CN115453471A - 一种基于麻雀搜索算法的干扰探测一体化波形设计方法 - Google Patents
一种基于麻雀搜索算法的干扰探测一体化波形设计方法 Download PDFInfo
- Publication number
- CN115453471A CN115453471A CN202211130703.7A CN202211130703A CN115453471A CN 115453471 A CN115453471 A CN 115453471A CN 202211130703 A CN202211130703 A CN 202211130703A CN 115453471 A CN115453471 A CN 115453471A
- Authority
- CN
- China
- Prior art keywords
- signal
- waveform
- amplitude
- integrated
- interference
- 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
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
- G01S7/28—Details of pulse systems
- G01S7/282—Transmitters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于麻雀搜索算法的干扰探测一体化波形设计方法,该发明所述的方法首先根据干扰探测一体化信号时延分辨常数、多普勒分辨常数和脉冲压缩后信号幅度的离散程度联合最小化准则建立优化模型,构造相应的目标函数;利用麻雀搜索算法求解目标函数,从而得到优化的干扰探测一体化信号的方式。该方法设计出的一体化信号具有干扰性能的同时兼顾探测性能,不仅激发了电子对抗系统一机多能的潜能,增强了信号的隐蔽性;同时还证明麻雀搜索算法拥有更好的全局优化能力。为电子对抗系统在小型化、智能化、一体化发展的方向上提供了新的解决方案。
Description
技术领域
本发明属于电子对抗领域,涉及利用干扰机接收到的对方信号进行间歇采样转发处理,并且干扰发射机发出的信号运用智能算法进行优化,使得发射信号在拥有干扰能力的同时具备一定的探测能力,从而实现干扰探测一体化信号的优化设计方法。
背景技术
随着信息化、智能化的不断提高,电子对抗系统面对的电磁环境日益复杂。为了满足有效打击对方设备与增加己方设备的防护的需求,电子对抗系统逐渐呈现出一机多能的趋势。一机多能的综合一体化系统将探测、通信、侦察、干扰等单平台功能进行融合,可以实现探测干扰、探测侦察、通信干扰等功能集成。
对干扰探测一体化系统,国外研究比较早。20世纪80年代,美国空军F22上进行的“宝石柱”项目和“宝石台”项目,使得F22的航电系统具有干扰探测一体化功能。但是该系统的探测信号和干扰信号完全独立,分时工作,并非真正意义的干扰探测一体化系统。相较国外,国内关于干扰探测一体化的研究起步较晚。李其虎,王颖等人提出了一种基于双载频伪随机二相编码信号的干扰探测一体化信号,并从信号的模糊函数和频率特性分析了一体化信号的探测性能与干扰性能。钟璠提出了一种基于脉内线性调频信号的SAR干扰探测一体化信号,并从信号的模糊函数和频域特性分析了一体化信号的探测性能与干扰性能。不难发现,现有的干扰探测一体化研究是通过主动发射信号实施干扰,而本发明的干扰探测一体化信号是通过接收对方信号进行间歇采样转发实施干扰。
为了提高雷达的作用距离、分辨能力、测量精度等指标,脉冲压缩雷达得以广泛运用。线性调频信号作为最常见的脉冲压缩雷达信号,为了提高距离分辨力,具有大的带宽;为了提高速度分辨力,具有大的时宽;为了提高雷达作用距离,具有大的时宽带宽积。
评估干扰探测一体化信号的指标为时延模糊函数、多普勒模糊函数与脉冲压缩后信号幅度的离散程度,其中时延模糊函数与多普勒分辨率用于评估信号的探测性能,脉冲压缩后信号幅度的离散程度用于评估信号的干扰性能。
