一、雷达抗干扰试验电磁干扰环境探讨（论文文献综述）
张军涛,李尚生,王旭坤[1]（2021）在《基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法》文中研究指明针对雷达抗干扰性能评估的问题,提出一种基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法。该方法以模糊数学和关联函数理论为基础,首先借鉴已建立评价指标的模糊综合评判因素集,采用区间数打分,基于灰色关联方法确定评价指标权重。然后,通过隶属函数建立评判矩阵,计算模糊综合评断结果,并按照隶属度的大小确定雷达抗干扰能力级别。最后,建立模糊值线性序评价模型,确定雷达抗干扰性能的优劣顺序。经实例验证,所提方法既可以确定雷达抗干扰性能的评价等级,又能进一步确定雷达抗干扰性能的优劣顺序,且较为客观可靠。
葛萌萌[2]（2021）在《认知雷达多维联合抗主瓣干扰研究》文中进行了进一步梳理在未来军事电磁频谱战中,雷达通常工作于复杂电磁环境中,外部干扰信号从雷达天线波束主瓣进入接收机,形成欺骗或压制干扰,严重降低了雷达系统性能。因此,如何对抗主瓣干扰,提升复杂电磁环境下的雷达探测能力,是电磁频谱战中获取制电磁权的核心关键之一。近年来,认知雷达通过发射波形和接收处理的连续协同反馈,掌握了空间、时间、频率、极化等维度“捷变”的主动性,具有抗主瓣干扰的巨大潜力和优势。因此,本文围绕认知雷达的波形设计与处理两方面,开展多维联合抗主瓣干扰研究,主要工作与贡献如下:1、提出了一种基于非精确交替方向惩罚法（IADPM）的认知脉间波形幅度-相位联合设计方法,通过多延时匹配处理获取干扰和目标的多普勒信息,最小化特定多普勒范围内的干扰能量与目标旁瓣能量的加权和,提高了主瓣速度欺骗干扰下的目标检测性能。2、提出了一种基于解耦交替方向惩罚法（DCADPM）的认知发射-接收联合设计方法,通过时频解卷积处理获取干扰信号相关参数,最小化发射信号-接收滤波器的积分旁瓣电平（ISL）与干扰信号-接收滤波器的ISL的加权和,有效抑制了多种主瓣灵巧干扰。3、提出了一种基于子阵级盲信号处理的认知空时信号分离方法,利用目标与干扰信号在空间和时间维度上的差异性,通过子阵多域信号分离,重构目标与干扰信号,有效抑制主瓣支援式压制和灵巧干扰,同时精确估计目标角度信息。4、提出了一种基于极化特征矩阵近似联合对角化（P-JADE）的认知极化-时间-多通道联合处理方法,利用目标与干扰信号的极化分集和时域波形不相关的特性,有效分离出目标与干扰信号,提升了主瓣自卫式压制和灵巧干扰的抑制能力。以上理论方法的有效性、适用条件和性能已通过仿真试验验证。结果表明,本文提出的方法能够有效对抗主瓣压制、欺骗和灵巧干扰,提高主瓣干扰下雷达探测性能,可应用于机载、舰载等预警/火控雷达系统。
李浩[3]（2021）在《基于干扰认知的雷达抗干扰方法研究》文中指出经典的雷达抗干扰技术利用目标与干扰信号在时域、频域或空域的差异,通过脉冲压缩、频域滤波或旁瓣对消方式进行抑制。随着DRFM（数字射频存储）技术的快速发展,多种新型相干干扰不断涌现,很难用一种方式抑制不同的干扰。基于对新型干扰的认知,研究针对性的干扰抑制算法,从而提高雷达的抗干扰检测性能,是雷达抗干扰技术的研究热点。本文针对间歇采样转发干扰以及灵巧噪声干扰,研究了干扰认知方法,采用基于干扰重构对消和基于变换滤波的抗干扰方法对两类干扰进行有效抑制,并设计实现了基于干扰认知的雷达抗干扰仿真系统。主要的工作内容概述如下。（1）对基于DRFM的间歇采样转发干扰和灵巧噪声干扰进行分析和建模,在此基础上对含有干扰的雷达回波进行基于恒虚警的检测与参数粗估计。检测干扰后,采用深度学习方法对间歇采样转发干扰、灵巧噪声干扰和其它类型干扰进行识别,识别率达到99.47%,为准确的干扰认知提供支持。（2）现有的间歇采样转发干扰参数估计主要基于Hilbert-Huang变换,存在干扰采样周期估计精度不足问题,本文采用基于模糊函数与HHT进行联合估计方法改善了对干扰的认知。在对干扰参数进行准确估计后进行重构对消干扰,相比HHT方法JSR可以降低3到6dB。（3）针对灵巧噪声干扰同时含有相干性和随机性的特点,首先对干扰通过差拍处理与频域滤波进行预处理,能够消除部分干扰信号。再通过获取干扰与雷达发射信号先验信息并在Fr FT域进行窄带滤波,以消除剩余干扰。脉冲压缩处理显示,上述处理比直接Fr FT域滤波的干扰信号形成的波峰小5到8dB。（4）将上述干扰信号的产生、检测、识别与抑制方法进行集成,通过在Matlab软件APP Designer平台开发雷达抗干扰仿真软件界面,设计了干扰信号仿真、数据处理与识别和干扰抑制三个模块,可方便灵活的进行干扰抑制仿真测试。
