间歇采样转发干扰技术是一种巧妙的相干多假目标干扰技术，针对不同雷达体制、不同雷达波形等的新型间歇采样转发干扰技术已成为当前雷达对抗领域的研究热点之一。为进一步厘清间歇采样转发干扰技术特性及其拓展应用前景，本文从间歇采样转发干扰技术提出的背景及基本原理出发，详细梳理间歇采样转发干扰的技术发展历程，并对诸多新型间歇采样转发干扰技术进行分类总结，最后介绍间歇采样在雷达探测等其他方面的拓展应用，旨在为专家学者研究提供一定的参考。
针对未知杂波环境下机载外辐射源雷达的多目标跟踪问题, 提出一种鲁棒自适应的标签多伯努利滤波器。首先基于标签多伯努利滤波器算法框架对多目标跟踪问题进行建模, 然后针对目标新生参数、杂波参数以及目标检测概率未知的问题, 提出采用量测驱动的目标新生模型和基于势均衡多目标多伯努利估计器的在线参数估计方法, 最后考虑到机载外辐射源雷达量测的非线性, 采用序贯蒙特卡罗方法对所提算法进行实现。实验结果表明, 所提滤波器能够利用外辐射源量测准确估计多目标航迹, 且在未知杂波环境下的性能可以逼近杂波参数已知的广义标签多伯努利滤波器, 鲁棒性更好。
针对雷达干扰机收发天线之间存在的非线性自干扰耦合问题, 研究一种基于样条插值的非线性自干扰对消方法。该方法将样条插值和自适应滤波相结合, 分别建立样条哈默斯坦模型和样条维纳模型, 通过引入鲁棒性较强的反正切(arctangent, ARC)函数作为代价函数, 得到两种模型下样条控制点和滤波器系数的自适应学习规则, 并分析样条控制点数量对自干扰对消性能的影响。仿真实验表明, 对于带宽为60 MHz的信号, 所提基于ARC参数学习方法与传统最小均方参数学习方法相比, 对消比获得4 dB左右的提升, 收敛速度提高1倍。另外, 针对信道突变的场景, 所提方法跟踪性能好且稳态误差低。当背景噪声中存在非高斯脉冲干扰时, 所提方法能够有效应对脉冲噪声环境下的干扰。
正确快速测量飞行器的姿态是实现载人航天飞行器精准对接任务的重要前提。传统姿态测量需要拼接3个姿态参数, 本文提出一种改进优化算法应用于以电磁波结构向量为参照的姿态测量, 实现姿态参数同步、整体、快速测量。首先根据多个电磁矢量传感器和接收信号间的变化关系来建立导向矢量, 将导向矢量中的指数函数形式的姿态旋转进行泰勒近似展开, 然后使用等步长遍历算法结合牛顿法来快速搜寻多导航信号空间谱函数的谱峰, 完成飞行器的姿态测量。仿真结果表明, 该方法测量的姿态精度高, 误差能够控制在0.01°左右, 提升了姿态测量的效率, 同时抗干扰能力良好, 具有较好的应用价值。
针对海杂波背景下末制导雷达容易出现错误检测的问题, 开展海杂波抑制和鉴别研究。采用基于Tri-feature训练的目标鉴别分类算法, 以目标幅度、峰值持续范围和起伏率作为特征量, 核函数选择径向基函数(radial basis function, RBF)。RBF非线性映射能力强, 在高维空间中可以更好地表达数据之间的关系, 然后进行支撑向量机(support vector machine, SVM)目标鉴别分类器设计和实验数据验证。经公开的实测数据验证, 所提算法准确率达到97%以上。通过与传统的模板匹配识别方法进行对比, 基于Tri-feature训练的目标鉴别分类算法有更高的鉴别准确率, 证明了所提方法的有效性和先进性。
针对小样本激化的目标检测耦合问题, 以高价值空中目标为研究对象, 提出一种基于解耦的小样本目标检测算法。首先, 在区域候选网络中引入梯度调整层, 强化区域候选网络, 缓和任务耦合问题。其次, 将目标检测头拆解成分类和回归两个分支, 在前端添加无参平均注意力模块, 缓和特征耦合问题。所提算法可以提高小样本目标检测性能, 增强对新类的检测能力。实验结果表明, 所提算法在1、2、3、5、10样本实验中均表现最佳, 平均精度分别达到32.5%、35.6%、39.6%、41.2%和57.4%。相较于两阶段微调方法, 所提算法检测性能大幅度提高, 能够解决在小样本激化的耦合矛盾下网络检测能力下降的问题, 提升对小样本高价值空中目标的检测精度
