CN114609597A - 针对无人机集群侦探融合的干侵一体化雷达波形设计方法 - Google Patents
针对无人机集群侦探融合的干侵一体化雷达波形设计方法 Download PDFInfo
- Publication number
- CN114609597A CN114609597A CN202210092964.8A CN202210092964A CN114609597A CN 114609597 A CN114609597 A CN 114609597A CN 202210092964 A CN202210092964 A CN 202210092964A CN 114609597 A CN114609597 A CN 114609597A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- interference
- signal
- vehicle cluster
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013461 design Methods 0.000 title claims abstract description 19
- 230000004927 fusion Effects 0.000 title claims abstract description 12
- 230000009545 invasion Effects 0.000 title claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 81
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000001629 suppression Effects 0.000 claims description 23
- 230000002452 interceptive effect Effects 0.000 claims description 21
- 238000001228 spectrum Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
- G01S7/38—Jamming means, e.g. producing false echoes
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种针对无人机集群侦探融合的干侵一体化雷达波形设计方法,通过侦测接收机接收无人机集群的通信信号,将无人机的通信信号作为神经网络的输入对无人机集群的类别进行识别,确定无人机集群中无人机的类型;雷达发射干扰波形对无人机集群的导航定位信号进行干扰,使无人机集群被己方雷达诱捕;通过对雷达回波信号的处理来评估无人机集群的干扰效果,并反馈到雷达波形设计端调整雷达发射信号干扰策略,提高对无人机集群的诱捕概率。本发明实现了雷达的无人机集群探测与干扰一体化波形设计,极大的降低了设备成本;同时,探测、识别和干扰形成闭环迭代,较现有的单纯的无人机集群干扰措施具有更好的打击效果。
Description
技术领域
本发明属于电子对抗领域,具体涉及一种针对无人机集群侦探融合的干侵一体化雷达波形设计方法。
背景技术
随着智能技术、大数据技术等高新技术的迅猛发展,未来以无人化装备作为战场主力的无人化、智能化战争新形态逐渐清晰。其中无人机的发展尤为突出,特别是近年来智能技术以及自组网技术的飞速发展,使得众多无人机可以聚合起来形成共同完成作战使命的整体,成为无人机集群。蜂群战法是指由数十架小型无人机,根据作战任务自行编组和协同,形成攻击蜂群,对敌发动攻击的作战方法。无人机集群作战拥有单个无人平台作战无法比拟的优势,可在广域搜索、侦察监视、精准打击等任务中大显身手,其作战样式主要包括攻(实施多域打击)、扰(进行战术欺骗)、侦(扫描战场环境)、联(开展协同作战)。
无人集群作战所具备群体攻击能力,其威胁态势已日趋严峻,而现有防御技术手段不足以有效应对,因此,开展无人集群防御技术的研究具有重要意义。本专利结合无人集群通信信号的侦收、雷达信号的探测、无人机集群雷达通信融合目标识别,给出了雷达干侵一体化波形设计方法,提升反无人机集群系统的性能,对提高无人机集群防御作战效能具有重要的实际意义。
发明内容
发明目的:本发明提出一种针对无人机集群的侦探融合的干侵一体化雷达波形设计方法,实现雷达对无人机集群的干侵一体化波形设计。
