分布式处理结构凭借低通信成本、高系统稳定性、低算力需求等优点被广泛应用于阵列信号处理领域, 但去融合中心也导致传统误差校正方法不再适用。为此, 分别提出适用于分布式结构的子阵间幅相误差有源校正算法和自校正算法。首先, 基于平均共识理论, 利用子阵节点协方差矩阵和共轭梯度法, 实现分布式子阵间幅相误差有源校正。随后, 利用接收数据的Hadamard积进行波达方向估计, 实现分布式结构下子阵间幅相误差自校正。仿真结果表明, 所提算法能够有效实现子阵间幅相误差的分布式校正, 且算法性能不受子阵间幅相误差大小的影响。

针对交互式多模型滤波算法应对强机动目标跟踪过程存在响应滞后、精度偏低的问题, 提出由空中目标战术机动先验辅助的层次性交互多模型跟踪方法。所提方法利用隐马尔可夫模型, 对目标机动轨迹分段进行战术类别的识别、战术状态的区分, 建模不同战术下的机动模型转移矩阵。由此实现战术机动似然概率与交互多模型机动似然概率的有效交互, 构建双层交互式多模型跟踪算法。实验考虑复杂战术意图下空中目标机动轨迹, 结果表明所提算法结合战术机动先验可有效解决状态估计精度与机动转移响应时效之间的矛盾, 明显改善机动目标跟踪精度。

为了提高低信噪比下采样率受限且中心频率未知的通信信号质量, 提高识别性能, 本文实现中心频率的自适应估计并提出一种改进的小波降噪算法。中心频率估计部分利用11类通信信号在功率谱上的差异实现粗分类, 基于不同分类结果对频率居中法进行改进以实现中心频率的估计。改进的小波降噪算法一方面针对软硬阈值函数存在的问题提出一种参数可调且连续的改进小波阈值函数; 另一方面采用小波能量比刻画不同中心频率的通信信号小波系数能量分布, 根据大小对小波系数采取不同的处理方法。最后, 针对11类通信信号, 在[-10, 10] dB的信噪比范围内进行调制识别实验。仿真结果表明, 所提降噪算法对11类通信信号都有显著的降噪效果, 在[-10, 0] dB的信噪比范围内相较于未降噪时的信号平均识别率提升了10%~40%。

航空磁异常探测数据中的方波干扰极易被磁异常信号检测系统误判为磁性目标信号，针对航空磁测数据中的方波干扰提出一直虚警剔出方法。在正交基函数(orthogonal basis function, OBF)分解实现疑似磁异常信号初检的基础上, 通过预估磁性目标的斜距进行OBF反变换得到与探测场景适配的反演信号, 进而采用比较两个时域信号的波形相似度来剔除方波干扰, 采用仿真数据和实测数据进行验证实验。结果表明, 与传统的OBF检测相比, 提出的对滤波信号和反演信号进行波形相似度比较方法能有效剔除方波干扰, 满足磁探测数据处理的低虚警率应用需求。

针对大气波导和对流层散射两种超视距传播机制导致的大气折射误差显著增大、严重影响三站无源时差定位系统远距离目标定位精度的问题，提出一种超视距传播机制下的时差定位折射修正方法。该方法利用射线描迹技术精确计算大气波导和对流层散射环境作用下信号传播路径上的射线轨迹参数，基于时差定位CHAN算法对实测时延差进行折射误差修正，并利用几何稀释精度解算原理对修正结果进行精度评估。评估结果充分验证了修正技术的有效性和准确性，利用该技术可以显著提高无源时差定位系统对超视距目标的定位精度。