为了实现对责任区全区域、大视角来袭目标的严密预警探测, 提出一种基于绝对多普勒的多预警机协同补盲方法。首先, 分析目标径向速度的影响因素及其变化规律, 推导绝对多普勒的数学表达式, 将影响多普勒盲区的复杂多变因素优化调整为目标速度及目标与预警机间的相对位置。其次, 运用仿真建模方法, 基于绝对多普勒杂波凹口表达式, 设计一种以检测点数表征的单预警机多普勒盲区地图绘制方法。然后, 在“使得协同中的各预警机或至少有一架预警机的径向速度盲区不落在或尽量少落在重点方向上”的准则牵引下, 提出一种图上作业式的多预警机相对位置关系解算方法, 完成多预警机的协同部署。最后, 通过双预警机圆环拱卫阵形的协同部署实验, 验证该方法的有效性和实用性。
针对强地物杂波背景下弹载雷达目标检测与识别的技术难题, 提出将高分辨距离像(high resolution range profile, HRRP)技术和多普勒波束锐化技术联合对地面进行二维高分辨成像, 提高雷达在杂波下目标检测与识别的性能。该方法以线性调频步进频(linear frequency modulation stepped frequency, LFM-SF)信号为基本波形, 首先对平台速度产生的多普勒效应等问题进行了详细讨论并校正; 然后通过距离像抽取获得各帧对应的HRRP序列, 并采用方位快速傅里叶变换(fast Fourier transform, FFT)实现方位高分辨; 最后对实际飞行状态下平台造成的误差进行运动补偿, 完成对波束内区域的二维分辨。实测数据的处理验证了所提算法的有效性与实用性。
针对雷达主瓣干扰抑制问题, 提出一种基于信干噪比(signal to interference plus noise ratio, SINR)最大化的盲提取主瓣干扰抑制方法。与盲分离不同, 盲提取能够从多路混合信号中提取出感兴趣的一路分量, 这更适合在多信源多通道的复杂电磁环境下进行干扰抑制。该方法在混合信号距离域建立SINR最大化的优化模型, 采用粒子群优化(particle swarm optimization, PSO)算法进行求解并提取出目标回波信号实现主瓣干扰抑制。经仿真测试, 该方法相较于传统的盲分离干扰抑制方法, 提升了干扰抑制效果; 无需信源数目估计, 对通道数目要求更低, 在欠定场景中依然适用; 减小了计算复杂度, 更适用于复杂电磁环境。
针对机载预警雷达空时自适应处理(space-time adaptive processing, STAP) 所面临的异构杂波环境, 基于杂波和噪声的联合稀疏特性提出了一种直接数据域(direct data domain, D3) STAP方法。首先通过子孔径平滑技术扩充训练样本集合; 然后基于杂波谱二阶表征理论构造STAP功率字典矩阵、导出目标函数, 并解得待检测单元信号的空时功率谱; 最后根据杂波先验信息重构无孔径损失的杂波加噪声协方差矩阵。数值实验验证了所提方法的协方差矩阵估计精度高于传统的稀疏恢复D3-STAP算法, 且在理想情况和存在阵列误差的情况下, 所提方法皆具备更好的低速目标检测性能。
针对在低空雷达监视场景下, 行人、车辆、无人机等目标分类任务中目标微动特征难以提取导致分类准确率较低的问题, 提出一种基于EfficientNet的多通道雷达目标微动特征分类方法。首先, 根据杂波、目标和噪声信号的能量分布差异, 提出多能量奇异值分解方法抑制杂波和噪声, 增强目标微动特征。随后, 联合雷达和差通道时频信息特点, 设计多通道EfficientNet模型, 结合多通道微动特性进一步实现目标的准确分类。最后, 利用雷达实测目标数据对所提方法进行验证。结果表明, 所提方法在保证较低模型复杂度的情况下, 相比于其他方法在准确率上有显著提升。
雷达干扰一体化是优化射频资源、实现定向干扰的有效技术路径, 雷达干扰一体化波形设计是雷达干扰一体化研究的重点。本文提出一种基于Zadoff-Chu序列和正交频分复用架构的雷达干扰一体化波形, 研究了波形的设计与处理方法。波形以正交频分复用为调制方式、以时频分割复用为基本架构、通过Zadoff-Chu和Mersenne-Twister序列对频域子载波进行合理的分配和调制完成探测与干扰功能一体, 在信号处理时采用先探干时频分离再脉冲压缩和相参处理的方式实现测距测速。理论分析和仿真试验表明，所提波形同时具备脉冲压缩主副瓣比大、多普勒容限强以及频率对准灵活、干扰随机性强的探干一体性能优点。
