程承包公司都纷纷参加由亚拉巴马大学组建的独立的超导研究集团。 战略防御计划局(SDIO)的科学技术革新办公室(IST)对成立超导材料和仪表设备集团(CSMI)起了促进作用。该集团成立于1987年5月份,比里根总统要求建立若干个超导研究中心和信息库还要早几个月。但SDIO还没有作出是否资助研究机     

SDIO准备检验盟国的弹道导弹防御系统

战略防御倡议组织(SDIO)准备对美国及盟国的现有防御系统进行评价,以确定这些系统能否在改进后用于欧洲反近、中程弹道导弹的攻击。 据SDIO负责人亚伯拉罕森说,将按征求建议、现场考察和性能测试计划在近期进行招标,以便对那些可能作为反导防御组成     

一种混沌系统的设计及混沌序列码的生成方法

提出了一种新型的混沌系统的设计方案，并将其应用在混沌序列码的生成中。首先，设计了一种简单的、容易实现的混沌系统，并给出了该混沌映射数学特性。然后，在计算机模拟实验的基础上，仔细地分析了该类混沌系统的统计特点，结果显示由该类系统产生的混沌序列具有良好的统计特性，最后，把设计的混沌系统应用于混沌序列码的生成中，计算机仿真实验结果表明该文提出的混沌系统确实安全可靠且容易实现，混沌序列码也具有良好的相关性。     

RS码时域编码算法及其计算机模拟

RS码被广泛应用于数据通信和存储系统的差错控制中。从RS码的结构出发,给出了RS码时域编码的基本过程,并对影响RS码编码器设计复杂度的因素进行了分析讨论;采用基于有限域中多项式乘法理论的快速有限域乘法器的设计,得到了简单的有限域上乘积运算算法。该算法中乘数与被乘数都采用标准基来表示,而不需基与基的转换;最后对RS(255,223)码编码器的设计过程进行了计算机模拟。     

直扩信号伪码周期及序列的估计算法

为了解决直扩信号伪码周期和序列估计的难题,提出了功率谱二次处理结合信号子空间分解的方法。该方法首先利用功率谱二次处理手段估计出直接序列扩频(DS-SS)信号的伪码周期,在此基础上采用信号子空间分解对DS-SS信号伪码序列进行盲估计。为了用信号子空间分解法对伪码序列实施精确估计,在其后加上了r1校正方法。计算机模拟结果表明,该方法在输入信噪比小于-14 dB时还能良好地工作。     

基于EXIT图的PCGC码子码校验矩阵研究及仿真分析

传统的PCGC(Parallel Concatenated Gallager Code,并行级联Gallager码)在设计子码时主要依据子码的MCW(Mean Column Weight,平均列重)参数,没有考虑信息节点的度分布的影响。利用基于互信息的EXIT(Extrinsic Information Transfer,边信息转移)图工具,通过计算机仿真,分析获得子码输出增益曲线,并通过构造迭代轨迹来对比分析校验矩阵信息节点度分布对译码性能的影响。仿真结果表明,传统的LDPC(Low Density Parity Check,低密度奇偶校验)码校验矩阵设计的设计准则在PCGC子码设计中并不适用。     

低信噪比长伪码直扩信号伪码周期的估计方法

针对低信噪比长伪码调制直扩(DS-SS)信号的伪码(PN码)周期参数估计的难题,提出了一类基于信号功率谱二次处理的新方法。该方法首先对信号的功率谱进行估计,接着将估计出的功率谱作为输入信号再来求取功率谱,最后得到的二次谱就会在长伪码调制DS-SS信号PN码周期的整数倍处得到一列尖锐的二次谱线,通过估计这些谱线的间距就可以获得其PN码的周期估计。为了在低信噪比情况下增强二次谱线和估计效果,采用了由多个接收信号矢量计算得到的二次谱结果进行平均累积的办法。理论分析和计算机模拟表明,该类方法在较低的输入信噪比条件下能良好地工作。     

大多普勒偏移下直接序列扩频信号捕获新方法

针对具有大多普勒偏移的直接序列扩频信号捕获问题,提出一种基于快速傅里叶变换(FFT)的多普勒和伪码分别并行搜索的捕获新方法.该方法利用伪码二相调制特性,通过乘法消除伪码影响,得到多普勒估计值,在此基础上运用圆周相关法得到的伪码相位估计值.计算机仿真表明,它能更快、更高精度地完成多普勒频率一伪码相位的二维搜索,且捕获时间与多普勒偏移大小无关,尤其适用于大多普勒环境.     

