舰船科学技术  2023, Vol. 45 Issue (2): 141-147    DOI: 10.3404/j.issn.1672-7649.2023.02.025   PDF    
舰载多功能相控阵雷达发展现状与趋势
岳帅英, 彭芃, 任渊     
南京船舶雷达研究所,江苏 南京 211153
摘要: 多功能相控阵雷达已经成为舰船防御体系的主战雷达。总结现代舰载多功能相控阵雷达在功能与性能、系统架构、天线体制、工作模式等方面的技术特点,探讨舰载多功能相控阵雷达的关键技术,如可重构天线、同时收发、抗干扰、目标识别等。最后分析了舰载多功能相控阵雷达的技术发展趋势。
关键词: 多功能相控阵雷达     架构     可重构天线     抗干扰     现状与趋势    
Development status and future trend of ship-based multi-functional phased array radar
YUE Shuai-ying, PENG Peng, REN Yuan     
Nanjing Marine Radar Institute, Nanjing 211153, China
Abstract: Multi-functional phased array radar (MPAR) has been the major combating radar of marine defense systems. Functionality and performance, architecture, antenna regime and work mode of marine MPAR is summarized. Key technologies of marine MPAR are discussed, such as re-configurable antenna, simultaneous transmit and receive technology, intelligent anti-jamming, target recognition, et al. Finally, development trends of marine MPAR are analyzed.
Key words: multi-functional phased array radar     architecture     re-configurable antenna     anti-jamming     development status and future trend    
0 引 言

20世纪70年代,无源相控阵天线技术出现,各种战术无源相控阵雷达纷纷推出[1-3]。电子控制扫描使得雷达天线具备波束形状和波束指向捷变能力、空间功率合成能力,从而使单部雷达执行警戒搜索、多目标跟踪、目标指示等多功能成为可能,多功能相控阵雷达(multi-functional phased array radar, MPAR)应运而生[4]。20世纪80年代,随着单片微波集成电路的发展,固态有源相控阵天线出现[4-5],并普遍使用基于GaAs的T/R 组件。同时期,数字波束形成技术开始应用于相控阵雷达接收系统,产生了接收DBF相控阵雷达。20世纪80−90年代,英国、美国、法国开展了全数字T/R组件和发射DBF的关键技术研究,这导致了数字阵列雷达样机的产生[6-8]。随着数字波形产生、宽带多相滤波、标准化组件和总线,以及高速直接射频采样芯片等技术的突破,数字阵列雷达走向工程化。21世纪以来,高性能芯片、计算机、人工智能技术的发展推动雷达信息处理技术快速发展,出现了空时自适应滤波、知识辅助的信息处理、基于数据库的目标识别等手段,使得雷达抗杂波、抗干扰和目标识别能力不断更强。多功能相控阵雷达[9]已经广泛应用于海、陆、空等军事领域,不但可以替代多部传统雷达的功能,还可以一体化集成导航、通信、电子对抗等功能,大大减少了平台射频天线的数量,降低了平台RCS。

1 舰载多功能相控阵雷达的技术特点

面对体系对抗背景下的智能化态势感知需求,现代舰载MPAR呈现多功能一体化、模块化、软件化、智能化、网络化等鲜明特点。

1.1 功能与性能

作为主战雷达,舰载MPAR的典型功能组合[10]包括:1)搜索、跟踪、识别、协同通信,用于空海警戒;2)搜索、跟踪、识别、目标照射,用于防空火控;3)搜索、跟踪、分类与识别,用于弹道导弹防御。

现代舰载MPAR天线采用GaN固态T/R组件,提高了雷达的发射占空比和可靠性,为实现多任务提供足够的能量和时间资源。通过发射或者接收同时多波束形成技术支持同时多功能、多目标探测,大幅节省时间资源、提高数据率。通过宽带频率捷变、副瓣匿影、波形分集多种等抗干扰措施提升抗干扰能力。通过集成IFF天线实现快速区分目标的敌我属性。通过与本平台光电传感器进行信息融合,配合承担单平台自防御任务。通过跨平台数据级协同实现雷达组网,执行协同定位、目标识别等任务。通过跨平台信号级协同,提升探测距离、扩大监视范围,或者进行反干扰和反隐身探测。

