极化滤波方法能够在一定程度上有效对抗雷达主瓣干扰, 但同时也对系统架构提出了较高要求。针对这一成本矛盾, 提出一种基于单极化阵列中阵元空域极化特性差异的极化滤波新方法。该方法从差异机理出发, 利用有源单元方向图求解极化方向图综合模型, 得到同时多极化波束。对多波束接收信号进行正交极化分解, 估计干扰极化参数, 在此基础上实现干扰抑制极化滤波。基于阵列天线方向图暗室实测数据开展仿真实验, 结果表明对于来波方向重合的目标和干扰信号, 若其极化状态达到一定差异, 所提方法能够实现有效的干扰抑制。该方法性价比优势明显, 可为单极化阵列雷达系统升级改造提供新思路。
现有宽带波束形成方法的多维处理使得计算量剧增。针对这一问题, 对于宽带线性调频(linear frequency modulation, LFM)信号, 提出一种只需整数倍时延补偿无需时域加权的宽带最优自适应波束形成算法。通过对期望信号和干扰经整数时延处理后信号形式的分析, 推导出统一导向向量表达式和方向图计算公式, 并基于该导向向量表达式对期望信号建立频率响应一致性约束以保证无失真输出, 且对于不能直接获得干扰加噪声协方差矩阵的场景, 给出该矩阵重构方法, 分析采样频率对算法性能的影响。与常规方法相比, 该方法具有无需预处理、无需时域加权、波束形成性能较好等特点。
针对皮秒激光器种子源锁模稳定性监测难题, 设计一套基于可编程门阵列(field programmable gate array, FPGA)的激光脉冲重复频率数字测量系统。该系统利用FPGA中的锁相环(phase locked loop, PLL)产生多路相移高频标准时钟信号, 对输入光脉冲信号产生的时间门进行计数测量, 同时采用限幅滤波和算数平均滤波的处理方法得到更为精确稳定的频率测量值, 以增强系统的抗干扰能力。该系统对80 MHz待测信号进行测量, 理论测量精度可以达到31.7 Hz, 相对精度可以达到3.96×10-7。根据实验测试结果, 实际精度约为18 Hz, 相对精度为2.25×10-7, 系统设计满足精度要求。结果表明, 该系统能够精准感知MHz级皮秒种子激光脉冲重复频率变化, 为进一步判断与控制锁模稳定提供基础, 同时也对其他工业测频装置设计有参考价值。
针对线阵旁瓣高且端向干扰抑制能力差的问题, 把虚源干扰法加权改进引入至均匀线阵波束形成, 提出一套通用易行的虚源空间分布和参数初始化方案, 改进寻优迭代中的主瓣引导、协方差估计、权系数归一等方法, 可达成全空间方位(包括端向)上的恒低旁瓣加权波束形成, 且可自动抑制来自端射方向的连续强干扰, 特别适合于拖线阵应用。通过仿真和海试数据实例分析, 对比常规的无加权和加权波束形成方法, 从指向性图、二维空间谱、预成波束输出等方面, 验证本文方法的有效性。
赤磷基烟幕弹是对抗红外探测的有效干扰手段, 烟幕弹爆炸后扩散形成的烟幕对被测目标的衰减分布特征是评估其遮蔽性能的基础。典型爆炸型红外烟幕衰减特性模型包括爆炸成烟的扩散模型和基于Mie散射理论的烟幕透过率计算模型, 据此设计并开展了烟幕微观光学特征测量实验与赤磷烟幕弹红外衰减特性外场测量实验。实验结果表明, 烟幕颗粒尺度主要集中在10~75 μm之间, 形态趋近于球形粒子。与外场测试获取的烟幕随时间变化的透过率结果相比, 烟幕衰减特性模型的中波透过率计算结果的相对误差均值为16.3%, 长波透过率计算结果的相对误差均值为15.8%。由扩散模型计算得到的烟幕组分数密度与测得的烟幕透过率变化趋势一致, 计算模型结果与实验数据分析相符。对烟幕粒子的球形假设、组分类型的设定与真实状态存在一定的偏差, 需要进一步开展烟幕三维物理场的验证分析, 以完善烟幕衰减模型。
