检索结果-内蒙古大学图书馆

电子与信息学报 2025年第1期47卷 188-200页

作者：吴振华崔金鑫曹宜策张强张磊杨利霞安徽大学信息材料与智能感知安徽省实验室合肥230601 中国电子科技集团公司第三十八研究所合肥230088 天基综合信息系统全国重点实验室北京100094 中山大学电子与通信工程学院深圳518107

非完备、高动态有源干扰对抗作战环境下,现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型,在面对库外类型多样、参数多变、组合方式多元的复合干扰时,模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题,该文提出... 详细信息

非完备、高动态有源干扰对抗作战环境下,现阶段针对库内多类型单一有源干扰样本所优化训练的静态模型,在面对库外类型多样、参数多变、组合方式多元的复合干扰时,模型无法快速更新且难以应对测试样本数非均衡问题。针对此问题,该文提出一种基于零记忆增量学习的雷达复合有源干扰识别方法。首先,利用元学习训练模式对库内单一干扰进行原型学习,训练出高效的特征提取器,使其具备对库外复合干扰特征有效提取能力。进而,基于超维空间和余弦相似度计算,构建零记忆增量学习网络(ZMILN),将复合干扰原型向量映射到超维空间并存储,从而实现识别模型动态更新。此外,为解决样本数非均衡下复合干扰识别问题,设计直推式信息最大化(TIM)测试模块,通过在互信息损失函数中加入散度约束,对识别模型进一步强化训练以应对非均衡测试样本。实验结果表明,该文所提方法在非均衡测试条件下对4种单一干扰和7种复合干扰进行增量学习后,平均识别准确率达到了93.62%。该方法通过对库内多类型单一干扰知识充分提取,实现对多种组合条件下库外复合干扰的快速动态识别。

关键词：雷达有源干扰零记忆增量学习非均衡直推式信息最大化复合干扰识别

来源：评论

学校读者我要写书评

暂无评论

被动声呐盲分离自适应-自适应波束形成算法研究

引用

电子与信息学报 2017年第10期39卷 2390-2396页

作者：钱宇宁曹欣荣陈亚伟孙俊张翔宇南京电子技术研究所南京210039 中国电子科技集团公司智能感知技术重点实验室南京210039

基于自适应-自适应方法在大规模被动声呐阵列降维处理上的应用需求,该文提出一种基于盲分离的自适应-自适应波束形成降维算法。该算法将独立成分分析方法与自适应-自适应降维方法有机结合,通过独立成分分析在不预知干扰来向的条件下自... 详细信息

基于自适应-自适应方法在大规模被动声呐阵列降维处理上的应用需求,该文提出一种基于盲分离的自适应-自适应波束形成降维算法。该算法将独立成分分析方法与自适应-自适应降维方法有机结合,通过独立成分分析在不预知干扰来向的条件下自适应地估计干扰源的导向矢量,并进一步采用自适应-自适应方法对阵列信号进行波束空间降维,最后采用稳健自适应方法进行波束形成处理。仿真实验验证了该算法能够有效降低大规模阵列自适应处理的计算量,其波束形成效果以及对误差的稳健性与全阵自适应方法相近。

关键词：大规模声呐阵列降维独立成分分析自适应-自适应

来源：评论

学校读者我要写书评

暂无评论

面向海面目标检测的陆海分离和海面分区算法研究

引用

雷达学报（中英文） 2019年第3期8卷 366-372页

作者：周明马亮王宁杨予昊南京电子技术研究所南京210039 中国电子科技集团公司智能感知技术重点实验室南京210039

自适应检测技术可有效提升岸对海警戒雷达海面目标探测性能,但海岛和陆地会导致成片或离散强杂波点,污染协方差矩阵估计的样本,海杂波的复杂性使得整片海杂波难以采用单一模型描述。为解决海面目标自适应检测时面临的非均匀样本参与协... 详细信息

自适应检测技术可有效提升岸对海警戒雷达海面目标探测性能,但海岛和陆地会导致成片或离散强杂波点,污染协方差矩阵估计的样本,海杂波的复杂性使得整片海杂波难以采用单一模型描述。为解决海面目标自适应检测时面临的非均匀样本参与协方差矩阵估计时杂波抑制性能严重下降问题和海杂波建模准确性不高的问题,该文提出一种面向海面目标检测的陆海分离和海面分区算法。首先,根据陆地回波序列的相位之间具有强相关性,而海洋回波序列为随机值这一特性,区分陆地杂波和海杂波;然后,根据擦地角对海杂波分区,拟合出每个分区的最优分布后选择合适的检测器进行自适应检测;最后,基于某S波段雷达实测数据验证该算法,检测结果与性能分析表明该算法相对传统算法可有效提高海面目标的检测率。