技术方案:本发明所述的一种针对无人机集群的侦探融合的干侵一体化雷达波形设计方法,包括以下步骤:
(1)分别构建不同机型无人机集群在有干扰和无干扰两种情况下内部通信信号特征数据库以及导航定位信号数据库;侦测接收机接收无人机集群通信信号,将接收到的通信信号通过神经网络进行分类,确定无人机集群的无人机类型;
(2)根据无人机集群中无人机的类型可确定无人机集群内部通信信号时频域特征和GPS定位信号格式,雷达根据无人机集群内部通信信号时频域特征和GPS定位信号格式发射针对性的干扰波形,实现对无人机集群的压制干扰和定位欺骗干扰;
(3)侦测接收机和雷达分别实时侦测无人机内部通信信号特征和无人机集群的几何形态,对无人机集群的干扰抑制效果做出评估,并将干扰效果评估结果用于知道雷达发射信号干扰策略选择。
进一步地,所述步骤(1)实现过程如下:
无人机集群之间的导航信号一般采用扩频信号,常见的扩频调制方式有如下三种:
其中,fc为初始载波频率,θ0为初始相位,A0为载波的初始振幅,N为调制编码数,T为编码周期,gT(·)为编码周期内的波形脉冲,fi∈{f(1),f(2),…,f(M)}为波形的调制频率,Ai∈{A(1),A(2),…,A(M)}为波形的振幅调制,为相位调制;
不同的扩频信号在频域具有不同的特征,侦测接收机将接收到的无人机集群通信信号经过傅里叶变换后输入到深度卷积神经网络对无人机的类型进行分类;侦测接收机接收的无人机通信信号为s(t),将s(t)离散化后进行傅里叶变换后得到无人机通信信号得频谱:
其中,N为无人机集群通信信号的采样点数;在神经网络训练阶段,S(k)由所建的无人机通信信号库所提供;在神经网络分类阶段,S(k)为侦测接收机所接收的无人机集群通信信号。
进一步地,步骤(2)所述压制干扰实现过程如下:
采用杂乱脉冲对无人机集群的通讯信号进行压制式干扰,杂乱脉冲干扰信号的解析式可表示为:
其中,Trm表示第m个脉冲的重复周期,um(t)表示第m个周期内的压制式干扰信号;压制式干扰信号可为噪声调幅、噪声调频等脉冲信号,其脉冲宽度为Tm;确定无人机集群通信信号的特征参数后,将干扰信号的能量集中到无人机集群通信信号的频段即可实现无人机通讯的压制干扰。
进一步地,步骤(2)所述定位欺骗干扰实现过程如下:
根据侦测接收机识别的无人机集群的导航定位信号的特征,可实现对无人机集群定位的欺骗式干扰;转发式欺骗直接转发真实导航信号,进入转发式欺骗之前,首先要对无人集群目标进行压制干扰,切断无人机之间的通讯,使各个单体无人机进入信号搜索状态,各无人机失锁后在搜索通讯信号时有可能搜索到其余无人机的通讯信号或导航信号,也有可能搜索到转发式欺骗信号;
设干扰设备A的坐标为(XA,YA,ZA),干扰目标B的坐标为(XB,YB,ZB),欺骗位置B′的坐标为(XB′,YB′,ZB′),第i颗卫星的坐标为(Xi,Yi,Zi),第i颗卫星到干扰设备A的伪距为:
同理,第i颗卫星到干扰目标B以及预期欺骗位置B'的伪距可以表示为:
根据导航信号伪距定位的原理可知,改变伪距可以使无人机接收机定位到错误位置;若使B定位到B',则通过A转发各支路卫星信号所需的时延为:
其中,PAB为干扰设备和干扰目标之间的距离,dtB和dtB′作为各卫星公共误差不对定位结果产生影响;由于实际应用中时延应为正,取tp=max(△ti),则经由A发送到B的最终信号时延为△ti=△ti+tp;根据计算得到的各颗卫星的时延,将导航信号转发至干扰目标,实现GPS位置欺骗。
进一步地,所述步骤(3)实现过程如下;
首先,雷达根据无人机集群导航通讯信号的频带信息和调制方式设计发射信号,对无人机集群进行探测的同时进行干扰无人机集群的导航定位系统;雷达根据无人机集群通讯信号的频域特征,在时域或者是频域合成大功率压制干扰信号,干扰信号经过无人集群目标发射后被己方接收机接收,同时无人集群进入通讯信号搜索状态;然后,通过分析探测与干扰的回波,预估无人集群的导航与通讯信号,设计并发射转发式欺骗波形;当己方雷达接收机接收到欺骗信号回波后,通过回波信号处理后得到无人机集群的位置信息及几何形状,以此来评估雷达发射信号对无人机集群的干扰效果,并将结果反馈回发射波形的构造中,实现闭环反馈的侦探干侵一体化。
有益效果:与现有技术相比,本发明的有益效果:本发明用雷达代替干扰机,通过设计雷达发射波形实现无人机集群的干扰和诱捕;本发明实现了雷达的无人机集群探测与干扰一体化波形设计,将无人机集群的探测与干扰整合到由单个雷达来实现,极大的降低了设备成本;同时,探测、识别和干扰形成闭环迭代,较现有的单纯的无人机集群干扰措施具有更好的打击效果。
