一种基于层次分析法的雷达抗干扰效能评估方法

通过对层次分析法的理论和模型的分析,确定了基于战术原则的评估因子,给出了各个因子的矩阵设置,一致性检验计算出了各因子的权重。结合某型雷达抗干扰飞行试验中的数据,给出了某型雷达工作于不同模式下的抗干扰效能评估结果。     

基于半实物／数字仿真的相控阵雷达抗干扰性能评估

研究了基于半实物/数字仿真的相控阵雷达系统抗干扰性能评估问题。首先分析了仿真与评估系统整体构成,然后讨论了数据录取的要求,以及数据预处理的关键环节。针对各种复杂的电子战战情给出了探测航迹与目标真实轨迹配对的双门限方法。最后针对相控阵雷达对抗的整体过程,建立了评估指标体系,并且给出了评估实例。     

GPS C／A码与P（Y）码抗干扰性能分析

讨论C/A码与P(Y)码重复周期的不同对各自抗干扰性能的影响。探讨涉及P(Y)码接收机抗干扰性能的认定问题。分析表明:多数情况下P(Y)码接收机具有比C/A码接收机远高出10dB的抗干扰性能;转发式干扰对P(Y)码接收机很难达到欺骗效果。     

软件抗干扰技术在航天靶场中的应用

讨论了航天靶场应用的软件延时技术、通道软件抗干扰技术、程序运行中的软件抗干扰技术、数据采集误差的软件抗干扰技术等常用的软件抗干扰技术,这些措施的综合应用可以有效提高航天靶场的抗干扰性.     

双极化天线阵列抗干扰性能研究

现代战场的电磁环境十分复杂,这使得卫星对导航抗干扰接收机的鲁棒性需求变得更为迫切。极化敏感阵列是一种利用极化信息增加信号处理维度的技术,应用在导航领域可以改善接收机抗干扰性能。本文研究了双极化阵列在复杂电磁环境下的抗干扰效果,理论分析了信号模型与双极化阵列原理,通过HFSS对阵列天线进行有限元仿真获取各阵元的幅度相位信息,利用幅相信息合成导向矢量,在MATLAB中对普通阵列和双极化阵列抗干扰能力进行仿真。为验证理论仿真的可行性,研制了双极化阵列原理样机,在暗室环境采集数据并分析信号与干扰的输出功率。在外场进行的收星定位测试中比较了普通阵列与双极化阵列的定位结果。仿真和实测的结果表明,双极化阵列能抑制超自由度干扰,且对低仰角干扰有较好的鲁棒性。值得注意的是,双极化天线在保持接收机小型化的同时表现出较好的鲁棒性,为接收机小型化提供了可行的解决方案。     

词汇、短语和句式层面上否定构式翻译的认知研究

为了进行翻译创造性的认知研究,分析归纳了词汇形态、短语、句式的语言不同层面的否定构式类型,运用了构式和词汇(词干)的双向互动理论、构式压制理论、心理空间理论、交互主观性理论、认知隐喻理论,融合了构式语法和认知语言学理论于翻译研究中,揭示了翻译创造性研究与人们的认知思维、心理表征和语境密切相关,拓宽了翻译的认知研究范围,为构式语法和认知语言学理论融合互补于翻译研究,提供了借鉴方法。     

空间信息网络中面向双卫星的频谱共享方法

认知无线电能为缓解空间信息网络中日益增长的服务需求与紧张的频谱资源之间的矛盾提供有效的解决途径。论文针对静止轨道卫星系统和低轨道卫星系统提出一种基于频率动态分配的频谱共享方法。基于用户信号质量最差场景的干扰分析，定义波束隔离区域以避免同频干扰。此外，针对卫星运动引起的时空动态性，通过卫星星历、频率配置方案以及天线方向图等共享信息来预测可能出现的干扰，在此基础上提出频率动态分配算法来实现频谱共享。仿真结果表明，频谱共享方法在保护主用户的同时可有效提高次级用户的信号质量。     

基于认知无线电的GEO与LEO卫星频谱共存

随着新的宽带多媒体业务的发展，宽带无线频谱的需求日益增长。同时，低轨道（LEO）卫星由于其传输损耗低、传播时延小而被大规模部署。为了更好地利用频谱资源，卫星通信系统普遍采用高轨道（GEO）卫星与LEO卫星频谱共存的方案来提高频谱利用率。在频谱共存的过程中，提出了一种基于动态阈值的能量检测与波束跳跃相结合的算法，以减小LEO对GEO卫星的干扰。首先对LEO卫星的信噪比进行估计并实时选择最优阈值，然后利用基于动态阈值的能量检测算法对GEO卫星信号进行判别，最后根据判断的结果进行波束调整。仿真结果表明，提出的基于动态阈值的能量检测算法的检测误差明显低于传统的基于固定阈值的能量检测算法和基于二阶循环统计量的频谱感知方法。当信噪比低于-10dB的情况下，检测误差低于0.2；而当信噪比高于-5dB时，检测误差趋近于0。     

Reasoning about Depth and Motion from an Observer's Viewpoint

ABSTRACT

The goal of this paper is to present a logic-based formalism for representing knowledge about objects in space and their movements, and show how this knowledge could be built up from the viewpoint of an observer immersed in a dynamic world. In this paper space is represented using functions that extract attributes of depth, size and distance from snapshots of the world. These attributes compose a novel spatial reasoning system named Depth Profile Calculus (DPC). Transitions between qualitative relations involving these attributes are represented by an extension of this calculus called Dynamic Depth Profile Calculus (DDPC). We argue that knowledge about objects in the world could be built up via a process of abduction on DDPC relations.