陈新竹[4]（2020）在《多功能数字阵列雷达空域抗有源干扰方法研究》文中认为多功能相控阵雷达作为探测系统的新型重要装备,可以对多批目标实现搜索、跟踪、成像、识别等多种功能,承担防空、反导等多种任务,能够看得更远、看得更清晰,既是望远镜,也是显微镜。作为一种全数字相控阵雷达,数字阵列雷达为先进的自适应波束合成算法提供了硬件实现平台,在空域抗干扰方面具备高灵活性和突出性能,有效提高了多功能相控阵雷达在复杂电磁环境中的生存能力,成为当前雷达领域的研究热点。而新型有源干扰技术的飞速发展,为数字阵雷达抗干扰带来了新的挑战。当数字阵列雷达接收到从主瓣进入的干扰信号时,由于干扰与目标信号空域相关性强,当前空域抗主瓣干扰的方法会引起目标探测和跟踪能力的损失;此外,多功能数字阵列雷达在宽带探测模式下,面临着宽窄带、主副瓣组合干扰的威胁,常规空域抗干扰方法的性能难以满足目标识别的要求。综上,如何提升多功能数字阵列雷达在主瓣干扰和宽带组合干扰场景下的目标探测能力,已成为亟需解决的难点问题。本文针对多功能数字阵列雷达在不同工作模式下面临的典型有源干扰场景,以空域抗干扰中的几个关键问题为着眼点,以提高雷达对目标的探测增益、测角精度、高分辨性能为目的,深入开展多功能数字阵列雷达空域抗干扰方法的研究,具有重要的理论意义和应用价值。论文开展的主要工作概括如下:1.针对数字阵列雷达抗主瓣干扰引起的单脉冲测角精度损失,提出了基于二维正交波束的抗干扰及测角方法,解决了自适应和差波束合成过程中干扰俯仰角和方位角的耦合问题,可以同时抑制两个及以上主瓣干扰,多个副瓣干扰,并提高了目标测角精度。首先,针对二维矩形阵,深入分析常规自适应和差波束合成中,导致方位（俯仰）维测角精度下降的原因;然后,利用方位维与俯仰维波束的独立性,提出了二维正交波束合成的方法,通过互相正交的自适应波束合成与和差波束合成,使方位（俯仰）维抗干扰与俯仰（方位）维测角互不影响;此外,将该方法推广至数字子阵结构的二维矩形阵中,进一步降低了自适应运算的复杂度;最后,通过仿真实验,验证该方法在有效抑制多个主副瓣干扰的同时具备较高的测角精度。2.针对数字阵列雷达抗主瓣干扰引起的目标探测增益损失,结合分布式数字阵列雷达体制,提出了一发多收模式下基于多站波束融合的抗干扰方法,解决了空域强相关的目标与干扰同时被抑制的问题,可以同时抑制两个及以上主瓣干扰,多个副瓣干扰,并提高了目标探测增益,挖掘了分布式数字阵列雷达在空域抗干扰方面的潜能。首先,通过特征波束分析,深入研究自适应波束合成中,目标信号与主瓣干扰同时被抑制的原因;然后,针对分布式数字阵列雷达一发多收的工作模式,提出了基于多站波束融合的抗干扰方法,涵盖两级波束合成:在第一级单站内,通过多点线性约束最小方差（Linearly Constrained Minimum Variance,LCMV）方法,规避主瓣干扰与目标的空域相关问题,仅抑制多个副瓣干扰信号;在第二级多站联合中,利用分布式数字阵合成高分辨辅助波束,对主波束中的主瓣干扰和目标进行准确区分,通过最小均方误差（Minimum Mean Square Error,MMSE）方法精确估计并对消主瓣干扰,减少目标信号的损失;最后,通过仿真实验,验证该方法在抗多个主副瓣干扰的同时,提高了主瓣对目标的探测增益,减少了多站间数据传输量,降低了自适应运算复杂度。3.针对宽带数字阵列雷达面临的宽窄带、主副瓣复杂组合干扰的问题,构建了子带分解的高性能基带实现架构,并提出了子带内多波束联合抗干扰方法,提高了复杂电磁环境中目标的一维距离成像性能。首先,针对宽带信号接收的子带分解方法,通过对子带分解后干扰信号相关矩阵的特征根分析,给出了子带内干扰色散残余的关键参数。为此,构建子带分解的高性能基带滤波架构,优化了关键参数,通过仿真实验验证该方法显着改善了色散残余问题,提高了抗干扰性能;然后,针对宽窄带、主副瓣组合干扰场景,进一步提出基于子带分解的多波束联合抗干扰方法,通过多个辅助波束对主波束内主瓣、副瓣干扰的自适应感知,解决了各子带中干扰场景的差异问题,降低了自适应运算的复杂度。通过仿真实验,验证该方法在各子带干扰场景不同时的自适应抗干扰性能。最后,结合宽带实验雷达在干扰环境下的对海探测实验,通过实测数据处理,获得了舰船目标的高精度一维距离像,验证了本文方法的有效性。
毕斯威[5]（2020）在《基于神经网络的雷达干扰效果评估》文中研究说明如今,随着雷达技术的快速发展,雷达对抗技术也在随之发展。干扰效果评估作为认知电子战里的重要一环,必须具备快速、智能的能力。相较于传统的雷达干扰效果评估方法中引入过多的人为因素缺陷,智能的评估方法成为目前雷达干扰效果评估的主要研究方向。本文针对雷达干扰效果评估问题,主要研究了基于径向基（RBF）神经网络算法的评估方法,以及基于粒子群优化反向传播（PSO-BP）神经网络算法的评估方法。本文主要内容为:首先,介绍雷达对抗技术,其中包含雷达侦察技术,雷达干扰技术以及雷达抗干扰技术,通过对雷达干扰样式和雷达抗干扰方式进行分析,得到雷达数据特征。其次,针对评估指标选取问题,结合干扰效果评估构建准则和干扰效果评估战技指标,选取能够体现雷达工作方式发生变化的雷达参数集,从而分析获取干扰评估指标向量。然后针对处理雷达参数信息不足的情况下,应用基于RBF神经网络算法的雷达干扰效果评估方法,利用RBF神经网络在处理回归问题上时间复杂低的算法性能,实现指标集和最终评估结果相映射。最后针对处理雷达信息参数充足的条件下,提出了基于PSO-BP神经网络算法的雷达干扰效果评估方法,利用PSO算法对BP神经网络的权值和阈值进行更新,根据更新后的BP神经网络对评估向量进行干扰效果评估。通过仿真基于RBF神经网络算法的评估方法,验证了在雷达参数信息数据量较少的情况下,该方法在一定的误差条件下的有效性。通过仿真PSO-BP神经网络算法的评估方法,验证了在雷达信息数据量充足的情况下,该算法处理评估问题上表现的优异性。仿真对比了相对单一的BP神经网络与PSO-BP神经网络,验证了PSO算法优化BP神经网络的初始化权重和阈值后,神经网络的性能有了明显的改善,评估结果更为稳定精准。仿真对比了RBF神经网络算法以及PSO-BP神经网络算法,验证了在数据量充足的情况下,PSO-BP神经网络算法的评估结果更为精确,性能表现更为稳定,利于在离线状态下处理雷达信息充足的情况;在数据量较少的情况下,RBF神经网络在一定的误差条件范围内得到的评估结果时间较短,利于在实时状态下处理雷达信息量缺乏的情况。