关键词：岸对海雷达陆海分离海面分区自适应检测

来源：评论

学校读者我要写书评

暂无评论

基于提升Keystone变换的声呐宽带自适应波束形成方法

引用

电子与信息学报 2019年第2期41卷 324-331页

作者：钱宇宁陈亚伟孙俊南京电子技术研究所南京210039 中国电子科技集团公司智能感知技术重点实验室南京210039

针对Keystone变换在宽带阵列预处理方面的优势和常规Keystone变换存在的阵元数据缺失问题,该文将自回归模型与常规Keystone变换相结合,提出一种基于提升Keystone变换的声呐宽带自适应波束形成算法。该算法首先将常规Keystone变换应用于... 详细信息

针对Keystone变换在宽带阵列预处理方面的优势和常规Keystone变换存在的阵元数据缺失问题,该文将自回归模型与常规Keystone变换相结合,提出一种基于提升Keystone变换的声呐宽带自适应波束形成算法。该算法首先将常规Keystone变换应用于宽带阵列信号的相位对齐,接着采用自回归模型对变换后各频段缺失的阵元数据进行预测补偿,最后通过稳健自适应波束形成处理获得目标方位输出结果。仿真实验结果表明,基于提升Key-stone变换的宽带自适应波束形成算法性能优于常规Keystone自适应算法、指向最小方差自适应算法和聚焦自适应算法。

关键词：宽带自适应波束形成 Keystone变换自回归模型

来源：评论

学校读者我要写书评

暂无评论

基于亚波长步进光延时线的雷达宽带波束形成技术

引用

光子学报 2022年第3期51卷 174-184页

作者：刘昂邵光灏翟计全叶星炜张国强南京电子技术研究所南京210039 中国电子科技集团公司智能感知技术重点实验室南京210039

利用光延时技术抑制宽带相控阵雷达的波束色散,光延时量的离散特性会引入波束指向偏差。通过线性相位拟合法分析了最小延时改变对阵面等效相位分布的影响,建立了延时线步进与雷达波束指向偏差间关系的理论模型,得到波束指向偏差与延时... 详细信息

利用光延时技术抑制宽带相控阵雷达的波束色散,光延时量的离散特性会引入波束指向偏差。通过线性相位拟合法分析了最小延时改变对阵面等效相位分布的影响,建立了延时线步进与雷达波束指向偏差间关系的理论模型,得到波束指向偏差与延时步进成正比,与阵元间距、阵元数平方和波束指向的余弦值成反比。通过仿真和实测数据验证了该技术的可行性。实测结果表明,在8~12 GHz宽带微波信号下,±60°扫描范围内,宽带波束的指向偏差小于0.77°,带内指向色散小于0.98°,峰值能量损失小于0.89 dB,旁瓣抑制比超过11.06 dB。

关键词：微波光子学亚波长步进光延时线光波束形成相控阵天线无波束倾斜

来源：评论

学校读者我要写书评

暂无评论

雷达小样本目标识别方法及应用分析

引用

系统工程与电子技术 2021年第3期43卷 684-692页

作者：晏媛孙俊孙晶明于俊朋南京电子技术研究所江苏南京210039 中国电子科技集团公司智能感知技术重点实验室江苏南京2100039

针对雷达小样本目标识别问题,结合元学习和迁移学习提出一套综合解决方案,旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式,从而提升雷达小样本目标识别效率和准确率。同时,通过多组对比实验深入分析小样本学习算法在实际... 详细信息

针对雷达小样本目标识别问题,结合元学习和迁移学习提出一套综合解决方案,旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式,从而提升雷达小样本目标识别效率和准确率。同时,通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化,得出两个可有效指导工程化应用的重要结论。元学习模型在源任务信息充足且源任务与目标任务间差异性小时性能表现良好,否则迁移学习方法更适用;小样本学习模型对雷达目标外在特征的关注度不同,以识别为目的的雷达成像应重点关注模型需求的显著性特征。

关键词：雷达目标识别小样本学习元学习迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于元学习的雷达小样本目标识别方法及改进

引用

系统工程与电子技术 2022年第6期44卷 1839-1845页

作者：孙晶明虞盛康孙俊南京电子技术研究所江苏南京210039 中国电子科技集团公司智能感知技术重点实验室江苏南京210039

基于深度学习的雷达目标识别方法近年来获得较大关注,但实战中存在时效性约束和资源限制,小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题,本文基于元学习算法,通过从多个相关任务中学习到的元知识改善新任务的性能,引... 详细信息