针对生成电磁信号对抗样本隐蔽性不足的问题, 提出一种基于雅可比显著图的电磁信号无目标平滑对抗攻击方法(electromagnetic signal no-targeted smooth adversarial attack method based on Jacobian saliency map, NTSA)。该方法平衡对抗样本各项范数, 根据电磁信号自身特点, 通过计算雅可比矩阵生成显著图, 选取关键特征点进行平滑的扰动添加从而生成对抗样本。在使用公开数据集训练的3个网络模型上进行实验得到的结果表明, NTSA在3个网络模型上都能达到90%以上的成功率。该方法比同类型特征点方法，即基于Jacobian显著图攻击(Jacobian-based saliency map attack, JSMA)方法提升了30%的攻击成功率, 且扰动比率能降低到5%以下。从扰动比率、单点扰动距离、余弦相似度以及欧氏距离这4项隐蔽性指标反映出NTSA所生成的样本与该文其他方法生成的对抗样本相比具有最好的隐蔽性。

针对雷达抗干扰试验中试验因子多、样本空间大、全面试验成本高等问题, 引入约束满足的方法对雷达抗干扰试验样本空间进行特征分析, 实现对有限样本空间的约简。提出一种雷达抗干扰试验样本空间的分析框架, 将对样本空间的分析从电磁领域映射到数学领域, 建立一种耦合约束满足模型。结合图论和基于孪生变量法的耦合约束求解算法以及弧相容算法对试验样本空间中的耦合约束进行求解。结果表明, 经过求解后的空间比初始试验样本空间压缩了约76 760.76倍, 可较好地解决后续试验设计中样本集选取困难的问题, 为雷达抗干扰试验的设计与评估提供支撑。

针对常规窄带雷达体制下利用高分辨谱估计的方法对人、车、无人机等地面及低空运动目标的分类问题，首先通过高分辨谱估计的方法提取回波信号频谱的能量分布特征。然后，对回波信号时域和频域特性进行分析, 提取目标的速度、雷达截面积(radar cross section, RCS)、时域波形熵、幅度相对值、频域方差等特征, 并根据目标实际运动情况划分速度区间, 设计相应的反向传播(back-propagation, BP)神经网络模型。最后，基于实测雷达回波数据验证了所提高分辨谱估计的目标分类算法具有较好的分类效果。

针对间歇采样转发干扰产生的假目标和目标高速运动产生的多普勒频移导致雷达脉压性能急剧下降的问题, 提出一种高多普勒容限的线性调频-离散相位编码(linear frequency modulation-discrete phase coding, LFM-DPC)复合调制相干波形集设计方法。在一定多普勒频移范围内, 以最小化未转发信号自模糊函数旁瓣能量以及未转发信号与转发信号互模糊函数能量建立优化模型, 并设计一种基于KKT (Karush-Kuhn-Tucker)最优性条件的迭代算法对模型求解。仿真实验表明, 相比于遗传算法和单一调制的LFM和DPC信号, 基于KKT最优性条件的交替迭代优化算法优化的LFM-DPC波形集有更好的抗间歇采样转发干扰性能。

针对复杂电磁环境中, 雷达信号种类复杂、形式敏捷多变, 导致信号识别率较低与运算复杂度较高的问题, 提出一种基于特征融合的快速卷积神经网络(fast-convolutional neural network, Fast-CNN)的复杂波形调制识别方法。首先, 设计规模较大的教师网络(特征融合网络)和规模较小的学生网络(Fast-CNN)。教师网络提取并融合特征图的不同尺度特征, 提高网络识别率; 学生网络通过剪枝方法去除冗余通道, 解决计算量较大的问题。然后, 通过知识蒸馏将教师网络训练得来的知识转移到学生网络中, 从而网络能在显著降低计算量的同时保持识别精度。实验表明, 当信噪比大于-3 dB时, 所提方法对10类复杂调制波形的整体识别率达到99%以上。

