【摘 要】
:
在雷达的抗干扰研究中,主瓣欺骗式干扰抑制是一个重要课题。由于主瓣区域内的干扰与真实目标的回波信息较为相似,而传统相控阵雷达的可控自由度有限,能获得的信息维度较少,所以在抗主瓣欺骗式干扰时有一定的局限性。阵元-脉冲编码(Element-Pulse Coding,EPC)MIMO(Multiple Input Multiple Output)雷达是近两年提出的一种新型波形分集阵列雷达。EPC框架主要是
论文部分内容阅读
在雷达的抗干扰研究中,主瓣欺骗式干扰抑制是一个重要课题。由于主瓣区域内的干扰与真实目标的回波信息较为相似,而传统相控阵雷达的可控自由度有限,能获得的信息维度较少,所以在抗主瓣欺骗式干扰时有一定的局限性。阵元-脉冲编码(Element-Pulse Coding,EPC)MIMO(Multiple Input Multiple Output)雷达是近两年提出的一种新型波形分集阵列雷达。EPC框架主要是在不同的发射通道和发射脉冲之间进行二维编码,将EPC框架与MIMO雷达相结合,其发射导向矢量中多了一个与编码系数和延迟脉冲数相关的相位项,从而可以利用延迟脉冲数区分位于不同距离区域的目标,实现抗干扰。MIMO雷达的正交发射波形可以通过相位编码信号得到。其中,多相码具有良好的自相关性和互相关性,且它的相位组合更多,码字选择更灵活,多普勒容限也有所提升。因此,本文针对基于多相码的EPC-MIMO雷达抗主瓣欺骗式干扰技术展开研究,主要研究内容及个人研究进展如下:1.建立了基于多相码的EPC-MIMO雷达信号模型。首先,对信号模型中使用的多相码及其相关的优化算法进行介绍,分别为针对单一序列优化的CAN(Cyclic Algorithm-New)算法和针对多序列优化的Multi-CAN(Multiple Cyclic Algorithm-New)算法,并通过仿真实验分析两种算法的优化结果。然后,对EPC-MIMO雷达模型进行介绍,通过与FDA(Frequency Diverse Array)-MIMO雷达类比,分析了EPC-MIMO雷达的解距离模糊能力,重点介绍了EPC框架、EPC-MIMO雷达接收信号模型和接收信号处理流程。2.针对假目标存在角度估计偏差时,非自适应波束形成器的干扰抑制性能下降的问题,研究了EPC-MIMO雷达中基于预设宽零点波束形成器的稳健抗主瓣欺骗式干扰方法。首先,分析了主瓣欺骗式干扰的产生过程以及真、假目标的区分方法,在此基础上通过选择合适的编码系数,使假目标位于EPC-MIMO雷达等效发射方向图零点,进一步利用发射-接收二维(2-D)非自适应波束形成器实现主瓣欺骗式干扰的抑制。然后,介绍了通过人工添加虚拟干扰的非自适应预设宽零点波束形成器(PBNBF)算法,该算法可以有效拓宽EPC-MIMO雷达等效发射方向图的零点凹口,当先验估计存在角度偏差时,假目标也可以被有效抑制,提升了EPC-MIMO雷达抗主瓣欺骗式干扰的性能。3.提出了一种EPC-MIMO雷达中基于脉冲域的抗主瓣欺骗式干扰方法,并进行了实测数据处理分析。首先,分析了EPC-MIMO雷达中转发式假目标与真实目标的信息差异,所提方法主要利用该信息差进行后续的抗干扰处理。然后,介绍了EPCMIMO雷达外场实验系统、实测数据采集环境及外场实验的发射波形。最后,用所提的方法对EPC-MIMO雷达实测回波数据进行处理和分析。结果表明,外场实验所用的Multi-CAN算法优化后的多相码正交性良好,且所提方法能够从EPC-MIMO雷达实测回波数据中有效提取出真实目标,实现主瓣欺骗式干扰的抑制。
其他文献
互联网技术日新月异的发展推动着人类社会的不断进步,但网络安全事故也与日俱增。作为计算机系统的第一层安全保障,身份认证技术在保护用户个人信息方面具有举足轻重的作用,传统的身份认证技术均属于一次性认证,即在用户登录的某个时刻对用户身份进行认证,无法对用户身份进行持续认证,持续认证指的是在用户使用计算机的整个会话周期内对用户身份进行持续性验证。基于生物特征的身份认证方法采用独特的生物特征对用户身份进行鉴