陈侠达[6]（2020）在《雷达抗有源干扰方法研究》文中认为战场电磁环境日趋复杂,尤其是其中存在的各种有源干扰,给雷达系统的探测与目标跟踪带来了巨大的挑战,对雷达的抗干扰性能提出了更高的要求。为了提高雷达系统的抗干扰能力,本文在前人的研究基础上,对常见的有源压制式干扰、有源欺骗式干扰的信号模型进行了讨论,并结合频率捷变、Hough变换、OFDM调制等技术对雷达系统实现干扰感知、干扰抑制和目标检测展开了分析和研究,本文主要工作如下:（1）建立典型有源雷达干扰信号模型。给出了干扰信号的数学模型,并给出了干扰信号在时域和频域上的仿真结果,为本文的干扰抑制算法打下了基础。（2）针对密集转发式欺骗干扰,提出了捷变频联合Hough变换的干扰抑制算法。建立了捷变频雷达信号模型,分析了捷变频体制下干扰的分布特点,并结合最大类间方差法和Hough变换技术实现干扰抑制与目标信息提取,采用压缩感知和最小波形熵实现目标检测,并通过仿真实验与实测数据分析验证了本文方法的有效性与实用性。（3）提出了基于OFDM调制的捷变频雷达抗有源干扰算法。该方法运用OFDM调制和频率捷变技术规避掉大部分干扰,采用干扰感知方法,剔除存在大功率干扰信号的子载波,对剩下只存在真实目标信号的子载波通过稀疏重构完成目标距离像的高分辨合成,然后采用EM算法同时估计出多个目标的平均速度与初始距离。仿真结果表明该方法能够有效实现干扰抑制与多目标的检测。
韦卓,杜剑英,李鹏勃[7]（2020）在《对空雷达靶场标准化复杂电磁环境试验系统构建》文中研究说明针对信息化武器装备复杂电磁环境适应性试验中,干扰电磁环境构建没有统一标准,各自重复建设的问题,以对空雷达为研究对象,提出了从干扰信号参数层级构建试验干扰电磁环境的构想,并且对干扰信号组成要素进行了详细分析,给出了试验系统搭建方法,提出了试验考核评估需要考虑的干扰要素、目标特性及考核指标构成。
张新勋[8]（2019）在《基于极化分集和频率分集技术的MIMO雷达抗干扰与目标检测方法研究》文中研究说明基于数字射频存储（DRFM）技术的主瓣欺骗性干扰已经成为现代雷达的一个严重威胁。由于主瓣欺骗性干扰信号在时域、频域和空域特征上都与真实目标信号十分相似,使得传统体制的雷达难以对其进行有效识别和抑制。另外,随着低可探测目标的出现以及雷达工作环境的日益复杂,传统的雷达信息获取方式和信号处理手段在应对目标检测问题上也面临着严峻挑战。因此,最大限度地挖掘和利用雷达传感系统所获得的电磁信息,提高雷达抗干扰能力和目标探测能力,进而适应复杂多变的战场环境,已经成为雷达信息处理领域所面临的基础课题和紧迫任务。本文针对集中式MIMO雷达的抗主瓣欺骗性干扰和目标检测问题进行了研究,目的在于通过合理利用极化分集、频率分集、相控阵、认知雷达、博弈论等技术和手段,进一步挖掘MIMO雷达系统潜能,提高其抗干扰能力和目标探测能力。论文的主要工作概括如下:1.研究了基于极化分集技术的MIMO雷达抗主瓣欺骗性干扰的方法。将极化分集技术引入到MIMO雷达中,提出了一种极化MIMO（PMIMO）雷达新技术。研究了针对PMIMO雷达的目标参数估计方法和真假目标鉴别方法。此外,针对常规干扰机产生的假目标极化特性固定不变和智能干扰机根据战场环境自适应改变假目标极化特性两种情况,分别提出了基于单向博弈和策略博弈的雷达发射极化自适应优化设计方法,以进一步提高PMIMO雷达的抗主瓣欺骗性干扰能力。PMIMO雷达同时具有极化雷达和MIMO雷达的优点,可以在空域-极化域内有效抑制主瓣欺骗性干扰,并且采用博弈论方法对发射极化进行优化设计可以进一步提高其抗干扰性能。2.研究了基于极化分集和相控阵技术的MIMO雷达抗主瓣欺骗性干扰的方法。为了进一步提高PMIMO雷达抗主瓣欺骗性干扰的能力,将相控阵技术引入到PMIMO雷达中,提出了一种相控极化MIMO（Phased-PMIMO）雷达新技术。采用自适应波束形成技术来抑制主瓣欺骗性干扰,并以输出信干噪比（SINR）最大化为优化准则,研究了Phased-PMIMO雷达的发射子阵划分和发射极化的优化设计方法。Phased-PMIMO雷达技术可以使得真实目标同时获得极化分集增益和发射相干处理增益,因而具有更高的输出SINR,并且对发射子阵划分和发射极化进行联合优化设计,可以进一步提高抗干扰性能。3.研究了基于极化分集和频率分集阵技术的MIMO雷达抗主瓣欺骗性干扰的方法。为了进一步提高PMIMO雷达抗主瓣欺骗性干扰的能力,将频率分集阵列（FDA）技术引入到PMIMO雷达中,提出了一种频率分集阵极化MIMO（FDA-PMIMO）雷达新技术。研究了针对FDA-PMIMO雷达的目标参数估计方法和真假目标鉴别方法。在此基础上,以系统输出SINR最大化为优化准则,研究了雷达发射极化和发射频率步进间隔的自适应优化设计方法。FDA-PMIMO雷达可以在角度-距离-极化域内有效识别和抑制主瓣欺骗性干扰,相比其它MIMO雷达具有更好的抗干扰性能,并且还可以通过对发射极化和发射频率步进间隔进行联合优化设计来进一步提高其抗干扰性能。4.研究了基于极化分集技术的MIMO雷达的目标检测方法。提出了一种和传统双通道极化雷达具有相似简单结构的正交极化MIMO（OP-MIMO）雷达技术,设计了融合检测算法,推导了虚警概率和检测概率的解析表达式。OP-MIMO雷达可以同时获得波形分集增益和极化分集增益,其检测性能好于传统的双通道极化雷达,且对目标极化散射特性更为稳健。