干扰探测一体化信号的优化设计过程是使用优化算法间歇采样转发信号的脉冲序列,输出干扰探测指标最优的一体化信号。优化算法为麻雀搜索算法,麻雀搜索算法作为2019年由薛建凯等人提出的新型智能优化算法,为了解决传统优化算法容易陷入局部最优的情况,麻雀搜索算法具有稳定性好、参数少、全局搜索能力和局部开发能力强等特点。
发明内容
本发明为一种基于麻雀搜索算法的干扰探测一体化波形设计方法其目的是为了激发电子对抗系统的潜能,使电子对抗系统拥有一机多能的特点。本发明将干扰接收机所收到的对方信号进行间歇采样转发并优化,使得所发射信号可以同时具备探测与干扰性能。该融合不仅激发电子系统的潜能,同时省略了雷达系统的本振,减少了电子对抗系统的结构,降低了使用和维护成本,增强了己方设备在电子对抗中的生存能力。
本发明中的优化算法为麻雀搜索算法,使用该算法的目的是为了证明相较其他优化算法,麻雀搜索算法拥有更好的收敛速度、更好的全局搜索能力和局部开发能力等优点。同时,为解决复杂的全局优化问题提供了一种全新的方法。
本发明的目的是这样实现的:步骤如下:
步骤一:初始化一体化信号,一体化波形信号是对线性调频信号进行间歇采样得到,线性调频信号的表达式为:
一体化波形集合中一共有N个信号波形,且每个信号波形的幅度码元编码宽度为P,则第n个信号波形表示为:
ym=[ym(1),ym(2),...,ym(w),...,ym(W)]
式中:1≤m≤N,ym(w)为一体化信号波形的第w个码元脉冲;随机序列将信号波形的二进制幅度编码表示为:
式中,βk取值时0或1,τ为最小采样时间,gτ(t)的表达式为:
在幅度编码二进制序列中,以I表示序列中连续为0的编码串数目,J表示序列中连续为1的编码串数目,并且I的长度小于J的长度,第m个信号波形的第w个码元对应的短脉冲ym(w)表示为:
式(9)中,ciw代表信号幅度二进制编码的第w个码元位于连0序列I中的第i个,i∈[1,2,...,I];cjw代表信号幅度二进制编码的第w个码元位于连1序列J中的第j个,j∈[1,2,...,J];sw(t)为幅度二进制编码的第w个码元对应的线性调频信号脉冲,公式为:
sw(t)=s(t)c(w)
式中,c(w)=cwgτ(t-wτ),cw代表第w个幅度二进制编码码元,
步骤二:麻雀搜索算法求最优波形;
步骤二一:初始化算法参数,初始化麻雀的种群数N,种群中搜索者、加入者、警戒者比例以及迭代次数;
步骤二二:计算适应度,计算每个种群的适应度函数,适应度函数的计算公式为:
步骤二三:适应度排序,对适应度函数进行排序,记录最佳适应度值及其对应坐标;
步骤二四:计算麻雀位置,计算麻雀种群中搜索者、加入者、警戒者位置;
步骤二五:进行迭代,循环执行步骤二二至步骤二四,直到迭代误差小于0.1且达到迭代次数后,输出最佳位置即最优一体化信号波形。
与现有技术相比,本发明的有益效果是:(1)一机多能:本发明设计一体化信号在进行干扰对方信号的同时能具有探测的功能,将干扰发射机作为探测信号和干扰信号的发射源,节省了雷达的本振,为未来电子对抗系统向小型化、一体化发展提供了一种解决方案;
(2)信号隐秘性:本发明利用间歇采样转发技术实现幅度编码调制,将接收到的来自脉冲压缩雷达的线性调频信号分成若干个脉冲宽度不均匀的短脉冲进行转发。将探测信号融合在干扰信号中,使对方误以为只是单纯的干扰信号,降低了探测信号的被截获概率,提升了己方电子对抗设备的生存能力。
(3)全局优化能力:本发明中通过麻雀搜索算优化后一体化信号的探测性能优于相同参数条件下的通过遗传算法优化后的一体化信号,见图5、图6、图7。麻雀搜索算法相较遗传算法拥有更好的全局搜索能力。由此可得,本发明得到的一体化信号,有效提升了探测与干扰性能。本发明为一体化信号优化算法提供了新的方法,同时为电子对抗系统在一机多能的发展方向上提供了解决思路。
附图说明
图1为本发明的方法流程图;
