type Status report
message
description The requested resource is not available.
分别征服相关攻击是一类重要的序列密码分析方法,是设计序列密码时必须要防御的分析方法之一。抵抗分别征服相关攻击常用的防御策略是使得序列密码中所采用的密码函数具有一定的相关免疫阶,将这类密码函数称为相关免疫函数。相关免疫布尔函数的沃尔什频谱特征刻画是构造和分析这类函数的理论基础,最早由肖国镇(G.Z.Xiao)教授和梅西(J.L.Massey)教授提出,国际上称之为Xiao-Massey定理。Xiao-Massey定理的提出为序列密码研究开辟了一个新的研究方向。主要回顾了Xiao-Massey定理,简述了Xiao-Massey定理的意义,阐释了Xiao-Massey定理的作用。
侧信道分析是密码系统的现实威胁之一。通过长期跟踪研究,对侧信道分析的主要研究方向,譬如信息预处理、非建模类和建模类分析等进行了分类总结,归纳了侧信道分析研究的核心内容,指出现有分析方法中存在的主要问题是依赖人为假设。人为假设一旦偏离实际情况,将会严重地影响侧信道分析的实际效果。给出了解决上述问题可能的技术路线,即使用零假设(弱假设)方法,并对该方向的后续研究进行了展望。
匿名网络可以隐匿用户和服务提供者的真实身份及位置信息。随着网络空间的日益扩大以及用户对于隐私保护重视程度的提高,匿名网络的研究得到了进一步发展。鉴于目前缺乏匿名网络的应用总结,特别是缺少对于匿名网络仿真平台研究的相关综述,因此结合当前匿名网络的研究现状,对已有的隐私保护匿名技术和匿名网络实际应用的典型代表从多个维度进行了归纳,总结了现有仿真平台和实验环境的优劣势,从可用性、工作效率、真实性、可控规模等方面介绍了相关工作。最后对未来匿名网络的应用研究进行展望,为新的研究内容和趋势提供思路。
近年来,分布式架构在互联网信息服务中的应用越来越广泛。分布式架构通常依靠多个独立节点应对潜在的恶意威胁,但是由于节点间缺乏认证,识别网络中的身份和节点的关系较困难,容易受到多重身份攻击,即Sybil攻击,这破坏了节点间的信任关系。对分布式架构中的Sybil攻击及其防御方法进行分析研究。首先,梳理了不同应用场景下Sybil攻击的攻击模型;然后,讨论了不同场景下常用的Sybil防御方法,总结了社交网络这一典型的分布式架构中两类不同的检测机制;最后,对Sybil攻击未来的研究趋势进行了展望。
(n,m)函数是对称密码算法的最基本部件,其密码学性质的优劣一定程度上决定着对称密码算法的安全性。因此,如何设计和分析满足多种密码学性质的(n,m)函数是对称密码部件研究中重要的基础问题。随着对称密码算法的侧信道分析研究的深入,在(n,m)函数抵抗差分功耗攻击方面出现了一些指标:信噪比、透明阶和混淆系数,这些指标也逐渐成为衡量(n,m)函数密码性能好坏的重要参考之一,目前已被应用在S盒的设计和评估中。从理论角度综述了(n,m)函数的信噪比、透明阶和混淆系数方面研究成果,主要包括:(n,m)函数和布尔函数的信噪比与传统密码学指标的关系;(n,m)函数和布尔函数的透明阶与传统密码学性质的关系,布尔函数与其分解函数的透明阶的关系以及小变元平衡函数透明阶的分布;(n,m)函数的混淆系数刻画;一些公开算法中S盒的三种指标综合分析。最后,给出了这三个指标的研究展望。
