-
随着在航天侦察、光电对抗、空间科学等领域的广泛应用,红外探测器正经历从"第三代充分发展"向"第四代探索"的关键转型.面向当前红外探测技术应用的迫切需求,重点探析第四代红外探测器的定义与发展.首先,梳理红外探测器的发展脉络,从功能集成、学科发展、技术演进等方面探讨红外探测器的发展趋势,提出第四代红外探测器的初步定义.其次,论述第四代红外探测器在挑战光强探测极限性能、光场多维信息感知、片上智能化和红外微系统芯片等技术发展的简要思考.最后,展望AI赋能下的红外探测器智能制造生态,加速第四代红外探测器由构想阶段迈向实际应用.
第四代红外探测器极限性能多维信息感知片上智能化红外微系统芯片极致智能
-
在外场环境下对机载电子对抗装备进行原位测试时,测试点的定位常面临效率低、耗时长的难题.为提升该环节的自动化水平,提出一种基于机身点云特征的测试点自动定位方法.该方法以飞机起落架作为重要参照依据,仅需一次性获得测试点在机身坐标系中的位置,便可结合激光雷达点云数据完成在任意位置处的测试点自动定位工作.这一过程涉及到点云映射裁剪、机身与激光雷达间的坐标变换、转换矩阵求解等关键技术,可为移动测试平台后续自主定位、导航等相关研究和工程化应用奠定理论基础.在外场环境下针对实际飞机装备设计了测量实验,测试平台分别于不同位置获取起落架点云并自动完成测试点位计算,结果表明,测量点位与实际值之间的绝对误差低于 10 cm,相对误差不超过 1%,所提方法较高的可靠性和可行性,可推动装备测试技术向无人智能化迈进.
激光点云测试点位映射裁剪自动定位转换矩阵
-
针对传统任务链验证存在动态交互与信息不确定性建模不足的问题,提出一种解决方案.首先,构建"分解-抽象-验证"方法论体系,结构化分解作战流程为模块化单元,从实体、信息、规则 3 个维度提取要素并参数化,通过 ExtendSim 建立动态验证环境.然后,设计五流协同映射模型,将作战活动抽象为执行流(时序)、情报流(交互)、物质流(资源)、属性流(状态)、决策流(指控)的多维耦合体系.最后,开发闭环建模框架,实现作战基元参数化(耗时/概率/资源)、复杂规则模块化编程及多层流程嵌套.仿真结果表明,所提方法能够体现作战的信息活动规律,可为多平台协同任务链评估提供思路和方法.
任务链电子对抗建模仿真ExtendSim
-
随着大模型技术的广泛应用,智能化对抗的信息武器质量得到了显著提升,对于大模型背后隐藏的"恶意认知行为策略",或直接影响到智能化时代信息战的伦理规范与安全防护.为发现模型中的偏见,揭示不同文化背景下的词向量库差异,对静态大模型的词向量库意识形态倾向性进行了量化分析,选取5 个具有代表性的词向量库,结合精心筛选的测试词,提出基于正距离、负距离及倾向性分数的量化评估范式.通过计算测试词与基准词之间的欧氏距离,引入归一化方法生成倾向性分数,构建了一个直观的量化指标,实现了对词向量意识形态倾向性的精确量化,从预训练语料和词向量进行分析,直接地揭示了模型的内生偏见.实验表明,不同语料库训练出的词向量库在意识形态倾向性上存在显著区别,"欧氏距离-倾向性分数"评估范式可以客观辨析各词向量库之间的差异.结论指出,所提方法为大模型的偏见检测与"价值对齐"提供了可操作的评估方法,适用于不同语言和文化背景下的词向量分析,帮助模型部署前识别潜在价值偏差.
大语言模型静态词向量库意识形态倾向性评估
-
干扰机通过截获并间歇转发雷达发射信号,可以快速生成间歇采样转发干扰(ISRJ),当真、假目标在时域高度重合时,现有雷达干扰抑制方法会导致干扰信号存在较大残余.针对这一问题,提出了一种基于脉内频率捷变与复数变分模态分解(CVMD)的间歇采样转发干扰抑制方法.具体而言,首先设计非线性拉伸函数来提取回波中被干扰信号段,随后对被干扰片段进行CVMD分解以实现不同频率成分的自适应分离,并利用干扰脉内载频滞后性实现目标与干扰信号的分选,最后通过分段脉压技术完成目标能量积累.仿真结果表明:所提方法能够有效对抗不同形式的ISRJ,在高干信比情况下仍能保持稳定的抑制性能,有效提升雷达的干扰对抗能力.