电磁信息智能控制是现代战争中管理和利用电磁环境的关键技术，观察-判断-决策-行动(observe-orient-decide-act, OODA)循环提供了这一过程的理论指导。生成对抗网络(generative adversarial network，GAN)及其衍生模型，凭借其出色的数据生成和适应能力，极大增强了在电磁环境信息观察和分析方面的能力，为电磁频谱战中OODA循环的智能化提供了新动力。本文深入探讨GAN及其衍生模型在电磁频谱战OODA循环中的应用，特别是其如何在信号检测识别、辐射源识别、策略优化等关键环节中提高认知效能。同时，对于GAN在此领域应用所面临的挑战进行探讨，如数据质量和模型泛化能力，旨在推动该技术在电磁信息智能控制领域的深入研究和应用，进而促进技术创新与发展。
针对对无人机采集到的多源图像的舰船目标融合检测问题, 提出一种基于多模态特征融合旋转检测网络(multi-modal feature fusion detection network based on rotation, MFFDet-R)的多源舰船图像融合检测方法。首先, 为提升检测速度, 采用单阶段无锚框设计降低计算量。随后, 为提升检测精度, 采用旋转任务对齐学习进行标签分配和对齐。然后, 为实现多模态特征的充分融合, 设计多模态特征融合网络。最后, 根据特定场景有针对性地设计检测头和角度预测头, 以提升网络检测性能。通过实验对比验证, 结果表明所提方法可以有效实现对多源舰船的融合检测, 且对不同场景舰船目标的检测性能优于其他方法。
针对天线组阵设备链路中相位校准(phase calibration，PCAL)信号的高效率真实相位提取这一需求，首先提出一种优化快速傅里叶变换(fast Fourier transform, FFT)分辨率的PCAL信号真实相位提取方法。为进一步提升计算效率，将该方法与深度计算单元(deep computing unit，DCU)并行计算技术相结合，提出PCAL信号真实相位并行提取方法，并设计实现一种基于并行计算的PCAL信号相位实时提取系统。针对上述改进方法及实时系统进行实验验证，大量实验结果表明，优化FFT分辨率的方法相比传统FFT方法可实现约3倍的加速比；在引入并行计算后，加速比进一步提升近一个数量级，基于并行计算的PCAL信号相位实时提取系统可实现对有效带宽为2.2 GHz及以下、信号间隔为1 MHz、量化位数为8 bit的PCAL信号的相位实时提取。此外，设计的实时系统亦适用于其他变频设备的链路标校。
针对跨场景分类问题, 结合集成学习和域自适应思想, 提出一种对齐子空间自适应集成学习(aligned subspace adaptive ensemble learning, ASAEL)算法。首先, 对原始数据进行多次随机抽样以解决样本不平衡问题。然后, 将源域和目标域进行几何配准和统计配准, 以构建一个公共的子空间。最后, 对目标场景中的数据进行分类, 在保留有效信息的前提下, 通过计算多次分类结果, 得出最终的分类标签。所提ASAEL算法可以解决迁移过程中产生投影的不确定性和随机性。在两个数据集上的实验结果表明: 与传统的机器学习和域自适应方法相比, 所提算法的准确性显著提高。
针对动态数字信道化接收领域中传统子带检测算法需要信号和噪声先验信息等问题, 提出基于特征值融合的动态信道化子带检测算法。首先, 基于随机矩阵理论(random matrix theory, RMT), 利用采样协方差矩阵中的最大、最小和平均特征值, 引入融合参数α, 构造融合检测统计量。随后, 通过最小特征值的极限分布, 推导出一种高效的检测门限, 并据此设计一套基于特征值融合的子带盲检测算法, 命名为α-最大、最小和平均特征值(α-maximum-average-minimum eigenvalue, α-MAME)算法。在实验阶段, 对不同动态数字信道化接收条件下的算法性能进行仿真验证。结果表明, 与现有算法相比, 所提子带检测算法在低信噪比和低维度条件下具有更好的检测性能。
