摘要:

摘要:

摘要:雷达干扰和抗干扰是现代电子战的主要内容之一，是作战双方围绕雷达展开的电磁博弈。受限于有限资源，单基地雷达不足以对抗复杂电子干扰。雷达组网系统将异地部署的多部雷达连接起来对特定区域进行协同探测和信息融合，具有覆盖范围广、获取信息全、测量精度高的优势。更重要的是，雷达组网系统可以通过多视角观测和协同控制，形成对单一干扰机的体系优势。首先简要介绍了雷达组网系统的发展趋势，分析了其抗干扰能力；随后从对抗压制干扰、对抗欺骗干扰和资源管控3个方面对现有雷达组网系统对抗有源干扰方法进行了归纳总结；最后对雷达组网系统对抗有源干扰的发展趋势进行了展望。

摘要:脉冲重复间隔（PRI）或脉冲重复频率（PRF）是雷达辐射源最稳健的特征参数之一，体现了雷达辐射脉冲的时序规律。在功能上，重频既决定了雷达单值测距范围,又影响不模糊测速区域大小。现代雷达常采用多个重频值和多种调制类型以满足不同功能的需求。在非合作机制的电子侦察领域，PRI指2个连续脉冲上升沿的间隔，是重要的脉冲描述字（PDWs）之一。由PRI衍生的雷达重频信息包括典型重频值集、重频调制类型、重频参数时序模式，均需要从复杂的电子侦察脉冲列中提取之后才能应用至分选、识别等数据处理任务。从电子侦察系统中重频信息提取与应用的体制与技术难点出发，综述了3种重频信息提取与应用的研究现状，并对重频信息提取与应用的进一步发展做出了展望。

摘要:对多功能相控阵雷达工作模式准确识别可为电子对抗决策提供依据，具有重要研究意义。现有工作模式识别方法主要基于已知标签的训练集，而实际中先验信息匮乏，数据标签难以获知，极大影响了工作模式识别性能。为此，提出了一种在少量先验信息辅助下基于半监督学习聚类实现未知数据标注的工作模式识别方法。首先根据聚类算法的内部评价指标和外部评价指标对比分析AP聚类(affinity propagation clustering)、DBSCAN聚类(density-based spatial clustering of applications with noise)和模糊C均值聚类(fuzzy C-means clustering, FCM)3种典型聚类算法的性能，验证了AP聚类算法性能最优，并将其应用于对截获数据的数据标注中。然后利用卷积神经网络对雷达工作模式进行识别，并与已知标签训练集下的网络进行对比，验证了基于AP聚类算法进行数据标注的可行性，提升了相较传统识别网络的抗噪性，为后续多功能雷达行为认知提供了基础。

摘要:集中式多输入多输出（multiple input multiple output, MIMO）雷达系统基于波形分集优势，可灵活改变发射方向图形状和指向方向空间合成信号的特性，从而实现多种雷达工作模式。提出了一种集中式MIMO雷达多模式一体化波形设计方法，采用方向图模板拟合、模糊函数模板拟合以及通信波形拟合的方式优化不同方向上的合成信号，使其具有不同特性，从而在单脉冲时间内实现搜索、跟踪和通信功能。采用最大块增量优化算法对构造的恒模四次多项式优化模型求解。实验结果表明，该方法可以得到具有低旁瓣模糊函数的搜索与跟踪波形，并且满足通信需求。

摘要:雷达对无人机的探测性能分析可为低空监视雷达设计、对无人机探测与反制提供重要参考。基于X波段固定翼无人机的全极化暗室实测数据，采用零记忆非线性变换（ZMNL）法生成相关Weibull杂波，分析了平方律检测器对无人机的检测概率，并根据仿真获得的检测所需最小信杂比，借助地杂波背景下的雷达距离方程计算了全极化雷达对低空无人机的探测距离。结果表明：考虑到无人机起伏损失和地杂波强度在不同极化方式之间的差异，VV极化的探测距离最远，交叉极化次之，而HH极化的综合表现相对较差。

摘要:精确干扰是电子战领域的新概念，核心思想是通过集群无人机将干扰功率高效、精确地投送至目标设备，且不影响友邻设备的正常工作。然而，当前的窄带波形设计方法无法精确控制目标区域内的最低合成功率，在实际中难以实施有效干扰；而现有的宽带波形设计方法的计算效率较低。为了解决上述问题，分别针对窄带和宽带信号模型提出2种精确干扰波形设计方法。在窄带波形设计方法中，以最小化友邻区域的最大合成功率为目标，并将目标区域的最小合成功率高于给定阈值作为约束条件，以半定规划方法求解波形协方差矩阵；在宽带波形设计方法中，首先将波形的四次目标函数降为二次，然后以交替最小化方法进行求解。仿真实验表明，提出的窄带波形设计方法较现有算法具有更好的干扰有效性，宽带波形设计方法具有更高的计算效率。

摘要:针对当前雷达干扰效能评估方法中评估模型较为复杂、参数获取困难、应用价值不大的问题，优化了雷达干扰效能评估变量和指标体系，使其更加贴近实际应用；针对传统雷达干扰效能评估方法中依赖专家打分、人为因素影响较大而普通神经网络预测误差较大的问题，采用遗传算法（genetic algorithm, GA）对误差反传（back propagation, BP）神经网络的初始参数进行全局优化，提出基于GA-BP神经网络的雷达干扰效能评估方法,降低评估系统误差。最后，进行了仿真验证，与普通BP神经网络和支持向量机（support vector machine, SVM）进行了对比分析，并通过调整参数进一步优化了该方法。仿真结果表明，该方法明显优于普通BP神经网络和SVM，具有较好的准确度和稳定性，可为实际应用提供科学依据。