在探测性能方面,现代舰载MPAR基本实现了对常规作战飞机、无人机、导弹、舰船等目标的精确探测,雷达探测距离可达数千千米,角度分辨力可达0.1倍波束宽度以上,可以轻松实现对几百批目标的同时跟踪,以及对常规空海目标的识别。但对于超高速、隐身目标、临界空间飞行器、杂波环境下低可观测目标等的稳定探测仍然存在困难。

1.2 天线体制

舰载MPAR的天线体制经历了频控阵、无源相控阵、固态有源模拟相控阵、数字有源相控阵等阶段,目前正处于从固态有源模拟相控阵体制向数字有源相控阵体制转变的阶段。数字有源相控阵雷达的发射和接收波束均采用数字控制或数学运算方式形成。

数字阵列天线具有许多优点:①幅度与相位控制精度高;②瞬时动态范围大;③空间自由度高,容易实现多波束,宽带宽角扫描情况下容易解决孔径渡越问题;④通过灵活设定波束加权和脉压加权实现近距离低副瓣和远距离低损耗;⑤支持各类阵列信号处理算法。

数字阵列雷达具有如下突出性能:1)灵活的波束形状控制和同时多波束形成能力使得雷达多类型目标探测和多目标跟踪能力优越;2)超低副瓣和干扰对消提升应对复杂电磁环境、地形环境的能力;3)灵活波束形成能力更适应雷达、通信、对抗多功能一体化应用。

数字阵列天线发展现状如下:在射频模块方面,GaN MMIC器件在S 、X波段T /R 组件的应用已经非常成熟,同样体积的集成电路,GaN相对于GaAs,峰值功率提高到5~10倍,热导性能提高到3倍,平均故障时间可到亿小时级别。在子阵集成方面,广泛采用瓦片式子阵,相对于砖块式组件,体积、重量、成本均下降达80%。瓦片式子阵一般集成了天线层、瓦片T/R组件层、散热层、电源层(含控制分配板)、变频层、数字层等功能模块。在天线电磁性能方面,正在研究频率、极化、方向图以及多电磁参数重构技术,离工程化实现还有一定的距离。

1.3 系统架构

1)开放式、软件化

美国MIT林肯实验室2000年提出了雷达开放式架构 ROSAⅠ版本[11]。2010年提出了软件化程度更高、移植性更好的ROSAⅡ版本[12]。ROSAⅡ规范将雷达软件分为硬件层、操作系统层、通信中间件层、RTCL层、功能部件层,形成了相关标准和设计原则。

我国在2000年左右提出软件化雷达构想。“十一五”期间清华大学开展了“软件化雷达信号处理系统”研究[13],中电科14所、国防科技大学等多家单位开展了国产化芯片研制工作[14]。发展至今,一批国产化芯片已经投入工程化应用,国产化Open VPX通用信息处理平台广泛应用于实装[15]。清华大学研制的软件化雷达信号处理系统RadarLab2.0具有灵活扩展功能和资源的能力,可运行于TS201、PowerPC 等多种硬件平台[16]。我国初步制定了软件化雷达开放式架构、软硬件标准规范,发布了《软件化雷达体系架构规范》。

开放式架构提升了雷达的通用性、可靠性、维护性。现代开放式架构雷达框图如图1所示。具体特点如下:

图 1 现代数字相控阵雷达开放式系统架构 Fig. 1 Open architecture of modern digital phased-array radar

① 雷达前端采用模块化阵列天线,GaN 组件逐渐替代了GaAs组件;② 后端采用标准化高性能通用信息处理平台,基于通信中间件和部件加载实现系统功能重构;③ 雷达系统之间采用标准化光纤、总线、网络接口通信;④ 通过资源管理分系统实现雷达孔径、频率、能量、时间资源的分配;⑤ 软硬件松耦合,功能可重构。

国外典型的开放式架构雷达有泰勒斯公司的Sea Fire雷达、雷声公司AN/SPY-6(V)雷达,前者采用冗余设计,可以实现优雅升降级;后者可以根据平台需求增减面阵规模,重构功能。

2)从接收到反射的闭环流程

为应对自适应雷达难以应对杂波环境下低可观测目标和复杂干扰的问题,2006年Simon Haykin教授首次提出了认知雷达的概念和认知闭环架构[17]。2014年Guerci将认知雷达概念发展为认知全自适应雷达[18]。2012年到2015年美国空军研究实验室启动“完全自适应雷达”项目。2017年左群生等[19]提出了接近工程实际的认知雷达架构,如图2所示。认知雷达作为一种智能化雷达实现形式,目前仍处于理论研究阶段,至今还没有工程化实现。但这种从发射到接收的闭环运行理念正在影响着现代相控阵雷达的系统设计。