针对高精度位移传感器对高速位移测量算法的运行速度、可移植性及降低研发成本的需求, 提出一种基于高层次综合(high-level synthesis, HLS)技术的高精度测量算法的硬件加速设计方法。使用HLS技术实现C++语言到Verilog语言的综合, 针对高精度位移测量算法设计策略, 利用HLS技术中的流水化和数组重构等优化技术进行硬件加速, 并将其封装为知识产权(intellectual property, IP)核, 提高算法的可移植性。以Xilinx公司的Kintex-7系列现场可编程门阵列(field-programmable gate array, FPGA)芯片XC7K325TFFG676为载体的测量系统实验结果表明, 整个算法耗时91.8 μs, 相比数字信号处理(digital signal processor, DSP)单元将运行时间缩短了308.2 μs, 测量精度达到44.44 nm, 稳定性为49.20 nm, 线性度为0.503‰。
针对卫星遥测数据先验知识稀缺、常规数据驱动的异常检测方法难以准确辨识异常状态的问题，提出一种基于元学习与动态放缩阈值法的卫星遥测信号异常检测算法。首先，通过元学习算法求解一组具备快速适应小样本任务能力的长短期记忆神经网络初始参数，并在训练过程中为网络权重添加噪声，进一步提升模型泛化性能。其次，采用动态放缩阈值法分析预测误差序列，划定动态变化的异常阈值，标记异常点索引以实现卫星遥测数据异常检测。最后，通过两组卫星遥测信号算例验证所提算法的有效性。仿真结果表明，所提方法能够改善预测模型过拟合现象, 并降低漏警概率。
针对星载天线无法通过天线罩实现隐身的难题, 提出星载无天线罩自隐身天线。通过多模谐振原理并利用差异化激励方法, 构建具有单模态宽带隐身、双模态隐身-反射和双模态隐身-辐射特性的多模态电磁超表面, 进而设计辐射-隐身一体化天线。实测结果表明, 在3.05~4.95 GHz和6.4~10.5 GHz的带外吸收带, 实现雷达散射截面(radar cross section, RCS)缩减; 在5.7~6.15 GHz的频率区间内轴比低于3 dB, 天线的增益为15.3 dBi, 所设计的无天线罩一体化隐身圆极化阵列天线具有带外RCS缩减特性和良好的带内圆极化辐射性能。
针对复杂而强的非线性自干扰信号的对消问题，分析全双工系统中发射泄露产生的自干扰信号的组成及其非线性特性，基于多级隔离和对消自干扰的思想，提出一种数字域神经网络方法。神经网络通过快速学习和感知侦收自干扰信道模型参数，能有效地对消泄露进来的自干扰信号。仿真实验结果表明，与传统的线性对消和数字对消方法相比，所提方法能够快速适应雷达信号的变化，具有更强的自干扰抑制能力，为改善全双工干扰机的性能提供了技术途径。
针对侦察干扰一体化系统面向无人平台小型化载荷应用的场景, 提出一种基于射频片上系统(radio frequency system on chip, RFSoC)的宽带侦察干扰一体化、小型化系统的设计与实现方法。重点攻克并行实时大带宽侦察干扰技术以及小型化、大带宽侦察干扰一体化软硬件系统构建, 并改善和差波束比相测角算法在宽带测角时的测角精度以及间歇采样转发干扰算法的欺骗干扰效果。最后, 基于该软硬件系统完成侦察干扰算法实现, 验证系统具有优越的侦察定位精度与干扰性能。
针对红外船舶检测过程中, 在不同场景下对多尺度、小目标、有遮挡等问题检测效果不佳、实时性难以满足任务需要的情况, 提出一种基于任务对齐学习的红外船舶目标检测方法。首先, 为提升检测速度采用无锚框设计降低计算量。然后, 为提升检测精度采用任务对齐学习(task alignment learning, TAL)进行标签分配和对齐。最后, 根据特定场景有针对性地设计检测头以提升网络检测性能。通过实验对比验证, 结果表明所提方法可有效提升对不同场景下船舶目标的检测性能, 在检测精度及实时性上优于其他同类方法。