为了进一步提高检测性能,基于OP-MIMO雷达,提出了一种发射极化可以自适应变化的双极化MIMO（DP-MIMO）雷达新技术,研究了目标极化散射向量（PSV）的估计方法和预测方法,并以最大化检测概率和最小化估计误差为优化准则,研究了雷达发射极化的自适应优化设计方法。DP-MIMO雷达技术对极化散射特性随时间变化的目标具有更好的检测性能。5.研究了基于极化分集和频率分集技术的MIMO雷达的目标检测方法。为了提高MIMO雷达的目标检测性能,将频率分集和极化分集技术同时引入到MIMO雷达中,提出了一种频率分集极化MIMO（FD-PMIMO）雷达新技术,设计了目标检测算法,推导了虚警概率和检测概率的近似计算公式,并研究了以检测概率最大化为准则的雷达发射极化和接收极化的优化设计方法。FD-PMIMO雷达可以同时获得频率分集、极化分集和波形分集增益,其检测性能显着好于其它MIMO雷达,并且可以基于目标极化散射特性对雷达发射极化和接收极化进行优化设计来获得检测性能的进一步提升。
孔璐[9]（2019）在《雷达抗干扰效能的评估方法研究》文中研究指明伴随当代电子对抗技术的日益进步,雷达干扰与抗干扰间的争斗愈发激烈。面对逐渐复杂的电子干扰环境,雷达必然要增强其抗干扰能力,通过对雷达系统采用积极的抗干扰举措,才能确保其在多样的电磁环境下赢得先机,进而发挥更好的作战能效,来为战局带来正面的影响。所以需要依托于典型的样本数据,建立具有良好完整性和独立性的评估指标,并且选用适合的评估办法,才能对雷达抗干扰的性能有一个正确的评估。基于以上三点要求,本文创新性的提出下述方法:一、雷达干扰试验方法,基于雷达对抗实验变量取值的多样性及各变量之间的约束复杂性的特点,提出了两部图覆盖阵的概念来构造试验方案,即要求试验方案满足任意一个雷达参数和干扰机参数的每对水平组合都至少出现一次。二、雷达抗干扰效能的度量,本文在对多种干扰机的特点及其对雷达性能的影响分析基础上,结合已有的指标,利用主成分分析方法得到了两个更能反映雷达性能的综合指标,避免了以往抗干扰性能评估指标的片面性。三、雷达抗干扰效能的评估,区别于早期的评估因子法和后来的模糊综合评估法,提出了机器学习算法,建立雷达抗干扰效能评估模型,并对决策树、随机森林、xgboost和支持向量机进行了模型比较,选取泛化能力最好的算法建立最终模型。
耿凯迪[10]（2019）在《雷达干扰效果在线评估技术研究》文中进行了进一步梳理雷达对抗是干扰方与雷达方之间的一个动态博弈过程。在该过程中,干扰效果是用来描述雷达系统在干扰前后性能的下降程度,它是对抗双方都十分关注的一项重要指标。一般情况下,雷达干扰效果会受到干扰方、雷达方和周围电磁环境的影响。传统的雷达干扰效果评估方法大多是基于雷达方来描述干扰效果的,通过分析干扰前后雷达的最大探测距离、发现概率、信号处理时间等性能参数的变化情况来评估干扰效果,目前评估技术也已经相对成熟。然而在实战应用场景中,雷达方作为非合作目标,它的性能参数干扰方很难获得,所以传统的干扰效果评估方法难以实现。因此,如何有效地在战场环境中对已经实施的干扰进行效果评估已成为目前亟待解决的问题。为了适应实战环境,本文提出了一种基于干扰方的雷达干扰效果评估方法,该方法具有较好的研究前景。论文主要从以下几个方面对该新方法进行了研究。首先以认知电子对抗系统作为雷达干扰效果评估的应用平台,详细介绍了雷达干扰技术与抗干扰技术,为后续的干扰因素指标构建和抗干扰措施与雷达行为参数对应关系提供了理论依据。然后分析比较了传统的干扰效果评估方法和已有的基于干扰方的雷达干扰效果评估方法,并以此为基础,设计了一套更加完善的干扰效果评估方案。包括基于干扰因素匹配程度的干扰效果预评估和基于雷达受干扰前后行为参数变化的干扰效果主评估。根据评估方案,设计基于干扰方的干扰效果在线评估算法。首先从数学角度研究了该方案中应用的赋权算法和多属性决策评估算法,包括结合了层次分析法和熵权法的主客观赋权法及逼近理想解排序法。通过分析影响干扰资源的干扰因素,构建干扰因素指标集。在给出每个指标的效益函数后采用仿真验证了各个效益函数的有效性。然后分析了雷达在受到干扰后所做出的行为和侦察参数之间的映射关系,建立雷达行为参数指标集。最后实例化了几种干扰样式和不同的情况下的侦察参数,按照设计的方案,依据基于干扰方的干扰效果在线评估流程对雷达干扰效果进行了仿真验证。仿真结果表明,该方法可以定量地给出不同情况下的干扰效果评估值,有效地解决了实战应用场景中,基于干扰方干扰效果评估所面临的困难。
二、雷达抗干扰试验电磁干扰环境探讨（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、雷达抗干扰试验电磁干扰环境探讨（论文提纲范文）
（1）基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法（论文提纲范文）
| 0 引言 |
| 1 雷达抗干扰性能综合评估指标体系 |
| 1.1 探测信号平均功率 |
| 1.2 雷达工作频段 |
| 1.3 抗干扰措施 |
| 1.4 雷达电磁环境 |
| 1.5 干扰机对抗时机 |
| 2 基于灰色关联-模糊综合评判雷达抗干扰性能评估模型 |
| 2.1 建立评估模型因素集 |
| 2.2 建立评估模型评价集 |
| 2.3 建立评估模型因素权重集 |
| 2.4 确定评估模型隶属函数 |
| 2.5 模糊综合评价 |
| 2.6 模糊值线性序法评估 |
| 3 应用实例 |
| 4 结论 |
