CN113391279A - 基于模糊数学和matlab图形用户界面的雷达干扰效果评估方法 - Google Patents
基于模糊数学和matlab图形用户界面的雷达干扰效果评估方法 Download PDFInfo
- Publication number
- CN113391279A CN113391279A CN202110647490.4A CN202110647490A CN113391279A CN 113391279 A CN113391279 A CN 113391279A CN 202110647490 A CN202110647490 A CN 202110647490A CN 113391279 A CN113391279 A CN 113391279A
- Authority
- CN
- China
- Prior art keywords
- interference
- radar
- evaluation
- factor
- graphical user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 101
- 230000000694 effects Effects 0.000 title claims abstract description 70
- 230000008901 benefit Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000001629 suppression Effects 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/38—Jamming means, e.g. producing false echoes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Abstract
一种基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,属于雷达干扰效果评估领域,用于解决雷达干扰效果评估的问题,要点是:建立雷达干扰因素集,建立评价集;在MATLAB图形用户界面输入目标雷达和己方雷达的参数,通过预先设定的不同计算方法获得所述雷达干扰因素集中各干扰因素的干扰效益值;确定隶属度函数,对各个因素进行单因素评价得到模糊关系矩阵;获取用户输入的所述干扰因素的权重值;根据所述模糊关系矩阵和权重获得干扰因素的模糊综合矩阵,采用最大隶属度原则获得最终的雷达干扰效果评估结果,并将其显示在MATLAB图形用户界面,效果是提升了使用MATLAB对雷达干扰效果做出评估的数据可视化能力,使雷达干扰效果评估过程更加具有可操作性。
Description
技术领域
本发明属于雷达干扰效果评估领域,涉及一种基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法。
背景技术
雷达对抗在现代战争中发挥着重要作用。典型的雷达对抗系统主要包含电子对抗侦察、干扰、指挥控制3个子系统。其中,雷达对抗指挥控制子系统需要根据侦察信息以及干扰效果调整干扰策略,以达到最佳干扰效果。因此,对于干扰效果评估技术进行研究,准确地判断战场环境和精确地评估雷达干扰效果,对战争的结果具有重要影响,具有重要的军事应用价值。
雷达干扰效果评估是一个多指标综合评估问题,它需要从多个角度和层次反映雷达干扰效能的水平。现代的雷达对抗技术是以体系对抗为代表的,对抗的双方都是众多装备的集合,特别是信息化的引入,进一步提高了双方综合作战的性能,使它们的相互作用不仅仅是数量的结果叠加,而可能引发许多相关性的新效果,如遮盖/欺骗复合干扰等,在雷达的时、频、空等多维目标检测域形成非常复杂的检测局面。也正是因此,至今没有一个全面的统一的实用准则和方法。因此,对雷达干扰效果评估的研究具有重要的意义。
早期的评估因子法,其基本思想是将一些对干扰效果有影响的主要因素通过数学处理组合成评估因子,以此来评估干扰效果。评估因子法利用了对干扰效果有影响的一些重要因素,能够简单地对干扰效果进行评估。但在一般情况下,该方法考虑的因素数量较少,不足以全面反映干扰效果。为了解决干扰效果评估的模糊性问题,研究人员将模糊数学的工具引入到干扰效果评估中,形成了模糊综合评判法。模糊综合评判法可以较好地适应干扰效果评估中影响因素众多的特点,能够将分析得出的可能影响干扰效果的所有因素全部引入到因素集中,使干扰效果的评估更加全面。
传统的干扰效果评估方法不具有易操作性,将MATLAB图形用户界面与雷达干扰效果评估方法结合,提升了使用MATLAB对雷达干扰效果做出评估的数据可视化效果,能够反映出雷达干扰方案的干扰效果。
发明内容
