《低截獲機率雷達信號偵測與屬性識別》是依託中國人民解放軍國防科技大學，由劉章孟擔任項目負責人的面上項目。
基本介紹
- 中文名：低截獲機率雷達信號偵測與屬性識別
- 項目類別：面上項目
- 項目負責人：劉章孟
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
本項目瞄準低截獲機率雷達偵察數據的嚴重殘缺這一基本特徵，圍繞創新陣列信號檢測與測向方法提高信號截獲機率、創新數據分析與目標識別方法提高雷達屬性識別機率兩個核心問題，擬突破雷達偵察信息處理的傳統思路，針對多功能相控陣等先進體制雷達信號，研究提高其截獲與識別機率的基本理論和方法。①結合陣列觀測數據的陣元域相干性和時域連續性，調和陣列偵察系統空域與能量域截獲機率之間的矛盾，增強對弱信號的瞬時大範圍偵測能力；②基於顯著殘缺的雷達偵察離線大數據，挖掘不同雷達信號參數的時序特徵，實現對雷達型號等屬性的快速識別。通過項目研究，提出適用於實際環境中低截獲機率雷達信號截獲和屬性識別的有效方法。
結題摘要
本項目瞄準低截獲機率雷達偵察數據的嚴重殘缺這一基本特徵，圍繞創新陣列信號檢測與測向方法提高信號截獲機率、創新數據分析與目標識別方法提高雷達屬性識別機率兩個核心問題，突破雷達偵察信息處理的傳統思路，提高對多功能相控陣等先進體制雷達信號的截獲與識別機率。 通過一年的研究，項目組取得了多項研究成果，在IEEE Trans. Antennas & Propagation、IEEE Trans. Aerospace & Electronics Systems等本領域頂級刊物上發表長文3篇。具體成果包括：①提出了基於子空間追蹤的雷達脈衝信號序貫檢測方法，實現對陣元域和時域散布信號能量的聯合分集，顯著提高了對弱信號的發現能力；②提出了基於深度神經網路的陣列信號波達方向估計方法，對未知模型誤差具有很強的適應性；③提出了基於遞歸神經網路的雷達脈衝序列識別和分選方法，能夠很好地適應參數聯合變化等複雜體制輻射源，以及嚴重漏脈衝、干擾脈衝等複雜偵察環境，得到了理想的識別和分選性能。 項目還進一步系統研究了對低截獲機率雷達目標的時頻差定位方法、脈衝分選方法和識別方法，另外撰寫了7篇IEEE Trans.論文，目前處於審稿階段。