间歇采样转发干扰(ISRJ)脉内频率捷变变分模态分解(CVMD)电子对抗分段脉冲压缩
-
针对电子对抗领域雷达信号截获困难和分选准确率低的问题,提出一种基于数据流自监督的雷达信号在线分选新方法.先通过生成对抗网络的均衡特征融合方法,利用有限样本完成高质量特征融合和样本增强;再构建一种基于多任务元学习的自监督模型,实现无标签信号流的在线分选.实验表明,在4 dB时,采用所提方法在仿真数据集上准确率为95.82%,在实测数据和公开数据集上也具有良好表现,证实了所提方法在数据流在线分选方面的有效性.
雷达信号在线分选无监督学习数据流
-
光纤超连续谱具有光谱宽、亮度高、空间相干性好等优势,在光电对抗、气体探测、光学相干层析成像等领域应用前景广阔.针对不同应用场景对超连续谱性能提出的差异化需求,分别从光纤超连续谱的功率提升、长波拓展、低噪声研究三个核心方向,回顾了近年来在上述三个方面的研究进展,总结了性能提升的技术路线,并对未来的发展进行了展望,旨在为高性能超连续谱的研制与应用提供帮助.
超连续谱可见光至中红外高功率低噪声
-
智能干扰决策技术的发展,显著提升了敏感目标在战场中的生存对抗能力.然而,现有干扰决策算法仅考虑有源干扰,忽略了无源干扰策略优化问题,严重限制了干扰决策对抗模型的应用场景.针对这一缺陷,该文基于彩虹深度Q网络(Rainbow DQN)与二分法,构建了一种有源-无源干扰策略联合优化方法,利用Rainbow DQN决策有无源干扰样式序列,并以二分法动态搜索无源干扰最优释放位置;考虑干扰对抗环境的非完全观测性,该文进一步设计了基于雷达波束指向点变化的奖励函数,以准确反馈干扰策略的有效性.通过仿真模拟干扰机-雷达对抗实验,与深度Q网络(DQN)、决策优势分离深度Q网络(Dueling DQN)及双重深度Q网络(Double DQN)3种主流干扰决策模型相比,所提方法的Q值平均提升2.43倍,奖励均值平均提升3.09倍,无源干扰位置决策步数缩短50%以上.实验结果表明,该文所提基于Rainbow DQN与二分法的有源-无源干扰策略联合优化方法,可实现有源干扰与无源干扰联合有效决策,进一步提高了干扰策略决策模型适用性,显著提升了干扰机电子对抗中的价值.
彩虹深度Q网络二分法有源-无源干扰决策波束指向点非完全观测环境
-
自动调制识别(automatic modulation recognition,AMR)在电子对抗、频谱监测等复杂电磁环境下的非协作通信中至关重要,但现有方法在低信噪比(signal-to-noise ratio,SNR)时易受噪声干扰且特征提取能力不足.为此,提出一种基于随机共振(stochastic resonance,SR)与双输入 SR 网络(dual-input SR network,DualSR-Net)的AMR方法,通过联合原始同相正交(inphase quadrature,IQ)数据和SR增强的IQ数据,利用噪声能量转换与多尺度特征融合提升识别鲁棒性.实验表明,该模型在全SNR范围的分类准确率较现有方法提升3%~6.5%,尤其在低SNR(-8~0dB)场景下提升5.7%~9.6%,显著优于主流模型.双通道架构融合时频增强与深度特征学习,为恶劣环境下可靠调制分类提供新思路.
自动调制识别随机共振特征融合
-
现代化战争中,群智通信对抗已成为认知电子战的重要发展趋势.现有认知干扰手段主要聚焦于单目标对抗场景,随着敌方目标设备抗干扰能力的提升和规模的扩大,难以达到理想的干扰效果.然而多干扰机在协同过程中内部关系耦合复杂且往往存在决策冲突,导致干扰频谱资源浪费、协作效率低下,无法满足干扰的时效性需求.针对此问题,提出群智通信对抗环境下的认知干扰频谱资源博弈决策架构及方法,在博弈论和机器学习理论方法的指导下,围绕协同干扰博弈决策模型与效果评估机理、面向瞬时均衡收益的干扰高效决策压制以及面向长期累积收益的干扰稳健决策占优等多个方面,对关键技术展开论述,通过构建"内部协同、外部对抗"博弈模型与间接效果评估机制,缓解反馈缺失问题,并结合合作式多智能体学习提升联合决策能力.新方法在压制能力、协同效率和策略稳定性上均优于现有方法.
通信干扰认知干扰干扰效果评估频谱决策博弈学习