为了解决能够在干扰因素众多的情况下,利用MATLAB图形用户界面的易操作性,完成雷达干扰效果评估的问题,本发明提出如下技术方案:一种基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,包括以下步骤:
步骤1:建立雷达干扰因素集,其中的干扰因素至少包括干扰时间、干扰空间、干扰频率、干扰功率和干扰样式;
步骤2:建立评价集,将一实数集划分为若区间,每一区间对应表示一个雷达干扰效果的评估等级和该等级对应的评估效果;
步骤3:创建用于获取用户输入的各项参数的MATLAB图形用户界面,输入的参数包括干扰因素及对应的干扰效益值,干扰因素的权重值;
步骤4:通过各干扰因素的干扰效益值和隶属度函数,对各输入的干扰因素进行单因素评判,并将其写成矩阵形式,而得到模糊关系矩阵;
步骤5:通过权重和模糊关系矩阵,计算得到模糊综合评估矩阵;
步骤6:对模糊综合评估矩阵去模糊处理,得到雷达干扰效果的评估结果,将评估结果与评价集对比,最终获取雷达干扰效果的评估结果等级并显示在MATLAB图形用户界面上。
进一步的,步骤2中,采用实数集V={v|0≤v≤1}来描述评价集,将实数集V划分为若干个区间来表示不同的等级。
进一步的,将实数集V划分为六个区间来表示不同的等级,对应的等级依次为“很差、差、一般、较好、好、很好”,v越大,评判等级越高,评判结果越好。
进一步的,步骤2中建立评价集,将[0,1]之间的数划分为若干区间,每一区间对应表示一个等级。
进一步的,步骤3中,创建的MATLAB图形用户界面包括三个模块:
干扰因素数据输入模块,用于获取目标雷达和己方雷达的因素集中的参数数据,所述雷达干扰因素集至少包括干扰时间、干扰空间、干扰频率、干扰功率和干扰样式,并获取所述雷达干扰因素集中各干扰因素的干扰效益值;
权重输入模块,用于获取用户输入的所述干扰因素的权重值,表明所述干扰因素对干扰效果的影响程度;
评估结果显示模块,用于根据所述干扰因素的干扰效益值和隶属度函数,计算得到模糊关系矩阵,并结合用户输入的权重获得干扰因素的模糊综合矩阵,接下来进行去模糊处理得到雷达干扰效果的评估结果,将评估结果与评价集作对比,获取雷达干扰效果的评估等级,并将最终的评估效果予以显示在MATLAB图形用户界面上。
进一步的,步骤4中,采用梯形隶属度函数对雷达干扰因素集中各个干扰因素进行单因素评判。
进一步的,步骤6中,采用最大隶属度原则对数据进行去模糊处理。
有益效果:本发明创建了MATLAB图形用户界面,增强了各功能模块间的联系,从干扰方出发,首先通过分析雷达干扰要素,建立合理的雷达干扰因素集;并结合每种因素的属性通过预先设定的不同计算方法获得所述雷达干扰因素集中各干扰因素的干扰效益值;确定隶属度函数,对各个因素进行单因素评价得到模糊关系矩阵;获取用户输入的所述干扰因素的权重值;根据所述模糊关系矩阵和权重获得干扰因素的模糊综合矩阵,并根据最大隶属度原则获得最终的雷达干扰效果评估结果。本发明的评估方法可以对不同干扰条件下的干扰效果进行综合评价,反映出雷达干扰方案的干扰效果,提升了使用MATLAB对雷达干扰效果做出评估的数据可视化能力,使雷达干扰效果评估过程更加具有可操作性。
附图说明
图1为本发明的流程图;
图2是根据本发明实施例的MATLAB图形用户界面静态文本参数设置;
图3是根据本发明实施例的MATLAB图形用户界面外观图;
图4是根据本发明实施例的MATLAB图形用户界面测试图。
具体实施方式
如图1所示,本发明基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,包括以下步骤:
步骤1:建立因素集,分析影响干扰效果的因素,获取目标雷达和雷达干扰方案的行为参数建立雷达干扰因素集U={u1,u2,···,un},表示n个因素组成的有序集。本发明所述雷达干扰因素集设定n=5,因素集中包括的因素为干扰时间、干扰空间、干扰频率、干扰功率和干扰样式共五个因素。确定MATLAB图形用户界面的输入和输出;创建MATLAB图形用户界面。
在本发明的实施例中,根据不同干扰因素的干扰原理不同,通过预先设定的不同计算方法获得所述雷达干扰因素集中各干扰因素的干扰效益值,五个干扰因素的效益值计算方法如下:
干扰时间效益值:对于干扰时间因素,本发明采用干扰时间效益函数Et来表示干扰机对雷达的干扰压制效果。Et为在雷达的威胁时间内,干扰机对雷达能有效干扰的时间段对整体干扰效果的影响程度。在本发明的实施例中,设雷达的信号脉宽为[tr1,tr2],干扰机对雷达实施有效干扰的时长为[tj1,tj2],通过公式(1)计算干扰时间效益值。
干扰空间效益值:对于干扰空间因素,本发明采用空域影响效益函数Eh来计算干扰空间效益值,获取目标雷达的探测覆盖范围Ωr和干扰机干扰范围ωj,用Δωj表示目标雷达的探测覆盖范围和干扰机干扰范围的交叠区域,即空域有效干扰区域,Δωj的取值范围是[0:Ωr],通过公式(2)计算干扰空间效益值。