图2为脉冲幅度调制的线性调频信号的间歇采样转发机制;
图3为麻雀搜索算法的适应度函数曲线;
图4为一体化信号最优波形;
图5为不同优化算法获得的一体化信号与均匀间歇采样转发干扰信号的时延分辨常数对比图;
图6为不同优化算法获得的一体化信号与均匀间歇采样转发干扰信号的多普勒分辨常数对比图;
图7为不同优化算法获得的一体化信号与均匀间歇采样转发干扰信号的脉冲压缩后幅度时域对比图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明在针对线性调频的信号间歇采样转发基础上提出了一种基于麻雀优化算法的干扰探测一体化信号波形优化设计方法在向对方信号实施干扰的同时具有一定的探测能力。波形优化设计方案如下:
1.设置优化函数
干扰探测一体化信号的优化函数设置需要同时满足优化干扰性能与探测性能的条件,因此确定干扰与探测性能的评估指标。
(1)确定干扰探测性能评估指标
间歇采样转发后的线性调频信号经过脉冲压缩后会产生一定数目和幅度较大的脉冲信号,即假目标信号。假目标的数目越多,脉冲幅度越高说明干扰效果越好。因此将脉冲压缩后信号幅度的离散程度d用于评估一体化信号的干扰性能。
脉冲压缩后信号脉冲离散程度d定义为:
式(1)中,x(t)为一体化信号脉压结果,σ2(·)为方差运算,E(·)为均值运算。d越小则说明干扰性能越好
(2)确定探测性能评估指标
探测性能评估指标分为距离分辨力和速度分辨力。雷达的距离分辨力在实际电磁环境中较为复杂,其中时延自相关函数的主瓣及旁瓣对距离分辨力有着显著影响。因此使用时延模糊函数来描述距离分辨力,时延时延常数代表时延模糊函数的全部能量与主峰的比值。时延分辨常数越小,说明主峰和旁瓣之和能量越小,距离分辨力越高。
时延分辨常数Cμ定义为:
同理,多普勒模糊函数用来描述雷达的速度分辨力。多普勒分辨常数越小说明主峰和旁瓣能量越小,速度分辨力越高。
多普勒分辨常数Cν定义为:
(3)优化函数的表达式
一体化信号同时具备干扰与探测性能,且性能参数Cν、Cμ、d均越小越好,因此目标函数R(t)构建为:
R(t)=α1Cv+α2Cμ+α3d (4)
其中α1,α2,α3为归一化系数。
2.确定优化算法
一体化信号的优化是根据优化函数遍历地搜索最优解,并且得到的一体化信号的性能可以稳定地改善,最终得到最优一体化信号。优化算法需要具有较强的全局寻优能力、局部优化能力和良好的鲁棒性。而麻雀搜索算法在这些基础上还具有良好的适应性与灵活性,在不改变算法结构的情况下,能针对不同的问题进行优化。同时,麻雀搜索算法还具有随机性,在面对大量局部优化问题时,能够为复杂的实际问题提供新的解决思路。
因此选择麻雀搜索算法为优化算法。
3.预期效果
(1)一体化信号干扰探测性能优于均匀间歇采样转发信号。
对于干扰性能,脉冲压缩后一体化信号相较均匀间歇采样转发信号,一体化信号产生的假信号个数更多、假信号幅度更大、假信号密集程度更高。
对于探测性能,一体化信号相较均匀采样转发信号,多普勒分辨常数与时延分辨常数的旁瓣峰值更小。
(2)麻雀搜索算法具有更好的全局优化能力。
麻雀搜索算法得到的一体化信号干扰和探测性能应该优于其他优化算法,本发明中的对比算法为遗传优化算法。
本发明是基于线性调频信号的间歇采样转发的条件下提出的。
对于一种基于麻雀搜索算法的干扰探测一体化波形优化方法,具体实施步骤如下:
步骤一:初始化一体化信号
一体化波形信号是对线性调频信号进行间歇采样得到的。
线性调频信号的表达式为:
一体化波形集合中一共有N个信号波形,且每个信号波形的幅度码元编码宽度为P,则第n个信号波形可以表示为:
ym=[ym(1),ym(2),...,ym(w),...,ym(W)] (6)
式(6)中,1≤m≤N,其中ym(w)为一体化信号波形的第w个码元脉冲。其中,随机序列可将信号波形的二进制幅度编码表示为:
式(7)中,βk取值时0或1,τ为最小采样时间。gτ(t)的表达式为:
在幅度编码二进制序列中,以I表示序列中连续为0的编码串数目,J表示序列中连续为1的编码串数目,并且I的长度小于J的长度,如图2所示。因此,式(6)中,第m个信号波形的第w个码元对应的短脉冲ym(w)可表示为:
式(9)中,ciw代表信号幅度二进制编码的第w个码元位于连0序列I中的第i个,i∈[1,2,...,I];cjw代表信号幅度二进制编码的第w个码元位于连1序列J中的第j个,j∈[1,2,...,J]。sw(t)为幅度二进制编码的第w个码元对应的线性调频信号脉冲,公式为:
sw(t)=s(t)c(w) (10)
式(10)中,线性调频信号s(t)与公式(5)相同,c(w)=cwgτ(t-wτ),cw代表第w个幅度二进制编码码元,且该码元编码为1。
步骤二:麻雀搜索算法求最优波形
步骤二一:初始化算法参数
初始化麻雀的种群数N,种群中搜索者、加入者、警戒者比例以及迭代次数;
步骤二二:计算适应度
计算每个种群的适应度函数,适应度函数的计算公式为:
步骤二三:适应度排序
对适应度函数进行排序,记录最佳适应度值及其对应坐标
步骤二四:计算麻雀位置
计算麻雀种群中搜索者、加入者、警戒者位置;
步骤二五:进行迭代
循环执行步骤二二至步骤二四,直到迭代误差小于0.1且达到迭代次数后,输出最佳位置即最优一体化信号波形。
验证本发明方法的有效性如下:
一体化信号参数设置如下:
麻雀搜索算法参数设置如下:
麻雀的种群数N为40,种群中搜索者比例为0.7、加入者比例为0.3、警戒者比例为0.2以及迭代次数为100。
遗传优化算法参数如下:
种群个数为40,选择概率为0.5,杂交概率为0.7,变异率为0.001。
仿真结果分析如下所示:
图3表示随着迭代次数变化的最佳适应度值,也就是一体化信号波形目标函数R(t)的值。随着迭代次数的不断增加,一体化信号波形的目标函数值逐渐收敛,达到最小,即最优一体化信号波形。
图4为经过麻雀搜索算法优化后的得到的干扰探测一体化信号波形。
图5为不同算法优化的干扰探测一体化信号和均匀间歇采样转发干扰信号的时延分辨常数对比图,其中橘色为均匀间歇采样转发信号,绿色为遗传算法优化的一体化信号,紫色为麻雀搜索算法优化的干扰探测一体化信号。可看到优化后的干扰探测一体化信号时延模糊函数旁瓣峰值明显降低,距离分辨率得到提升。同时麻雀搜索算法优化的一体化信号的旁瓣峰值略低于遗传算法优化的一体化信号旁瓣峰值,因此一体化信号距离分辨率的优化性能,麻雀搜索算法略优于遗传算法。
图6为不同算法优化的干扰探测一体化波形与均匀间歇采样转发干扰信号的多普勒分辨常数对比图,其中橘色为均匀间歇采样转发信号,绿色为遗传算法优化的一体化信号,紫色为麻雀搜索算法优化的干扰探测一体化信号。可看到麻雀搜索算法优化后的一体化信号多普勒模糊函数旁瓣峰值明显降低,速度分辨率得到提升,但遗传算法优化后并没有提升速度分辨率。因此一体化信号距离分辨率的优化性能,麻雀搜索算法远优于遗传算法。
图7为不同算法优化的干扰探测一体化信号与均匀间歇采样转发干扰信号的脉冲压缩后信号幅度的时域图,其中橘色为均匀间歇采样转发信号,绿色为遗传算法优化的一体化信号,紫色为麻雀搜索算法优化的干扰探测一体化信号。可看出经过优化的一体化信号在经过脉压处理后假目标数目增加、幅度增大,干扰性能得到提升。对于一体化信号的干扰性能,麻雀搜索算法优化信号脉压后假目标数目更多、分布更加密集。因此一体化信号干扰性能的优化能力,麻雀搜索算法优于遗传算法。
上述为本发明特举之实施例,并非用以限定本发明,在不脱离本发明的实质和范围内,可做些许的调整和优化,本发明的保护范围以权利要求为准。
综上,本发明公开了一种基于麻雀搜索算法的干扰探测一体化波形优化设计方法。该发明所述的方法首先根据干扰探测一体化信号时延分辨常数、多普勒分辨常数和脉冲压缩后信号幅度的离散程度联合最小化准则建立优化模型,构造相应的目标函数;利用麻雀搜索算法求解目标函数,从而得到优化的干扰探测一体化信号的方式。该方法设计出的一体化信号具有干扰性能的同时兼顾探测性能,不仅激发了电子对抗系统一机多能的潜能,增强了信号的隐蔽性;同时还证明麻雀搜索算法拥有更好的全局优化能力。为电子对抗系统在小型化、智能化、一体化发展的方向上提供了新的解决方案。