为了优化单发多收协同雷达(single-transmitter multi-receiver cooperative radar, SMCR)探测系统的低截获概率(low probability of interception, LPI)，利用SMCR目标探测的截获因子构造优化目标函数。首先，在二维平面上描述SMCR目标探测场景，分析探测区域内接收机队列的接收增益及其近似估计方法。然后，针对目标位置先验已知情况，建立SMCR系统的接收机队列优化模型，分析模型解集。最后，针对目标搜索区域先验已知情况，从多个维度仿真分析接收机队列的LPI特性。仿真结果表明，针对目标位置或目标搜索区域先验已知的SMCR探测场景，接收机队列的队形设计有利于改善系统的LPI性能。针对目标位置已知的实测数据定性说明了所提方法仿真结果的合理性。

航天发射任务中, 单部雷达存在测量视角不全、部分航迹抖动等问题, 难以形成高精度连续稳定航迹, 分布式多站视角下多雷达、多目标航迹处理成为航天发射场的紧迫课题。针对此问题, 提出一种航天发射任务分布式多站实时航迹处理方法。首先, 针对多部空间位置不同、数据率不同的雷达, 完成测量航迹预处理, 解决不同平台协同探测时空不统一的问题。之后, 针对多部雷达密集交错航迹提出一种多尺度航迹关联算法, 通过弹道落点粗聚类和加权距离精聚类在降低计算量的同时提升关联稳定性。最后, 采用凸组合融合算法实现多部雷达多目标航迹有效融合。实际应用结果表明, 所提方法能发挥多雷达集群体系探测的优势, 有效解决航天发射任务分布式多站中多雷达、多目标航迹关联与融合问题。

移频间歇采样转发干扰(shift-frequency interrupted sampling repeater jamming, SFISRJ)兼具两种干扰的优点, 严重威胁雷达探测。对此，提出一种基于波形与非匹配滤波器设计的抗SFISRJ方法。兼顾干扰抑制和脉冲压缩性能, 建立无约束多目标联合优化模型, 推导目标函数梯度, 并提出基于限制内存BFGS(limited-memory Broyden-Fletcher-Goldfarb and Shannon, L-BFGS)的联合设计算法。仿真验证了所提算法的可行性, 尤其当真实目标和假目标在时域和时频域不可分离时, 所提算法相较于传统方法能够取得最优抗干扰性能。

在多无人机(unmanned aerial vehicles, UAVs)对抗环境中, 由于UAV的数量较大, 使用常规深度强化学习方法处理此类问题时可能存在值函数维度爆炸、策略网络难收敛等问题。对此, 提出一种基于值分解思想与注意力机制的策略交互Q学习(attention policy interaction Q-learning, APIQ)集群对抗算法, 引入值分解思想, 缓解了值函数维度爆炸的问题, 并基于注意力机制对值分解中的各值进行权重分配, 促进了策略网络的收敛。为验证APIQ算法在多UAV对抗问题中的可行性, 建立较为真实的环境模型, 并通过仿真验证了该算法的可行性。与其他算法对比结果表明, APIQ算法控制下的UAV具有更高的对抗胜率。

装备体系在实际运行下不可避免会受到外部攻击和内部故障等扰动事件的影响, 引起多个装备节点失效, 如何科学合理制定恢复策略迅速恢复体系能力, 增强装备体系韧性具有重要军事价值及意义。基于此, 提出一种基于强化学习的装备体系韧性优化方法。首先, 综合网络拓扑和网络性能参数建立装备体系韧性度量指标。其次, 提出基于Q-Learning节点恢复顺序的强化学习算法, 并采用不同的扰动场景来测试韧性的变化。最后, 结合典型案例验证提出算法的可行性及有效性。通过与经验性恢复策略、遗传算法的对比实验, 结果表明蓄意攻击下, 基于强化学习获得的韧性值相比于基于节点能力重要度优先恢复策略、基于度优先恢复策略和随机恢复策略高37.46%、52.28%和85.65%;与遗传算法相比, 优化后获得的韧性值提高28.72%。上述分析有效表明了所提方法和模型的优越性。