干扰频率效益值:对于干扰频率因素,通过干扰机的干扰频率与目标雷达的工作频率两者的对准程度来评估干扰机对目标雷达的干扰压制效果,采用频率对准效益函数Ef来计算干扰频率效益值,设侦察到的雷达工作频率范围为fr1-fr2,干扰机的频率覆盖范围为fj1-fj2,通过公式(3)计算干扰空间效益值。
干扰功率效益值:对于干扰功率因素,采用功率压制效益函数Ep来表示干扰机对雷达的干扰压制效果。在雷达接收机端,只有当干信比达到要求的压制系数时,才能对回波信号实施干扰,设获得的目标雷达的信号功率Prs,干扰机的干扰信号功率为Prj,由雷达方程可知:
其中,Ps和Pj分别表示目标雷达和干扰机的发射功率,Gt是雷达主瓣增益,GA是干扰机的增益,σ是雷达的散射面积,A是雷达天线的有效接收面积,R是雷达与干扰机间的距离,Kj为正常工作的干信比,通过公式(5)计算干扰功率效益值。
雷达干扰样式效益值:分析干扰样式因素时,用干扰样式与雷达工作体制的匹配程度来表示干扰效果,在干扰样式选择上,需要从实际的效果出发,虽然实际环境中敌方抗干扰方式不能够准确得知,但存在着依靠侦查设备分析出雷达信号频率等先验信息后,采用一定方法对敌雷达的信号样式进行可能性的判断,一般通过大量的实验和专家的经验给出一个介于0和1之间的数来描述所选择的干扰样式和侦察到的雷达工作体制之间的匹配程度,应当理解的是,在本实施例中干扰样式的干扰效益值通过用户输入获得。
步骤2:建立评价集,将[0,1]之间的的数划分为若干段,每一段对应地表示一个等级,用实数集描述为V={v|0≤v≤1},根据v的值,将其划分为以下6个评价等级,见表1。
表1评价级别的划分
步骤3:如图2、3所示,创建MATLAB图形用户界面,用于获取用户输入的各项参数,并计算得到雷达干扰效果评估结果,创建的MATLAB图形用户界面包括3个模块:
干扰因素数据输入模块,用于获取目标雷达和己方雷达的因素集中的参数数据,所述雷达干扰因素集至少包括干扰时间、干扰空间、干扰频率、干扰功率和干扰样式;并分别通过预先设定的不同的计算方法获得所述雷达干扰因素集中各干扰因素的干扰效益值;
权重输入模块,用于获取用户输入的所述干扰因素的权重值,表明所述因素对干扰效果的影响大小;
评估结果显示模块,用于根据所述干扰因素的干扰效益值和隶属度函数,计算得到模糊关系矩阵,并结合用户输入的权重获得干扰因素的模糊综合矩阵,采用最大隶属度原则获得雷达干扰效果评估结果,并显示最终的干扰效果评估结果。
步骤4:确定隶属度函数,隶属函数的确定有多种方法,在评估中可根据因素对干扰效果产生影响的原理,依据其数学表达形式,并结合实际情况,选取适当的函数。本发明选用梯形隶属度函数对干扰因素进行评估。隶属度函数表达式如公式(6):
其中fij(ai)是第i个因素(用数值ai表征)对第j个评价等级的隶属函数;x1,x2,x3,x4是函数中的参数,有0≤x1<x2<x3<x4≤1,通过隶属度函数对各个因素进行单因素评判,将其写成矩阵形式,得到模糊关系矩阵如公式(7)。
R=(rij)n×m (7)
其中0≤i≤n,0≤j≤m。
步骤5:确定权重集并计算综合评估结果,通过权重和模糊关系矩阵计算模糊综合评估结果,如公式(8)。
采用最大隶属度原则对数据结果进行去模糊处理,得到雷达干扰效果的评估结果。
下面结合具体实施例,进一步说明本发明的有益效果。
假设被干扰雷达是单频脉冲多普勒雷达,它的工作时间为2μs-4μs,工作频率范围是7.5kHz-12.5kHz,功率范围是300W-1200W,天线的主瓣增益范围为5-10dB,干扰机距雷达的距离10km,取雷达正常工作所需的干信比界限Kj=0.5。干扰机的工作时间为1μs-3μs,工作频率范围是(fj1,fj2)=5kHz-15kHz,脉冲功率为1000W,连续波功率为100W,具有拖距、拖速、连续杂波、选择距离等多种干扰样式,散射面积σ=10m2,干扰机天线增益是10dB。
首先按照之前说明的步骤,计算各个干扰因素的效益值,并对各个因素进行单因素评判,在本实施例中,以干扰时间因素为例,按照公式(1)计算干扰时间效益值。其中,目标雷达的工作时间范围是2μs-4μs,干扰机的工作时间范围是1μs-3μs,计算得Et=0.5。
按照公式(6)的隶属度函数,对各个干扰因素的效益值做单因素评价,在本实施例中,同样以干扰时间因素效益值为例,得到r1,1≤j≤6=[0,0,0.5,1,0.5,0],将各因素的单因素评价结果写成矩阵形式,得到模糊关系矩阵如公式(9)所示。
在本实施例中,输入权重A=[0.1,0.1,0.2,0.2,0.4],利用公式(8)计算,得到模糊综合矩阵如式(10)。
采用最大隶属度原则对数据结果进行去模糊处理,得到雷达干扰效果的评估结果,在vj=[0.4 0.075 0.15 0.325 0.45 0.2]中,最大值0.45对应评价集V中的5级(差)。
接下来用本发明创建的MATLAB用户图形界面验证评估结果是否一致。