（2）认知雷达多维联合抗主瓣干扰研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 符号表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究动态与发展现状 |
| 1.2.1 认知波形设计抗主瓣干扰 |
| 1.2.2 认知信号处理抗主瓣干扰 |
| 1.2.3 存在的问题 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本文的结构安排 |
| 第二章 认知雷达抗干扰系统架构与建模 |
| 2.1 典型有源干扰特性分析 |
| 2.1.1 压制干扰 |
| 2.1.2 欺骗干扰 |
| 2.1.3 灵巧干扰 |
| 2.2 认知雷达抗干扰系统架构 |
| 2.3 认知雷达抗干扰数学模型 |
| 2.3.1 信号模型 |
| 2.3.2 抗干扰问题建模 |
| 2.4 本章小结 |
| 第三章 认知脉间波形幅相联合设计抗速度欺骗干扰方法 |
| 3.1 信号模型 |
| 3.2 基于IADPM的脉间波形幅相联合设计算法 |
| 3.2.1 感知侦察 |
| 3.2.2 脉间波形幅相联合设计 |
| 3.3 仿真实验 |
| 3.3.1 算法性能分析 |
| 3.3.2 抗干扰效果分析 |
| 3.4 本章小结 |
| 第四章 认知发射与接收联合设计抗灵巧干扰方法 |
| 4.1 信号模型 |
| 4.2 基于DCADPM的发射与接收联合设计算法 |
| 4.2.1 感知侦察 |
| 4.2.2 发射波形与接收滤波器联合设计 |
| 4.3 仿真实验 |
| 4.3.1 干扰参数估计 |
| 4.3.2 算法性能分析 |
| 4.3.3 抗干扰效果分析 |
| 4.4 本章小结 |
| 第五章 认知空时信号分离抗支援干扰方法 |
| 5.1 基于盲信号分离的抗主瓣支援干扰方法 |
| 5.1.1 信号模型 |
| 5.1.2 基于JADE盲信号分离的抗主瓣支援干扰算法 |
| 5.1.3 仿真实验 |
| 5.2 主瓣干扰下目标DOA估计方法 |
| 5.2.1 信号模型 |
| 5.2.2 基于BSS-SSR的主瓣干扰下目标DOA估计算法 |
| 5.2.3 仿真实验 |
| 5.3 本章小结 |
| 第六章 认知极时多通道联合处理抗自卫干扰方法 |
| 6.1 信号模型 |
| 6.2 基于P-JADE的抗主瓣自卫干扰算法 |
| 6.2.1 白化处理 |
| 6.2.2 估计四阶累积量矩阵 |
| 6.2.3 联合对角化 |
| 6.2.4 信号分离 |
| 6.3 仿真实验 |
| 6.3.1 干扰抑制结果分析 |
| 6.3.2 算法性能分析 |
| 6.4 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文内容总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录A IADPM算法收敛性证明 |
| 附录B DCADPM算法收敛性证明 |
| 攻读博士学位期间取得的成果 |
（3）基于干扰认知的雷达抗干扰方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 干扰的认知 |
| 1.2.2 干扰的抑制 |
| 1.3 研究内容和工作安排 |
| 第二章 雷达干扰特征分析与识别 |
| 2.1 引言 |
| 2.2 LFM信号与DRFM技术 |
| 2.2.1 LFM信号与脉冲压缩 |
| 2.2.2 DRFM技术原理 |
| 2.3 新型有源干扰及其数学模型 |
| 2.3.1 间歇采样转发式干扰 |
| 2.3.2 灵巧噪声干扰 |
| 2.4 干扰检测技术 |
| 2.4.1 接收信号预处理 |
| 2.4.2 时频变换 |
| 2.4.3 恒虚警检测 |
| 2.4.4 干扰参数粗估计 |
| 2.5 基于深度学习方法的干扰识别 |
| 2.5.1 决策树干扰识别方法概述 |
| 2.5.2 基于深度学习方法的干扰识别 |
| 2.5.3 数据集的建立 |
| 2.5.4 基于AlexNet模型的训练与识别 |
| 2.6 本章小结 |
| 第三章 基于干扰重构的间歇采样转发干扰抑制 |
| 3.1 引言 |
| 3.2 参数估计误差对抑制效果的影响 |
| 3.2.1 参数估计误差影响分析 |
| 3.2.2 仿真试验与分析 |
| 3.3 间歇采样转发干扰抑制方法 |
| 3.3.1 基于Hilbert-Huang变换的参数估计 |
| 3.3.2 基于模糊函数的参数估计改善方法 |
| 3.3.3 仿真试验与分析 |
| 3.4 本章小结 |
| 第四章 基于变换域处理的灵巧噪声干扰抑制 |
| 4.1 引言 |
| 4.2 基于FrFT域滤波的灵巧噪声抑制算法 |
| 4.2.1 分数阶傅里叶变换概念 |
| 4.2.2 LFM信号与分数阶傅里叶变换 |
| 4.2.3 基于FrFT域滤波的灵巧噪声抑制算法 |
| 4.3 基于差拍处理的灵巧噪声干扰抑制预处理改善方法 |
| 4.3.1 雷达与干扰信号模型 |
| 4.3.2 基于差拍处理的预处理方法 |
| 4.3.3 预处理与FrFT域干扰抑制 |
| 4.3.4 仿真试验与分析 |
| 4.4 本章小结 |
| 第五章 基于干扰认知的雷达抗干扰软件系统设计 |
| 5.1 引言 |
| 5.2 MATLAB及APP Designer平台 |
| 5.2.1 MATLAB概述 |