在传统基于文本的危化品车辆监控预警系统设计开发过程中, 存在设计过程缺失、表意不清、模块化和扩展性低、无法进行回溯与仿真验证等问题。为提高危化品车辆监控预警系统的设计质量和效率, 在概念设计阶段引入基于模型的系统工程(model-based systems engineering, MBSE), 提出危化品车辆监控预警系统设计流程。该流程将交互关系和约束关系贯穿于各阶段中, 以系统需求为核心, 明确系统参数的构建步骤和脉络, 建立涵盖行为、结构和参数的系统模型。经验证，该模型可实现“需求-行为-结构-参数”4个维度的紧密结合, 加强对危化品车辆的监控预警和对应急事件的准备。

效能是衡量多阶段攻防对抗体系(system-of-systems, SoS)性能的重要指标, 代表着完成任务的有效程度。在执行任务期间, 外部环境不断变化, SoS效能存在时间依赖关系。针对此问题, 运用拓展的图示评审技术(graphical evaluation and review technique, GERT)来评估多阶段攻防对抗SoS效能。首先, 根据SoS任务执行的多阶段特征构建GERT网络, 并分析网络的传递特性。然后, 在效能结果计算上, 考虑时间因素, 设计一个新的任务有效度参数来体现效能的时间依赖特征, 利用c、z标记法, 以获得关键组件系统执行关键任务的相关参数。最后, 以导弹防御SoS的防御作战任务为例, 对防御作战任务的执行效果进行评估，获得体系效能、作战时间、备弹量、导弹首次击中目标时间等指标数据，为体系编配方案优化提供涵盖更多信息的决策指标。

随着卫星资源数量增加, 用户成像需求也在急剧扩大, 亟需加强多星协同成像任务规划研究, 提升卫星服务能力。本文基于深度强化学习对多星协同成像任务规划问题开展研究。首先, 在满足任务需求、卫星能力、时空约束基础上, 建立多星协同成像任务规划数学模型。然后, 设计一种基于指针网络的卫星任务规划算法, 利用指针网络机制对输入序列进行优化选择, 并通过Mask向量表征各类约束。最后, 仿真结果表明算法获得的平均任务收益比传统启发式算法和指针网络模型至少提高1.71%, 对于不同任务规模实例训练完成的算法, 其平均任务收益差最大不超过0.28%, 证明了算法的有效性和适用性。

针对多编队时空路径生成研究的空白, 提出一种融合时空散列思想的无人机多编队航路规划方法。引入第3代安全散列算法对航路点时空信息进行散列计算和线性映射, 得到时空航路点和编队飞行区域。使用时空点面信息优化有偏采样, 解决多编队采样集中和无效路径过深问题。设计基于航路点偏置和时空平滑优化的三维增强型快速扩展随机树多编队航路规划算法, 以时空差异航路点为偏置目标, 结合人工势场法与时空约束条件优化节点搜索成本函数, 得到时空最佳差异路径。结果表明, 所提方法在规划用时和节点数上分别减少了53.33%和17.53%, 多编队路径数据验证了该方法具备时空差异生成能力。

针对当前反无人机作战体系下武器装备缺少有效的能力评估手段问题, 提出基于作战环的装备体系贡献率评估方法。将反无人机作战涉及的多功能装备间关系抽象为环、节点与边的关系, 构建作战网络模型。提出模糊综合评价法计算边的权值方法, 得出综合影响指数, 评估反无人机作战体系下的装备作战能力, 通过体系贡献率评估模型计算得出装备在反无人机作战体系中的贡献率。最后, 以典型作战想定为例, 开展反无人机的多功能装备体系贡献率评估, 验证方法的可行性。为研发设计反无人机装备, 有效实施作战提供决策依据。