图 2 认知雷达架构 Fig. 2 Architecture of cognitive radar

认知雷达的核心思想是:通过从接收到发射的闭环控制流程,根据对环境和目标的实时认知结果灵活配置雷达资源来提升探测性能。“认知”被定义为对雷达信道(目标、杂波、干扰等)和作战环境的学习与理解,系统的学习功能则通过专家系统、知识辅助的非监督训练来实现。

认知雷达的显著特征包括:① 自适应发射机,或者从发射到接收的闭环处理流程;② 环境动态数据库(EDDB);③ 具备智能和知识辅助处理能力;④ 智能化的先行雷达任务调度。

1.4 工作模式

雷达工作模式是面向特定工作环境、作战对象、作战任务的一套工作方案,具体包括天线扫描策略、信号波形、信息处理方法等。从雷达工作模式与环境、目标的匹配性来看,雷达的发展经历了从自动化、自适应到智能化的阶段。现代舰载MPAR正处于从自适应向智能化发展的阶段。

当前舰载雷达多采用事先设计好的固定工作模式,发射预设的信号波形,在接收端以固定或自适应的处理方法,实现对目标的检测与跟踪。工作过程中由人工或者根据规则自动切换工作模式。少数先进的防空反导雷达采用一种工作模式下多功能任务并发的设计,如SPY-6(V)雷达家族。美国“灵活分布式阵列雷达”(FlexDAR)项目,尝试基于分布式阵列和高精度时空同步技术,让雷达系统能够动态灵活调整雷达的硬件架构和收发关系[20]。这种雷达的工作模式将更加灵活多变,并将有望发展成所谓网络化协同雷达[21]

随着新型威胁目标、复杂干扰样式的出现,传统雷达的固定工作模式难以实现匹配探测。如何根据实时战场态势动态、高效地使用系统的孔径、频率、波形、功率、时间等资源,是现代MPAR设计的难点。目前认知雷达提供了一种解决方案,即基于接收信号对环境和目标进行认知,然后调整发射信号。可以预见,认知雷达没有固定工作模式,它是面向作战任务动态生成工作方案。

2 舰载多功能相控阵雷达的关键技术 2.1 可重构天线

现代通信、雷达系统对天线提出了更高的要求,要求天线能够实现宽带大角度范围(大于±45°)扫描,能够实现频率、方向图、极化方式等多种参数中的一种或几种灵活重构,同时还要求天线尺寸小、重量轻、可靠性高、造价低。可重构天线已经成为一个热点研究方向[22-29]。可重构天线最早于1983年由Schaubert D.在其专利中提出。1999 年美国DARPA启动“可重构孔径”(RECAP)项目[22],最早探索通过MEMS技术对天线进行重构,以实现超宽频带、宽角扫描。我国可重构天线技术研究始于2000年左右。

可重构天线的技术途径:

1)改变辐射体机械结构,通过MEMS制动器切换天线机械结构(微带、腔体、馈电)使其表面的电流分布、路径发生改变,从而改变天线辐射状态。

2)改变电特性,调整可变电容偏置改变馈电系统和可控缝隙的相位差。

3)改变材料特性,基于新材料和人工超材料,改变辐射源单元的分布位置、面积、数量或者电磁常数。

可重构天线的技术方向:方向图重构[23-26]、频率重构[27-29]、极化重构[29]和多电磁参数重构。

天线方向图重构技术已经在线性阵列实现,在二维平面阵重构上还不成熟。天线方向图重构的典型措施有[23-26]:通过改变辐射体机械结构或者通过可控开关结合寄生单元来控制天线表面的电流分布。成都电子科技大学[24-25]经过长期研究,利用可重构馈电网络实现天线单元2种方向图辐射模式,达到一维波束指向±80°范围内增益下降小于3 dB的指标。