使用口令进行身份认证是应用最广泛的一种认证方式。口令的特点是容易记忆,但其概率分布欠均匀,故无法将口令直接当作密钥来使用,也无法使用口令来调用现有的密码算法实现密码功能。探索了如何充分使用口令中的熵值,对其进行提取以得到均匀随机的密钥,并提出了一个“基于口令的密钥提取方案”。首先对口令的熵进行了估计;之后使用了特普利茨矩阵,将口令转化为几乎均匀分布的密钥,并分析了可以提取的密钥长度。此外,还讨论了如何使用同一个口令提取多个密钥以实现不同密码系统的不同密码功能。本方案可以充分使用口令这类易记但低熵的信息源,与当代的密码技术结合起来,以期实现良好的密码功能。
轻量化S盒作为轻量级对称密码算法的混淆部件,是设计轻量级对称密码算法的关键。提出一种新的8比特轻量化S盒设计方法,其单轮逻辑运算仅涉及4个单比特逻辑与运算和4个单比特逻辑异或运算,迭代4轮后密码性质可达到差分均匀度为16、非线性度为96。与目前已有轻量化S盒设计方法相比,新的8比特轻量化S盒设计方法在硬件实现资源小的同时达到了已知最优的差分均匀度和非线性度等密码学指标,解决了之前8比特轻量化S盒差分均匀度和非线性度等密码性质弱的问题。
KNOT认证加密算法是国际轻量级密码算法征集竞赛活动第2轮入围的候选算法之一。该算法具有软硬件实现快、资源消耗低等特点,其安全性受到了全球广泛的关注。基于标志位技术,提出了密码S盒的新可分性模型构建方法。同时,利用KNOT-256的算法结构,构建了KNOT-256密码算法新的可分性的混合整数线性规划模型,并由此设计了该算法零和区分器的自动化新搜索方法。研究结果表明:KNOT-256置换存在30轮的零和区分器,尽管该区分器对KNOT认证加密算法(分组长度为256的版本的初始化轮数是52轮)的安全性没有造成实际的威胁,但得到的结果证实了新的零和区分器构造方法是有效的。
基于RLWE问题的BGV型多密钥全同态加密方案具有较大的密文量和密钥量,且生成计算密钥的过程复杂,致使同态运算效率较低。针对该问题,提出了一种密钥量小、计算密钥生成效率高的BGV型多密钥全同态加密方案。首先,通过改进密文的扩展形式,优化了计算密钥的生成算法,提高了计算密钥的生成效率;其次,利用低位比特丢弃技术,减小了计算密钥生成算法中的计算冗余,降低了计算开销;最后,根据优化的算法,结合模交换技术和密钥交换技术,构造了一种高效的层级BGV型多密钥全同态加密方案。相比于现有的层级BGV型多密钥全同态加密方案,新方案在满足IND-CPA安全的条件下,简化了计算密钥生成过程,降低了存储和计算开销,且同态运算过程中产生的噪声值较小,运算效率较高。
随着多媒体技术的飞速发展,增强图像因视觉效果好而被广泛使用。常规图像增强算法包含直方图均匀化、伽马校正等。然而,近期提出了一种基于对比度增强效果的可逆信息隐藏算法。该算法在往载体中嵌入一定比例秘密信息后,可生成与常规图像增强算法视觉效果一致的含密增强图像。此类增强图像的出现为后续不分辨增强图像来源而直接使用的操作带来了巨大的安全隐患。基于此,提出一种可识别可逆信息隐藏图像的低复杂度增强图像来源检测算法。通过分析可逆信息隐藏图像和多种常规对比度增强图像在直方图分布上的区别,设计了4个高效的特征,然后采用高效的支持向量机分类器完成增强图像的来源检测。实验结果表明,在多种对比度增强图像来源鉴定的场景下,这种算法均可获得较之当前主流方案更准确、更稳定的结果,优势明显。
为了解决现有联合式加密图像可逆数据隐藏方法中存在的数据提取误码问题,并提高此类方法的数据嵌入容量,提出了一种兼具自纠错和内容隐私保护功能的新算法。该算法在图像加密前通过预处理生成纠错数据并以可逆方式自嵌入到图像下采样像素中,图像加密后只需保留或翻转其中各非采样像素分组的若干位最低有效位即可嵌入数据,图像解密后可100%正确提取嵌入数据并无失真恢复原图像。实验结果表明,该算法在解决联合式方法数据提取误码问题的基础上,大大提高了数据嵌入容量,同时直接解密得到的载密图像质量良好。该技术在军事、医学、云服务等众多领域有着广泛的应用价值。