Claims (1)
1.一种基于麻雀搜索算法的干扰探测一体化波形设计方法,其特征在于,步骤如下:
步骤一:初始化一体化信号,一体化波形信号是对线性调频信号进行间歇采样得到,线性调频信号的表达式为:
一体化波形集合中一共有N个信号波形,且每个信号波形的幅度码元编码宽度为P,则第n个信号波形表示为:
ym=[ym(1),ym(2),...,ym(w),...,ym(W)]
式中:1≤m≤N,ym(w)为一体化信号波形的第w个码元脉冲;随机序列将信号波形的二进制幅度编码表示为:
式中:βk取值时0或1,τ为最小采样时间,gτ(t)的表达式为:
在幅度编码二进制序列中,以I表示序列中连续为0的编码串数目,J表示序列中连续为1的编码串数目,并且I的长度小于J的长度,第m个信号波形的第w个码元对应的短脉冲ym(w)表示为:
式中:ciw代表信号幅度二进制编码的第w个码元位于连0序列I中的第i个,i∈[1,2,...,I];cjw代表信号幅度二进制编码的第w个码元位于连1序列J中的第j个,j∈[1,2,...,J];sw(t)为幅度二进制编码的第w个码元对应的线性调频信号脉冲,公式为:
sw(t)=s(t)c(w)
式中:c(w)=cwgτ(t-wτ),cw代表第w个幅度二进制编码码元,
步骤二:麻雀搜索算法求最优波形;
步骤二一:初始化算法参数,初始化麻雀的种群数N,种群中搜索者、加入者、警戒者比例以及迭代次数;
步骤二二:计算适应度,计算每个种群的适应度函数,适应度函数的计算公式为:
步骤二三:适应度排序,对适应度函数进行排序,记录最佳适应度值及其对应坐标;
步骤二四:计算麻雀位置,计算麻雀种群中搜索者、加入者、警戒者位置;
步骤二五:进行迭代,循环执行步骤二二至步骤二四,直到迭代误差小于0.1且达到迭代次数后,输出最佳位置即最优一体化信号波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211130703.7A CN115453471A (zh) | 2022-09-16 | 2022-09-16 | 一种基于麻雀搜索算法的干扰探测一体化波形设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211130703.7A CN115453471A (zh) | 2022-09-16 | 2022-09-16 | 一种基于麻雀搜索算法的干扰探测一体化波形设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115453471A true CN115453471A (zh) | 2022-12-09 |
Family
ID=84304718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211130703.7A Pending CN115453471A (zh) | 2022-09-16 | 2022-09-16 | 一种基于麻雀搜索算法的干扰探测一体化波形设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115453471A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856791A (zh) * | 2023-01-10 | 2023-03-28 | 中国电子科技集团公司第十四研究所 | 一种探测相干干扰一体化信号波形设计与处理方法 |
-
2022
- 2022-09-16 CN CN202211130703.7A patent/CN115453471A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856791A (zh) * | 2023-01-10 | 2023-03-28 | 中国电子科技集团公司第十四研究所 | 一种探测相干干扰一体化信号波形设计与处理方法 |