针对目前在役考核任务中服役期经济性评价, 存在仅以财务指标计算费用、评价指标结果单一、难以有效支持装备升级改进决策等局限, 提出一种基于统计方法及信息熵构建舰艇服役期经济性评价指标体系的方法。该方法根据全面性、科学性、可观测性原则, 首先对海选的评价体系指标集进行初步筛选; 再利用相关性分析和信息熵权重筛选法, 剔除冗余指标, 确保剩余指标的独立性与显著性; 最后通过因子分析法验证评价指标体系的合理性。实证分析结果显示, 应用该方法确定的评价指标体系能够高效反映原始可观测指标约97.76%的有效信息, 提升舰艇服役期经济性的考核效率与准确性。

为提高无人机的可诊断性, 提出基于结构冗余传感器配置与灰狼优化算法的可诊断性优化设计策略。首先, 为弥补结构分析在衡量故障诊断难易程度的缺陷, 提出基于Wasserstein距离的可诊断性评价方法。其次, 设计结构冗余传感器配置算法, 以最低的传感器配置代价实现系统可诊断性最大化。最后, 提出基于灰狼优化算法的可诊断性优化设计策略, 在满足系统可诊断性定性和定量需求的前提下, 最小化诊断系统设计代价。并基于固定翼无人机结构模型, 利用所提算法, 以最小的传感器优化配置代价, 使得系统可检测率和可隔离率达到100%。此外, 基于定性评价的优化策略, 使得诊断代价缩减83%, 较其他算法节省2%~15%;并基于定量评价的优化策略, 使得诊断代价缩减90%, 较其他算法节省0%~25%。

体系是系统朝着复杂化发展的必然方向, 体系可靠性是体系稳定正常运行的重要保障。首先, 由体系与体系工程出发, 分析当前体系可靠性研究现状和存在的问题。其次, 对装备体系可靠性相关概念进行剖析, 提出装备体系可靠性定义和可靠性技术框架, 包括体系可靠性能力分析、面向可靠性的体系架构开发以及体系可靠性验证评价。随后, 结合航天工程实践, 提出航天装备体系可靠性内涵, 对航天装备体系可靠性包含的生存性、稳健性、保障性等方面的技术应用进行介绍。最后, 从体系可靠性内涵、体系故障机理、网络可靠性、体系可靠性技术、体系可靠性工程管理等方面对装备体系可靠性研究发展的挑战进行展望, 为体系可靠性尤其是装备体系可靠性研究提供借鉴。

为了解决无人船动态路径规划中路径转折点多、路径安全性差以及传统A-star算法在动态环境中应用受限的问题, 提出一种改进的A-star算法。首先，通过修改open-list的存储方式和增加邻域搜索方向, 灵活调整无人船的行进方向, 提升其在动态环境中的适应能力。其次, 通过引入直线引导函数和安全距离代价公式, 有效优化路径规划过程, 避免不必要的路径绕行和碰撞风险。最后, 通过聚焦搜索方法, 减少无人船振荡反复运动。仿真结果表明, 改进的A-star算法能够成功躲避动态障碍物, 并且与其他动态路径规划算法相比, 改进A-star在路径长度方面减少了4.88%和0.09%, 平滑度方面减少了37.32%和23.17%。改进后的算法能生成更平滑、安全的路径, 适用于无人船的动态路径规划。

为了提高低成本小型无人机在全球卫星导航系统(global navigation satellite system, GNSS)信号受到干扰时的导航性能, 提出一种基于航姿参考系统(attitude and heading reference system, AHRS)的导航方法。采用AHRS输出的误差有界的姿态信息构建航位推算模型, 在GNSS信号拒止时可有效延缓导航误差的发散; 在GNSS信号有效时, 通过对姿态角的修正进一步提高导航精度。仿真结果显示, 在组合阶段, 所提方法能够进一步提高姿态角精度, 且导航精度与传统惯性导航系统相当; 在拒止阶段, 所提方法的水平和高程的位置精度分别比惯导提高了83.3%和45.9%。最后, 通过半物理试验验证了仿真结果的可靠性。