遥感场景下的舰船目标跟踪具有重要的战略意义和经济价值, 如何克服遥感视角下舰船朝向任意性、近岸舰船密集排列等问题对跟踪性能的影响是一项具有挑战性的任务。针对遥感场景下舰船等大长宽比目标的多目标跟踪(multiple-object tracking, MOT)任务, 提出一种基于惯性预测的多目标跟踪器(inertial predicting multiple-object tracker, IPMOT)。首先, 利用检测-跟踪(tracking-by-detection, TBD)范式级联检测器和跟踪器有效避免训练过程对时序关系的依赖, 通过公开的目标检测数据集实现对检测器的训练, 解决跟踪数据集缺乏的问题。其次, 针对TBD范式在检测阶段存在的漏检严重影响跟踪性能的问题, 构建惯性跟踪模型(inertial tracking model, ITM), 通过多步预测来实现检测器漏检时的跟踪保持, 并利用角度修正消除边界处角度突变的影响。最后, 为实现所提算法的模型训练和性能测试, 制作舰船MOT (ship MOT, SMOT)数据集。实验结果表明, 所提模型在MOT精度(MOT accuracy, MOTA)和识别F1分数(identity F1 score, IDF1)指标上分别提升3.9%和7.2%, 在IDs和Frag指标上的表现有明显改善, 具有较好的跟踪精度和稳定性。
为提升复杂环境下面向无人机视角的目标检测效果, 提出一种基于多源信息融合的目标检测算法。该算法以可见光和红外图像为输入, 利用双支路Swin-Transformer结构分别提取两者多层级特征, 并以自主学习的方式分层级融合两者特征, 增进信息互补。在此基础上, 构建双向特征金字塔网络进一步深化浅层与深层特征融合, 充分获取目标多尺度信息。最后, 通过多个检测头在不同层级的特征图上独立预测目标, 提升检测器性能。多个公开数据集的仿真和对比实验表明, 所提算法不仅设定合理性能优越, 且具备良好的鲁棒性和泛化性。
全双工干扰机具备同时收、发高威胁信号的能力，在电子对抗领域具有广泛的应用前景。然而，泄露的强自干扰非线性信号的对消，成为侦收高威胁信号的难题。为了解决这一问题并提升全双工干扰机的干扰效果，提出全双工干扰机的自干扰非线性模型及其模型求解方法；为解决目标掩护能力弱的问题，提出目标削弱方法。所提全双工自干扰抑制方法旨在提高干扰机的波形捷变适应能力，目标削弱方法旨在提高对目标的掩护能力。仿真实验结果表明，所提方法可以适应雷达波形变化，与传统方法相比，归一化匹配结果实现了将目标削弱至底噪以上2 dB的水平，而传统方法无法实现目标削弱。所提方法能够迅速适应雷达信号的变化，具备更强的自干扰抑制性能，为提升全双工干扰机的目标掩护性能提供了一种技术途径。
现有宽带单脉冲测向方法适用的波束指向角偏差范围小，且基本未考虑分子阵情况，并忽略了匹配滤波对信号的影响。针对这些问题，对宽带线性调频(linear frequency modulation, LFM)信号，提出一种基于子阵内部补相、子阵之间补时延的宽带波束形成的单脉冲测向方法。所提方法通过子阵级处理减少计算复杂度，降低成本，并且分析了匹配滤波对和/差波束的影响，由此推导与实际和/差波束比更为吻合的单脉冲比鉴角曲线表达式，接着提出一种适用波束指向角偏差范围更宽的角度估计方法。与常规单脉冲角度测量方法相比，所提方法具有在低信噪比条件下可测角、测角精确度高，对指向偏差角不敏感，且对大/小型阵列均适用等特点。
巨型低轨通信卫星星座的快速发展，为机会信号导航(navigation via signals of opportunity，NAVSOP)技术提供了大量优质的信号资源。针对现有低轨卫星NAVSOP技术无法提供持续、稳定定位服务的问题，提出一种基于低轨卫星正交频分复用(orthogonal frequency division multiplexing，OFDM)信号侦测的隐蔽定位算法。所提算法可以与基于卫星信标信号的NAVSOP技术互补，提供持续、稳定的位置信息。分析了多普勒效应对低轨卫星系统OFDM信号子载波和带宽的影响，在此基础上对接收端信号进行建模；基于谱图修正的OFDM信号带宽估计算法建立基于瞬时带宽的新型观测定位方程，并利用最小二乘算法得到十米量级精度的实时解。实验结果表明，与经典的多普勒定位算法相比，所提算法在低信噪比条件下具有更高的定位精度。
