针对已有Cohen类时频分布等方法时频聚焦能力不足、在低信噪比(signal to noise ratio,SNR)情况下调制识别准确率低的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)去噪的分组卷积神经网络调制识别方法。所提方法使...针对已有Cohen类时频分布等方法时频聚焦能力不足、在低信噪比(signal to noise ratio,SNR)情况下调制识别准确率低的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)去噪的分组卷积神经网络调制识别方法。所提方法使用SET对雷达信号进行时频分析,以获得良好的时频聚焦性,提高时频分析的计算效率;通过Viterbi算法搜索估计时频系数矩阵中的瞬时频率轨迹,综合考虑信号能量强度分布与瞬时频率轨迹的平滑性,并对得到的瞬时频率轨迹进行中值滤波以去除脉冲噪声;保留瞬时频率轨迹邻域的时频系数,以达到时频图去噪的目的。最后,将去噪后的时频图送入具有残差连接的分组卷积神经网络进行特征提取与调制识别。实验结果表明,当SNR为-12 dB时,去噪后的SET时频图时频聚焦性好,调制识别准确率比未去噪的识别准确率提高了13.69%,证明所提出的雷达信号调制识别方法在低SNR条件下对多种复杂调制类型的信号具有良好的识别性能。展开更多
为及时对天线罩结构老化及损伤情况预警,需要实时、稳定地对天线罩结构状态进行监测。本天线罩结构损伤分析系统基于自动频域分解法(Automatic Frequency Domain Decomposition-AFDD)和卡尔曼滤波算法,使用加速度传感器和采集仪,通过对...为及时对天线罩结构老化及损伤情况预警,需要实时、稳定地对天线罩结构状态进行监测。本天线罩结构损伤分析系统基于自动频域分解法(Automatic Frequency Domain Decomposition-AFDD)和卡尔曼滤波算法,使用加速度传感器和采集仪,通过对多组实时采集的加速度传感器数据进行处理,得到反应天线罩结构老化和损伤的各种相关数据,并实时将天线罩结构状态在人机界面显示、对异常状态预警。在此基础上,分析了由加速度传感器输出数据经处理得到的不同参数对于天线罩损伤情况的敏感程度,建立多参数的联合预警机制,实现系统面对不同损伤时的实时判断和预警。展开更多
针对当前雷达电子战越来越向着智能化的方向发展、传统干扰机无法适应环境变化、极大地降低了作战效果等问题,考虑将探测信号隐藏在干扰信号中,实现干扰探测共享信号,使侦察干扰机设备发射的干扰信号兼具探测的效果;针对当前干扰探测共...针对当前雷达电子战越来越向着智能化的方向发展、传统干扰机无法适应环境变化、极大地降低了作战效果等问题,考虑将探测信号隐藏在干扰信号中,实现干扰探测共享信号,使侦察干扰机设备发射的干扰信号兼具探测的效果;针对当前干扰探测共享信号中存在的复杂度低、频谱宽度较窄等问题,设计了一种基于多载频多相位编码(multi-carrier phase code,MCPC)的干扰探测共享信号,其具有良好的类噪声宽频谱特性以及较好的距离探测能力和速度探测能力,可以在对目标雷达实现压制干扰的同时对目标信号及周围环境进行隐蔽探测;为了使共享信号能够适应对战场环境的感知与博弈,进一步引入深度强化学习算法对MCPC干扰探测共享信号进行优化;首先在竞争深度Q学习网络(dueling deep Q-learning network,Du DQN)的基础上对Q值进行正则化,解决了Du DQN中易出现的由过估计导致的局部最优问题;其次,在奖励值中引入状态价值函数形成复合奖励值,将其称为复合奖励值竞争深度正则化Q学习网络(composite reward-dueling deep Q-learning network based on regularization,CR-Du DQNReg),使MCPC共享信号对奖励值的敏感度随自身状态调整,自适应优化相位编码初值,达到更好的干扰和隐蔽探测的效果.实验仿真结果表明:经CR-DuDQNReg算法优化后的MCPC共享信号频谱最高幅度提升17.48%,脉压最高幅度提升17.25%,多普勒模糊函数第1旁瓣幅度降低12.69%,且与传统深度强化学习算法相比,CR-Du DQNReg算法的优化效果更好.展开更多
文摘为及时对天线罩结构老化及损伤情况预警,需要实时、稳定地对天线罩结构状态进行监测。本天线罩结构损伤分析系统基于自动频域分解法(Automatic Frequency Domain Decomposition-AFDD)和卡尔曼滤波算法,使用加速度传感器和采集仪,通过对多组实时采集的加速度传感器数据进行处理,得到反应天线罩结构老化和损伤的各种相关数据,并实时将天线罩结构状态在人机界面显示、对异常状态预警。在此基础上,分析了由加速度传感器输出数据经处理得到的不同参数对于天线罩损伤情况的敏感程度,建立多参数的联合预警机制,实现系统面对不同损伤时的实时判断和预警。
文摘针对传统奈奎斯特采样会产生庞大的数据量以及现有的阵列压缩采样系统存在结构复杂、重构运算量大等问题,本文提出了一种基于均匀线型阵列的改进型调制宽带转换器(Modulated Wideband Converter,MWC)的阵列接收系统,无需重构即可直接对接收信号的压缩采样数据进行载频与波达方向(Direction Of Arrival,DOA)估计.所提系统在MWC测频支路中采用周期性循环移位伪随机序列作为混频函数以求得子带索引估计,采用基于快速傅里叶变换(Fast Fourier Transform,FFT)谱线插值法进行基带频率估计,且将MWC测向分支中混频函数设置为相同的伪随机序列,便可直接利用高分辨率的多重信号分类(MUltiple SIgnal Classification,MUSIC)算法对组合压缩采样数据完成DOA估计.实验仿真结果证明了所提系统能较好地从压缩采样数据中完成对目标的载频与DOA参数估计.
文摘针对当前雷达电子战越来越向着智能化的方向发展、传统干扰机无法适应环境变化、极大地降低了作战效果等问题,考虑将探测信号隐藏在干扰信号中,实现干扰探测共享信号,使侦察干扰机设备发射的干扰信号兼具探测的效果;针对当前干扰探测共享信号中存在的复杂度低、频谱宽度较窄等问题,设计了一种基于多载频多相位编码(multi-carrier phase code,MCPC)的干扰探测共享信号,其具有良好的类噪声宽频谱特性以及较好的距离探测能力和速度探测能力,可以在对目标雷达实现压制干扰的同时对目标信号及周围环境进行隐蔽探测;为了使共享信号能够适应对战场环境的感知与博弈,进一步引入深度强化学习算法对MCPC干扰探测共享信号进行优化;首先在竞争深度Q学习网络(dueling deep Q-learning network,Du DQN)的基础上对Q值进行正则化,解决了Du DQN中易出现的由过估计导致的局部最优问题;其次,在奖励值中引入状态价值函数形成复合奖励值,将其称为复合奖励值竞争深度正则化Q学习网络(composite reward-dueling deep Q-learning network based on regularization,CR-Du DQNReg),使MCPC共享信号对奖励值的敏感度随自身状态调整,自适应优化相位编码初值,达到更好的干扰和隐蔽探测的效果.实验仿真结果表明:经CR-DuDQNReg算法优化后的MCPC共享信号频谱最高幅度提升17.48%,脉压最高幅度提升17.25%,多普勒模糊函数第1旁瓣幅度降低12.69%,且与传统深度强化学习算法相比,CR-Du DQNReg算法的优化效果更好.