天线频率重构可为通信设备、雷达扩展多频段功能。主要方法包括:采用人工磁导体、可控缝隙结构来实现频率重构。Nie等[27]提出了一种应用于5G的双极化频率可重构低剖面天线,实现在3.24~4.03 GHz和4.44~5.77 GHz这2个频带之间自由切换。Sun等[28]采用环形和锯齿形贴片辐射器和宽带正交网络激励的可重构天线,通过电子调谐实现L/S波段频率重构。

雷达天线极化重构技术在抗多径效应和抗电磁干扰方面十分有用。极化重构的技术途径[29]包括:对天线形状进行对称变换或改变多模结构不同模态之间的平衡来实现极化转换;使用电磁超材料制作极化转换表面来实现极化转换。目前,极化/方向图可重构天线已经应用于MIMO 雷达、认知探测等国内外研究项目中[26]

2.2 同时收发技术

多功能一体化设计导致了射频系统的收、发功能之间的电磁干扰、接收饱和、时隙抢占等问题。从空间、时间、相位和极化等维度提出了不同的兼容方案,大致可以分为信号隔离、信号对消等方法。信号隔离方法包括收发孔径空间分置、收发分时工作、收发分频、极化正交等。信号对消方法如数字对消等,特别适用于孔径级同时收发需求。2016年MIT林肯实验室开展“孔径级同时收发相控阵”(ALSTAR) 项目[30],通过自适应波束形成以及数字对消技术来提高收发阵面间的高隔离度,在单个孔径上同时进行发射和接收,实现了共孔径的多功能一体化射频集成。孔径级同时收发技术[31]通过提高收发间的隔离度、减小耦合干扰来实现共孔径同时发射和接收功能。该技术可用于雷达、通信、电子战一体化集成、提高全双工定向网络通信吞吐量和频率效率、改善空间分置孔径间的电磁兼容性等方面。

2.3 抗干扰技术

舰载雷达面临的电子干扰可来自空中、舰船、地面等多维空间,干扰样式包括各种压制式和欺骗式干扰,并呈现出多样化、灵巧化、快速化、立体化、协同化等发展趋势[32-34]。低截获波形、空时自适应处理、捷变频、变极化等传统抗干扰措施,在应对新兴干扰样式时效果不佳[35]。现代雷达抗干扰技术呈现智能化发展趋势,正在借助机器学习发展成果,综合运用波形、能量、频点和极化等多维度抗干扰资源,实现动态抗干扰[36-42]。典型的智能化抗干扰流程如图3所示。由于智能类算法对数据库的依赖和巨大的计算量,干扰特性在线测试和抗干扰策略在线生成仍然难以满足实时性和准确性需求。

图 3 智能化抗干扰流程 Fig. 3 Intelligent anti-jamming procedure

雷达抗干扰技术的研究内容包括:①干扰源感知与识别技术[35-36];②频域、相位域、极化域新型抗干扰技术[37-42],如射频掩护、波形分集、变极化等;③认知对抗博弈,如基于强化学习算法的实时干扰决策技术[40-42];④干扰剔除技术。

2.4 目标识别技术

战场目标识别是作战系统完成威胁评估、进行精确打击的基础。军用雷达目标识别的层次包括数量识别、种类识别、类型识别和型号识别。雷达目标识别的原理是从雷达回波中提取目标的特征,结合它源信息进行信息融合,再对照目标数据库的模板,完成目标类别、真假、敌我属性的判断[43]。目标的特征包括结构特征、运动特征、多普勒调制特征,可以通过一维距离像、二维像、质心多普勒谱、微多普勒谱等回波信息提取。不同目标的典型特征不同,弹道导弹具有独特的运动特征、弹头旋转造成的微动特征;飞机目标具有一定的机动性能范围,以及螺旋桨或者发动机叶片带来的微动特征;舰船目标位于海面、RCS大,比较好分辨。

目前,雷达目标识别的研究方向包括:基于SAR/ISAR高分辨率图像的自动识别[44]、基于宽带高分辨距离像的目标识别[45-46]、基于高重频信号的微动特征提取、基于多维特征的组合目标识别[47];小样本下的目标识别[48]、群目标识别等。

雷达目标识别面临的挑战包括:1)小样本问题,非合作目标的有效回波数据少、目标特征库不完备;2)实时性问题,基于智能算法的目标识别处理过程运算复杂、实时性不够;3)算法稳健性问题,在低信噪比、低数据率回波以及干扰条件下目标识别算法处理性能会下降。