为了解决代码覆盖反馈指标无法有效解决程序状态覆盖的问题,提出一种以源码中特定代码结构的状态覆盖率作为反馈指标的模糊测试方法,引入了目标结构状态覆盖分布的概念。通过对特定结构进行插桩,统计目标结构状态分布,依据结构状态分布筛选种子并进行能量调度,以实现程序状态覆盖均匀化。该方法实现了原型系统SFL,并与现存的代码覆盖导向的模糊测试方法AFL进行了对比试验。实验结果表明,文中的方法对程序状态覆盖更充分,能够加速特定类型漏洞的发现速度。
C代码中的释放后重用缺陷严重影响着嵌入式系统的鲁棒性与可靠性。针对此类漏洞的现有检测方案多针对于计算机系统及应用程序,无法为复杂多样的嵌入式程序提供支持。静态代码分析可以在没有代码运行环境的前提下进行代码缺陷检测。因此,基于LLVM编译框架设计了静态污点追踪方案,实现了针对释放后重用缺陷代码特征的自动化检测。实验结果证明了该方法能够快速、准确地检测C代码释放后重用缺陷,并且能够在大规模的嵌入式C代码项目中应用。
针对多所有者对标签的认证问题,提出了一种无可信第三方带权重的多所有者射频识别标签认证协议。协议采用Shamir秘密共享门限方案来管理密钥,采用基于哈希函数产生的密钥流对消息进行加密,既实现了所有阅读器对标签的认证,也实现了标签对所有阅读器的认证。本协议中无须可信第三方参与,且能实现密钥更新和抵抗去同步攻击,相比于同类协议更为简洁高效。通过BAN逻辑的形式化分析证明了该协议满足双向认证。安全性分析表明,该协议满足抗重放攻击、抗去同步攻击、前向安全性、不可追踪性、机密性以及抗拒绝服务攻击等安全特性。
针对跨域间车辆自组织网络中车辆与车辆之间认证与密钥协商需要服务器参与才能完成的问题,提出了一个基于口令的无服务器参与的跨域车辆与车辆之间认证与密钥协商协议。协议采用分发认证凭证的方式实现跨越认证,通过将智能卡与口令相结合的方式增强口令的安全性。在ECCDH(Elliptic Curve Computational Diffie-Hellman)困难问题下证明了协议的安全性。与已有的需要服务器参与的跨域认证与密钥协商协议相比,所提协议没有服务器参与,从而避免了因服务器无法处理大量认证请求所带来的时延。
随着人工智能技术的发展,深度神经网络广泛应用于人脸识别、语音识别、图片识别以及自动驾驶等领域。由于轻微的扰动就可以使深度神经网络出现错误分类,所以在有限的时间内实现特定的攻击效果是对抗攻击领域研究的重点之一。针对有目标对抗攻击算法中产生扰动时间久和扰动易被人眼观察的问题,基于Deepfool提出了在典型的卷积神经网络上生成有目标的对抗样本的算法,即TargetedFool。大量的实验结果表明,TargetedFool可以对MNIST、CIFAR-10和ImageNet实现有目标的对抗攻击。在ImageNet上,TargetedFool可以在平均2.84 s的时间内达到99.8%的扰动率。此外,分析了基于DeepFool的攻击算法无法产生有目标的通用对抗性扰动的原因。
论文主要研究的是基于Q-learning算法生成一种动态寻找最优攻击路径的方法,并且能够提高攻击方法的高效性与适应性。以Q-learning算法为基础,参考网络连通性,通过分区的手段,利用删除网络拓扑中不可达的路径的化简方法,并通过机器学习的方式模拟黑客攻击,将状态与动作结合,在不断地学习中能够提高自身的适应与决策能力,以达到高效生成最优攻击路径的目的。经过实验,所建立的模拟攻击者能够在存在IDS报警装置的环境里中获取到Q-learning方法中的状态-价值表,并且能够通过遍历Q表获取从源主机到目的主机的最优攻击路径序列,验证了模型和算法的有效性与准确性。同时,通过提前分区域分析主机可达性,删减了冗余节点,在大型的网络拓扑中具有很大的优势。
