基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

基于最大熵法和遗传算法的SMSP干扰对抗方法

线性调频(LFM)信号是现代雷达常用的发射信号,可以有效提高雷达的检测性能,然而频谱弥散(SMSP)干扰应用于主瓣自卫式干扰时,干扰信号强度远大于目标回波信号,能够对目标回波信号形成遮盖,是一种有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号时频特征的不同,通过广义S变换(GST)凸显时频特征差异。运用最大熵法和遗传算法(GA)求取时频滤波器的分割阈值。通过构造的时频滤波器达到干扰抑制的目的。仿真结果表明:当干信比(JSR)大于10 dB、信噪比(SNR)大于0 dB时, 所提方法具有较好的干扰抑制效果,其中最大信干噪比(SJNR)增益接近25 dB。      

一种扩频测控链路中PIM的全盲抑制算法

针对航天器扩频体制测控链路中无源互调(PIM)干扰的问题,提出了一种基于小波包分解的全盲PIM抑制算法。该算法将接收的扩频测控信号进行小波包多层分解,根据分解后的信号应满足高斯分布的特性,完成对干扰进行抑制,而整个处理过程不涉及干扰门限的设置,是一种全盲的PIM干扰抑制方法。Matlab仿真表明,采用该抗干扰算法可将信干比提高7dB。     

基于雷达测距和测速的GEO目标实时关联算法

针对航迹密集情况下地球同步轨道（GEO）目标容易关联错误的问题，提出了一种基于雷达测距和测速二维判决的GEO目标实时关联算法。利用空间目标两行轨道根数（TLE）建立待关联初始库属目标集；根据空间目标轨道预报误差扩散规律设置粗关联门限，得到二次关联库属目标集；利用雷达测距和测速精度高的特点构建二次关联代价函数，根据归一化加权均方根误差最小原则得到关联结果。仿真结果表明：该算法在目标航迹密集的情况下取得了较好的关联效果，具有较高的关联正确率。     

基于自适应判决反馈均衡器的盲图像复原算法

自适应判决反馈均衡器(ADFE,Adaptive Decision Feedback Equalizer)是横向均衡器的改进型式,它用判决输出信号组成一个延迟线,用一部分抽头系数加权求和后送回输出端求和,可有效地抵消码间干扰.由于退化图像可以看作是像素点之间的干扰,该方法被引入到二维退化图像盲复原中,算法中采用了Lee滤波器去除噪声,由于反馈滤波器的引入,允许前馈滤波器的系数选择上有更大的自由度,并不需要是退化模型的倒数,可以避免噪声的过分放大;另外在判决器的设计中采用了阈值分割方法确定图像的支撑域.实验证明,该算法具有很强的抗噪声干扰能力,是一种有效的盲图像复原方法.      

基于干扰重构和盲源分离的混合极化抗SMSP干扰

线性调频（LFM）信号是现代雷达常用的发射信号，可以有效提高雷达距离分辨率和探测距离，然而频谱弥散（SMSP）干扰应用于主瓣自卫式干扰时，干扰信号与目标在时域、频域和空域高度重合，是一种能够有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号极化信息的差异，引入了混合极化雷达系统信号接收模型，提出了基于干扰重构和盲源分离的抗SMSP干扰算法，实现了对干扰的抑制。仿真结果表明:所提算法不仅降低了计算量而且在干信比（JSR）为25 dB的情况下，能够有效实现干扰抑制。      

基于特征序列的时域STBC-OFDM盲识别算法

为有效解决STBC-OFDM信号盲识别过程中存在的低信噪比适应能力弱等问题，在OFDM块大小已知的前提下，提出了一种在时域上构造特征序列的识别算法。该算法推导了空时分组码接收信号的时域特性，以及四阶特征向量，并构造特征序列，通过检测特征序列达到识别4种STBC-OFDM信号的目的。推导和仿真结果表明:所提算法无需信道、噪声、调制方式和OFDM块起始位置等先验信息，在较低信噪比条件下也具有良好的识别性能，且对频偏、多普勒频移和时延的鲁棒性能好，计算量较低，具有较高的实用价值。      

基于朴素贝叶斯K近邻的快速图像分类算法

朴素贝叶斯最近邻(NBNN)分类算法具有非特征量化和图像-类别度量方式的优点,但算法运行速度较慢,分类正确率较低.针对此问题,提出一种朴素贝叶斯K近邻分类算法,基于快速近似最近邻(FLANN)搜索特征的K近邻用于分类决策并去除背景信息对分类性能的影响;为了进一步提高算法的运行速度及减少算法的内存开销,采用特征选择的方式分别减少测试图像和训练图像集的特征数目,并尝试同时减少测试图像和训练图像集中的特征数目平衡分类正确率与分类时间之间的矛盾.该算法保留了原始NBNN算法的优点,无需参数学习的过程,实验结果验证了算法的正确性和有效性.     

