-
题名间歇非均匀采样转发干扰产生方法研究
被引量：18
- 1
-
-
作者
吴传章
陈伯孝
-
机构
西安电子科技大学雷达信号处理国家重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2021年第1期1-10,共10页
-
基金
国家自然科学基金(61971323)资助课题。
-
文摘
间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)在接收端匹配滤波后会产生相干假目标群,但是这些假目标在距离和幅度上都呈现出很强的规律性。针对这一问题,依据每一个采样子波形的理论脉压结果,采用间歇非均匀的采样和不定量的转发破坏假目标在脉压后的规律性,使其能在较大范围内形成压制效果,并使用禁忌搜索算法对每一个干扰采样信号的脉冲宽度和转发次数进行优化求解。仿真分析了不同信号参数和禁忌搜索算法中的不同权值对干扰效果的影响,并从脉压前后的平均功率、脉压结果的过门限概率以及脉压前后干扰信号和目标信号的循环相关系数等3个方面将传统的产生干扰方法和本文所提的方法进行对比,证明了所提方法的有效性。
-
关键词
间歇采样转发干扰
间歇非均匀采样
压制式干扰
干扰产生
禁忌搜索
-
Keywords
interrupted sampling repeater jamming(ISRJ)
interrupted non-uniform sampling
suppressive jamming
jamming generation
tabu search
-
分类号
TN974
[电子电信—信号与信息处理]
-
-
题名非均匀间歇采样转发干扰对脉内捷变雷达影响分析
被引量：1
- 2
-
-
作者
孙宗正
刘智星
肖国尧
齐晗廷
全英汇
-
机构
西安电子科技大学电子工程学院
北京无线电测量研究所
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2024年第5期1544-1554,共11页
-
文摘
脉内频率捷变雷达通过自身“主动”抗干扰特性,利用传统间歇采样转发干扰的不连续性和周期性的特点,结合抗干扰算法,可以有效抑制间歇采样转发干扰。为提高干扰机对脉内频率捷变雷达的干扰效能,本文提出采用非均匀间歇采样转发干扰对脉内频率捷变雷达进行干扰,首先对截获到的脉内频率捷变雷达信号通过时频脊线提取与小波变换进行参数估计,获取子脉冲宽度,然后根据子脉冲宽度约束干扰参数,构造非均匀间歇采样转发干扰。理论分析和结果表明,通过非均匀间歇采样转发使得脉内频率捷变雷达在时频域等多域难以抑制干扰,极大地提升了干扰机的干扰能力。
-
关键词
电子对抗
脉内频率捷变
时频脊线
小波变换
非均匀间歇采样转发干扰
干扰参数
-
Keywords
electronic counter
intra-pulse frequency agility
time-frequency ridge line
wavelet transform
non-uniform interrupted sampling repeater jamming
parameters of jamming
-
分类号
TN972
[电子电信—信号与信息处理]
-
-
题名基于DQN的探测干扰一体化波形优化设计
被引量：3
- 3
-
-
作者
陈涛
张颖
胡学晶
肖易寒
-
机构
哈尔滨工程大学信息与通信工程学院
哈尔滨工程大学先进船舶通信与信息技术工业和信息化部重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2023年第3期638-646,共9页
-
基金
上海航天科技创新基金(SAST2022-063)
国防科技基础加强计划(2019-JCJQ-ZD-067-00)资助课题。
-
文摘
由于侦察干扰机设备具有发射功能,为使发射的干扰信号还具有探测的效果,考虑将探测信号隐藏在干扰信号中,提出一种基于非均匀间歇采样重复转发的探测干扰一体化信号波形。首先,建立一体化信号模型,并利用非均匀间歇采样重复转发技术实现幅度编码调制;然后,在优化过程中,从模糊函数以及雷达检测环节分析一体化信号的特征,根据距离、速度分辨率以及脉压后幅度的均值与标准差之比,构造相应的目标函数;最后,利用深度Q学习算法求解目标函数,获取最优的幅度编码方式。仿真结果表明,当编码状态量小时,深度Q网络(deep Q-network,DQN)算法与强化学习算法收敛效果一致。与遗传算法相比,DQN算法最优解的质量提高了13.10%;当编码状态量增大时,相对于遗传算法和强化学习算法,DQN算法的收敛值更优,最优解更稳定。
-
关键词
探测干扰一体化信号
非均匀间歇采样重复转发
模糊函数
脉冲幅度编码
深度Q学习
-
Keywords
detection and jamming integrated signal
non-uniform intermittent sampling and repeated forwarding
fuzzy function
pulse amplitude coding
deep Q-learning
-
分类号
TN97
[电子电信—信号与信息处理]
-