对抗样本是一种恶意输入,通过在输入中添加人眼无法察觉的微小扰动来误导深度学习模型产生错误的输出。近年来,随着对抗样本研究的发展,除了大量图像领域的对抗样本工作,在自动语音识别领域也开始有一些新进展。目前,针对自动语音识别系统的最先进的对抗攻击来自Carlini &Wagner,其方法是通过获得使模型被错误分类的最小扰动来生成成功的对抗样本。因为这种方法需要同时优化两个损失函数项,通常需要进行数千次迭代,效率低下,因此提出了A-FTA方法。该方法通过最大化自动语音识别模型关于对抗样本的预测和目标短语之间的相似度来快速生成对抗样本,并且在攻击过程中根据是否攻击成功自适应地调整扰动大小,从而生成较小扰动的对抗样本。实验结果表明,这种方法相比于目前最先进的方法,用更少的迭代次数取得了更好的攻击结果,在高效的同时依然能保证很高的攻击成功率。
针对传统入侵检测系统检测率较低、基于深度学习的入侵检测系统训练和检测时间较长的问题,提出基于信息增益的自适应分箱特征选择算法,并将此算法与LightGBM相结合,设计了一种快速网络入侵检测系统。首先对原始数据集进行预处理,将数据标准化;然后通过自适应分箱特征选择算法,去除原始数据中的冗余特征和噪声,将原始高维数据降为低维数据,从而提高系统的检测准确率并降低训练和检测时间;最后在经过特征选择的训练集上利用LightGBM进行模型训练,训练出能够检测攻击流量的入侵检测系统。通过在NSL-KDD数据集上验证,提出的特征选择算法在特征选择上仅耗时27.35 s,相比传统算法降低了约96.68%;设计的入侵检测系统在测试集上准确率高达93.32%,且训练时间较短。与现有网络入侵检测系统相比,准确率更高,模型训练速度更快。
由于传统的网络安全态势评估方法依赖于人工的标注和评估,在面对大量数据时,存在效率低、灵活性差等问题。针对这些问题,提出一种深度学习的网络安全态势评估方法。首先,建立深度自编码模型,对网络中受到的各种攻击进行识别;然后,为了提高模型对拥有少量训练样本的类型的检测率,设计了欠过采样加权算法;最后进行模型测试并计算攻击概率,确定每种攻击的影响得分并计算网络安全态势值。实验结果表明,提出的深度自编码模型的准确率和召回率都优于对比的模型,这使得评估结果更加准确有效。
雷达高分辨距离像非合作目标识别技术的发展主要受限于两个方面:一是由于非合作目标观测频率极低,导致带标签样本量严重不足,使非合作目标识别成为典型的小样本识别问题,这在学界依然是一个没有定论的开放性的热点和难点问题;二是现有的目标识别方法多基于完备数据集假设,使得其与非合作目标小样本目标识别问题严重失配。针对上述问题,对于非合作目标识别抛开数据集完备假设,提出了一种采用卷积神经网络模型连续自蒸馏的雷达高分辨距离像小样本目标识别方法。该方法首先利用包含45类合作目标的完备的训练数据集训练,得到一个初始的类别无关的特征提取器;基于此,进一步采用模型连续自蒸馏机制得到更具泛化能力的特征提取器;最后,在非合作目标上对所提取特征的泛化能力进行了测试。实验结果表明,对于5类非合作目标,所提方法在仅有1个、5个和10个训练样本的情况下,平均识别率分别达到61.26%,84.69%和92.52%,实现了对库外样本的快速、有效识别。