调频多普勒引信抗调幅干扰性能分析

为提高调频多普勒引信抗调幅干扰性能,定量研究了调幅干扰对其作用机理,以信干比(SJR)增益作为表征参量定量研究了不同调幅干扰作用下调频多普勒引信的抗干扰性能。详细推导了正弦波调幅、方波调幅和三角波调幅干扰作用下调频多普勒引信的信干比增益,并对其进行了仿真验证。定量分析、仿真与引信实验测试结果表明:在调幅干扰下调频多普勒引信总信干比增益在10 d B量级;调频多普勒引信抗各种调制样式调幅干扰能力相当,对调幅干扰调制样式不敏感;调幅指数对调频多普勒引信抗干扰性能基本无影响;减小多普勒滤波器带宽可以一定程度提高调频多普勒引信系统抗干扰性能。     

基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题，提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计，在高斯噪声中检测出干扰信号，再用检测信号调节自适应滤波器的系数，完成系数更新，最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声，提取信号。基于双谱检测的干扰抑制方法，可有效去除和减轻干扰，特别是在强高斯噪声干扰的情况下，抑制干扰效果明显，解决了eLORAN接收机在强噪声下的干扰抑制问题，具有一定的推广和应用价值。     

基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题,提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计,在高斯噪声中检测出干扰信号,再用检测信号调节自适应滤波器的系数,完成系数更新,最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声,提取信号。基于双谱检测的干扰抑制方法,可有效去除和减轻干扰,特别是在强高斯噪声干扰的情况下,抑制干扰效果明显,解决了eLORAN接收机在强噪声下的干扰抑制问题,具有一定的推广和应用价值。     

基于结构随机跳变系统的反干扰信息处理方法

为了解决在复杂的干扰对抗环境中提高信息处理的准确性问题(例如,对具有多种干扰对抗手段的机动目标的跟踪问题),基于结构随机跳变系统理论提出了一种反干扰信息处理的新方法,该方法针对干扰环境的随机剧烈变化,适时地辨识干扰环境的当前状态,并作出相应的决策来优化和利用系统的资源(例如传感器的优化重组、信息融合算法的转换等),最大限度地降低干扰对信息处理精度的影响.以有效地提高信息优化处理的精确度.在本文中就该方法的性能与其它算法做了仿真比较,其仿真结果证实了该方法的有效性.      

具有载荷扰动抑制的卫星姿态控制方法及验证

针对载荷转动对星体产生的呈周期变化的干扰,开展了干扰抑制方法研究。利用干扰的周期特性,基于李亚普诺夫原理设计了参数未知的周期干扰力矩的辨识算法,实现了卫星姿态的自适应控制。最后进行了物理仿真试验,利用真实的星载计算机和控制部件,在气浮台上进行了试验验证,结果表明,算法有效地抑制了载荷转动的干扰,卫星的姿态稳定度提高了50%,且算法简单,易于星上软件实现。     

用于GPS接收机的自适应算法抗干扰性能比较

为了比较功率反演、多信号归类和最小范数自适应算法的抗干扰性能,研究了各算法的基本原理,并在均匀线阵中采用各算法进行仿真,比较各算法在有用信号和干扰来向上得到的天线增益.仿真中有用信号为-160 dBW的GPS卫星信号,两个同频干扰来自不同方向,并在仿真中改变干扰功率.仿真结果表明这三种算法都可以用于GPS接收机抗干扰.其中,功率反演算法抑制弱干扰的性能较差;多信号归类算法抑制弱干扰的性能较好,但会引入错误零陷;最小范数算法既可以抑制弱干扰,也不会引入错误零陷.      

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

一种快速全天星图识别算法

对星敏感器全天识别算法进行了研究,综合考虑三角形匹配识别法和四面体识别法的优缺点,提出一种改进的快速全天星图识别算法.该算法通过优化导航星对角距筛选方法,节省存储空间;同时引入K矢量法用于加快星图识别中角距匹配的速度;在三角形识别不唯一时,引入第四颗观测星进行四面体识别,提高识别成功率;并在三角形识别结束后增加投影验证功能以避免误识别.仿真结果表明,该算法合理有效,可节省存储空间,减小星图识别时间,提高识别正确率,具有很好的实用价值.     

An unbiased carrier-phase anti-interference filter based on mirror frequency amplitude compensation

Anti-interference and high-precision measurement are two important indicators of the performance of a satellite navigation receiver. However, current receiver designs do not simultaneously satisfy these two criteria. While the carrier-phase ranging technique is necessary for high-precision receivers, frequency domain interference suppression (FDIS) results in tracking error biases for nonideal analog receiver channels. Importantly, as the FDIS filter is adaptive, the bias will vary with the jamming pattern, particularly when the frequency of interference varies. For precision navigation applications, this bias must be mitigated. Therefore, a new FDIS filter based on the mirror frequency amplitude compensation (MFAC) method is proposed in this paper. The amplitude at the symmetry position of the notch frequency is doubled in the MFAC method to mitigate this carrier-phase bias. The simulation results showed that the MFAC method can reduce the range of the carrier-phase bias by more than 60% for different interference bandwidths, which substantially exceeds that achieved using the conventional FDIS and calibration filter methods of 20 orders.