CN115856791B (zh) * | 2023-01-10 | 2023-05-02 | 中国电子科技集团公司第十四研究所 | 一种探测相干干扰一体化信号波形设计与处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111239698B (zh) | 基于互补离散混沌相位编码波形设计的拖曳式干扰抑制方法 | |
CN115453471A (zh) | 一种基于麻雀搜索算法的干扰探测一体化波形设计方法 | |
CN106324596B (zh) | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 | |
CN113759323B (zh) | 基于改进K-Means联合卷积自编码器的信号分选方法及装置 | |
CN1967286A (zh) | 一种伪随机fsk信号的设计方法 | |
CN113962151A (zh) | 基于深度卷积迁移学习的距离假目标智能识别方法 | |
CN114384477A (zh) | 一种基于间歇采样的探测干扰一体化波形生成方法 | |
CN115219997A (zh) | 基于认知波形与滤波器联合设计的抗多间歇采样干扰方法 | |
CN106707279B (zh) | 一种随机跳频微波关联成像波形设计方法 | |
CN106093871B (zh) | 基于经验模态分解的智能天线波达方向估计系统及方法 | |
CN110927691A (zh) | 一种基于多时编码相位调制的低截获雷达信号设计方法 | |
US20070097785A1 (en) | Suppressed feature waveform for modulated sonar transmission | |
Alexandrou et al. | A methodology for acoustic seafloor classification | |
CN113075625B (zh) | 一种谱共存下的抗距离欺骗干扰波形设计方法 | |
CN113671450A (zh) | 一种基于混沌编码的探测干扰一体化波形设计方法及装置 | |
CN105785345A (zh) | 基于宽带模糊函数和海洋生物声的主动声呐波形筛选器 | |
CN116027280B (zh) | 一种低峰值旁瓣频率编码雷达波形设计方法 | |
Sun et al. | Optimization of pulse-agile sequence for suppressing range folded clutter based on diverse NLFM waveforms | |
CN108279418B (zh) | 利用鲸声的组合探测与通信装置和方法 | |
CN107015210B (zh) | 一种基于相似性约束的雷达慢时间域恒模信号设计方法 | |
CN109541567A (zh) | 基于深度学习的高速机动目标检测方法 | |
Singh et al. | Sidelobes reduction technique for biphase barker codes | |
CN110083865A (zh) | 一种抗脉冲噪声的已知信号检测方法及检测电路 | |
Liu et al. | Detection performance analysis of sub-band processing continuous active sonar | |
CN113687322B (zh) | 一种雷达信号处理机脉冲压缩处理的数学建模方法 |
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 |