针对非高斯海杂波背景下参考单元数目较少时自适应检测器性能损失严重的问题,提出了两种基于协方差矩阵先验分布信息的自适应检测算法,将海杂波建模为复合高斯模型,纹理分量建模为一个服从广义逆高斯分布的随机变量。首先将散斑的协方差矩阵建模为一个服从复逆威沙特分布的随机矩阵,然后根据广义似然比准则设计了一种不依赖于参考单元数据的自适应检测器。由于在参考单元数目增多时,不依赖于辅助数据的检测器性能会差于传统的自适应检测器,所以根据最大后验检验准则,并使用参考单元数据又设计了一种依赖于参考单元数据和先验知识的自适应检测器。实验结果表明,在参考单元数目较少时,所提出的两种检测器具有较好的检测性能;在不同的参考单元数目下,所提出的依赖于参考单元数据和先验知识的自适应检测器都具有最优的检测性能。
多目标跟踪方法的核心是获取量测点与目标间的最优关联。传统的多目标跟踪方法从穷举出的所有可能关联中估计出最优关联,随目标数目指数倍增的关联复杂度制约了雷达跟踪多目标的能力。因此提出了一种低运算复杂度、高跟踪精度的多目标跟踪算法和与其配套的航迹管理方法,目标和杂波产生的量测点被建模为泊松点过程,以量测的来源为缺失信息,通过EM(Expectation Maximisation)算法迭代求解目标状态,独立的量测关联和目标混合概率大大降低了算法的复杂度。此外,额外的回波多普勒信息作为目标特征被引入关联和滤波环节辅助跟踪,提升了算法区分量测来源的能力,获得了更高的跟踪精度。实验结果表明,所提方法可以实现稳健的目标跟踪,且运算时间随目标数目线性增加。
在高频地波超视距雷达系统中,电离层杂波作为一种时变、非均匀、非高斯的复杂杂波,其复杂性导致了单一杂波抑制算法无法有效地抑制电离层杂波。针对不同特性,将复杂的电离层杂波进行分类,可以有效地提升电离层杂波抑制性能。常规的杂波聚类方法由于仅在特征空间进行聚类,分类结果存在空间分布离散化的问题。针对该问题,结合电离层杂波特性与其邻域空间信息,提出了一种基于改进的模糊C均值距离的电离层杂波分类方法,利用仿真数据与高频地波雷达实测数据进行分析。该方法在不降低聚类性能的情况下,具有更符合实际物理意义的聚类结果,并具有更高的分类精度。
快速、准确地识别机载火控雷达的工作模式,特别是含跟踪信号的高威胁工作模式,是夺取机载电子对抗主动权的关键环节。针对已有工作模式识别方法应用条件受限、工程化应用困难等问题,在分析各工作模式信号特点的基础上,提出了一种利用幅度重排的工作模式识别方法。该方法充分利用信号幅度分布特征识别跟踪信号,对信号按幅度大小进行重排,并进行一阶差分化处理,通过检测重排幅度差分的凹口区间,有效地识别出了包含高威胁跟踪信号的搜索加跟踪和单目标跟踪工作模式。仿真试验结果表明,所提方法对脉冲丢失和干扰不敏感,识别准确率较高,且计算简单、运算量小,便于工程化实现。
传统的高分辨距离像识别方法没有考虑时序相关性,且高分辨距离像的方位敏感性导致样本的时序性发生变化。因此,提出一种乘性循环神经网络模型。该算法首先将高分辨距离像样本转化为序列形式,用于考虑距离单元间的相关性;其次,为了缓解方位敏感性导致的高分辨距离像时序变化与参数固定模型不匹配的问题,模型根据输入数据自适应地选择对应的参数,并对高分辨距离像序列提取稳健的时序信息;最后,采用投票策略将所有时刻的信息进行融合,输出样本类别。采用实测数据的实验结果表明,当前的模型能够有效地提取可分性特征并识别目标。