通过仿真和实验室测量获取数据或者寻求体系支撑,可以一定程度解决样本不够的问题。目前只能通过算法应对小样本下的目标识别,如2015 年DARPA 启动了“在竞争环境下目标识别与适应”(TRACE)项目[49],利用深度学习技术提高非合作目标识别能力。针对智能算法实时性差的问题,有研究采用面向机器学习、神经网络等算法的FGPA加速技术[50]来减小运算量、提升运算速度。

2.5 资源管理

现代多功能相控阵雷达面临复杂干扰、杂波环境下的多类型目标检测、跟踪、识别、协同探测等作战任务,实时可调度的资源包括孔径、频率、波形、时间等,其资源管理十分复杂。相关的研究方向包括扫描策略设计、波形参数设计和实时任务调度算法设计。目前研究热点包括基于智能算法或者动态优先级的任务调度算法设计[51-54]、跨平台数据级协同任务规划[53]等。

未来数字阵列雷达的天线将实现多电磁参数动态重构,这种体制下的多功能相控阵雷达将拥有更多的自由度和实时可调度资源。借鉴认知雷达闭环工作流程后,将不再有预先设计的工作模式,而是基于实时认知结果动态生成扫描策略和发射波形。目前,面向认知雷达的资源管理研究包括目标RCS预测、TBD方法下面向检测概率最大化的时间资源分配[54]、雷达波形动态优化[55]等。

3 结 语

目前,MPAR仍然面临如下困难:①高性能可重构数字阵列工程化水平不高;②杂波背景下的低可观测目标、临界空间目标难以有效探测 ;③有价值的军事目标数据难以获取,小样本下目标识别深度学习算法训练效果不佳;④对于主瓣内快捷灵巧转发式干扰识别和剔除较难。

未来舰载MPAR的发展将呈现如下趋势:

1)真正的开放式架构

突破GaN组件在S以上高频段的应用,多电磁参数可重构面阵走向工程化,面向AI算法加速的高性能FGPA和CPU/GPU处理器更加成熟。在此基础上广泛实现多电磁特征可重构数字阵列、多功能可重构软件化后端,从而实现灵活多任务雷达系统架构,满足任意平台搭载、高可靠性、低成本应用需求。

2)更高的智能化水平

深度学习算法在雷达领域更深地发展,解决基于小样本、无标签数据的学习问题,进一步提升杂波、干扰、目标识别水平。基于深度强化学习算法和认知闭环控制结构实现探测性能自主演进,实现面向任务的雷达波形、功率、时间等资源动态优化配置,满足信息战博弈对抗需求。

3)分布式网络化探测

随着高精度时间/频率同步技术、宽带低延迟高可信网络化信息传输技术、跨平台信号级协同信息处理与融合技术等的进一步发展,未来相控阵雷达将实现面向任务的跨平台、单平台系统重构和任务分配,满足体系对抗下应对隐身目标和综合干扰的需求。

4)少人或无人值守

近10年来,军用无人艇迅速发展。为扩展军用无人艇作战用途,未来无人艇载电子信息系统将灵活搭配导航、侦察、通信、监视、干扰等多种功能。高性能小型化多功能相控阵雷达将会是一种选择。