雷达空中目标高分辨距离像(high resolution range profile, HRRP) 中往往包含一定的杂波噪声, 利用HRRP开展空中目标识别需要重点考虑噪声的影响。针对上述问题, 提出一种基于深度残差收缩网络(deep residual shrinkage network, DRSN) 的雷达空中目标HRRP识别方法。该网络将深度残差网络、软阈值函数和注意力机制结合起来, 采用跨层恒等连接方式, 不仅可以避免网络层数过深造成梯度消失或梯度爆炸, 从而导致网络学习能力下降的问题, 还可以有效过滤掉识别过程中噪声特征的影响, 使模型专注于目标区域的深度特征识别, 提升强噪声背景下模型的识别能力。实验结果表明, 相对于其他常用的深度学习模型, 所提方法在各个信噪比条件下, 识别效果均有一定的优势, 该模型对噪声具有较强的鲁棒性。
针对T/R-R(transmitting receiving-receiving)构型雷达成像实际, 结合空间目标的轨道先验和双基地逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像的体制优势, 提出了一种基于复贝叶斯压缩感知(Bayesian compressed sensing, BCS)算法的T/R-R型雷达稀疏孔径多视角融合成像方法。所提方法在建立双站雷达融合成像模型的基础上, 利用Laplace先验在复数域建立目标的稀疏模型, 提高了算法的稀疏促进作用, 获得了高分辨目标图像。仿真实验结果表明, 所提方法不仅可实现双站雷达多视角的融合成像, 还可实现双站雷达各自存在稀疏孔径条件下的多视角融合成像, 进一步拓展了应用场景, 可有效提高方位分辨率和成像质量。
在疲劳载荷作用下, 绝缘栅双极型晶体管(insulated gate bipolar transistor, IGBT)会发生结构损伤与性能退化, 影响电力电子系统可靠性。对此, 首先基于传热学理论推导焊层疲劳裂纹长度与热阻的关系, 并以Darveaux模型表征IGBT焊层裂纹演化规律, 提出一种IGBT性能退化模型及其待定系数的估计方法。其次, 考虑实际工况的非平稳特征, 利用响应面法建立IGBT变幅疲劳载荷模型, 并基于雨流计数法与线性累积损伤准则实现IGBT性能退化量的评估。最后, 以一款IGBT产品为例, 实施功率循环试验, 基于试验数据开展性能退化建模与分析, 验证了模型与算法的有效性。
随着导弹武器装备实战化、体系化发展需求的不断深化, 导弹武器装备的保障活动日益复杂, 给保障资源的配置带来了挑战。为此, 提出基于流程驱动的导弹装备保障资源配置仿真与优化方法。首先, 基于导弹装备的保障活动对时效要求高、资源约束多等特点, 建立流程驱动的导弹保障活动仿真模型与算法。然后, 考虑经济规模约束, 构建了面向保障效率的导弹装备保障资源优化模型。最后, 以典型导弹保障流程为例, 对所提模型与方法进行应用分析, 验证其有效性与适应性。结果表明, 基于流程驱动的保障资源配置仿真与优化方法能够有效规划导弹装备保障活动方案, 评估装备保障能力, 实现装备保障资源配置方案优化, 为导弹装备的合理运用与资源调度提供理论与方法支撑。
基于模型的系统工程(model-based systems engineering, MBSE) 已被广泛应用于复杂系统设计之中。通过构建功能、行为和结构之间的关系, 提出一种基于MBSE的多层级递进式架构设计流程。随后, 以高度控制需求为导向, 对民机飞行控制系统进行了示例化建模。结果表明, 基于MBSE的民机飞行控制系统多层级递进式架构设计能够充分发挥数字模型可重用的优势, 保证需求与功能、逻辑和物理架构的紧密结合, 提高系统设计的可追溯性, 可为后续领域层阶段模型设计提架构参考。
为了实现航天器电源系统的灵活高效并网, 最大化有限能量的利用, 提出一种基于深度强化学习(deep reinforcement learning, DRL) 的功率传输与信号传输复合网络拓扑优化模型, 并使用知识蒸馏原理的多种可解释组件模型对优化过程进行剖析。首先, 分析在轨运行阶段航天器母线电压调节控制域变换规律, 并结合节点传播性参数, 建立功率传输与信号通信的复合网络拓扑模型。然后, 利用A3C (asynchronous advantage actor-critic) 算法, 对信号传输网络路由分布、拓扑结构等方面潜在的运行可靠性风险进行自适应性优化。最后, 结合多种可解释组件对已训练的DRL模型进行知识蒸馏, 形成一种可解释的量化分析方法。所提方法可以指导空间电源在随机阴影影响下选择最佳并网方案, 并为更高任务要求和复杂环境下空间电源控制器设计提供理论支持。