为了克服传统奈奎斯特采样带来的庞大数据量的影响，且有效解决更宽频带范围内信号接收以及信号载频(carrier frequency, CF)、波达方向(direction of arrival, DOA)参数估计问题, 提出了一种基于Nyquist折叠接收机(Nyquist folding receiver, NYFR)采样的均匀线阵结构。首先，构造多通道NYFR采样阵列结构完成入射信号的接收和折叠采样处理; 然后，分析并验证多通道NYFR采样信号的相位一致性; 最后，分别在信号源原始奈奎斯特区间(Nyquist zone, NZ)未知和已知的情况下进行仿真实验。仿真实验结果表明，所提阵列结构下的信号模型不仅适用于CF与DOA联合估计方法，同时还适用于多种DOA估计算法，验证了所提阵列结构的正确性和有效性。
传统测频方法对多进制相移键控(multiple phase shift keying, MPSK) 在信号采样数据非线性变换后直接进行快速傅里叶变换, 方法简单易实现, 但频率测量范围小且精度差, 无法适应由目标高速机动、通信距离远导致的MPSK信号频率动态大、信噪比(signal to noise ratio, SNR) 低的应用场景。针对该难题, 提出了一种“粗+精”处理架构的高精度测频算法, 粗测状态采用功率谱加窗法粗略测量多普勒频移, 精捕状态采用变化率分槽修正和滑动分组平均压缩实现多普勒频移及其变化率的双重精确测量。试验与分析结果表明, 所提算法在大频率动态、低SNR条件下，多普勒频移测量精度达到Hz级、多普勒变化率测量精度达到Hz/s级, 显著提高了MPSK信号在大频率动态和低SNR环境下的测频精度和检测灵敏度。
自动增益控制(automatic gain control, AGC)可以满足强干扰场景下非合作干扰对消系统对高动态的要求，如何定量表征其对干扰对消性能的影响, 是指导多通道AGC方案设计的关键。通过谱分析与特征子空间的方法推导得到AGC的稳态增益与自相关矩阵特征值的映射关系，建立干扰对消权值的瞬态模型。基于干扰对消权值的解析表达式，详细分析稳态增益对干扰对消性能的影响规律，揭示了稳态增益与稳定性、收敛速度以及对消比之间的定量关系。同时，进一步研究AGC的调控过程初始增益、步长、平均步长时间、多通道控制策略对干扰对消瞬态收敛特性的影响，可以有效指导多通道AGC方案设计。仿真结果验证了权值瞬态模型的正确性以及干扰对消性能分析结论的有效性。实验结果表明, 理论与仿真的分析结论可以用来指导AGC方案的工程实践。
电大尺寸和复杂目标电磁散射特性快速精准计算分析方法是提升目标特征信息提取能力的重要手段。车辆目标的散射场主要源于反射和绕射的综合作用, 因此采用物理绕射理论(physical theory of diffraction, PTD)引入棱边绕射效应, 改进物理光学(physical optics, PO)方法, 从而建立电大尺寸和复杂目标电磁散射模型的PO-PTD混合型高频近似优化计算方法, 以提升目标特征信息提取能力。进而, 基于PO-PTD优化方法分析电大尺寸厢式车辆目标的电磁散射问题, 研究其雷达散射截面积(radar cross section, RCS)周向分布特征对频率与擦地角的响应特性。车辆各方位的电磁散射特性与其对应的结构形状有密切关系, 涉及大平面镜面反射、二面角反射、边缘绕射等多重效应。车辆RCS分布曲线形态随着擦地角增大而呈现先扩张后缩减的变化, 并随着频率增大呈现缩减态势。车辆前向车头与后向车尾对擦地角变化最为敏感, 是影响RCS曲线形态变化的主导因素。本研究可为电大尺寸和复杂目标电磁散射特性评估与控制技术提供关键的技术基础。