针对全球导航卫星系统(global navigation satellite system, GNSS)信号易受射频干扰影响的问题, 提出一种线性调频(linear frequency modulation, LFM)干扰抑制方法。首先, 提出一种四阶时域自相关方法估计LFM信号参数。其次, 设计应用于单天线GNSS接收机的LFM干扰抑制模块, 利用LFM信号的参数估计结果将干扰信号的能量在频域上聚集, 采用可配置二阶陷波器滤除干扰信号。最后, 通过仿真实验验证LFM信号的参数估计效果和干扰抑制结果。实验结果表明, 在干信比达到80 dB时, 干扰抑制后的卫星信号跟踪载噪比损失值为3.5 dB·Hz。所提方法可以有效抑制LFM干扰, 保障GNSS接收机应对强LFM干扰条件下的干扰抑制性能。

针对旋翼无人机(unmanned aerial vehicle, UAV)采用往复全覆盖路径在三维地形和风场环境中面临的能量非最优问题, 提出一种风场地形自适应全覆盖路径规划算法。首先, 通过栅格法进行环境建模, 根据栅格内的高程数据点信息构建空中航路点。接着，通过分析旋翼UAV在风场环境中的机动动作和能量函数构建UAV风中模型及能量消耗模型。然后，基于滚动优化和全局思想提出一种邻点滚动试探-全局预测融合策略作为算法核心, 规划出UAV顺应风场与起伏地形能量近似最优全覆盖路径。最后, 在不同环境下进行仿真实验。实验结果表明考虑风场和地形的必要性, 同时相较于单一往复式覆盖, 所提算法能自适应环境因素进行规划从而显著减少全覆盖过程中的能量消耗。

针对故障条件下的多无人机分组编队控制问题, 提出一种基于同步分布式模型预测控制(distributed model predictive control, DMPC)的分组编队控制算法。首先, 建立考虑虚拟领导者的分组分层控制框架。接着, 对编队中的不可恢复故障进行建模, 并提出交互健康判别机制及“故障隔离”策略, 结合分组分层控制框架提出故障条件下分组编队控制方案。然后, 将故障模型与同步DMPC理论相结合, 根据“故障隔离”策略, 设计故障条件下的单组编队控制算法, 并进一步根据控制方案给出分组编队控制算法, 且基于Lyapunov理论证明控制算法下编队系统的稳定性。最后, 通过仿真验证所设计算法在故障条件下的有效性和优越性。

针对无人车自主导航过程中对行人避障时未考虑目标运动趋势所导致的避障效果欠佳的问题, 提出一种基于行人轨迹预测的无人车动态避障方法。首先, 利用深度相机和目标检测算法完成行人的识别及位置解算, 并通过跟踪获得行人位置的时序信息。其次, 将一维卷积神经网络(convolutional neural network, CNN)和双向门控循环单元(bidirectional gated recurrent unit, BiGRU)相结合, 并融入注意力(attention, ATT)机制, 构建CNN-BiGRU-ATT行人轨迹预测模型, 由行人当前位置序列预测未来轨迹。最后, 通过Bresenham算法将行人当前位置及轨迹预测结果叠加在代价地图上, 使得全局和局部路径规划算法提前规避碰撞风险。实验表明, 基于深度相机的行人检测、定位方法能够准确计算行人历史轨迹, 为轨迹预测模型提供可靠的输入; 基于CNN-BiGRU-ATT的行人轨迹预测模型在多种运动状态下预测误差更小。融入轨迹预测结果的代价地图可提高路径规划的前瞻性, 避免无人车频繁更改全局和局部路径, 降低导航任务用时和碰撞风险。

