【摘要】：雷達(dá)對(duì)抗中欺騙干擾是一類重要的干擾手段:敵方干擾機(jī)通過轉(zhuǎn)發(fā)電磁空間中的雷達(dá)回波,對(duì)我方雷達(dá)造成欺騙干擾,讓我方雷達(dá)誤認(rèn)為空間中存在著大量目標(biāo),從而達(dá)到隱藏真實(shí)目標(biāo)的目的。為了對(duì)抗欺騙干擾,本文將欺騙干擾生成過程建模為一個(gè)Hammerstein-Wiener模型,將雷達(dá)接收回波量化,映射到模型參數(shù)空間中,并加以分類,同時(shí)利用組網(wǎng)雷達(dá)多角度觀測和信息共享的優(yōu)勢,融合組網(wǎng)雷達(dá)內(nèi)各雷達(dá)的信息,以此識(shí)別和檢測欺騙干擾,改進(jìn)和提升了原有的方法。本文的主要研究工作如下:1.將欺騙干擾生成過程建模為Hammerstein-Wiener模型,并介紹了模型參數(shù)辨識(shí)中常用的慣性權(quán)重粒子群算法、自適應(yīng)小生境遺傳算法和神經(jīng)網(wǎng)絡(luò)算法,為后文提出的模型辨識(shí)新方法提供了理論支持。2.針對(duì)上述智能算法搜索時(shí)間慢,解精確度不高的問題,本文在基本神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,增加了卷積層,加大了算法中對(duì)模型細(xì)微變化的關(guān)注度,引入了卷積神經(jīng)網(wǎng)絡(luò)算法在模型辨識(shí)中的應(yīng)用。利用此算法進(jìn)行欺騙干擾識(shí)別和檢測,并將其與慣性權(quán)重粒子群算法、自適應(yīng)小生境遺傳算法、神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對(duì)比。仿真實(shí)驗(yàn)結(jié)果表明,卷積神經(jīng)網(wǎng)絡(luò)算法相較于智能算法和基本神經(jīng)網(wǎng)絡(luò)算法,具有精度高速度快的特點(diǎn),符合了電子戰(zhàn)中準(zhǔn)確性和實(shí)時(shí)性的要求。3.完善了組網(wǎng)雷達(dá)下欺騙干擾識(shí)別的流程,提出了兩種多雷達(dá)的融合方式,分別從特征層和決策層進(jìn)行信息融合,推廣單雷達(dá)識(shí)別方法到多雷達(dá),提升了原有方法的性能,仿真結(jié)果表明,在5部雷達(dá)融合的背景下,相較于單雷達(dá)欺騙干擾識(shí)別算法,特征層融合算法識(shí)別率提升8.1%,決策層融合算法識(shí)別率提升12.3%,證明了融合算法的有效性。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN974
【圖文】：

圖２．邋２真實(shí)回波與欺騙干擾信號(hào)時(shí)域?qū)Ρ儒义戏治銎垓_干擾產(chǎn)生機(jī)理，在真實(shí)回波通過ＤＲＦＭ時(shí)，會(huì)產(chǎn)生輕微的非線性畸變，由此欺逡逑騙干擾信號(hào)相對(duì)于真實(shí)回波信號(hào)會(huì)有略微的失真，給出ＤＲＦＭ基本結(jié)構(gòu)，如圖２．３所示：逡逑＼／逡逑ｉ邋ｋ逡逑放大器邐射頻濾波器逡逑—￣＜Ｃ｝￣￣￣｜給［邐１上電Ｉｆ邋ｆ｜基帶信號(hào)處理逡逑本振逡逑圖２．３無線發(fā)射機(jī)基本結(jié)構(gòu)逡逑ＤＲＦＭ的非線性失真的來源主要有混頻器失真、濾波器失真、放大器失真等，而ＤＲＦＭ逡逑中的放大器非線性失真是真實(shí)信號(hào)與欺騙干擾信號(hào)時(shí)域波形區(qū)別的主要來源。因此如何合理逡逑的準(zhǔn)確刻畫出真實(shí)回波與欺騙干擾信號(hào)之間存在的非線性失真是識(shí)別欺騙干擾信號(hào)至關(guān)重要逡逑的一步。Ｈａｍｍｅｒｓｔｅｉｎ模型、Ｗｉｅｎｅｒ模型、Ｈａｍｍｅｒｓｔｅｉｎ－Ｗｉｅｎｅｒ模型可以較好的反映硬件鏈路逡逑中放大器輸入輸出之間的非線性變化。逡逑２．１．１邋Ｈａｍｍｅｒｓｔｅｉｎ邋模型逡逑Ｈａｍｍｅｒｓｔｅｉｎ模型可以被分為線性部分和非線性部分兩個(gè)模塊。線性部分的線性記憶系統(tǒng)逡逑被級(jí)聯(lián)在非線性部分的無記憶系統(tǒng)后面，其結(jié)構(gòu)如圖２．４所示。逡逑７逡逑