参考文献
[1]
罗群, 周万幸, 马林. 世界地面雷达手册[M]. 北京: 国防工业出版社, 2005.
[2]
中航工业雷达与电子设备研究院. 机载雷达手册. [M]. 北京: 国防工业出版社, 2013.
[3]
赵登平, 周万幸, 鞠新春. 世界海用雷达手册(第二版)[M]. 北京: 国防工业出版社, 2012.
[4]
SABATINI S, TARANTINO M. Multifunction Array Radar System Design and Analysis[M]. Norwood, MA : Artech House, 1994.
[5]
邵春生. 相控阵雷达研究现状与发展趋势[J]. 现代雷达, 2016, 38(6): 1-5.
SHAO C S. Study status and development trend of phased array radar[J]. Modern Radar, 2016, 38(6): 1-5.
[6]
CANTRELL B. Development o f a digital array radar (DAR)[J]. IEEE Aerospace and Electronic Systems Magazine, 2002, 17(3): 22-27.
[7]
葛建军, 张春城. 数字阵列雷达[M]. 北京: 国防工业出版社, 2017: 1–11
[8]
鲁加国. 数字阵列雷达发射多波束的若干关键技术[J]. 雷达科学与技术, 2021, 19(3): 233-240.
LU J G. Some key technologies of transmitting multi-beams in digital array[J]. Radar Science and Technology, 2021, 19(3): 233-240.
[9]
罗敏. 多功能相控阵雷达发展现状及趋势[J]. 现代雷达, 2011, 33(9): 14-19.
LUO M. Development status and trend of MPAR[J]. Modern Radar, 2011, 33(9): 14-19. DOI:10.3969/j.issn.1004-7859.2011.09.004
[10]
TOMAS W J. Phased-array radar design: application of radar fundamentals [M]. Raleigh, NC 27615: SciTech Publishing , Inc. , 2009, 216
[11]
REJTO S. Radar open system architecture and applications[C]// Proceedings of IEEE International Radar Conference, 2000; 654–659.
[12]
NELSON J A. Radar open system architecture provides net centricity[J]. IEEE Aerospace and Electronic Systems Magazine, 2010, 25(10): 17-20. DOI:10.1109/MAES.2010.5631721
[13]
汤俊, 吴洪, 魏鲲鹏. “软件化雷达”技术研究[J]. 雷达学报, 2015, 4(4): 4981-489.
TANG J, WU H, WEI K P. Technology research of software defined radar[J]. Journal of Radars, 2015, 4(4): 4981-489. DOI:10.12000/JR15012
[14]
张卫清, 许厚棣, 唐亮. 雷达数字化收发系统芯片设计与实现[J]. 雷达科学与技术, 2016, 14(3): 317-323.
ZHANG W Q, XU H D, TANG L. Designed and implementation of radar digitized receive-transmit system chip[J]. Radar Science and Technology, 2016, 14(3): 317-323. DOI:10.3969/j.issn.1672-2337.2016.03.016
[15]
张荣涛, 杨润亭, 王兴家,等. 软件化雷达系统技术综述[J]. 现代雷达, 2016, 38(10): 1-3.
ZHANG Y T, YANG R T, WANG X J, et al. System technology of software defined radar[J]. Modern Radar, 2016, 38(10): 1-3. DOI:10.16592/j.cnki.1004-7859.2016.10.001
[16]
李明亮, 汤俊, 贾鑫, 等. 基于MPC8640D的软件化雷达通用信号处理软件设计[J]. 电子测量技术, 2017, 40(4): 9-14.
LI M L, TANG J, JIA X, et al. Design of general signal Processing software for software radar based on MPC 8640D[J]. Electronic Measurement Technology, 2017, 40(4): 9-14.
[17]
GUERCI J R, BALDYGO W. Proceedings of the DARPA/AFRL knowledge–aided sensor signal[C]// Processing and Expert Reasoning (KASSPER) Workshop, 2002-2006.
[18]
GUERCI J R, GUERCI R M, RANAGASWAMY M, et al. CoFAR: cognitive fully adaptive radar[C]//IEEE Radar Conference. Cincinnati OH: IEEE Press, 2014: 19–23.
[19]
左群声, 王彤, 等编译. 认知雷达导论[M]. 北京: 国防工业出版社, 2017.
[20]
DRUBIN, CLJFF. Flexible, reconfigurable, multi-mission aperture to revolutionize radars[J]. Microwave journal, 2014, 57(6): 46–46
[21]
刘宏伟, 严峻坤, 周生华. 网络化雷达协同探测技术[J]. 现代雷达, 2020, 42(12): 7-12.
LIU H W, YAN J K, ZHOU S H. Collaborative detection technology of netted radar[J]. Modern Radar, 2020, 42(12): 7-12.
