摘要:

摘要:

摘要:波达方向(direction of arrival, DOA)估计是阵列信号处理领域的重要研究方向，也是电子侦察与电子攻击领域的关键技术之一。以提高DOA估计精度和降低计算复杂度为导向，结合模型驱动和数据驱动方法的各自优势，提出了基于深度展开网络的DOA估计统一框架，阐述了稀疏阵列离网格DOA估计、无网格DOA估计以及混合信号参数估计等方面的研究进展。对复杂信号模型下的DOA估计、深度展开网络性能分析与挖掘以及分布式稀疏阵列回波信号融合处理等后续的研究内容进行了展望。

摘要:高功率窄线宽光纤激光器具有光束质量好、结构紧凑等优点，在相干合成、光谱合成以及非线性频率变换等领域具有广泛的应用前景，基于窄线宽光纤激光相干合成、光谱合成的激光系统性能指标已经超越单束激光的最高性能，基于窄线宽光纤激光非线性频率变换的激光也实现了同类波段激光的最高性能。分析窄线宽光纤激光功率提升同时保持光束质量过程中产生的物理机制和面临的技术挑战，详细介绍学校课题组在高功率窄线宽光纤激光方面取得的代表性成果，特别是高光束质量的7 kW级非线偏振窄线宽激光和5 kW级线偏振窄线宽激光，不仅是同类激光的最高功率值，也逼近了同等条件下非窄线宽光纤激光的功率极限。根据近年来理论研究和技术攻关结果，结合国内外研究现状，对高功率窄线宽光纤激光未来几个发展趋势进行预判。

摘要:以深度学习为代表的智能化技术在提升电磁频谱控制与利用系统性能水平的同时，也暴露出其脆弱性，催生出一批以对抗样本为代表的智能电磁攻防技术。随着智能化的快速应用和发展，该领域势必成为电磁频谱竞争的又一个“制高点”。首次尝试着明确了电磁对抗样本攻防的概念内涵，为规范后续的关键技术研究和具体应用提供参考。分析了智能模型脆弱性机理，认为智能模型脆弱性与可解释性存在一定的关系，将专家知识嵌入到模型学习中是下一步改善模型鲁棒性的研究方向。系统梳理了电磁信号对抗样本攻击和对抗样本防御的研究脉络，总结了通用对抗样本领域的共性研究规律，可以直接为电磁信号对抗样本研究提供借鉴。通过总结电磁信号对抗样本的研究规律，提炼出电磁信号对抗样本特有的问题。在此基础上，结合团队近年在该领域的研究积累，提出下一步的发展趋势，对抗攻击下一步的研究趋势是适应跨模型、跨任务的场景，应更加注重领域知识的应用，目标是要对抗多源综合的传感器体系；对抗防御的研究趋势是寻找鲁棒性与泛化性的权衡，通过利用信号处理知识优化处理流程，提高模型的对抗防御性能。同时关注鲁棒性评估，这可能是下一代智能化系统可靠性评估的关键技术之一。

摘要:随着光场多维度调控、高灵敏度光电探测和新型材料等技术的进步，传统光电侦察系统的信息获取能力有了长足进步，但在日益智能和复杂的信息域作战中仍需提升探测精度、信息获取维度和可靠性。分析了光场的多维物理量在光电侦察中的作用机理；总结了光电侦察中光场调控的发展现状，归纳了振幅、传输方向、频率、相位和相干性等物理量的调控能力，分析了典型光电器件在光场调控中的作用；综述了光电侦察技术的发展现状，总结了光电侦察面临的挑战。最后，对光电侦察在人工智能赋能、集成化、全光波段动态侦察和主动多光谱探测模式等方面的发展趋势进行了展望。

摘要:多输入多输出（multiple-input multiple-output, MIMO）雷达良好的空间分集和波形分集能力使其在目标检测和参数估计等方面有着传统雷达无法比拟的突出优势。然而，随着信息技术的快速发展，雷达和通信系统对频谱资源的需求日益增长。频谱资源稀缺导致雷达和通信系统势必出现竞争频谱资源的问题，进而使得二者相互干扰并导致性能下降。针对面向频谱共存的MIMO雷达波形设计问题，介绍了MIMO雷达的基本概念、信号模型以及信号处理任务，对MIMO雷达波形设计问题的一般形式，以及面向典型应用场景的波形设计问题进行了概述。为通过发射波形设计提高MIMO雷达在频谱拥塞环境中的性能，对频谱约束下的MIMO雷达波形设计、MIMO雷达与通信系统协同设计和雷达通信一体化等领域的研究进展进行了系统的评述和总结，并展望了下一步的研究方向。