基于深度学习的雷达目标识别方法近年来获得较大关注,但实战中存在时效性约束和资源限制,小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题,本文基于元学习算法,通过从多个相关任务中学习到的元知识改善新任务的性能,引入迁移学习思想,提出一种改进的小样本学习方法,并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明,元学习方法在历史积累样本所含目标类别较多,与目标任务相关度较大的极小样本情况下,性能优势才突出,所提方法可显著提升其综合识别性能。

关键词：雷达目标识别小样本识别元学习迁移学习高分辨距离像

来源：评论

学校读者我要写书评

暂无评论

射频光传输雷达接收链路的系统优化

引用

红外与激光工程 2021年第11期50卷 308-313页

作者：邵光灏翟计全叶星炜张国强南京电子技术研究所江苏南京210039 中国电子科技集团公司智能感知技术重点实验室江苏南京210039

在雷达指标体系中,探测距离和目标分辨能力是其中的重要参数。而噪声系数(NF)和接收链路的压缩动态范围(CDR)则影响着这两个指标。随着射频光传输(ROF)在雷达接收链路中应用的推进,除了对光链路本身的探讨外,还需扩展到接收链路中微波... 详细信息

在雷达指标体系中,探测距离和目标分辨能力是其中的重要参数。而噪声系数(NF)和接收链路的压缩动态范围(CDR)则影响着这两个指标。随着射频光传输(ROF)在雷达接收链路中应用的推进,除了对光链路本身的探讨外,还需扩展到接收链路中微波和光波的协同分析。因此,将其中的微波前级放大、射频光传输(ROF)、微波后级放大进行耦合,普适性地探讨接收链路CDR和NF。例如,当光链路噪声功率谱密度为-164 dBm/Hz,光链路增益-20 dB时,可设计前级放大41 dB。在这种情况下,接收链路CDR_(1dB)达143 dB·Hz,噪声系数为4.15 dB,能够同时满足探测距离和目标分辨的要求。对外调制光链路而言,调制器的半波电压可选择在2.0~5.8 V之间,实现性能和成本的平衡。分析从系统角度出发,探讨了基于ROF的接收链路,能够满足雷达功能要求,同时,也为接收链路中电器件和光器件的设计提供了依据。

关键词：雷达接收链路射频光传输噪声系数压缩动态范围探测距离

来源：评论

学校读者我要写书评

暂无评论

稀疏字典学习海面微弱动目标检测

引用

系统工程与电子技术 2020年第1期42卷 30-36页

作者：董自巍孙俊孙晶明潘美艳南京电子技术研究所江苏南京210039 中国电子科技集团公司智能感知技术重点实验室江苏南京210039

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算〖JP2〗法抑制海杂波、重构目标信号。该算法通过K类奇异值分解(K-singular value decomposition,K-SVD)算法学习海杂波和... 详细信息

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算〖JP2〗法抑制海杂波、重构目标信号。该算法通过K类奇异值分解(K-singular value decomposition,K-SVD)算法学习海杂波和目标的稀疏域主成分特征,得到相应的学习字典,抑制海杂波并对目标信号稀疏重建,解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题;并通过算法参数的分析和优化,进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明,相比传统检测方法,所提算法能够有效检测高海况下微弱动目标,显著提升检测性能。

关键词：稀疏字典学习海杂波抑制信号重构微弱动目标检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的HRRP识别姿态敏感性分析

引用

系统工程与电子技术 2022年第3期44卷 802-807页

作者：孙晶明虞盛康孙俊南京电子技术研究所江苏南京210039 中国电子科技集团公司智能感知技术重点实验室江苏南京210039

特征提取是基于高分辨距离像(high resolution range profile, HRRP)的雷达目标识别的关键技术之一。传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性。对此,提出一种基于深度... 详细信息

特征提取是基于高分辨距离像(high resolution range profile, HRRP)的雷达目标识别的关键技术之一。传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性。对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边界条件。通过构造适合处理HRRP的卷积神经网络(convolutional neural network, CNN)模型,充分发掘目标深层次姿态不敏感属性特征,完成高精度目标识别。基于实测数据的实验结果表明,所提方法具有一定的抗姿态敏感性特性,边界条件分析可为该方法的工程化应用提供指导。

关键词：雷达目标识别高分辨距离像姿态敏感性深度学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：