准循环LDPC好码设计

现有准循环(QC)LDPC码的设计未考虑避免短环问题与校验矩阵的行相关问题.第一个问题使准循环LDPC码的误码率性能远低于随机LDPC码,第二个问题使得构造生成矩阵非常困难.为解决第一个问题,提出避免短环的准循环LDPC码的设计约束条件,根据四、六环检验结果调整校验矩阵中循环子矩阵的维数和移位因子.为解决第二个问题,提出一种不规则准循环LDPC码的设计方法,该方法将校验矩阵中的特定位置的子矩阵用零矩阵和循环矩阵置换,获得一非奇异方阵,用于构造生成矩阵.虽然在校验矩阵中采用双对角线子矩阵可解决校验矩阵的行相关问题,但是会产生低码重的码字,导致误码率性能不能随码长增加而提高.计算机仿真结果表明,设计的准循环LDPC码具有良好的误码率性能.     

基于Raptor码的级联型不等错误保护方法

针对在各种恶劣的信道中对码流中相对重要数据提供更强保护的问题,提出了基于Raptor码的级联型不等错误保护(unequal error protection, UEP)方法。通过在预编码阶段和无率码阶段都采用UEP设计的级联方法来提高UEP性能,增加了设计的灵活性;分析了其在二进制删除信道（binary erasure channel, BEC）中采用最大似然概率(maximum likelihood, ML)译码时UEP性能的理论上下界;最后分别对其在BEC和加性高斯白噪声(additive white Gaussian noise, AWGN)信道中的UEP性能进行了仿真实验。理论分析和仿真实验结果显示,与在预编码阶段或无率码阶段单独采用UEP设计的方法相比,该级联型方法在基本不损失普通数据性能的情况下能为重要数据提供更强的保护,具有较好的UEP性能     

几种跳频码的混沌动力学特性及预测分析

利用动力系统方法研究了几种跳频码(m序列，RS序列，非线性序列及混沌序列)的动力学特性(相关维数与最大李雅普诺夫指数)，结果表明了跳频码表现出混沌的特征。最后根据遗传算法确定前馈神经网络的结构，并利用该神经网络模型对这几种序列做了预测分析。实验结果表明，该模型能成功地预测跳频码，因而可对跳频通信进行有效的干扰。     

直扩信号的谱检测和神经网络估计

论述了二次谱理论、谱相关理论和神经网络方法在直接序列扩频(DS/SS)信号的检测与估计中的应用,提出了利用谱分析结合神经网络的方法来实现对低信噪比DS/SS信号的参数及其伪码(PN)序列的估计.计算机模拟结果表明,该方法在较低的输入信噪比条件下能良好地工作.     

基于子空间跟踪的扩频码盲估计算法

针对直接序列扩频(DS/SS)信号的扩频码盲估计问题,改进了特征分解的方法,利用滑动窗技术取得码同步,并提出了一种基于信号子空间跟踪的PN(pseudo noise)码恢复算法。计算机仿真表明,由于这种算法避开了直接的特征分解求解,降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能上优于已有的梯度算法和神经网络算法。     

在残余频偏下微弱直扩信号伪码周期的谱检测

针对存在残余频偏调制下的微弱直扩(DS)信号的伪码(PN码)周期截获的难题,拓展了先前提出的基于信号功率谱二次处理的方法。该方法先对带残余频偏调制的微弱DS信号求取功率谱,然后将所得到的功率谱作为一输入信号求取其第二次功率谱,于是所得二次功率谱将在PN码周期整数倍处出现代表信号存在的尖锐脉冲。通过对这些尖脉冲间的距离进行检测,就可以获得DS信号PN码周期参数的检测估计。理论分析和计算机仿真表明,该方法基本不受输入信号残余频偏的影响,在很大频偏和较低的输入信噪比条件下都能良好地工作。     

HLA RTI数据描述码扩展

为高层体系结构(High Level Architecture，HLA)运行支撑环境(Run—Time Infrastructure，RTI)引入一个新的扩展，该扩展使用数据描述码在消息上附加特征属性，使RTI能够对数据应用更丰富的使用策略。文章第1、2部分提出了基于数据描述码过滤数据，以及构建HLA仿真系统面向方面框架(Aspect Oriented Framework，AOF)的技术，第3、4部分详细说明了数据描述码扩展和实验原型的设计。数据描述码扩展可用于提高仿真系统的运行效率，改进大规模HLA仿真系统的架构设计，并且不改变RTI和联邦成员的编程接口。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。