随着万物互联时代的到来,大量的设备被纳入互联网中,产生了海量的数据。边缘云计算依靠其低时延、按需分配与资源高效利用等优势,补充了原有云计算存在的不足,使得云计算的响应速度变得更快,数据在网络边缘被快速处理。本地数据外包至云服务器会产生数据安全问题,如果我们把隐私数据以明文的形式存储在云服务器上,一旦数据被泄露就可能被恶意的攻击者所利用。近两年由于疫情原因,医疗行业受到大家的广泛关注,有关患者敏感数
血瘀证是由血液运行不畅或血液停滞脉内或脉外导致的病变,为诸多疾病的主要证候。诸多学者对血瘀证开展了广泛研究,并发现血瘀证与血脂代谢有密切关系,即血脂代谢在血瘀证的形成过程中扮演着重要角色。结合现代医学对血瘀证与血脂代谢关系的研究,从炎症反应、血管内皮细胞功能、微循环、血液流变学和纤维-凝血系统等角度总结血脂代谢对血瘀证形成的影响,以期对从血瘀证角度研究血脂代谢紊乱的药物治疗提供新思路。
近年来,伴随着信息化建设的高速发展,信息网络的安全问题日益突显。对敏感数据进行加密是解决信息网络安全问题的一个很有效的途径,而加密不可避免地就会牵涉到密钥相关问题,如何保证密钥的全生命周期管理就成为信息安全问题的核心。硬件安全模块(Hardware Security Module,HSM)是专为保护加密密钥生命周期并通过加密连接在网络中提供安全的数据传输而设计的专用加密处理器,通过无缝的端到端集成
近年来,网络安全已成为一个热门的研究领域,类似数据泄露、攻击关键基础设施、加密劫持者攻击等安全事件层出不穷。随着物联网的普及,数十亿台设备连接到互联网中,为攻击者提供了更多可以利用的机会。为了遏制网络攻击和恶意网络行为,专家学者们开始研究流量识别,网络流量识别是保证网络安全最重要的步骤,有效的识别方法能提升网络行为分析和异常检测的准确率。随着神经网络领域的快速发展,有大量学者开始研究如何将神经网络
下一代无线局域网(Wireless Local Area Network,WLAN)标准802.11be(WiFi7)致力于提供至少30Gbps的极高吞吐量,并为时延敏感应用提供支持。为了实现其目标,802.11be首次提出了多链路传输的关键技术,即一个设备可以同时使用多条链路进行数据发送或接收。但在繁忙网络环境中,多链路设备同一时刻很可能只能在一条链路上进行数据收发,没有充分发挥其多条链路的优势
传统对抗攻击主要是指向特定数据类型样本中附加人类难以感知的扰动噪声干扰,就能实现逃避、模仿等攻击效果,达到目标识别的预测结果错误甚至有目标地诱导识别结果的目的。而通用对抗扰动作为特殊的对抗攻击,能够在保持微小扰动的情况下,对整个数据集内同一类别下的大部分样本保持对抗效果。目前,随着深度学习模型在手机语音助手、智能家居管家以及语音辅助驾驶等领域的普遍落地,深度学习模型本身易受到对抗攻击的负面影响,可
人工智能技术的蓬勃发展推动了智能设备的广泛使用,极大地改变了传统的生活方式,比如语音识别、语音认证、人脸识别、自动驾驶等智能应用。然而研究表明人工智能技术也存在着许多安全问题,通过对输入样本添加微小扰动,就可以使得模型决策错误,从而给用户带来不可估量的损失,特别是现在常用的手机、电脑等电子设备,大多都有语音唤醒、语音认证等功能,如果攻击者能通过对抗攻击的方式对设备进行控制或通过设备的验证系统,则会
为了增强网络的安全性,入侵检测技术被广泛关注。随着机器学习和深度学习在入侵检测领域的广泛应用,其在识别网络中的恶意行为有着明显的成效。但由于网络流量的复杂性,基于机器学习和深度学习的网络入侵检测也面临着各种各样的挑战,主要的挑战之一就是缺少足够的带有标记的训练数据,可能无法训练出对网络入侵检测任务具有良好预测准确性的高质量模型。理想情况下,如果不同参与方能够将数据合并起来,协同训练机器学习模型(即