为了提高多输入多输出声呐在高斯噪声和混响背景下的检测性能, 提出了一种融入先验知识的贝叶斯自适应检测方法。考虑一种高斯噪声和混响共存的干扰场景, 首先引入贝叶斯理论, 将未知混响协方差矩阵建模为逆复Wishart分布的随机矩阵; 其次, 联合利用两组训练数据, 设计一种两步式干扰协方差矩阵估计方法; 最后, 利用干扰协方差矩阵估计值代替其真实值, 得到基于贝叶斯框架的自适应匹配滤波器。仿真结果表明, 所提出的检测方法能够更准确地实现对干扰协方差矩阵的估计, 并且在训练数据不足时, 该方法具有稳健的检测性能。

针对通信干扰效果在线评估的无标签样本分类问题, 提出一种基于主客观权重的通信干扰效果在线评估方法。从发送方抗干扰的角度选取多种通信行为参数作为干扰效果评估指标, 分别使用改进的准则重要性相关法(criteria importance through inter-criteria correlation, CRITIC)和群层次分析法(group analytic hierarchy process, GAHP)确定客观和主观权重。通过最小信息熵原理确定组合权重后, 根据各指标参数的变化程度判断干扰效果, 划分干扰效果等级, 实现无标签样本分类。同时, 提出动态更新各指标归一化参数的方法, 使其应对变化的环境。实验结果表明, 提出的方法在指标参数范围变化和小样本情况下仍具有较稳定的性能。

针对直接扩频序列码分多址(direct sequence code division multiple access, DS-CDMA)信号伪码估计问题, 在已知DS-CDMA信号参数的条件下, 提出一种基于新信息准则(novel information criterion, NIC)与Givens旋转的多伪码盲估计方法。该方法通过对观测数据按照一倍的伪码周期进行不重叠分段构造数据矩阵。利用NIC获得数据矩阵主子空间, 并利用Givens旋转提取信号主成分, 再通过梅西算法恢复多用户生成多项式, 从而实现多用户伪码盲估计。仿真实验表明, 该算法较特征值分解算法抗噪性能提高了3 dB, 且在信号数据量较少时也能实现较优估计。

有效抑制接收机中混叠的背景信号, 对关键重要信号的检测至关重要。现有方法缺乏对信号上下文信息的有效利用, 难以解决噪声环境下单通道时频交叠的背景信号抑制问题。对此，从中频时域信号出发, 提出一种基于双路径特征融合的掩码抑制(dual-path feature fusion mask-based suppression, DPFF-MS)算法。该算法利用神经网络拟合掩码抑制模型, 实现背景信号抑制。通过一组卷积编解码器实现信号的高维变换和逆变换, 降低噪声影响; 设计一种双路径特征融合(dual-path feature fusion, DPFF)模块, 利用不同路径的长短时记忆(long short-term memory, LSTM)网络交替提取局部特征和全局上下文信息, 并采用迭代注意特征融合(iterative attention feature fusion, iAFF)优化不同尺度特征融合过程, 以充分利用信号脉内和脉间信息, 解决时频交叠情况下的抑制问题。实验结果表明, 相较其他信号处理方法和神经网络模型, 所提模型对尺度不变信号源噪比(scale-invariant source-to-noise ratio, SI-SNR)和背景脉冲抑制率两个指标都有显著提升; 且极大地减少了模型参数, 使其易于部署, 具备较高应用价值。

随着现代通信技术的迅猛发展, 军事领域对通信网络的依赖性不断增强, 推动了战术互联网概念的演进。本文探讨了一种战术互联网技术——阻继网络(barrage relay network, BRN), 其通过创新的中继机制, 解决传统通信网络在复杂环境中的覆盖和可靠性问题。BRN利用自主协同通信机制, 实现网络的自组织和自愈能力, 通过控制的阻继区域(controlled barrage region, CBR)优化数据包的传播路径, 减少拥塞和延迟。同步时分多址(time division multiple access, TDMA)调度机制进一步确保了时间资源的高效利用, BRN的跨层设计增强了网络的适应性和鲁棒性。然而, BRN在实际部署中面临动态管理、时间同步、安全性、资源分配等技术挑战。本文分析了这些优势和挑战, 为BRN的未来发展提供了思路。