附图说明
图1为本发明的流程图;
图2为CNN网络无人机集群类型识别流程图;
图3为导航定位欺骗干扰示意图;
图4为无人机集群干扰效果评估流程图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
本发明提出一种针对无人机集群侦探融合的干侵一体化雷达波形设计方法,侦测接收机识别无人机集群通信信号特征,构建无人机集群通信信号特征数据库,通过神经网络对无人机集群通信信号进行识别,从而确定无人机的种类;然后雷达针对特定类型的无人机发射压制干扰信号或者欺骗干扰信号,实现对无人机集群的干扰;最后,通过干扰效果评估系统实时评估无人机集群的干扰效果,并将评估效果反馈给雷达波形设计端,指导雷达调整发射波形干扰策略,提升雷达干扰波形的干扰效果。如图1所示,具体包括以下步骤:
步骤1:分别构建不同机型无人机集群在有干扰和无干扰两种情况下内部通信信号特征数据库以及导航定位信号数据库。侦测接收机接收无人机集群通信信号,将接收到的通信信号通过神经网络进行分类,确定无人机集群的无人机类型。
无人机集群之间的导航信号一般采用扩频信号,常见的扩频调制方式有如下三种:
其中,fc为初始载波频率,θ0为初始相位,A0为载波的初始振幅,N为调制编码数,T为编码周期,gT(·)为编码周期内的波形脉冲,fi∈{f(1),f(2),…,f(M)}为波形的调制频率,Ai∈{A(1),A(2),…,A(M)}为波形的振幅调制,为相位调制。
不同的扩频信号在频域具有不同的特征,侦测接收机将接收到的无人机集群通信信号经过傅里叶变换后输入到深度卷积神经网络对无人机的类型进行分类。假设侦测接收机接收的无人机通信信号为s(t),将s(t)离散化后进行傅里叶变换后得到无人机通信信号得频谱:
其中,N为无人机集群通信信号的采样点数。在神经网络训练阶段,S(k)由所建的无人机通信信号库所提供;在神经网络分类阶段,S(k)为侦测接收机所接收的无人机集群通信信号。深度卷积神经网络对无人机集群信号的分类和识别由图3给出详细步骤。
步骤2:根据无人机集群中无人机的类型可确定无人机集群内部通信信号时频域特征和GPS定位信号格式,雷达根据无人机集群内部通信信号时频域特征和GPS定位信号格式发射针对性的干扰波形,从而实现对无人机集群的压制干扰和定位欺骗干扰。
若要实现对无人机的干扰拦截,仅需对无人机的导航链路、数据传输链路和图像传输链路进行压制式干扰即可。无人机的导航通信信号的功率非常低,通常在-160dBW左右,因此无人机通信信号的抗干扰能力是非常有限的。同时,导航系统属于军民两用系统,处于半公开状态,容易被有源干扰破坏,使无人机无法收到导航信号或者收到虚假的导航信号。无人机的类型有权利要求2的方法可以得到,由无人机的类型可以获取无人机的导航定位信号特征,比如信号频带、调制方式等。本发明用雷达发射一定功率的压制干扰信号,干扰信号遮蔽无人机集群通讯信号所在频段,降低无人机接收端的信干比,使无人机的通讯链路无法正常工作,无人机集群重新进入导航定位信号搜索状态。然后,雷达模拟导航定位信号作为雷达的发射信号,实现对无人机集群中单个无人机定位的欺骗干扰,回波信号处理后,获取无人机的位置信息作为干扰效果的评估基础。
对压制式干扰而言,干扰的关键是将干扰信号能量集中到无人机通信信号的频谱上。无人机通信信号频段可由权利要求2获得。雷达可根据侦测接收机识别到的无人机集群通讯信号频率特征,在相同的频带内产生大功率的干扰信号,从而切断无人机集群的定位信号。由于无人机通信接收机较为薄弱的环节是载波跟踪门限(Cs/N0)门限,即载波环正常跟踪的载噪比门限值。因此,干扰信号在频带内的功率如果使载波环路的等效载噪(Cs/N0)eq比小于(Cs/N0)门限,则可成功使目标接收机失锁。一般而言,根据BPSK扩频通信原理,(Cs/N0)eq可按下式计算:
(Cs/N0)eq=[(Cs/N0)-1+(J/S)(QRc)-1]-1 (5)
其中,(Cs/N0)为在无干扰的理想情况下的载噪比;J/S为干扰信号和有用信号的功率之比;Rc为码发生器的扩频码速率;Q为接收机对各种干扰源确定的抗干扰品质因数。无人机装有全向天线,简化的J/S方程为:
J/S=ERPJ-ERPS-LJ+LS (6)
将式(5)进行变换,并将比值用dB来表示,则可得:
其中,S为信号接收功率(单位为dB)。
本发明用杂乱脉冲对无人机集群的通讯信号进行压制式干扰,杂乱脉冲干扰信号的解析式可表示为:
其中,Trm表示第m个脉冲的重复周期,um(t)表示第m个周期内的压制式干扰信号。压制式干扰信号可为噪声调幅、噪声调频等脉冲信号,其脉冲宽度为Tm。根据权利要求2确定无人机集群通信信号的特征参数后,将干扰信号的能量集中到无人机集群通信信号的频段即可实现无人机通讯的压制干扰。
根据侦测接收机识别的无人机集群的导航定位信号的特征,可实现对无人机集群定位的欺骗式干扰。转发式欺骗直接转发真实导航信号,进入转发式欺骗之前,首先要对无人集群目标进行压制干扰,切断无人机之间的通讯,使各个单体无人机进入信号搜索状态,各无人机失锁后在搜索通讯信号时有可能搜索到其余无人机的通讯信号或导航信号,也有可能搜索到转发式欺骗信号。由于转发式欺骗信号的功率强于真实信号,所以捕获欺骗信号的概率大。
无人机需要接收至少四颗卫星的导航信号才能够解算出自身的三维空间坐标,如图3所示。设干扰设备A的坐标为(XA,YA,ZA),干扰目标B的坐标为(XB,YB,ZB),欺骗位置B′的坐标为(XB′,YB′,ZB′),第i颗卫星的坐标为(Xi,Yi,Zi),第i颗卫星到干扰设备A的伪距为:
同理,第i颗卫星到干扰目标B以及预期欺骗位置B'的伪距可以表示为:
根据导航信号伪距定位的原理可知,改变伪距可以使无人机接收机定位到错误位置。若使B定位到B',则通过A转发各支路卫星信号所需的时延为:
其中,PAB为干扰设备和干扰目标之间的距离,dtB和dtB′作为各卫星公共误差不对定位结果产生影响。由于实际应用中时延应为正,取tp=max(△ti),则经由A发送到B的最终信号时延为△ti=△ti+tp。根据计算得到的各颗卫星的时延,将导航信号转发至干扰目标,实现GPS位置欺骗。
步骤3:侦测接收机和雷达分别实时侦测无人机内部通信信号特征和无人机集群的几何形态,从而对无人机集群的干扰抑制效果做出评估,并将干扰效果评估结果用于知道雷达发射信号干扰策略选择。具体流程如图4所示。
首先,雷达根据无人机集群导航通讯信号的频带信息和调制方式设计发射信号,对无人机集群进行探测的同时进行干扰无人机集群的导航定位系统。雷达根据无人机集群通讯信号的频域特征,在时域或者是频域合成大功率压制干扰信号,干扰信号经过无人集群目标发射后被己方接收机接收,同时无人集群进入通讯信号搜索状态。然后,通过分析探测与干扰的回波,预估无人集群的导航与通讯信号,借此设计并发射转发式欺骗波形。当己方雷达接收机接收到欺骗信号回波后,通过回波信号处理后得到无人机集群的位置信息及几何形状,以此来评估雷达发射信号对无人机集群的干扰效果,并将结果反馈回发射波形的构造中,从而实现闭环反馈的侦探干侵一体化。
Claims (5)
1.一种针对无人机集群侦探融合的干侵一体化雷达波形设计方法,其特征在于,包括以下步骤:
(1)分别构建不同机型无人机集群在有干扰和无干扰两种情况下内部通信信号特征数据库以及导航定位信号数据库;侦测接收机接收无人机集群通信信号,将接收到的通信信号通过神经网络进行分类,确定无人机集群的无人机类型;
(2)根据无人机集群中无人机的类型可确定无人机集群内部通信信号时频域特征和GPS定位信号格式,雷达根据无人机集群内部通信信号时频域特征和GPS定位信号格式发射针对性的干扰波形,实现对无人机集群的压制干扰和定位欺骗干扰;
(3)侦测接收机和雷达分别实时侦测无人机内部通信信号特征和无人机集群的几何形态,对无人机集群的干扰抑制效果做出评估,并将干扰效果评估结果用于知道雷达发射信号干扰策略选择。
2.根据权利要求1所述的针对无人机集群侦探融合的干侵一体化雷达波形设计方法,其特征在于,所述步骤(1)实现过程如下:
无人机集群之间的导航信号一般采用扩频信号,常见的扩频调制方式有如下三种:
其中,fc为初始载波频率,θ0为初始相位,A0为载波的初始振幅,N为调制编码数,T为编码周期,gT(·)为编码周期内的波形脉冲,fi∈{f(1),f(2),…,f(M)}为波形的调制频率,Ai∈{A(1),A(2),…,A(M)}为波形的振幅调制,为相位调制;
不同的扩频信号在频域具有不同的特征,侦测接收机将接收到的无人机集群通信信号经过傅里叶变换后输入到深度卷积神经网络对无人机的类型进行分类;侦测接收机接收的无人机通信信号为s(t),将s(t)离散化后进行傅里叶变换后得到无人机通信信号得频谱:
其中,N为无人机集群通信信号的采样点数;在神经网络训练阶段,S(k)由所建的无人机通信信号库所提供;在神经网络分类阶段,S(k)为侦测接收机所接收的无人机集群通信信号。