海杂波回波能量较高且频谱较宽,常常会淹没慢速小目标的回波信号。为此,提出了一种新的基于时频信息的奇异值分解分数阶傅里叶变换海杂波抑制方法,所提方法采用分块处理、整体判决的思路。首先对较长的回波序列划分子脉冲块,分别提取每个子脉冲块的前Q阶信号分量并进行块间信号关联,实现目标信号与杂波的初步分离;接着进行自适应分段奇异值分解分数阶傅里叶变换处理,实现各阶信号分量的进一步提纯;最后采用归一化时频脊二次拟合误差对各阶分量进行判决,保留目标信号,滤除杂波信号。在仿真和实测数据上验证了所提方法的有效性及可靠性,相比于现有海杂波抑制方法,所提方法能够适应脉冲回波序列信杂比的变化,并且在信杂比较低及多目标环境中,仍能有效抑制海杂波,提取目标信号。
针对近岸水面区域出现的强模糊地杂波造成多通道合成孔径雷达系统杂波抑制性能下降的问题,提出一种杂波分类辅助的近海岸模糊杂波抑制方法。首先,分别提取每一个距离-多普勒单元的多视干涉幅度/相位特征和多视干涉幅度梯度特征,构造多视干涉特征协方差矩阵;然后,通过多视干涉特征协方差矩阵间的仿射不变黎曼距离完成自动分类,准确地获取近海岸区域方位模糊位置;最后,在杂波分类结果的辅助下,选择独立同分布的杂波样本估计背景杂波协方差矩阵,进一步完成合成孔径雷达多通道图像域杂波抑制。仿真实验结果表明,这种方法能够对近海岸区域杂波进行准确分类,且可以有效地抑制方位模糊杂波。
直接合成孔径雷达成像仿真方法在实现大型舰船目标回波仿真和合成孔径雷达成像时时效偏低,难以满足对海探测制导闭环验证过程中对合成孔径雷达快速生成的需求。因此,提出了基于三维散射中心的舰船目标合成孔径雷达回波和成像仿真方法。首先通过射线管积分三维快速成像和CLEAN三维散射中心提取得到不同视角下目标三维散射中心;然后通过对应视角合成孔径雷达成像几何建模,快速计算出目标合成孔径雷达回波数据,经成像聚集处理得到目标合成孔径雷达复图像。这种方法综合利用了电磁散射中心提取和完整的合成孔径雷达处理流程,在保持电磁计算精度的条件下,显著提高了目标成像仿真的效率和灵活性。以典型舰船目标为例,验证了该方法的计算精度、效率和灵活性等优势。
雷达高分辨距离像径向尺寸估计和航向角估计是舰船分类的主要技术手段,其分类性能与雷达分辨率、径向尺寸估计精度以及不同海域的舰船长度先验分布密切相关。通过中国船讯网采集了我国近海四大海域约30 000艘舰船的船舶自动识别系统信息,并提取了舰船长度数据。通过对舰船长度的分布拟合,发现韦布尔分布能够很好地拟合各海域的船长分布,且分布参数有明显差异。基于该先验模型,推导出了舰船的大、中、小正确分类概率与径向尺寸估计误差之间的关系。结果表明,当舰船航向角介于±75°之间时,我国近海舰船的大中小正确分类概率达到90%的条件是,舰船径向尺寸估计误差在区间(-12.67 m,9.41 m)内。
针对观测数据存在强模糊性和不确定性问题,提出了一种基于高分辨一维距离像历史特征辅助的模糊数据关联算法。首先,针对高分辨一维距离像的姿态、幅度以及时移敏感性问题,对其提取得到敏感性低的特征;然后,使用航迹起始的特征构建初始特征样本库及历史时刻的特征构建历史特征样本库,并实时更新特征样本库;采用区间熵权法确定特征权重,计算量测与目标的模糊隶属度,构建模糊矩阵;最后,基于最大模糊隶属度原则实现量测与目标的关联。实验结果表明,在目标的机动和非机动场景下,这种算法的关联性能均优于模糊关联算法,并且随着杂波密集程度的增大,两个算法的关联性能均逐渐降低,但所提算法的关联性能更好。
针对分布式小卫星多发多收合成孔径雷达的聚束工作模式,提出了一种超高分辨成像方法,降低了多通道高分辨率模式下卫星的存储压力以及成像负荷。该方法首先将各通道的全孔径信号划分为子孔径信号;然后对子孔径信号进行解模糊处理,并利用改进的时域带宽合成方法获得大带宽信号;再使用子孔径图像相干融合算法获得超高分辨率图像。仿真实验表明,改进的时域带宽合成方法能够有效地合成带宽,并且所提方法的成像效果良好。