在城市战场环境下, 无人侦察车有助于指挥部更好地了解目标地区情况, 提升决策准确性, 降低军事行动的威胁。目前, 无人侦察车多采用阿克曼转向结构, 传统算法规划的路径不符合无人侦察车的运动学模型。对此, 将自行车运动模型和深度Q网络相结合, 通过端到端的方式生成无人侦察车的运动轨迹。针对深度Q网络学习速度慢、泛化能力差的问题, 根据神经网络的训练特点提出基于经验分类的深度Q网络, 并提出具有一定泛化能力的状态空间。仿真实验结果表明, 相较于传统路径规划算法, 所提算法规划出的路径更符合无人侦察车的运动轨迹并提升无人侦察车的学习效率和泛化能力。
依据前沿技术的前瞻性、先导性、探索性及颠覆性特征, 构建基于数据挖掘的前沿技术识别方法, 可为高效制定技术发展策略、合理调整技术规划布局提供支撑。首先, 以工程索引(engineering index, EI)和德温特创新(Derwent innovation, DI) 平台数据库为数据源, 制定检索表达式采集数据, 并对数据进行预处理。其次, 建立表征前沿技术特征的指标体系, 并对据此筛选出的技术文本数据进行挖掘, 识别前沿技术主题。最后, 以量子计算领域为例开展实证研究, 识别出量子纠错技术、光量子芯片技术等前沿技术点, 经技术专家等验证, 表明识别结果科学有效。
区域作战中, 装备保障需求呈现出一定分布特征, 保障供应也随时动态变化, 如何匹配供需进而进行保障调度成为提升区域保障能力的关键。针对区域资源供需的分布特性, 运用最优传输理论, 建立资源分布视角下区域保障调度模型。首先, 构建分布视角下的区域保障调度基本模型, 考虑决策层级将其拓展为多分辨率模型, 然后基于sinkhorn算法提出保障调度概率方案作为转换, 进而给出多分辨率模型的保障调度方案求解算法。案例分析表明, 非指数分布和自由竞争环境下, 保障调度方案具有鲁棒性。
数据采集是仿真执行过程中的重要环节, 数据采集的完整性和效率对整个训练仿真活动的最终效果和效率具有重大影响。然而, 在现有基于高层体系结构(high level architecture, HLA)的分布式仿真系统中, 集中式数据采集在单个步长内读写海量数据, 会影响仿真正常推进, 而分布式数据采集会造成大量冗余数据, 且采集模块的开发不具备通适性。针对上述问题, 基于弱分布式数据采集结构, 利用多个采集成员实现并行数据采集, 并基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ)制定采集任务在多个成员间的分配策略, 实现数据采集负载的均衡分布。仿真结果和真实系统上的实验结果表明, 所提方法能显著提升数据采集效率, 同时减少数据采集成员执行过程中的中央处理器(central processing unit, CPU)和内存消耗。
具备坚实可靠的组成结构是作战体系有效执行作战任务的基础和充分发挥体系效能的前提。为了判断评价作战体系结构在遭到打击破坏或出现故障损耗情况下的持续运行能力, 基于体系结构要素之间的相互连通程度, 从点连通度和边连通度两个角度入手, 研究给出一种作战体系结构可靠性分析方法, 利用算例对所提方法进行了检验, 可服务于作战体系设计与建设。
针对多星系统的姿态协同控制问题, 通过不变扩展卡尔曼滤波(invariant extended Kalman filter, InEKF)对航天器进行姿态估计, 将航天器的姿态估计与传递矩阵独立; 结合无向通信拓扑构建多星特殊正交群(special orthogonal group, SO(3))姿态模型, 推导SO(3)上姿态协同误差。然后，基于SO(3)提出基于一致性理论的姿态协同控制算法。其中，利用径向基函数神经网络对虚拟扰动进行拟合补偿, 所提出的算法考虑空间扰动, 以保证协同控制器适用于整个姿态空间，实现多星姿态协同、跟踪期望姿态和执行器能力约束下的协同。根据LaSalle不变集理论对系统进行分析, 证明系统具有全局渐近稳定性。最后, 利用六星航天器系统校验了所提姿态协同控制算法的有效性。
