成像雷达目标特征电磁调控技术研究

来源 :国防科技大学 | 被引量 : 0次 | 上传用户:lliiuuffuuyyaann
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
空基和天基雷达成像系统的侦察能力日益增强,使得高价值目标的部署和机动无所遁形。如何有效控制目标的雷达特征,使其不易被成像雷达发现和分辨,已经成为目标防护领域的关键问题。相对于有源防护措施,依靠电磁调控材料的反射式防护方法具有响应时间快、不易暴露、与天然环境融合等优势,这对于降低高价值目标的发现概率具有重要的意义。本文以人工电磁材料调控技术为主线,以降低高价值目标雷达成像特征为目的,对成像雷达目标特征电磁调控技术展开了系统性的研究。本文主要研究内容及结论如下:首先,提出了基于时间调制反射器(Time-Modulated Reflector,TMR)的成像雷达目标特征电磁调控方法与评估指标。在分析合成孔径雷达(Synthetic Aperture Radar,SAR)成像原理的基础上,描述了影响SAR二维图像的关键影响因素。介绍了TMR的概念,其能够实现对反射回波的频率变换,并进一步影响目标的成像特性。在此基础上,建立了图像特征欺骗、图像特征压制以及图像特征消隐三种特征控制模型,分别给出了衡量图像特征控制效果和反射器调控的评估指标。其次,建立了基于有源频率选择表面(Active frequency selective surface,AFSS)的幅度调制模型和基于相位调制表面(Phase-switched screen,PSS)的相位调制模型。结合信息论中周期编码与伪随机编码两种典型码元序列,研究了AFSS调制脉冲特性以及频谱特性,可分别实现对回波信号离散和连续的多普勒搬移,经匹配滤波后在距离向能形成虚假峰或块状区域。研究了PSS循环码相位调制,生成的虚假峰包络幅度受码元序列与调制占空比联合控制,同时能够实现零阶峰的消隐。随后,设计了宽带、全极化TMR。利用传输线理论及电磁仿真软件研究了基于领结型单元的AFSS调制反射器,设计并制作了匹配AFSS调制反射器的控制系统。根据第二章提出的反射器调控评估表征量,设计并制作了具备X波段宽带调制特性的树型AFSS调制反射器,其能够实现8-13GHz频带内-15d B的幅度调控;同时,设计并制作了四角对称正八边形环状AFSS全极化调制反射器,其能够实现9-13GHz频带内-10d B全极化的幅度调控。最后,通过示波器测试以及微波暗室实验进行了实测验证。最后,研究了基于TMR的成像雷达二维图像调制方法。提出了基于TMR的成像雷达二维图像特征欺骗方法。该方法通过对雷达信号进行脉内脉间的联合调制,实现了空间分布特性、幅度特性灵活调控的二维假目标特征欺骗效果。提出了基于TMR的成像雷达图像特征消隐方法。该方法将TMR置于目标表面或关键位置,通过二维随机编码调制,生成条带状或矩形区域,改变了目标的相关雷达特征。同时利用目标图像抑制比与相关系数进行评估,在一定范围内,距离向与方位向调制频率越大,防护效果越好。提出了基于TMR的二维图像特征压制方法。该方法将TMR置于被保护目标周围,通过二维随机编码调制,生成条带状或矩形区域,压制被保护目标的相关雷达特征。利用压制区域面积与主瓣干信比对防护效果进行了评估,防护装置RCS越大防护效果越好。相对于基于机械调控的无源微动防护方法,本文基于电控的调制方式可以解决脉内快速调控的难题。最后利用SAR系统对制作的时间调制AFSS无源防护装置进行成像试验,生成的假目标及条带状区域图像与理论分析相符。
其他文献
强化学习(Reinforcement Learning,RL)已成为人工智能领域备受关注的一类方法,然而,从白板状态开始通过试错方式不断学习的机制使其在大规模决策问题中容易出现学习过程漫长、难以获得可行解等问题。迁移学习(Transfer Learning,TL)通过对简单源任务中已学过的知识进行重用,能够改善目标任务中强化学习的性能。因此,本文针对强化学习框架下的迁移学习方法进行研究,提出了三种
学位