在广角合成孔径雷达观测条件下,许多被照射物体的散射特性会随着观测角度的变化而变化,导致重建图像的分辨率和解析力降低。为解决这一问题,提出了一种基于稀疏约束的信源分离成像方法。首先,利用各向同性和各向异性散射目标的不同散射特性,构造联合系统函数投影算子;然后,基于稀疏约束抑制交叉投影能量,实现混合接收数据的分离成像,使得重建各向异性散射目标的图像的聚焦质量和可解译性能都得到了改善。数值模拟验证了该方法的有效性,其重建图像的分辨率和解析力都得到了显著提高。
传统的基于弹跳射线技术的散射中心提取方法只考虑了目标的物理光学贡献,但物理光学无法描述真实边缘绕射的贡献。综合考虑目标的镜面反射与边缘绕射贡献,提出一种针对基于弹跳射线技术的三维散射中心建模的边缘绕射修正方法。利用弹跳射线技术,结合图像域射线管积分和等效边缘电磁流方法,推导了考虑边缘绕射修正的三维逆合成孔径雷达图像计算公式。仿真实验验证了该方法能够有效地提高三维散射中心的建模精度。
针对多基地多输入多输出雷达与多目标之间的对抗博弈,研究了一种多基地雷达系统的功率分配与波束成形联合技术。在一个确定的信干噪比约束下,多基地雷达系统的主要目的是极小化自身发射总功率,并期望通过波束成形算法来抑制互雷达通道干扰,提升目标检测的准确性。基于雷达之间的策略非合作博弈,证明了博弈的纳什均衡解的存在性和唯一性。然后,根据理论分析提出了一种迭代的联合波束成形与功率分配博弈算法。该算法利用线性约束最小方差准则得到了多基地雷达的接收波束成形器权矢量,抑制了互雷达干扰的影响。数值结果表明,所提算法较相关博弈算法有更好的干扰抑制能力和更少的功率损耗。
针对现有多站雷达系统欺骗式干扰鉴别方法,仅利用目标回波空间相关性单一特征作为度量标准,导致特征提取全面性不够,鉴别算法有效性和普适性不足的问题,提出一种基于深度神经网络的多站雷达系统干扰鉴别方法,将多站雷达协同探测技术在空间、时间和频率域内可用资源多、调度能力强的特点,与深度神经网络很强的模型学习和特征表示能力相结合,有效地应用于欺骗式干扰对抗领域。充分利用回波数据的未知信息,获取除相关性之外更多维、更全面、更完善、更深层的特征差异,达到更优的干扰鉴别效果。仿真实验结果证明,提出的深度神经网络干扰鉴别方法可以有效地降低噪声和脉冲数量对干扰鉴别性能的影响,缓解非理想条件下目标回波相关系数对干扰对抗技术的限制,拓宽了应用过程的边界条件。
间歇采样转发干扰是一种新型相干干扰,能够生成单个或多个假目标群,常规信号处理方法难以对其有效抑制。针对上述问题,首先在时频域对数个脉冲重复周期的接收信号进行积累,实现信号时频信息的增强;然后,结合图像处理算法在时频面上准确提取干扰分布区域,并通过时频域滤波粗略重构目标回波信号;最后,依据重构的时域信号构造带通滤波器,实现对干扰和噪声的抑制。仿真结果表明,该方法可以在低信噪比、多目标环境下有效地抑制多种类型的间歇采样转发干扰。相比于其他方法,该方法具有更强的稳健性,且在抑制假目标的同时不会造成明显的真实目标幅度损失。
为了解决多基地雷达的优化布站问题,提出了一种利用非等分栅栏覆盖的优化布站方法。该方法首先利用非等分栅栏覆盖区域之间的关系构造约束条件,将优化问题分解为两个子问题,即单条部署线的优化布站问题和非等分栅栏组合的优化问题;其次,基于单条部署线上的优化布站条件,采用穷举法求解单条部署线的优化布站问题;然后,根据最小部署成本准则,利用整数线性规划求解非等分栅栏组合的优化问题;最后,确定最优布站参数。仿真结果表明,相比于现有的同类方法,该优化布站方法可以取得更低的部署成本,并且需要的发射站更少。