本文研究了月球干涉合成孔径雷达(interferometric synthetic aperture radar, InSAR) 卫星编队构型设计问题。首先, 建立了基于相对偏心率/相对倾角(eccentricity/inclination, E/I) 矢量的月球InSAR卫星相对动力学模型。然后, 研究了月球轨道摄动环境下的编队飞行长期稳定飞行条件。进一步, 以相对测高精度和模糊高度为优化指标, 同时考虑星间安全性, 给出了月球InSAR卫星编队构型优化的目标函数。针对现有的研究方法难以解决构型设计的多目标问题, 应用改进多目标蚁狮优化算法实现了月球InSAR卫星编队构型设计。仿真结果表明, 其在基线使用率方面更优, 从而验证了所提算法的适应性和有效性。
针对滑翔制导炮弹多炮齐射打击固定目标的协同攻击场景, 为充分发挥整体控制能力, 增强打击效果, 研究着眼于弹群的协同方案弹道规划问题。首先, 考虑到攻击不同距离目标时飞行方案的侧重点与弹道特性差异, 为滑翔制导炮弹进行战区划分, 并在此基础上建立寻优指标因战区而异的全弹道协同规划模型。其次, 针对实战中的战斗队形配置问题, 提出一种简单通用的协作范围确定方法。随后, 针对现有协同方式在处理多阶段规划问题时存在的适用性或最优性方面的局限, 提出一种双层自适应协同策略。最后, 分析特殊作战任务引入的额外约束条件对战区划分与协作范围的影响。仿真结果表明, 所提方法可以简捷有效地确定可行工况, 辅助战斗队形的配置; 同时, 相比于传统的分布式策略, 在所提的协同策略作用下, 不同战区内的方案弹道均具有优越性。
针对多个自由度可调模块单元组成的系统, 提出含标准化流程的模块化机器人拓扑结构数学描述及运动学并行建模方法。首先, 建立模块单元运动传递库, 并提出含标准化流程的四元组矩阵模块化机器人拓扑结构数学描述。接着, 以模块单元运动学模型为基础, 考虑多分支模块化机器人各分支间耦合影响, 建立适用于链式模块化机器人的位置级与速度级运动学模型。随后, 提出模块化机器人运动学并行建模方法, 理论分析和仿真结果均表明该算法能够适应各类型拓扑结构模块化机器人的快速建模。拓扑结构数学描述与并行计算的引入降低了模块化机器人建模难度, 提升了建模效率。
针对飞行器在线航路规划问题, 提出一种基于深度强化学习(deep reinforcement learning, DRL)的飞行器在线自主决策方法。首先对飞行器运动模型、探测模型进行了说明, 然后采用DRL深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法, 对飞行器飞行控制策略模型框架进行了构建。在此基础上, 提出了一种基于课程学习(curriculum learning, CL) 的CL-DDPG算法, 将在线航路规划任务进行分解, 引导飞行器进行目标靠近、威胁规避、航路寻优策略学习, 并设置相应的高斯噪声帮助飞行器对策略进行探索和优化, 实现了复杂场景下的飞行器自适应学习和决策控制。仿真实验证明, CL-DDPG算法能够有效提升模型的训练效率, 算法模型任务成功率更高, 具有优秀的泛化性和鲁棒性, 能够更好地应用于复杂动态环境下的在线航路规划任务中。
针对具有输入幅值约束的输入时滞机械系统，研究基于有向图拓扑的多智能体系统(multi-agent system, MAS)的一致性控制问题。对于只有部分智能体能够接收到理想信号的情况，提出一种观测器，使每个智能体都能观测到理想信号，并证明观测误差的指数收敛性。在控制器设计中，通过将系统的输入积分反馈到控制器中，消除输入延迟的影响；结合输入积分法和双曲正切函数，在解决输入延迟问题的同时限制控制输入幅值，并利用FMINCON函数优化控制参数。最后，利用李雅普诺夫方法证明控制目标的实现和闭环系统的渐近稳定性。仿真结果表明，所提出的观测器和控制器能够有效实现系统的一致性控制。