從圖２．１０可以看出，模型輸出與真實(shí)輸出非常相似，基本符合真實(shí)輸出的幅度、頻率和逡逑趨勢，然而本文區(qū)分真實(shí)回波信號(hào)和欺騙千擾最重要的依據(jù)：放大器細(xì)微非線性畸變特征沒逡逑有被完全的擬合出來，圖中辨識(shí)得到的模型系數(shù)可以認(rèn)為是不帶有描述非線性畸變特征的模逡逑型參數(shù)，對(duì)于欺騙干擾識(shí)別沒有意義。所以為了能夠更好的擬合曲線中各種彎曲、轉(zhuǎn)折，將逡逑其映射到參數(shù)空間中，為欺騙干擾識(shí)別提供原理性特征，還需要尋找具有更強(qiáng)非線性擬合能逡逑力的模型。逡逑２．６仿真實(shí)驗(yàn)逡逑本節(jié)將通過仿真實(shí)驗(yàn)比較慣性權(quán)重粒子群算法、自適應(yīng)小生境遺傳算法和神經(jīng)網(wǎng)絡(luò)算法逡逑在Ｈａｍｍｅｒｓｔｅｉｎ－Ｗｉｅｎｅｒ模型參數(shù)辨識(shí)上的性能。設(shè)Ｈａｍｍｅｒｓｔｅｉｎ－Ｗｉｅｎｅｒ模型的第一個(gè)非線性逡逑模塊、線性模塊、第二個(gè)非線性模塊的模型階數(shù)分別為３，邋３，邋３，模型的９個(gè)系數(shù)如表２．１所逡逑設(shè)：逡逑邐邐邐邋表２Ｊ仿真模型參數(shù)設(shè)置邐邐邐逡逑ｂｘ邐ｂ２邐ｂ＇邐＼＼邐ｈ－，邐Ｂｘ邐Ｂ２逡逑１邐｜邐０．８邐｜邐０．１邐｜邐１邐０．３邐－０．１邐１邐０．２邐－０．０５逡逑

邐６００逡逑采樣點(diǎn)數(shù)逡逑圖２．１０曲線擬合對(duì)比圖逡逑從圖２．１０可以看出，模型輸出與真實(shí)輸出非常相似，基本符合真實(shí)輸出的幅度、頻率和逡逑趨勢，然而本文區(qū)分真實(shí)回波信號(hào)和欺騙千擾最重要的依據(jù)：放大器細(xì)微非線性畸變特征沒逡逑有被完全的擬合出來，圖中辨識(shí)得到的模型系數(shù)可以認(rèn)為是不帶有描述非線性畸變特征的模逡逑型參數(shù)，對(duì)于欺騙干擾識(shí)別沒有意義。所以為了能夠更好的擬合曲線中各種彎曲、轉(zhuǎn)折，將逡逑其映射到參數(shù)空間中，為欺騙干擾識(shí)別提供原理性特征，還需要尋找具有更強(qiáng)非線性擬合能逡逑力的模型。逡逑２．６仿真實(shí)驗(yàn)逡逑本節(jié)將通過仿真實(shí)驗(yàn)比較慣性權(quán)重粒子群算法、自適應(yīng)小生境遺傳算法和神經(jīng)網(wǎng)絡(luò)算法逡逑在Ｈａｍｍｅｒｓｔｅｉｎ－Ｗｉｅｎｅｒ模型參數(shù)辨識(shí)上的性能。設(shè)Ｈａｍｍｅｒｓｔｅｉｎ－Ｗｉｅｎｅｒ模型的第一個(gè)非線性逡逑模塊、線性模塊、第二個(gè)非線性模塊的模型階數(shù)分別為３，邋３，邋３，模型的９個(gè)系數(shù)如表２．１所逡逑設(shè)：逡逑邐邐邐邋表２Ｊ仿真模型參數(shù)設(shè)置邐邐邐逡逑ｂｘ邐ｂ２邐ｂ＇邐＼＼邐ｈ－，邐Ｂｘ邐Ｂ２逡逑１邐｜邐０．８邐｜邐０．１邐｜邐１邐０．３邐－０．１邐１邐０．２邐－０．０５逡逑１９逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙珊珊;張林讓;周宇;劉楠;;利用空間散射特性差異進(jìn)行有源假目標(biāo)鑒別[J];西安電子科技大學(xué)學(xué)報(bào);2015年02期

2 熊偉麗;陳敏芳;王肖;徐保國;;運(yùn)用改進(jìn)差分進(jìn)化算法辨識(shí)Hammerstein模型[J];南京理工大學(xué)學(xué)報(bào);2013年04期

3 曲昀;南敬昌;毛陸虹;張智棟;王鑫;;雙分支Hammerstein-Wiener射頻功放行為建模及預(yù)失真[J];微電子學(xué);2013年04期

4 申雨軒;邵克勇;李飛;張新剛;謝維志;易江;;變區(qū)域多種群遺傳算法[J];科學(xué)技術(shù)與工程;2011年15期

5 顧君忠;;情景感知計(jì)算[J];華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

6 孫閩紅;唐斌;;距離-速度同步拖引欺騙干擾的頻譜特征分析[J];系統(tǒng)工程與電子技術(shù);2009年01期

7 金哲;宋執(zhí)環(huán);何加銘;;基于簡化Volterra級(jí)數(shù)的射頻功率放大器建模與辨識(shí)[J];電路與系統(tǒng)學(xué)報(bào);2008年05期

8 葛繼科;邱玉輝;吳春明;蒲國林;;遺傳算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2008年10期

9 桂衛(wèi)華;宋海鷹;陽春華;;Hammerstein-Wiener模型最小二乘向量機(jī)辨識(shí)及其應(yīng)用[J];控制理論與應(yīng)用;2008年03期

10 王景楊;苑明哲;曹景興;潘杰;;基于最小二乘參數(shù)辨識(shí)的非線性機(jī)理模型研究[J];沈陽理工大學(xué)學(xué)報(bào);2008年03期

本文編號(hào)：2761181