[22]
JOHN K Smith. Reconfigurable program(RECAP)[R]. DARPA, 1999.
[23]
杨光伟. 宽角扫描相控阵天线研究[D]. 西安: 西北工业大学, 2018
[24]
CHENG Y F DING X, SHAO W, et al.. A novel wide-angle scanning phased array based on dual-mode pattern reconfigurable elements[J]. IEEE Antennas & Wireless Propagation Letters, 2017, 16(99): 396-399.
[25]
XIAO S ZHENG C, LI M, et al.. Varactor-loaded pattern reconfigurable array for wide-angle scanning with low gain fluctuation[J]. IEEE Transactions on Antennas and Propagation., 2015, 63(5): 2364-2369. DOI:10.1109/TAP.2015.2410311
[26]
GURBUZ A C, Cetiner B A.. Cognitive radar target detection and tracking with multifunctional reconfigurable antennas[J]. IEEE A& E Systems Magazine, 2020, 64-76.
[27]
NIE Z H, ZHAI H Q, et al.. A dual-polarized frequency-reconfigurable low-profile antenna with harmonic suppression for 5G application[J]. IEEE Antennas and Wireless Propagation Letters, 2019, 18(6): 1228-1232. DOI:10.1109/LAWP.2019.2913170
[28]
SUN M Y, ZHANG Z, ZHANG F, et al.. L/S multiband frequency-reconfigurable antenna for satellite applications[J]. IEEE Antennas and Wireless Propagation Letters, 2019, 18(12): 2617-2621. DOI:10.1109/LAWP.2019.2945624
[29]
魏萌 频率与极化可重构天线的研究与设计[D]. 西安: 西安电子科技大学, 2020
[30]
DOANE J P, KOLODZIE J K E, PERRY B T. Simultaneous transmit and receive with distal phased arrays[C]//2016 IEEE International Symposium on Phased Array Systems and Technology, Waltham, MA: IEEE Press, 2016: 1–6.
[31]
裘剑, 姚元, 伍光新. 相控阵孔径级同时收发技术研究[J]. 现代雷达, 2019, 41(2): 63-66.
QIU J, YAO Y, WU G X. A study on aperture-1evel simultaneous transmit and receive technology[J]. Modern Radar, 2019, 41(2): 63-66.
[32]
张春磊, 杨小牛. 认知电子战与认知电子战系统研究[J]. 中国电子科学研究院学报, 2014, 9(6): 551-556.
ZHANG C L, YANG X N. Research on the cognitive electronic warfare and cognitive electronic warfare system[J]. Journal of CAEIT, 2014, 9(6): 551-556. DOI:10.3969/j.issn.1673-5692.2014.06.001
[33]
张锡祥, 肖开奇, 顾杰. 新体制雷达对抗论[M]. 北京: 北京理工大学出版社, 2020.
[34]
王峰, 雷志勇, 黄桂根, 等. 雷达智能抗干扰体系研究[J]. 现代雷达, 2014, 36(1): 80-82. DOI:10.3969/j.issn.1004-7859.2014.01.019
[35]
鲍大祥. 雷达干扰分类判别方法研究[D]. 西安: 西安电子科技大学, 2015
[36]
刘国满, 聂旭娜. 一种基于卷积神经网络的雷达干扰识别算法[J]. 北京理工大学学报, 2021, 41(9): 990-998.
LIU G M, NIE X N. A radar jamming recognition algorithm based on convolutional neural network[J]. Transactions of Beijing Institute of Technology, 2021, 41(9): 990-998.
[37]
ZHANG X X, CAO D, XU L L. Joint polarisation and frequency diversity for deceptive jamming suppression in MIMO radar[J]. IET Radar, Sonar and Navigation, 2019, 13(2): 263-271. DOI:10.1049/iet-rsn.2018.5342
[38]
邓振明, 宁春玲, 史珂. 基于随机相位调制的阵列雷达抗干扰研究[J]. 现代雷达, 2021, 43(8): 84-92.
[39]
兰岚, 许京伟, 朱圣棋, 等. 波形分集阵列雷达抗干扰进展[J]. 系统工程与电子技术, 2021, 43(6): 1437-1451.
LAN L, XU J W, ZHU S Q, et al. Advances in anti-jamming using waveform diverse array radar[J]. Systems Engineering and Electronics, 2021, 43(6): 1437-1451. DOI:10.12305/j.issn.1001-506X.2021.06.01
[40]
张柏开, 朱卫纲. 对多功能相控阵雷达的干扰决策方法综述[J]. 兵器装备工程学报, 2019, 40(9): 178-183.