为满足欠驱动自主水下航行器(autonomous underwater vehicle, AUV)在复杂扰动和参数不确定条件下高性能轨迹跟踪需求, 提出预设动态性能及收敛时间的三维轨迹跟踪控制方法。首先, 对欠驱动AUV的前向位置道进行扩维, 构建面向控制的一体化多输入多输出轨迹跟踪模型。然后, 结合动态过程函数与预设时间控制理论, 建立动态性能预设轨迹跟踪控制系统, 使得AUV轨迹跟踪暂态品质可由动态过程函数直接决定, 而跟踪误差的实际收敛时间也可由单个控制参数准确预设。最后, 为避免控制奇异现象和“微分爆炸”现象, 控制系统设计过程中分别融入绝对值修正法和径向基函数网络(radial basis function neural network, RBFNN)拟合法。数值仿真结果表明, 所提出的控制方法可显著提升欠驱动AUV的抗扰性和暂态品质, 实现快速平滑的高性能三维轨迹跟踪。
无人机(unmanned aerial vehicle, UAV)边缘计算技术将UAV平台与移动边缘计算技术相结合, 充分利用UAV的灵活性和机动性, 为用户设备提供及时有效的计算服务。从UAV边缘计算的网络架构入手, 提出基于网络功能虚拟化和软件定义网络的技术架构。针对UAV边缘计算的关键技术, 总结对比UAV边缘计算中不同的多址接入方案, 并从不同的优化目标出发, 对基于经典非凸优化、博弈论以及人工智能方法的计算卸载策略进行总结和分析。最后, 探讨和展望未来的研究方向。
未来的网络要求有一个灵活、弹性、可拓展的网络架构, 才能适应多样化对服务的新要求。意图驱动网络针对这一难题提供了一种切实可行的新思想, 具体地说是基于意图闭环技术可以让网络管理员不必再去注意复杂的配置细节, 仅需表达网络服务需求即可获得自主可靠的服务。首先对目前网络安全中出现的新问题进行剖析, 对意图驱动网络方法论及其关键技术进行梳理, 提出一种基于意图驱动网络闭环生命周期架构；探究意图驱动网络安全服务韧性策略推理。意图驱动网络的实践案例包含意图的生成、转译、策略制定和部署等过程，实现了网络故障情况下保障网络服务的永续在线，反映出意图驱动网络的全生命周期。
针对当前极化码参数识别算法缺少对码字起点的识别以及识别信息位算法计算复杂的问题, 提出一种基于编码矩阵估计的极化码参数盲识别算法。所提算法首先将截获的码字矩阵、相应码长下的克罗内克矩阵以及逆向重排矩阵相乘得到编码矩阵估计, 然后通过编码矩阵的分布特征识别出码长和码字起点, 最后使用训练好的卷积神经网络对极化码信息位以及冻结位进行识别。实验结果表明, 所提方法不仅完成了码字起点的识别, 而且在未知码字起点的情况下完成了对码长的识别, 且码长的识别准确率优于现有算法, 误比特率在0.19时, 参数为(32, 12)的极化码码长识别率仍然可以达到90%以上。
针对L波段数字航空通信系统(L-band digital aeronautic communication system, LDACS)可用频谱资源有限且易受大功率测距仪(distance measuring equipment, DME)信号干扰的问题, 提出一种基于降维循环谱和残差神经网络的频谱感知方法。首先理论推导分析了DME信号的循环谱特征; 然后利用Fisher判别率(Fisher discriminant rate, FDR)提取循环频率能量最大的向量, 通过主成分分析(principal component analysis, PCA)进行预处理特征增强; 最后给出数据处理后的循环谱向量与卷积神经网络相结合的实现过程, 实现了DME信号的有效检测。仿真结果表明, 该方法对噪声不敏感, 当信噪比不低于-15 dB时, 平均检测概率大于90%。当信噪比不低于-14 dB, 检测概率接近100%。
针对高斯滤波最小频移键控(Gaussian-filtered minimum shift keying, GMSK) 相位连续性导致相位估计存在模糊度问题, 提出一种基于最佳采样点的GMSK相干接收算法。发射端通过构造预编码方式对原始消息编码后调制, 以实现符号间的相位解耦, 接收端在码间串扰最小时刻实现最佳采样点抽取, 将GMSK转变成类偏移四相相移键控(offset quadrature phase shift keying, OQPSK)调制, 有效避免未知数据段对后续同步段引入模糊初相而导致多普勒相位和频率无法准确估计的问题, 最后提出基于最佳采样点的GMSK相干解调算法, 实现低复杂度的可靠接收。仿真结果表明, 所提算法多普勒频率估计范围大且估计精度高, 同时与最佳解调接收机相比, 所提算法解调复杂度低且解调性能损失小。