| 5.2.2 APP Designer概述 |
| 5.3 基于APP Designer的雷达抗干扰仿真软件设计 |
| 5.3.1 软件概述 |
| 5.3.2 功能类设计 |
| 5.3.3 界面设计 |
| 5.3.4 软件界面实用性说明 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）多功能数字阵列雷达空域抗有源干扰方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多功能数字阵列雷达发展现状 |
| 1.2.2 先进有源干扰技术发展现状 |
| 1.2.3 空域抗干扰方法研究现状 |
| 1.3 数字阵列雷达空域抗干扰研究难点 |
| 1.4 本文创新点 |
| 1.5 本文的结构 |
| 第二章 空域抗干扰原理与评估方法 |
| 2.1 引言 |
| 2.2 阵列信号模型 |
| 2.2.1 窄带信号模型 |
| 2.2.2 宽带信号模型 |
| 2.3 空域抗干扰基本原理 |
| 2.3.1 无干扰环境下的波束合成 |
| 2.3.2 干扰环境下的阵元级自适应波束合成 |
| 2.3.3 干扰环境下的波束域自适应波束合成 |
| 2.4 空域抗干扰性能分析与评估 |
| 2.4.1 空域抗干扰方法的特征根分析 |
| 2.4.2 空域抗干扰综合性能定量评估方法 |
| 2.5 本章小结 |
| 第三章 基于二维正交波束的数字阵列雷达抗干扰及单脉冲测角方法 |
| 3.1 引言 |
| 3.2 无干扰环境下和差单脉冲测角原理 |
| 3.2.1 一维均匀线阵测角 |
| 3.2.2 二维矩形阵测角 |
| 3.3 基于二维正交波束的抗干扰及测角方法 |
| 3.3.1 一维行/列MVDR抗干扰 |
| 3.3.2 二维正交和差波束合成 |
| 3.3.3 二维和差单脉冲测角 |
| 3.4 基于二维正交波束的子阵级抗干扰及测角方法 |
| 3.5 仿真实验 |
| 3.5.1 实验条件:阵列结构及干扰环境 |
| 3.5.2 二维抗干扰性能评估 |
| 3.5.3 二维单脉冲测角性能评估 |
| 3.6 本章小结 |
| 第四章 基于多站波束融合的分布式数字阵列雷达抗干扰方法 |
| 4.1 引言 |
| 4.2 数字阵雷达抗主瓣干扰的方法及性能分析 |
| 4.2.1 单部数字阵列雷达的抗干扰缺陷 |
| 4.2.2 分布式数字阵列雷达的抗干扰潜能 |
| 4.3 基于多站波束融合的分布式数字阵列雷达抗干扰方法 |
| 4.3.1 单站内阵元级LCMV抗副瓣干扰 |
| 4.3.2 多站波束融合MMSE抗主瓣干扰 |
| 4.4 仿真实验 |
| 4.4.1 实验条件:阵列结构及干扰环境 |
| 4.4.2 抗干扰及目标检测性能评估 |
| 4.4.3 系统资源评估及复杂度分析 |
| 4.5 本章小结 |
| 第五章 基于子带分解及多波束联合的宽带数字阵列雷达抗干扰方法 |
| 5.1 引言 |
| 5.2 宽带接收的子带分解方法 |
| 5.2.1 基于子带分解的宽带数字阵抗干扰原理 |
| 5.2.2 子带分解方法的干扰色散残余分析 |
| 5.2.3 子带分解方法的基带实现架构 |
| 5.3 基于子带分解的多波束联合抗干扰方法 |
| 5.3.1 干扰的频域和空域组合特征 |
| 5.3.2 多波束联合抗干扰方法 |
| 5.4 仿真实验 |
| 5.4.1 实验条件:数字阵系统及干扰环境 |
| 5.4.2 基于子带分解的宽带抗干扰实验 |
| 5.4.3 基于子带分解的多波束联合抗组合干扰实验 |
| 5.5 外场实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（5）基于神经网络的雷达干扰效果评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文工作内容安排 |
| 第二章 雷达对抗技术 |
| 2.1 引言 |
| 2.2 雷达侦察信息 |
| 2.2.1 雷达侦察基本原理 |
| 2.2.2 雷达侦察信号参数 |
| 2.3 雷达干扰技术 |
| 2.3.1 压制式干扰样式仿真 |
| 2.3.2 欺骗式干扰样式仿真 |
| 2.3.3 干扰样式特点分析 |
| 2.4 雷达抗干扰技术 |
| 2.5 小结 |
| 第三章 雷达干扰效果评估指标研究 |
| 3.1 引言 |
| 3.2 雷达干扰效果评估指标体系 |
| 3.2.1 雷达干扰效果评估准则 |
| 3.2.2 雷达干扰效果评估战技指标 |
| 3.3 雷达干扰效果评估指标集分析 |
| 3.4 小结 |
| 第四章 基于RBF神经网络干扰效果评估 |
| 4.1 引言 |
| 4.2 RBF神经网络评估算法研究 |
| 4.2.1 神经网络算法评估可行性分析 |
| 4.2.2 RBF神经网络算法分析 |
| 4.3 算法仿真分析 |
| 4.3.1 学习样本构造 |
| 4.3.2 基于RBF神经网络的干扰效果评估仿真 |
| 4.4 小结 |
| 第五章 基于PSO-BP神经网络干扰效果评估 |
| 5.1 引言 |
| 5.2 PSO-BP神经网络评估算法研究 |
| 5.2.1 PSO算法分析 |
| 5.2.2 BP神经网络算法分析 |
| 5.2.3 PSO-BP神经网络雷达干扰效果评估流程 |
| 5.3 算法仿真分析 |
| 5.3.1 反馈信息生成 |