摘要:随着智能化进程的不断加快，以深度学习为代表的人工智能技术得到不断发展。深度学习在众多领域得到广泛应用的同时，其中存在的安全问题也逐渐暴露。普通用户通常难以支撑深度学习所需的大量数据和算力，转而寻求第三方帮助，此时深度学习模型由于失去监管而面临严重安全问题。而深度学习模型在全周期内均会遭受后门攻击威胁，使得深度学习模型表现出极大脆弱性，严重影响人工智能的安全应用。从深度学习模型所需资源条件来看，训练数据、模型结构、支撑平台均能成为后门攻击的媒介，根据攻击媒介的不同将攻击方案划分为基于数据毒化、模型毒化、平台毒化3种类型。介绍了对其威胁模型及主要工作，在此基础上，梳理了针对现有后门攻击的防御措施。最后，结合所在团队的相关工作，并根据当前相关技术研究进展及实际，探讨未来研究方向。

摘要:传统的IP网络体制具有互联互通互操作等优点，得到了广泛的部署应用。然而，随着许多领域的用户对网络的可管可控性、安全性、服务质量、移动性、生存性、确定性、灵活性等诸方面要求的不断增长，传统的IP网络体制越来越难以满足需求。通过对领域网络差异化需求以及差异化特点的分析，结合新型网络、网络软件化等技术的发展积累，可以认为，基于领域网络特点进行网络定制将成为未来领域网络的重要发展趋势。论述了领域网络定制的必要性和可行性，首次提出了一个领域网络定制模型，即基于多维属性的领域网络定制模型，并从3个方面、6个维度探讨了基于多维属性的领域网络机制化方法，可以为领域网络定制提供参考借鉴和技术支撑。

摘要:当前，随着无人机集群等新型作战武器的逐步实战化，作为其反制手段的高功率微波等定向能武器受到了高度关注。美欧各军事大国均大力推进高功率微波技术研究及武器装备研发，部分高功率微波武器装备已经完成了概念演示验证，正逐步形成实战化装备。从高功率微波武器关键技术研究和武器装备发展2个方面，对高功率微波领域研究现状进行了梳理，重点介绍了脉冲功率驱动源技术、高功率微波产生技术和高功率微波辐射技术方向的研究进展，总结了典型高功率微波武器装备的性能特点，并分析了其发展趋势。

摘要:合成孔径雷达（synthetic aperture radar, SAR）通过主动辐射电磁波，可实现全天时全天候对观测区域进行高分辨成像，被广泛用于情报侦察、战场探测、微波遥感、地形测绘等领域。目前，SAR在军事领域的应用愈加广泛，严重威胁了我重要目标的生存性和战略部署的有效性。如何对SAR进行有效干扰，压制或扰乱SAR系统的侦察、识别等功能，一直是雷达对抗领域研究的热点难点问题。为此，阐述了对SAR有源与无源干扰技术的发展现状，分析了现阶段有源与无源干扰技术的挑战与难点，对SAR干扰技术的发展趋势进行了展望，以期为相关领域的学者和工业部门提供有益参考。

摘要:随着人工智能、通信技术、无人系统等技术的快速发展，通信对抗装备智能水平不断提高，无人集群作战也在持续地深化和落地应用，这给认知电子战技术的研究带来了新的机遇和挑战，推动了认知电子战内涵从单体化向群体化演进。为促进认知电子战发展有效适应未来新型智能作战装备和新型无人集群作战样式，在综述认知电子战概念、内涵以及认知电子战单体智能研究的基础上，从无人集群作战背景出发，结合群体智能算法，提出了认知电子战群体智能的概念并对其内涵进行详细的阐述，指明了其对认知电子战的研究价值、应用价值以及发展前景。最后，在体系对抗的视角下，进一步对认知电子战群体智能未来可能的发展方向进行了较为全面的展望。

摘要:合成孔径雷达（synthetic aperture radar，SAR）在民用和军用领域得到广泛应用。对SAR电子干扰一直是军事侦察领域对抗博弈的重点。不同于人工易识别的干扰技术，基于人工难察觉的微扰样本的对抗攻击，近年来在光学图像处理等计算机视觉领域得到了广泛研究。目前，对抗样本生成技术也已逐步应用于SAR图像对抗攻击，给SAR信息安全带来了新挑战。为此，对SAR图像对抗攻击技术方法的研究进展进行总结，主要包括图像对抗攻击的基本模型和方式，SAR图像对抗攻击原理与方法。针对典型深度学习目标检测算法，开展了对抗攻击下SAR图像目标检测性能分析，验证了对抗攻击的效果。最后，从算法脆弱机制与算法加固、融合机理的对抗攻击方法、对新体制成像雷达对抗攻击、对抗攻击识别与防御等4个方面对SAR图像对抗攻击领域的研究进行了展望。