發(fā)布時間：2020-05-08 13:35

【摘要】：現(xiàn)代戰(zhàn)場上無線電引信面臨的電磁環(huán)境日益復雜，尤其是高功率微波武器形成的能量型干擾波形，對其戰(zhàn)場生存能力產(chǎn)生了巨大威脅，而超寬帶(UWB)電磁脈沖作為高功率微波武器中的“頭號殺手”，已引起廣泛的重視和研究。它對引信的作用是一個綜合因素，與其脈寬、重頻、峰值功率等參數(shù)有直接關系。 能夠有效地識別和提取UWB效應數(shù)據(jù)的相關參數(shù)，并以此獲取各參數(shù)與引信失效的關系是無線電引信超寬帶電磁環(huán)境效應評估的關鍵一步。國內(nèi)外相關機構已經(jīng)開展了許多超寬帶電磁效應實驗研究，也獲得了大量的相關效應數(shù)據(jù)，但由于UWB信號自身多參量的特征，決定了電磁效應數(shù)據(jù)的高維復雜無規(guī)律性，目前尚無成熟的技術和方法可以很好的對效應數(shù)據(jù)進行分析和處理，基于此本文提出了聚類的數(shù)據(jù)分析算法。 本文所做的主要工作如下： 首先，在傳統(tǒng)電磁效應數(shù)據(jù)分析的基礎上，針對傳統(tǒng)方法存在的問題和不足，并結合超寬帶電磁效應數(shù)據(jù)自身的特點提出了聚類的數(shù)據(jù)分析算法。 其次，詳細介紹了聚類分析算法的相關理論，明確了聚類的通用流程，重點介紹了兩類經(jīng)典的模糊聚類算法：K均值聚類算法和模糊C均值(FCM)聚類算法，并通過兩類算法的性能對比明晰了本文選用模糊C均值來處理電磁效應數(shù)據(jù)的原因。 最后，用模糊C均值聚類算法對某型號無線電引信的超寬帶電磁效應數(shù)據(jù)進行了仿真驗證，其中FCM算法在二維空間實現(xiàn)了效應數(shù)據(jù)兩兩參數(shù)的識別和分類，KFCM算法對FCM的仿真結果做了進一步驗證，同時在三維空間實現(xiàn)了效應數(shù)據(jù)的有效分類。 通過仿真獲得了UWB電磁脈沖的主要參數(shù)對該型號無線電引信造成損傷的最佳干擾閾值，也就是超寬帶的最佳干擾波形，實驗結果證明了聚類算法的有效性，此外本文的研究結果為無線電引信超寬帶電磁效應的評估和探究無線電引信失效模式提供了技術支撐。
【圖文】：

現(xiàn)狀及發(fā)展趨勢由美國國防部在 1989 年首先提出，其定義的特ndwidth）大于 25%的任何波形。超寬帶信號具有極低的占空因子[3]。2002 年 4 月，美國 FCC 提對帶寬大于等于 0.2，這里的帶寬指的是-10dB 帶等于 500MHz，而不管相對帶寬是多少。對帶寬是指 HLHL2 ffff，其中Hf 表示信號 HLf f表示信號帶寬，如圖 1.1 所示就是一個典型

了國內(nèi)外廣泛的關注。超寬帶信號是強電磁脈沖干擾源，其突破了傳統(tǒng)電子對抗的概念，從單純的干擾欺騙效能發(fā)展到干擾、欺騙、破壞、摧毀諸功能兼有的軟、硬結合一體化功能，它不針對引信的某個特定的頻帶，而是利用其巨大的功率，通過野蠻的方式對引信作用，它對引信的干擾屬于能量型干擾[17]。2.1 引信超寬帶電磁效應實驗2.1.1 實驗條件和方法目前國內(nèi)外開展超寬帶電磁效應實驗研究的方法主要有兩種，，一種是輻照法，一種是注入法。輻照法是利用模擬源對效應物的實際輻照，使用探針或者微波矢量網(wǎng)絡分析儀進行實驗研究[18]。輻照法原理圖如圖 2.1 所示，由微波源輸出 UWB 信號，經(jīng)天線輻射到微波暗室，對受試引信在一定距離內(nèi)進行非接觸輻照，在已知天線增益的情況下可通過微波源發(fā)射功率推算效應物承受的實際微波功率密度，峰值功率計和示波器分別用來檢測引信電子頭上的功率和被測點信號。
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TJ430

【參考文獻】

相關期刊論文 前10條

1 康家銀;閔樂泉;;基于顧及像素空間信息的加權FCM聚類的圖像分割[J];北京科技大學學報;2008年09期

2 方勝良,余莉,顧有林;無線電引信干擾分析[J];電子對抗技術;1999年03期

3 劉勇波,樊祥,韓濤;高功率微波作用機理及影響條件分析[J];電子對抗技術;2003年04期

4 許松榮;基于遺傳算法的模糊聚類方法[J];華中科技大學學報(自然科學版);2004年S1期

5 費支強;魏光輝;付立;;無線電引信干擾與防護[J];裝備環(huán)境工程;2009年05期

6 羅可,蔡碧野,卜勝賢,謝中科;數(shù)據(jù)挖掘及其發(fā)展研究[J];計算機工程與應用;2002年14期

7 傅惠民;回歸分析的數(shù)據(jù)融合方法[J];機械強度;2004年02期

8 朱泉同;張建偉;陳允杰;孟祥瑞;;基于改進的FCM的人腦MR圖像分割[J];計算機應用與軟件;2008年12期

9 彭輝;任繼平;吳蘭蘭;陸尚平;;基于改進的K-均值聚類算法的農(nóng)作物圖像分割[J];農(nóng)機化研究;2008年06期

10 趙犁豐;李新;王棟;;多核模糊聚類算法的研究[J];中國海洋大學學報(自然科學版);2009年05期

相關博士學位論文 前1條

1 管仁初;半監(jiān)督聚類算法的研究與應用[D];吉林大學;2010年

本文編號：2654721