雷达对随机极化干扰的反干扰方法

来源 :计算机仿真 | 被引量 : 2次 | 上传用户:taixiangle
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
研究雷达极化抗干扰问题,当雷达面临敌方实施的随机极化干扰时,传统的极化滤波方法由于无法估计出干扰的极化参数,引起抗干扰性能急剧恶化。为应对快变随机极化干扰对雷达系统的巨大威胁,提出了一种新的极化加权变换的滤波方法,通过对正交双极化通道信号的加权变换,将随机极化干扰压缩到庞卡莱球上的一个很小的区域,且中心点与信号极化的状态点成交叉极化。极化加权变换后的干扰与真实信号已经接近为正交极化,可省去传统方法需要干扰极化参数估计的环节,只需采用与信号极化状态相同的Jones矢量进行极化滤波即可实现对干扰的大幅度
其他文献
传统的银行资产风险监测仅针对单个银行的资本充足率、拨备覆盖率、不良资产率等指标进行监管。然而由于银行间的互相拆借关系,银行的资产风险不仅和银行自身有关,还与别的银行有关,即银行的系统性风险对银行资产风险有重要的影响。针对银行系统性风险问题,构建具有相关性的银行间资产波动模型,提出仿真算法对银行系统性风险进行计算机仿真,仿真结果得到了不同相关系数条件下的银行发生系统性风险的概率。研究结果表明:当银行
为更好地评判操作人员对燃气涡轮发电机组的操作训练,设计了一种虚拟评判系统。根据操作实际,制定了评判标准,建立了评判指标体系。考虑到指标之间的相互影响和反馈关系,解决指标权重分配问题,利用网络分析法(ANP)处理指标间的复杂关系,并采用三角模糊数和模糊优先规划方法(FPP)完成权重的计算,引入云理论确定隶属度,使用蚁群算法优化BP神经网络,结合模糊综合评判构造模糊蚁群神经网络评判模型。上述方法能够有
云设计,是面向先进制造服务(云制造),融合了先进设计、信息化、云计算、物联网、可视化仿真、智能化、绿色化和情感化等科技于一体的新型产品服务设计。是一种新式设计观与方法论;是工业设计(CAID)的升华,"大设计"的新阶段,标示着设计的进化。云设计的建立,有利于工业设计信息化向网络化、智能化和服务化的纵深发展,是设计文化大发展大繁荣的必经之路。同任何新生事物一样,云设计的生存发展之路有一定困难曲折,但
针对粒子群算法容易陷入局部最优值和全局局部搜索平衡能力较差的问题,提出来变异自适应混沌粒子群算法。根据进化代数调节惯性权重和加速因子,新算法较好平衡了粒子群算法中的全局和局部搜索模型,利用变异因子可以使得粒子跳出局部最优值,保证种群后期仍然具有进化潜力。新算法在5个测试函数上和标准粒子群算法,自适应粒子群算法,混沌粒子群算法进行了比较,通过三种比较标准,结果说明了新算法具有较快的收敛速度,和较强的
在带式输送机启动控制优化问题的研究中,由于带式输送机的输送带是具有粘弹性的弹性体,在多种因素叠加作用下,启动过程中会引起输送带动张力急剧变化,系统可靠性大大降低。另外输送带动张力解析解表达式较为复杂,无法直观看出启动过程中输送带各点所受动张力。为解决上述问题,对带式输送机动张力表达式进行合理简化。利用Matlab对带式输送机在不同加速度启动情况下输送带各点受力情况以及启动过程中振动特性进行了仿真。
针对MD5和SHA等传统散列函数易发生碰撞的问题,在分析散列函数碰撞机率的基础上,提出一种改进的抗碰撞散列函数构造算法。算法利用元胞自动机的状态离散性和并行迭代的特性,在分析ECM(Encryption Checksum)散列迭代结构的基础上,对ECM散列迭代结构进行改进。通过在压缩函数运算之后,进入ECM迭代之前,进行一次初等元胞自动机变换,以此增强散列函数的随机性,解决易碰撞的问题。仿真结果表