光学对地观测卫星是从太空获取地球表面图像信息数据的重要平台,具有成像时间长、覆盖范围广、不受地域国界限制等优势,在自然灾害监测、气候监测、军事态势侦察等领域发挥着举足轻重的作用。随着经济发展和科学进步,越来越多的成像任务需求涌现出来。如何利用有限的卫星资源,合理规划任务需求,完成任务调度,最大化成像卫星的使用效能,是一个非常值得研究的课题。作为新一代光学对地观测卫星,敏捷对地观测卫星具有多个自由度
学位
长期以来,粒子加速和辐射研究不断推动着科学的进步,时至今日超过半数的诺贝尔物理学奖都与粒子加速及其应用有关。传统粒子加速器硕大的体积、昂贵的造价,已经接近经济和技术的极限,因而加速器的应用与推广受到了极大限制。为此,研究人员不断探索新型高效的粒子加速技术,以实现桌面化的小型粒子加速器。与传统粒子加速相比,强激光粒子加速有着以下显著优点:加速梯度大(一般高于传统加速器3个量级以上),产生的离子束脉冲
学位
传统机器学习的一个基本假设是测试数据与训练数据服从相同的分布,然而这一假设往往在实际应用场景中因过于严格而难以成立。近来,以深度学习为代表的机器学习方法在各领域都取得了长足进展,然而人们认为机器学习模型优异的性能依赖于大量的标注数据,而对数据进行标注通常是耗时、费力和代价昂贵的。迁移学习放宽了传统机器学习的基本假设,因而能够利用某些领域(源域)已有的标注数据辅助解决新的领域(目标域)中的应用问题,
学位
电控固体推进剂(Electrically Controlled Solid Propellant,ECSP)是近年来发展的一种新型固体推进剂,在外加电压或电流作用下可实现多次重复点火和燃速的实时调控。基于电控固体推进剂的固体火箭发动机结构简单,无点火器和活动部件,既可以长时连续工作,也可以短时脉冲工作,比传统固体火箭发动机表现出更高的机动性和灵活性,是未来弹箭武器主动力和姿轨控发动机的理想动力装置
学位
星载合成孔径雷达(SAR)层析技术,利用同一目标的多角度相干测量,在高度向上形成合成孔径,从而实现对观测目标的立体三维成像。由于具有高度向分辨率,SAR层析成像能够分辨出叠掩在同一像元内的多个散射元目标,为叠掩目标分辨提供了一种有效的技术途径,是雷达成像领域未来重要的发展方向。目前,星载SAR层析成像技术被广泛应用于军事侦察、地球遥感等多个领域。本文围绕星载SAR层析技术在城区三维成像应用中面临的
学位
电离层是地球高层大气中被电离的部分,其中的带电粒子足以影响电磁波的传播,将导致相位超前、群延迟、色散、法拉第旋转(Faraday Rotation,FR)以及幅相闪烁等效应,势必会对星载合成孔径雷达(Synthetic Aperture Radar,SAR)造成一定程度的影响。随着工作频率下降、带宽以及合成孔径时间增大,星载SAR的成像性能将更容易受到电离层效应的影响。因此,对于低波段星载SAR、
学位
战术移动自组织网络(Mobile Ad Hoc Network,MANET)是在战场环境下由一组自治的设备或者节点组成的即时性网络,具有不依赖基础设施、易部署、无中心、自组织、高动态等特点。对战术MANET进行节点、网络属性的监测与分析在网络安全性分析与对抗等领域具有重要支撑作用。传统的网络可接入、信息内容可解析条件下的监测分析技术必须以接入和解密为前提,应用场景受到极大限制特别是主动式探测式监测
学位
过去的几十年,以社交网络和搜索引擎为典型的互联网技术、新兴的物联网技术等带来了蓬勃增长的视觉图像数据。以机器学习、深度学习等为代表的人工智能技术极大地促进了对图像的认知能力。但爆发式增长的视觉数据分布呈现出显著的复杂性、动态性、隐私性特点,对现有的深度模型、算法、框架提出了更高的要求。因此,本文立足于不同应用场景,从数据分布驱动的角度研究学习系统可以利用的归纳偏置,通过设计新的或者改进现有的深度模
学位
核磁共振陀螺基于原子核自旋在磁场中的拉莫尔进动敏感角速度,被认为是未来高精度小尺寸陀螺仪的主要发展方向之一。核磁共振陀螺一般采用碱金属(如87Rb、133Cs)蒸气与稀有气体(如129Xe/131Xe)的混合气体,角速度信息加载在稀有气体原子核自旋的进动频率上,而核自旋的进动信号由碱金属原子构成的磁力仪来检测。因此在核磁共振陀螺中,原子磁力仪具有重要的作用,其稳定性、灵敏度等指标直接影响核磁共振陀
学位