如图4所示,在干扰因素数据输入模块的干扰时间编辑框,输入目标雷达的工作时间和干扰机的干扰时间,在本实施例中,分别输入目标雷达的工作时间2μs-4μs,干扰机的干扰时间1μs-3μs。
在干扰因素数据输入模块的干扰空间编辑框,输入目标雷达的探测覆盖范围和干扰机干扰范围,在本实施例中,分别输入目标雷达的探测覆盖范围0°-5°,干扰机干扰范围0°-4°。
在干扰因素数据输入模块的干扰频率编辑框,输入侦察到的雷达工作频率范围以及干扰机的频率覆盖范围,在本实施例中,分别输入雷达工作频率范围7.5kHz-12.5kHz,干扰机的频率覆盖范围5kHz-15kHz。
干扰因素数据输入模块的干扰功率编辑框,输入目标雷达的信号功率和干扰机的干扰信号功率,在本实施例中,输入雷达信号功率和干扰机干扰信号功率的比值1。
在干扰因素数据输入模块的干扰样式编辑框,输入用户得到的专家经验性干扰样式效益值,在本实施例中,输入经验性干扰样式效益值0.3。
在权重编辑框,输入用户既定权重,在本实施例中,设权重集为A=[0.1,0.1,0.2,0.2,0.4]。
输入以上数据后,点击“计算”按钮,评估结果显示为0.45,属于评价集中的5级(差),和之前的计算结果一致,表明MATLAB图形用户界面能够实现雷达效果评估的可操作性,对雷达干扰的干扰效果做出准确评估。
以上所述,仅为本发明创造较佳的具体实施方式,但本发明创造的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内,根据本发明创造的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明创造的保护范围之内。
Claims (7)
1.一种基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于,包括以下步骤:
步骤1:建立雷达干扰因素集,其中的干扰因素至少包括干扰时间、干扰空间、干扰频率、干扰功率和干扰样式;
步骤2:建立评价集,将一实数集划分为若区间,每一区间对应表示一个雷达干扰效果的评估等级和该等级对应的评估效果;
步骤3:创建用于获取用户输入的各项参数的MATLAB图形用户界面,输入的参数包括干扰因素及对应的干扰效益值,干扰因素的权重值;
步骤4:通过各干扰因素的干扰效益值和隶属度函数,对各输入的干扰因素进行单因素评判,并将其写成矩阵形式,而得到模糊关系矩阵;
步骤5:通过权重和模糊关系矩阵,计算得到模糊综合评估矩阵;
步骤6:对模糊综合评估矩阵去模糊处理,得到雷达干扰效果的评估结果,将评估结果与评价集对比,最终获取雷达干扰效果的评估结果等级并显示在MATLAB图形用户界面上。
2.根据权利要求1所述的基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于:步骤2中,采用实数集V={v|0≤v≤1}来描述评价集,将实数集V划分为若干个区间来表示不同的等级。
3.根据权利要求2所述的基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于:将实数集V划分为六个区间来表示不同的等级,对应的等级依次为“很差、差、一般、较好、好、很好”,v越大,评判等级越高,评判结果越好。
4.根据权利要求1所述的基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于:步骤2中建立评价集,将[0,1]之间的数划分为若干区间,每一区间对应表示一个等级。
5.根据权利要求1所述的基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于:步骤3中,创建的MATLAB图形用户界面包括三个模块:
干扰因素数据输入模块,用于获取目标雷达和己方雷达的因素集中的参数数据,所述雷达干扰因素集至少包括干扰时间、干扰空间、干扰频率、干扰功率和干扰样式,并获取所述雷达干扰因素集中各干扰因素的干扰效益值;
权重输入模块,用于获取用户输入的所述干扰因素的权重值,表明所述干扰因素对干扰效果的影响程度;
评估结果显示模块,用于根据所述干扰因素的干扰效益值和隶属度函数,计算得到模糊关系矩阵,并结合用户输入的权重获得干扰因素的模糊综合矩阵,接下来进行去模糊处理得到雷达干扰效果的评估结果,将评估结果与评价集作对比,获取雷达干扰效果的评估等级,并将最终的评估效果予以显示在MATLAB图形用户界面上。
6.根据权利要求1所述的基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于:步骤4中,采用梯形隶属度函数对雷达干扰因素集中各个干扰因素进行单因素评判。