ZHANG B K, ZHU W G. Overview of jamming decision-making method for multi-functional phased array radar[J]. Journal of Ordnance Equipment Engineering, 2019, 40(9): 178-183. DOI:10.11809/bqzbgcxb2019.09.037
[41]
赫彬, 苏洪涛. 认知雷达抗干扰中的博弈论分析综述[J]. 电子与信息学报, 2021, 43(5): 1199-1211.
HE B, SU H T. A review of game theory analysis in cognitive radar anti-jamming[J]. Journal of Electronics & Information Technology, 2021, 43(5): 1199-1211. DOI:10.11999/JEIT200843
[42]
黄星源, 李岩屹. 基于双Q学习算法的干扰资源分配策略[J]. 系统仿真学报, 2021, 3(8): 1801-1808.
HUANG X Y, LI Y Y. The allocation of jamming resources based on double q-iearning algorithm[J]. Journal of System Simulation, 2021, 3(8): 1801-1808.
[43]
胡明春, 王建明, 孙俊, 等. 雷达目标识别原理与实验技术[M]. 北京: 国防工业出版社, 2017.
[44]
贺丰收, 何友, 刘准钆, 等. 卷积神经网络在雷达自动目标识别中的研究进展[J]. 电子与信息学报, 2020, 42(1): 119-131.
HE F S, HE Y, LIU Z G, et al. Research and development on applications of convolutional neural networks of radar automatic target recognition[J]. Journal of Electronics & Information Technology, 2020, 42(1): 119-131. DOI:10.11999/JEIT180899
[45]
杜兰. 雷达高分辨率距离像目标识别方法研究[D]. 西安: 西安电子科技大学, 2007.
[46]
付哲泉, 李相平, 李尚生, 等. 深度学习在雷达目标高分辨距离像识别中的研究综述[J]. 航空兵器, 2020, 27(3): 37-43. DOI:10.12132/ISSN.1673-5048.2019.0118
[47]
曹向海, 刘宏伟, 吴顺君. 多极化多特征融合的雷达目标识别研究[J]. 系统工程与电子技术, 2008, 30(2): 261–263
CAO X H, LIU H W, WU S J. Utilization of m ultiple polarization data and multiple features for radar target identification[J]. Systems Engineering and Electronics, 2008, 30(2): 261–263.
[48]
朱克凡, 王杰贵, 刘有军. 小样本条件下基于数据增强和WACGAN的雷达目标识别算法[J]. 电子学报, 2020, 48(6): 1124-1131.
ZHU K F, WANG J G, LIU Y J. Radar target recognition algorithm based on data augmentation and wacgan with a limited training data[J]. Acta Electronica Sinica, 2020, 48(6): 1124-1131. DOI:10.3969/j.issn.0372-2112.2020.06.012
[49]
BRYANT A. Target recognition and adaption in contested Environments (TRACE) [OL].https://www.darpa.mil/program/trace, 2021.
[50]
王晓峰, 蒋彭龙, 周辉, 等. 面向卷积神经网络的高并行度FPGA加速器设计[J]. 计算机应用, 2021, 41(3): 812–819.
[51]
杨善超, 田康生, 刘仁争, 等. 基于价值优化的相控阵雷达任务调度算法[J]. 电子与信息学报, 2020, 42(2): 465-471.
YANG S C, TIAN K S, LIU R Z, et al. Scheduling algorithm based on value optimization for phased array[J]. Radar Journal of Electronics & Information Technology, 2020, 42(2): 465-471. DOI:10.11999/JEIT190147
[52]
白钊铭, 廖可非, 欧阳缮, 等. 基于调度效益最大化的多功能组网认知雷达资源优化调度算法[J]. 科学技术与工程, 2020, 20(14): 5709-5714.
BAI Z M, LIAO K F, OU Y S, et al. Optimal scheduling algorithm for multi-functional network cognitive radar resources based on maximizing scheduling benefits[J]. Science Technology and Engineering, 2020, 20(14): 5709-5714. DOI:10.3969/j.issn.1671-1815.2020.14.038
[53]
崔嵩, 刘林, 王宏强. 多雷达空间目标协同探测任务规划研究[J]. 现代雷达, 2019, 41(5): 8-11. DOI:10.16592/j.cnki.1004-7859.2019.05.002
[54]
秦童. 认知雷达资源管理算法的研究[D]西安: 西安电子科技大学, 2016.
[55]
崔国龙, 余显祥, 杨婧等. 认知雷达波形优化设计方法综述[J]. 雷达学报, 2019, 8(5): 537-557.
CUI G L, YU X X, YANG J, et al. An overview of waveform optimization methods for cognitive radar[J]. Journal of Radars, 2019, 8(5): 537-557. DOI:10.12000/JR19072