【摘 要】
：
为了弥补常规雷达组网数据级融合在主瓣干扰下的探测能力不足,提出了一种基于单基地雷达组网的协同对消抗干扰反隐身方法.该方法利用组网后目标和干扰的幅度、相位、延时和多普勒频移中的一种差异进行干扰对消.仿真结果表明,采用单基地雷达组网协同对消抗干扰方法主瓣干扰对消比约为25 dB,大大提升了复杂环境下的隐身目标探测能力.
论文部分内容阅读
为了弥补常规雷达组网数据级融合在主瓣干扰下的探测能力不足,提出了一种基于单基地雷达组网的协同对消抗干扰反隐身方法.该方法利用组网后目标和干扰的幅度、相位、延时和多普勒频移中的一种差异进行干扰对消.仿真结果表明,采用单基地雷达组网协同对消抗干扰方法主瓣干扰对消比约为25 dB,大大提升了复杂环境下的隐身目标探测能力.
其他文献
为提高反导预警技术保障专业人才培养质量和弹道导弹目标特性与防御方法课程教学质量,首先,分析了制约该课程教学质量提升的四方面问题;其次,针对性地提出了一种基于“四个结合”(线上与线下结合、理论与实验结合、课堂内外结合和学习与研究结合)的课程教学策略;最后,通过调查研究和考试成绩比较,给出教学实践效果.教学实践表明,该教学策略学员满意度较高,教学效果改善明显.
为研究多径效应对雷达抗有源压制干扰的性能,首先基于无干扰条件下多径效应对雷达探测性能的影响,定量分析多径效应影响下压制干扰对目标回波和干扰信号的影响;然后研究多径效应对频率分集和旁瓣匿影两种抗干扰措施的影响;最后进行了对应仿真.仿真结果表明,在有源压制干扰下,多径效应会扩大雷达干扰压制区,影响干扰信号强度以及雷达的抗干扰性能,造成上述两种措施抗干扰性能的不稳定.
煤矸识别技术对实现煤和矸石自动分选具有重要意义,而现有的图像识别算法在实用性、准确率方面无法满足实际需求。基于图像处理技术和深度学习技术,提出一种基于改进YOLOv3的煤矸识别方法,针对煤矸识别目标小、辨识度低等问题,对原始YOLOv3的网络结构及损失函数进行了改进,用训练生成的模型在测试集上进行识别测试。测试结果表明:改进的YOLOv3-M在小样本上,可在短时间内使模型快速收敛,单张图像识别时间
为提高瓦斯抽采孔钻进过程中控制参数调节的智能化程度,揭示了钻孔机器人钻进工况智能感知与自适应控制机理,开发了钻进参数自适应控制技术。以最高钻进效率为控制目标,选择卡钻概率、排渣顺畅性和锚固稳定性为边界条件,并据此划分了钻进状态种类。通过分析边界条件对钻进过程的影响,建立了各边界条件的数学模型,构建了钻孔机器人钻进工况智能感知与自适应控制机理数学模型体系。根据钻进工况智能感知与自适应控制机理,开发了基于差分进化算法的自适应控制技术,实现了钻孔机器人控制向量的自动优化。地面钻进试验表明,钻进工况智能感知与自适