雷达遥感卫星频率分配与射频干扰抑制:机遇与挑战

雷达遥感卫星作为一种重要的民用空间基础设施，能够实现全天时、全天候的高分辨对地观测，对推动科学进步、促进经济发展和维护国家安全具有重大战略意义。但随着全域无线电业务的快速增长，频率共享导致的兼容冲突日益加剧，衍生出的射频干扰已成为困扰定量化精确遥感探测性能的共性难题。本文系统地梳理了典型波段的对地观测业务频率分配现状，介绍了射频干扰的定义和影响机理，提出了模型数据混合驱动的干扰抑制新思路，并对面临的机遇与挑战进行了归纳总结，为新一代雷达遥感卫星的频率优化设计提供知识依据，进而保障其在复杂电磁环境的对地观测效能。     

一种基于信息素图的无人机高效通信覆盖方法

因无人机灵活性强，覆盖效果好，越来越多的实际情境中选择借助多无人机进行高效的通信覆盖。而实际应用中，对于多无人机系统灵活性、低时延、长续航及安全性的要求需重点考量。为提高无人机持续通信覆盖效果，在无人机相对稀疏这一具体情况下，提出了一种基于信息素图的、限制无人机转弯半径的分布式无人机自主规划通信覆盖方法，保证其灵活性、低时延及长续航的性能；通过引入锚节点，设计了信息素向导信息的交互模型，保证了无人机的安全性。该方法在待覆盖区域最大接入时间间隔方面远优于半随机择取航向的方式，同时平均接入时间间隔下降约15%;对比无地理价值描述的普通信息素图，该方法的平均接入时间间隔与最大接入时间间隔均下降约6%。通过无人机间的解耦，避免了分布式方法面临的无人机间异步问题。     

基于混合神经网络的无线电信号自动调制识别

随着无线电信号数据海量增加，复杂电磁环境下面临着未知威胁和目标侦察识别复杂度高的问题，本文针对未知无线电信号的特征提取任务，设计了一种混合神经网络以提高目标无线电信号的识别能力。先通过胶囊神经网络对未知信号的空间信息进行提取，再进一步运用门控循环单元提取信号在时间上的特征信息。设计混合网络模型将信号的时间和空间特征相结合，提高对目标信号的分类精度。通过RML2016.04C调制信号数据集，验证了混合神经网络的识别性能。结果表明:当信噪比为6 dB时，混合网络模型对多种不同调制信号的分类精度大于95%。因此，本文所设计的混合神经网络能够有效对不同调制信号进行准确分类。     

合成孔径雷达射频干扰抑制技术进展及展望

射频干扰(RFI)是影响合成孔径雷达精确遥感的一个难点问题,严重阻碍了原始回波的采集、成像和后续解译过程。本文对适用于合成孔径雷达系统的RFI抑制技术进行了综述研究。首先分析了典型的星载和地面RFI源以及其对合成孔径雷达系统的影响,给出了典型RFI类型的信号模型和实测数据示例;然后系统地介绍了抑制RFI的先进信号处理技术,并从适用性的角度讨论了每种方法的优缺点;最后从认知、综合和自适应的角度探讨了未来干扰抑制技术的发展趋势与展望。     

动态跳波束策略中的自适应波束功率分配算法

摘要：多波束卫星发射机的成本很高，同时地面小区的通信需求和通信优先级一直处在动态变化中。通过研究一种动态波束跳跃策略，实现在卫星资源受限和较少发射机数量约束下的广域覆盖和按需服务。区别于传统的分簇波束跳变思想，为了提高卫星系统的频谱效率，考虑在整个频率带宽上应用全局波束跳变。因此考虑在共信道干扰背景下，提出一种新型服务质量指标来衡量波束跳变结果。在卫星资源有限的情况下，各波束提供的通信容量不能满足地面小区的业务请求，基于粒子群算法选择的波束跳动图案，提出了一种自适应波束功率分配算法。该算法通过优先级加权，最小化波束业务容量需求差值，进而提高服务质量水平。最后，通过仿真验证了所提算法的性能优越性。