4.根据权利要求1所述的针对无人机集群侦探融合的干侵一体化雷达波形设计方法,其特征在于,步骤(2)所述定位欺骗干扰实现过程如下:
根据侦测接收机识别的无人机集群的导航定位信号的特征,可实现对无人机集群定位的欺骗式干扰;转发式欺骗直接转发真实导航信号,进入转发式欺骗之前,首先要对无人集群目标进行压制干扰,切断无人机之间的通讯,使各个单体无人机进入信号搜索状态,各无人机失锁后在搜索通讯信号时有可能搜索到其余无人机的通讯信号或导航信号,也有可能搜索到转发式欺骗信号;
设干扰设备A的坐标为(XA,YA,ZA),干扰目标B的坐标为(XB,YB,ZB),欺骗位置B′的坐标为(XB′,YB′,ZB′),第i颗卫星的坐标为(Xi,Yi,Zi),第i颗卫星到干扰设备A的伪距为:
同理,第i颗卫星到干扰目标B以及预期欺骗位置B'的伪距可以表示为:
根据导航信号伪距定位的原理可知,改变伪距可以使无人机接收机定位到错误位置;若使B定位到B',则通过A转发各支路卫星信号所需的时延为:
其中,PAB为干扰设备和干扰目标之间的距离,dtB和dtB′作为各卫星公共误差不对定位结果产生影响;由于实际应用中时延应为正,取tp=max(△ti),则经由A发送到B的最终信号时延为△ti=△ti+tp;根据计算得到的各颗卫星的时延,将导航信号转发至干扰目标,实现GPS位置欺骗。
5.根据权利要求1所述的针对无人机集群侦探融合的干侵一体化雷达波形设计方法,其特征在于,所述步骤(3)实现过程如下;
首先,雷达根据无人机集群导航通讯信号的频带信息和调制方式设计发射信号,对无人机集群进行探测的同时进行干扰无人机集群的导航定位系统;雷达根据无人机集群通讯信号的频域特征,在时域或者是频域合成大功率压制干扰信号,干扰信号经过无人集群目标发射后被己方接收机接收,同时无人集群进入通讯信号搜索状态;然后,通过分析探测与干扰的回波,预估无人集群的导航与通讯信号,设计并发射转发式欺骗波形;当己方雷达接收机接收到欺骗信号回波后,通过回波信号处理后得到无人机集群的位置信息及几何形状,以此来评估雷达发射信号对无人机集群的干扰效果,并将结果反馈回发射波形的构造中,实现闭环反馈的侦探干侵一体化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210092964.8A CN114609597A (zh) | 2022-01-26 | 2022-01-26 | 针对无人机集群侦探融合的干侵一体化雷达波形设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210092964.8A CN114609597A (zh) | 2022-01-26 | 2022-01-26 | 针对无人机集群侦探融合的干侵一体化雷达波形设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114609597A true CN114609597A (zh) | 2022-06-10 |
Family
ID=81859942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210092964.8A Pending CN114609597A (zh) | 2022-01-26 | 2022-01-26 | 针对无人机集群侦探融合的干侵一体化雷达波形设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114609597A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225441A (zh) * | 2022-07-21 | 2022-10-21 | 南京航空航天大学 | 一种复杂环境下的无人机集群通信波形识别方法 |
CN115508795A (zh) * | 2022-10-20 | 2022-12-23 | 中国人民解放军空军航空大学 | 一种探测干扰一体化共享信号动态生成方法 |
-
2022
- 2022-01-26 CN CN202210092964.8A patent/CN114609597A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225441A (zh) * | 2022-07-21 | 2022-10-21 | 南京航空航天大学 | 一种复杂环境下的无人机集群通信波形识别方法 |