| 5.3.2 基于PSO-BP神经网络的干扰效果评估仿真 |
| 5.4 算法性能比较 |
| 5.4.1 BP神经网络算法与PSO-BP神经网络算法仿真对比分析 |
| 5.4.2 RBF神经网络算法与PSO-BP神经网络算法性能分析 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）雷达抗有源干扰方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第1章 绪论 |
| 1.1 背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的论文安排 |
| 第2章 雷达典型有源干扰信号模型 |
| 2.1 引言 |
| 2.2 干扰量化表征 |
| 2.2.1 压制式干扰量化表征 |
| 2.2.2 欺骗式干扰量化表征 |
| 2.3 典型压制式干扰 |
| 2.3.1 射频噪声干扰 |
| 2.3.2 噪声调幅干扰 |
| 2.3.3 噪声调频干扰 |
| 2.4 典型欺骗式干扰 |
| 2.4.1 距离欺骗干扰 |
| 2.4.2 速度欺骗干扰 |
| 2.4.3 多参数欺骗干扰 |
| 2.5 本章小结 |
| 第3章 捷变频联合Hough变换的雷达抗密集假目标干扰 |
| 3.1 引言 |
| 3.2 雷达信号与干扰模型 |
| 3.2.1 捷变频信号模型 |
| 3.2.2 干扰信号模型 |
| 3.3 Hough变换 |
| 3.4 压缩感知原理 |
| 3.5 捷变频联合Hough变换的雷达抗干扰算法 |
| 3.5.1 阈值分割 |
| 3.5.2 Hough参数空间积累方法 |
| 3.5.3 Hough参数空间峰值提取 |
| 3.5.4 2 维高分辨稀疏重构 |
| 3.5.5 基于最小波形熵的目标检测 |
| 3.6 仿真与外场试验结果分析 |
| 3.6.1 仿真实验分析 |
| 3.6.2 外场试验结果分析 |
| 3.7 本章小结 |
| 第4章 基于OFDM调制的捷变频雷达抗有源干扰算法 |
| 4.1 引言 |
| 4.2 FA-OFDM雷达信号模型 |
| 4.3 粒子滤波算法 |
| 4.4 EM算法 |
| 4.4.1 混合高斯模型 |
| 4.4.2 EM算法流程 |
| 4.5 基于OFDM调制的捷变频雷达抗有源干扰算法 |
| 4.5.1 干扰感知 |
| 4.5.2 目标距离高分辨像合成 |
| 4.5.3 基于EM算法的高速多目标速度估计 |
| 4.6 仿真结果分析 |
| 4.6.1 雷达抗干扰性能分析 |
| 4.6.2 雷达目标参数估计性能分析 |
| 4.6.3 总体性能分析 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 雷达抗干扰研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）对空雷达靶场标准化复杂电磁环境试验系统构建（论文提纲范文）
| 1 引言 |
| 2 复杂电磁环境构建原则 |
| 3 复杂电磁环境构建 |
| 3.1 干扰电磁场参数分析 |
| 3.2 目标特性参数分析 |
| 3.3 试验系统构建 |
| 4 评估技术 |
| 5 结语 |
（8）基于极化分集和频率分集技术的MIMO雷达抗干扰与目标检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状及存在问题 |
| 1.2.1 分集MIMO雷达目标参数估计 |
| 1.2.2 分集MIMO雷达抗主瓣欺骗性干扰 |
| 1.2.3 分集MIMO雷达目标检测 |
| 1.3 本文主要工作及结构安排 |
| 第二章 极化分集MIMO雷达抗主瓣欺骗性干扰 |
| 2.1 PMIMO雷达信号模型 |
| 2.1.1 目标信号模型 |
| 2.1.2 干扰信号模型 |
| 2.2 参数估计和真假目标鉴别方法 |
| 2.2.1 目标参数估计方法 |
| 2.2.2 真假目标鉴别方法 |
| 2.3 利用博弈论设计发射极化 |
| 2.3.1 干扰抑制性能分析 |
| 2.3.2 基于单向博弈设计发射极化 |
| 2.3.3 基于策略博弈设计发射极化 |
| 2.4 性能验证 |
| 2.4.1 单向博弈实例 |
| 2.4.2 策略博弈实例 |
| 2.5 本章小结 |
| 第三章 相控阵极化分集MIMO雷达抗主瓣欺骗性干扰 |
| 3.1 Phased-PMIMO雷达信号模型 |
| 3.2 干扰抑制性能分析 |
| 3.3 发射子阵划分方法 |
| 3.3.1 均匀子阵划分方法 |
| 3.3.2 非均匀子阵划分方法 |
| 3.4 发射极化的优化 |
| 3.5 性能验证 |
| 3.6 本章小结 |
| 第四章 频率分集阵极化分集MIMO雷达抗主瓣欺骗性干扰 |
| 4.1 FDA-PMIMO雷达信号模型 |
| 4.2 目标参数估计方法 |
| 4.3 真假目标鉴别方法 |
| 4.4 发射极化和频率步进间隔的优化 |
| 4.5 性能验证 |
| 4.6 本章小结 |
| 第五章 极化分集MIMO雷达目标检测 |
| 5.1 OP-MIMO雷达检测性能分析 |
| 5.1.1 OP-MIMO雷达信号模型 |
| 5.1.2 最优检测算法 |
| 5.1.3 性能分析 |
| 5.2 目标极化特性对OP-MIMO雷达检测性能的影响 |
| 5.2.1 基于目标互易性的简化信号模型 |
