干扰条件下基于Bayesian博弈的认知制导雷达波形设计

现代战场电磁环境复杂,制导雷达与干扰机间对抗日趋激烈.针对对抗过程中制导雷达和干扰方不能获取对方完整信息情形下的性能降低问题,基于SINR准则建立制导雷达和干扰Bayesian博弈模型,通过海萨尼转换方法,采用目标概率集合形式表达未知信息,求解博弈模型并设计雷达和干扰优化波形、基于二次注水和迭代注水法分配信号频域能量,并对Bayesian博弈纳什均衡存在性展开研究.最后通过仿真分析不同策略下的雷达和干扰信号具体形式,验证不同波形条件下制导雷达检测性能.仿真结果证明,迭代注水信号及二次注水信号检测概率最高可比线性调频信号分别提升15.41％、12.79％,为不完全信息博弈中制导雷达信号优化提供了解决方案.     

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...     

杂波条件下利用一维卷积神经网络的认知雷达波形设计

针对单准则设计的波形难以满足雷达多状态和多任务的问题,提出了一种杂波条件下利用一维卷积神经网络的认知雷达波形设计(CRWD-1D-CNN)方法。首先,设定环境变量,并根据互信息准则和信干噪比准则来构建训练集和测试集;其次,根据数据集的一维数据形式和采样点数,设计一个包含3个卷积层、2个全连接层的1D-CNN模型;最后,使用训练集对1D-CNN模型进行训练,利用1D-CNN对一维数据之间非线性关系的学习能力来学习互信息准则和信干噪比准则,然后,使用训练后的1D-CNN生成波形。为衡量雷达综合性能,提出了一种目标最终识别率指标。实验结果表明,采用CRWD-1D-CNN方法设计的波形作为雷达发射信号时,与使用互信息准则生成的波形相比,雷达综合性能平均提升0.64%,与使用信干噪比准则生成的波形相比平均提升2.13%,证明了CRWD-1D-CNN方法可联合互信息准则和信干噪比准则,提高雷达综合性能。