7.根据权利要求1所述的基于模糊数学和MATLAB图形用户界面的雷达干扰效果评估方法,其特征在于:步骤6中,采用最大隶属度原则对数据进行去模糊处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110647490.4A CN113391279A (zh) | 2021-06-10 | 2021-06-10 | 基于模糊数学和matlab图形用户界面的雷达干扰效果评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110647490.4A CN113391279A (zh) | 2021-06-10 | 2021-06-10 | 基于模糊数学和matlab图形用户界面的雷达干扰效果评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113391279A true CN113391279A (zh) | 2021-09-14 |
Family
ID=77620219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110647490.4A Pending CN113391279A (zh) | 2021-06-10 | 2021-06-10 | 基于模糊数学和matlab图形用户界面的雷达干扰效果评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391279A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2193782C2 (ru) * | 2000-09-19 | 2002-11-27 | Федеральное государственное унитарное предприятие "Научно-исследовательский институт измерительных приборов" | Способ оценки характеристик радиолокационной станции при действии активных шумовых помех |
EP1571462A1 (de) * | 2004-03-04 | 2005-09-07 | EADS Deutschland GmbH | Verfahren zur Auswertung von Radardaten zum vollautomatischen Erstellen einer Karte gestörter Gebiete |
JP2005331259A (ja) * | 2004-05-18 | 2005-12-02 | Mitsubishi Electric Corp | レーダ妨害方法 |
US20070120731A1 (en) * | 2004-12-15 | 2007-05-31 | Kelly Thomas M Jr | System and method for reducing the effect of a radar interference signal |
CN105182305A (zh) * | 2015-06-04 | 2015-12-23 | 南昌大学 | 电离层非相干散射雷达仿真系统 |
CN110082733A (zh) * | 2019-03-25 | 2019-08-02 | 西安电子科技大学 | 一种雷达干扰效果评估方法、装置及计算机设备 |
CN112904294A (zh) * | 2021-03-04 | 2021-06-04 | 西安电子科技大学 | 基于直觉梯形模糊多属性决策的雷达干扰效果评估方法 |
-
2021
- 2021-06-10 CN CN202110647490.4A patent/CN113391279A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2193782C2 (ru) * | 2000-09-19 | 2002-11-27 | Федеральное государственное унитарное предприятие "Научно-исследовательский институт измерительных приборов" | Способ оценки характеристик радиолокационной станции при действии активных шумовых помех |
EP1571462A1 (de) * | 2004-03-04 | 2005-09-07 | EADS Deutschland GmbH | Verfahren zur Auswertung von Radardaten zum vollautomatischen Erstellen einer Karte gestörter Gebiete |
JP2005331259A (ja) * | 2004-05-18 | 2005-12-02 | Mitsubishi Electric Corp | レーダ妨害方法 |