CN115508795A (zh) * | 2022-10-20 | 2022-12-23 | 中国人民解放军空军航空大学 | 一种探测干扰一体化共享信号动态生成方法 |
CN115508795B (zh) * | 2022-10-20 | 2024-04-02 | 中国人民解放军空军航空大学 | 一种探测干扰一体化共享信号动态生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Manesh et al. | Detection of GPS spoofing attacks on unmanned aerial systems | |
CN112797846B (zh) | 一种无人机防控方法及系统 | |
CN112651181B (zh) | 一种基于零和博弈的雷达对抗策略建模与仿真方法 | |
CN113031022B (zh) | 一种基于波束零陷指向的多维域卫星导航欺骗干扰检测方法 | |
CN114609597A (zh) | 针对无人机集群侦探融合的干侵一体化雷达波形设计方法 | |
Bradaric et al. | Multistatic radar systems signal processing | |
CN111090078B (zh) | 一种基于射频隐身的组网雷达驻留时间优化控制方法 | |
Bethi et al. | Stealthy GPS spoofing: Spoofer systems, spoofing techniques and strategies | |
CN108614261B (zh) | 一种组网雷达系统多目标跟踪下的辐射参数控制方法 | |
Liu et al. | Synchronization-free GPS spoofing detection with crowdsourced air traffic control data | |
CN112564735B (zh) | 一种基于跳频信号的无人机检测跟踪干扰装置 | |
CN104535972A (zh) | 一种机载雷达相干转发式干扰抑制方法 | |
Swinney et al. | A review of security incidents and defence techniques relating to the malicious use of small unmanned aerial systems | |
CN112147600A (zh) | 面向射频隐身和目标跟踪的多基雷达发射参数优化方法 | |
CN115480222A (zh) | 一种基于频控阵干扰机的雷达干扰技术方法 | |
CN114924236A (zh) | 基于位置和速度信息的空地雷达协同抗欺骗式干扰方法 | |
Wang et al. | A jamming aware artificial potential field method to counter GPS jamming for unmanned surface ship path planning | |
CN111007471B (zh) | 一种判定有源压制干扰在仿真环境中干扰效果的方法 | |
CN106772277A (zh) | 基于信号重构的bds直达波干扰抑制方法 | |
Yang et al. | Research on GNSS interference recognition based on ROI of correlation peaks | |
CN108896970A (zh) | 一种基于多元矢量合成技术的雷达干扰方法 | |
Inggs et al. | Noise jamming of a FM band commensal radar | |
Inggs et al. | Noise jamming of a FM band commensal sensor | |
Li et al. | Robust jamming resource allocation for cooperatively suppressing multi-station radar systems in multi-jammer systems | |
Tang et al. | Techniques and System Design of Radar Active Jamming |
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 |