针对平台导引头隔离度模型在线辨识问题, 提出一种改进卷积神经网络的导引头隔离度模型辨识方法, 实现对不同干扰力矩以及天线罩误差等干扰参数影响下产生的隔离度模型高效辨识。首先, 建立平台导引头模型, 推导出隔离度传递函数, 并搭建基于隔离度寄生回路的制导回路平台, 获取弹体扰动下的视线角速率信息作为训练和测试数据。然后, 利用卷积神经网络对视线角速率信号进行特征提取和特征降维。最后, 经分类输出模型诊断结果。仿真结果表明，所提辨识方法对隔离度模型识别正确率能够达到99.7%，相较于传统方法提高了模型辨识准确率和快速在线辨识能力，具有较好的工程应用前景。
针对非高斯噪声干扰环境中，基于噪声统计信息的分布式传感器检测融合求解困难这一问题, 提出一种非高斯噪声中水下目标辐射噪声的分布式检测融合方法。首先, 将水声环境中的非高斯噪声建模为Alpha稳定分布模型, 而将目标辐射噪声建模为高斯信号。然后, 采用高斯函数检测器将非高斯噪声污染的目标辐射噪声转换为高斯噪声中的信号检测模型, 得到检测器输出与输入噪声分布的参数关系以及信号分布参数关系。最后, 以高斯函数检测器输出抽样样本作为检测统计量, 在奈曼-皮尔逊(Neyman-Pearson, N-P)准则下设计分布式传感器检测融合系统的检测门限及检测融合规则, 使得各传感器检测结果得到最优融合。计算机仿真结果验证了所提方法的正确性和有效性。
为提高恒虚警检测器在不同检测背景下的鲁棒性和抗干扰能力, 提出一种综合型的自适应检测器, 其具备多策略选择能力和检测参数动态调节能力。所提检测器引入贝叶斯信息准则, 通过计算参考单元的信息估计序列, 对当前检测背景类型进行识别。进一步, 在非均匀检测背景下, 该检测器能够对干扰目标个数或杂波边缘位置进行估计。最终根据识别和估计结果选择对应的检测策略和检测参数。利用蒙特卡罗仿真, 对所提检测器性能进行分析, 并与经典检测器进行比较。仿真结果表明, 该检测器具备检测背景识别能力和背景参数估计能力。同时, 该检测器在检测背景参数先验知识不足的情况下, 具有较好的抗干扰能力。
在现代定位系统中，传统的时差测量方法往往受限于信号调制方式、噪声干扰以及硬件实现复杂度等因素，难以保持高精度和实时性。针对上述问题，本文设计一种基于参数特征映射的多站时差定位系统中时差测量方法，由主站检测并产生参考信号，广播至各从站；各站根据此参考信号基于频域互相关算法完成时差测量。该方法有效提高二进制相移键控(binary phase shift keying, BPSK)信号、四相相移键控(quadrature phase shift keying, QPSK)信号、频移-相移复合调制(frequency shift keying-phase shift keying, FSK-PSK)信号等时差测量精度。本文给出了基于现场可编程逻辑门阵列(field programmable gate array, FPGA)时差测量方法的硬件实现，采用实时动态压缩方法，FPGA算法实现资源减少50%；采用抛物线拟合方法，提高时差估计精度；采用基于参数特征映射的数据传输方法，保障多站数据的完备、避免数据缺失和冗余的同时，数据传输量降低95%。仿真与试验测试结果表明，信噪比(signal-to-noise ratio, SNR)大于等于5 dB时, PSK调制信号时差测量精度优于5 ns; 对于前沿缓变调制信号，随着脉冲上升沿宽度增大，时差测量精度无明显变化；最后，在外场试验与飞行试验结果中验证方法的有效性与可行性, 为高精度多站时差定位系统的实际应用提供了有力支持。
传统的基于稀疏恢复的波达方向(direction of arrival，DOA)估计算法使用密集的采样网格，导致计算量显著增加，且对邻近入射信号的估计精度不高。针对这一问题，提出一种快速高精度DOA估计算法。该算法首先使用网格进化方法降低网格点总数。然后, 对噪声方差和信号功率进行二次估计，进而使用离网求根稀疏贝叶斯学习(off-grid root sparse Bayesian learning, OGRSBL)技术来实现入射角的精确估计。仿真表明，相比传统稀疏贝叶斯学习类算法，所提算法计算效率高，同时对紧邻信号有着更好的估计能力。