US20070120731A1 (en) * | 2004-12-15 | 2007-05-31 | Kelly Thomas M Jr | System and method for reducing the effect of a radar interference signal |
CN105182305A (zh) * | 2015-06-04 | 2015-12-23 | 南昌大学 | 电离层非相干散射雷达仿真系统 |
CN110082733A (zh) * | 2019-03-25 | 2019-08-02 | 西安电子科技大学 | 一种雷达干扰效果评估方法、装置及计算机设备 |
CN112904294A (zh) * | 2021-03-04 | 2021-06-04 | 西安电子科技大学 | 基于直觉梯形模糊多属性决策的雷达干扰效果评估方法 |
Non-Patent Citations (2)
Title |
---|
BING XI ET: "The Method of Fuzzy Comprehensive Evaluation on Radar Jamming Effect Based on Variable Trapezoidal Membership Function", 《IEEE》, pages 1 - 2 * |
何缓 等: "雷达对抗技术与实验课程的仿真分析教学法", 《空军预警学院学报》, vol. 30, no. 5, pages 1 - 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109116311A (zh) | 基于知识辅助稀疏迭代协方差估计的杂波抑制方法 | |
CN112230205B (zh) | 一种利用舰船辐射噪声仿真信号的水下目标识别系统性能评估方法 | |
CN112904290B (zh) | 一种雷达智能认知抗干扰策略的生成方法 | |
CN109283499B (zh) | 一种基于雷达方程的有源干扰下探测范围三维可视化方法 | |
CN102866388B (zh) | 一种空时自适应处理中的自适应权值迭代计算方法 | |
CN110058303B (zh) | 声波各向异性逆时偏移混合方法 | |
CN108334987B (zh) | 一种基于小波分解-神经网络的海浪波高预测方法 | |
CN112949820B (zh) | 基于生成对抗网络的认知抗干扰目标检测方法 | |
CN105785330A (zh) | 一种认知型副瓣干扰抑制方法 | |
CN113189561B (zh) | 一种海杂波参数估计方法、系统、设备及存储介质 | |
CN106249208A (zh) | 基于分数阶傅里叶变换的噪声调幅干扰下信号检测方法 | |
CN111830493A (zh) | 水中目标收发分置中高频声目标强度预报系统及方法 | |
Hu et al. | Signal denoising based on wavelet threshold denoising and optimized variational mode decomposition | |
CN108414992A (zh) | 一种基于相位信息杂波图的目标检测方法 | |
CN106353743B (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
CN105093189B (zh) | 基于gcv的机载雷达目标检测方法 | |
CN114117912A (zh) | 一种数据模型双驱动下的海杂波建模与抑制方法 | |
CN113391279A (zh) | 基于模糊数学和matlab图形用户界面的雷达干扰效果评估方法 | |
CN115436891A (zh) | 一种基于mbse的模型构建雷达对抗效果评估方法 | |
Fan et al. | Weak target detection based on deep neural network under sea clutter background | |
CN102183746A (zh) | 一种雷达海上目标检测系统及方法 | |
CN112666552A (zh) | 一种探地雷达数据背景杂波自适应去除方法 | |
Haywood et al. | ISARLAB: a radar signal processing tool | |
CN111999718B (zh) | 基于几何平均估计的知识辅助自适应融合检测方法 | |
CN112859026B (zh) | 一种基于gpu的外辐射源雷达频域匹配滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |