“量子罗盘”欲取代GPS

<正>据英国《金融时报》网站5月中旬报道,英国国防部正在开发一种"量子罗盘"的新型导航技术,即一种不受数据窜改和信号干扰影响的全球定位设备技术。由于量子罗盘能够利用地球磁场的亚原子效应定位自身而不再需要卫星或无线电发射塔这类固定的参考点,各国军方对这种新技术十分感兴趣。英国防务科技实验所(DSTL)的科学家相信,再有三到五年,他们有望开发出量子罗盘。"对我们来说,关键在于我们要开发的是一种不依赖于太空的设备,且     

热词

降噪神器 降噪神器的正式名称为“有源定向扬声器“，它利用声音定向传播的原理，实现声音传播范围可控制，既能满足广场舞参与者的音乐需求，又减少了对周边居民的干扰。     

仪表控制系统干扰及抗干扰措施研究

仪表的可靠性关系着工业生产的安全和稳定运营,而仪表系统抗干扰能力则是整个生产系统稳定运营的关键。本文探讨了仪表控制系统的干扰因素,提出了抑制干扰的措施。     

女大学生篮球赛罚篮命中率与主要影响因素分析

<正>现代篮球运动朝着"准"的方向发展。而"准"的首要问题就是投篮的准确性,即熟练地掌握各种投篮技术,并能在对抗中完成投篮动作,以及在外界强干扰的情况下克服自身体力与心理压力完成投篮,提高命中率。罚球是篮球比赛中唯一不受对方防守干扰和外界干扰的动作。据资料统计,每场比赛的罚球命中率都不等,然而一球决定胜负的罚球在比赛     

联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

传导电磁干扰的精确定量预测方法

针对电磁兼容领域传导干扰预测存在的通用性不强、精确度不够和实用性差的现状,提出了干扰源集中等效与模型估计方法、基于器件开关暂态过程的干扰源建模方法和变换单元干扰源的双重傅立叶积分建模方法,实现了干扰源全频段的建模;提出了基于灵敏度分析的寄生参数确定方法、金属壳体地回路阻抗的精确建模方法和部分单元等效电路精确建模方法,解决了干扰耦合通道的精确描述问题;结合上述2个方面实现了传导干扰全频段（0～10MHz）的精确定量预测,不仅通用性强而且实用性好．最后提出了一种新型面电流测量方法解决了大尺度金属壳体电流分布的测试难题,结合相关实验证明了上述理论和方法的正确性．     

单频电磁辐射对雷达的干扰规律

为了提高雷达电磁防护能力,揭示单频电磁辐射对雷达的干扰规律,首先基于雷达测距原理,通过电路非线性失真分析,初步掌握阻塞干扰和假目标干扰规律;而后开展效应试验,对干扰规律进行补充和完善.结果表明带内单频电磁辐射易对受试雷达造成干扰,假目标临界干扰场强明显低于阻塞干扰,最敏感处的差值可达30 dB,但敏感带宽要比阻塞干扰窄...     

一种最优抗扰自适应控制

针对含未知干扰系统研究了具有最优抗扰性能的自适应控制问题.利用对象参数的先验知识和量测数据构成可实时更新的非空模型集合,以系统的整体性能指标为辨识准则,在模型集内优化选取最优标称模型,完成对象模型的在线最优辨识.然后根据-1优化设计方法以闭环系统整体性能为指标,在线设计最优闭环控制器.上述两方面结合起来给出了一种最优自适应控制策略.由于辨识准则与控制目标是一致的,文中的方法能够有效地解决自适应系统的性能优化问题和辨识与控制的相互配合等问题,且能给出可验算的性能指标.     

跳频抗干扰通信系统中LDPC码的编码优化设计

为进一步提升低密度奇偶校验(low-density parity-check, LDPC)编码跳频通信系统抗干扰能力,提出一种对抗部分频带干扰样式的LDPC编码构造方法。首先针对不同干扰因子参数优化了LDPC码字在干扰环境下的度分布序列,然后通过基于渐进边增长和近似环外信息算法构造基矩阵,最后采用改进部分分割移位系数矩阵扩展得到校验矩阵,并结合不等差错保护特性应用到信息位的干扰保护上。该构造方法兼顾优化的度分布和准循环结构。仿真结果表明,所构造的码字性能良好,相同条件下,抗干扰性能优于现行主流类型码字的抗干扰性能。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。