| 5.2.2 性能分析 |
| 5.3 优化发射极化提高DP-MIMO雷达目标检测性能 |
| 5.3.1 DP-MIMO雷达信号模型 |
| 5.3.2 目标PSV估计方法 |
| 5.3.3 目标PSV预测方法 |
| 5.3.4 GLR检测器 |
| 5.3.5 发射极化的优化 |
| 5.3.6 性能验证 |
| 5.4 本章小结 |
| 第六章 频率分集极化分集MIMO雷达目标检测 |
| 6.1 FD-PMIMO雷达信号模型 |
| 6.2 目标检测算法 |
| 6.3 发射极化和接收极化的优化 |
| 6.4 性能验证 |
| 6.5 本章小结 |
| 第七章 总结和展望 |
| 7.1 论文的主要工作 |
| 7.2 创新点 |
| 7.3 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）雷达抗干扰效能的评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.4 论文组织结构 |
| 2 雷达干扰试验方案 |
| 2.1 试验方案的构造 |
| 2.2 本章小结 |
| 3 雷达抗干扰效能的度量 |
| 3.1 单指标阶段 |
| 3.2 综合指标阶段 |
| 3.3 本章小结 |
| 4 雷达抗干扰效能的评估方法 |
| 4.1 基于机器学习算法的抗干扰效能评估 |
| 4.2 机器学习算法原理简述 |
| 4.3 本章小结 |
| 5 实例仿真分析 |
| 5.1 模型评估方法 |
| 5.2 模型评价指标 |
| 5.3 结果分析 |
| 5.4 补充试验 |
| 5.5 本章小结 |
| 6 全文总结与展望 |
| 参考文献 |
| 致谢 |
（10）雷达干扰效果在线评估技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文工作内容安排 |
| 第二章 认知电子战及对抗理论 |
| 2.1 认知电子对抗 |
| 2.1.1 认知电子战概念内涵 |
| 2.1.2 认知电子对抗系统 |
| 2.1.3 认知电子战关键技术 |
| 2.2 雷达干扰技术 |
| 2.2.1 压制干扰 |
| 2.2.2 欺骗干扰 |
| 2.3 雷达抗干扰技术 |
| 2.3.1 时域抗干扰技术 |
| 2.3.2 频域抗干扰措施 |
| 2.3.3 空域抗干扰措施 |
| 2.3.4 其它抗干扰措施 |
| 2.4 本章小结 |
| 第三章 雷达干扰效果评估原理分析 |
| 3.1 干扰效果评估分析 |
| 3.1.1 常用干扰效果评估方法分析 |
| 3.1.2 干扰效果评估准则 |
| 3.2 干扰效果在线评估方案设计 |
| 3.3 干扰效果在线评估算法分析 |
| 3.3.1 干扰效果评估层次结构模型 |
| 3.3.2 干扰效果评估指标主客观赋权法 |
| 3.3.3 干扰效果评估TOPSIS处理算法 |
| 3.4 本章小结 |
| 第四章 干扰效果预评估 |
| 4.1 雷达及干扰信号分析 |
| 4.1.1 雷达信号分析 |
| 4.1.2 干扰信号分析 |
| 4.1.3 扫频干扰信号 |
| 4.2 干扰因素指标集分析 |
| 4.2.1 干扰时机 |
| 4.2.2 干扰频率 |
| 4.2.3 干扰空域 |
| 4.2.4 干扰功率 |
| 4.2.5 干扰样式 |
| 4.3 干扰指标权重设计 |
| 4.3.1 干扰指标层次结构模型 |
| 4.3.2 指标权重设计 |
| 4.4 干扰效果预评估 |
| 4.5 本章小结 |
| 第五章 干扰效果评估实例分析 |
| 5.1 雷达行为参数指标集设计 |
| 5.1.1 雷达工作模式分析 |
| 5.1.2 雷达工作状态分析 |
| 5.1.3 雷达抗干扰措施分析 |
| 5.1.4 雷达行为参数指标集构建 |
| 5.2 行为参数指标集权重设计 |
| 5.2.1 雷达行为参数指标结构模型 |
| 5.2.2 指标权重设计 |
| 5.3 雷达干扰在线评估仿真分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、雷达抗干扰试验电磁干扰环境探讨（论文参考文献）
- [1]基于灰色关联-模糊综合评判的雷达抗干扰性能评估方法[J]. 张军涛,李尚生,王旭坤. 系统工程与电子技术, 2021(06)
- [2]认知雷达多维联合抗主瓣干扰研究[D]. 葛萌萌. 电子科技大学, 2021(01)
- [3]基于干扰认知的雷达抗干扰方法研究[D]. 李浩. 电子科技大学, 2021(01)
- [4]多功能数字阵列雷达空域抗有源干扰方法研究[D]. 陈新竹. 上海交通大学, 2020(01)
- [5]基于神经网络的雷达干扰效果评估[D]. 毕斯威. 西安电子科技大学, 2020(05)
- [6]雷达抗有源干扰方法研究[D]. 陈侠达. 西安电子科技大学, 2020(05)
- [7]对空雷达靶场标准化复杂电磁环境试验系统构建[J]. 韦卓,杜剑英,李鹏勃. 舰船电子工程, 2020(02)
- [8]基于极化分集和频率分集技术的MIMO雷达抗干扰与目标检测方法研究[D]. 张新勋. 西安电子科技大学, 2019(07)
- [9]雷达抗干扰效能的评估方法研究[D]. 孔璐. 苏州大学, 2019(06)
- [10]雷达干扰效果在线评估技术研究[D]. 耿凯迪. 西安电子科技大学, 2019(02)