一、电子战的世纪回顾与展望（论文文献综述）
刘玲[1]（2021）在《未来电子战展望》文中研究指明电磁频谱已经成为现代战争中继海、陆、空、天、网络之后的第六作战域,在电磁频谱中的军事对抗即为电子战。随着我国综合国力的持续上升,我国对边海防地区和周边国家乃至世界的影响加大,维护领土权益和安全已成为我国建设新时代强国的重要举措。在此情形下,对当前国际上主要国家常见的电子战发展现状对抗实例进行分析,结合我国国情对未来电子战形式做出规划与展望,为我国实现对更加广阔领土的地面、空中控制,为未来海防与边防电子战提供有力保障。
周其超[2]（2021）在《基于分数延时的多波束发射技术研究与开发》文中研究表明在现代战争形态下,电子战成为了关键一环,能否掌控电磁频谱成为决定胜负的关键要素。在热点地区的多次局部冲突中,谁掌握了制电磁权,谁就能主导战争的走向,谁就能占据主动权。在电子战中,最为重要的一项使命是实施干扰来压制对方雷达的工作效能,因此干扰技术得到重视和发展。传统的干扰设备只能采用模拟体制,发射单个干扰波束,对信号样式简单的单一目标实施干扰。模拟波束形成技术由此应运而生,可以对多目标实施干扰,但这种技术体制只能形成固定的波束,波束形成系统的适应性不强。随着数字技术的飞速发展,数字波束形成技术得到了迅猛发展,采用先进的信号处理算法,能够适应复杂的信号样式。数字多波束形成的技术,能够满足多目标同时干扰的需求,适应更为多变的战场环境。在当前的数字多波束形成技术中,一般采用延迟线或光纤作为时延载体,易受环境影响,稳定性弱,而且工作带宽窄。但是雷达中越发广泛地应用了宽带信号技术,窄带多波束形成的体制无法适应日益升级的雷达设备。为了更好地满足宽带多波束干扰需求,基于分数延时的多波束干扰技术得到了重视和研究。分数延时技术能够延时为分数个采样间隔,以其延时参数可变的特性,受到了众多研究者和工程师的欢迎。本文开展了基于分数延时的多波束干扰技术的研究工作,主要完成了多波束发射网络的设计,并对其进行了仿真测试。首先对发射数字多波束形成的基本理论展开研究,再基于分数延时技术,采用拉格朗日插值法和基于法罗结构算法,实现了宽带数字多波束网络板设计。最后,针对设计的宽带发射多波束网络系统进行测试,方案合理,结果满足设计需求。
李翔洲[3]（2020）在《《决胜无形战争》翻译报告》文中提出近年来,随着战争逐渐信息化,电磁频谱在军事领域的作用日益凸显。同时,各大军事智库也对该领域的发展进行了诸多研究,这些研究报告有很大的参考价值。因此,译者翻译了美国战略与预算评估中心《决胜无形战争——美国获取其在电磁频谱领域的持续优势》一文,以获得各国军队在电磁频谱作战领域的最新动态以及对其的相关分析。整个翻译实践基于诺德翻译导向的文本分析理论。本报告从翻译纲要阐述、源语文本分析、翻译策略选择与目标语文本产出四个环节,分析了诺德环形模式在军事智库报告翻译过程中的指导作用;从文外因素角度探讨了文本接受者和文本功能对翻译实践的影响,并从文内因素角度总结了词语、句子和非语言要素三个层面的翻译技巧。诺德翻译导向的文本分析理论有效地指导了译者的翻译实践过程,其应用也为未来军事智库报告的翻译提供了很好的借鉴。
陈雅贤[4]（2020）在《《现代军用直升机》翻译项目实习报告》文中提出2019年3月—10月,笔者在导师的指导下参加《现代军用直升机》翻译项目实习,对《现代军用直升机》一书进行翻译与审校。根据任务分配,笔者负责本书五小节（共计1,0973字）的翻译和三分之一内容（共计6,9939字）的审校工作。笔者以参与该翻译项目的实习为基础,选择翻译项目过程中的审校环节为研究对象,对整个审校过程进行回顾与总结。在报告中,笔者尝试将审校该德语军事类文本经常出现的问题进行归纳总结。结合翻译的两个阶段——理解与表达——将本次审校过程中发现的错误细化为语言层面的词语、句子和篇章三类。首先,面对德语原文文本出现的专业术语较多的问题,笔者需要查阅大量中文相关资料,寻找业内认可和遵循的译法。同时,因为军事类文本中涉及到大量军事装备的构造和操作方法等,长难句出现频率很高。为了译文的准确和通顺,笔者在审校长难句时分步骤进行,首先对照原文,判断译文是否出现漏译和错译,再对分句进行分析,判断是否需要按照中文语言表达规范和习惯调整译文语句结构。此外,笔者在审校时尽可能使译文与原文信息达到对等,在译文的语言风格等方面也尽量与原文保持一致。笔者希望通过此实习报告总结自己在审校过程中遇到的困难以及解决这些困难的经验和方法,为该领域资料的翻译审校提供有启发的现实案例,从而更好地服务于军事类文本翻译审校工作。
房善婷[5]（2020）在《电子战中雷达系统多分辨率建模与仿真》文中指出雷达是现代战争中不可缺少的武器系统装备,在军事领域发挥着重要作用,但由于实物或半实物试验仿真成本高、难度大,所以全数字化仿真得到广泛应用,比较典型的有信号级和功能级两种不同分辨率的系统,根据不同的仿真需求,可以选择合适分辨率的雷达系统应用于电子战系统中,实现不同装备间的电子对抗。传统的功能级分辨率较低,将多分辨率建模方法应用到雷达系统中,对提高系统的分辨率具有重要意义。本文通过计算机使用全数字建模与仿真方法,采用C++语言面向对象技术,完成了不同分辨率的雷达系统的建模与仿真,并设计了不同的电子战场景,实现了场景的仿真与结果分析。本文首先提出了电子战中雷达系统多分辨率仿真的方案,分析了多分辨率建模在雷达系统中的应用,设计了信号级和功能级系统分别在电子战系统中的应用和仿真流程。由于信号级雷达系统能够模拟雷达处理信号的全过程,具有较高的分辨率,适用于面向系统性能的电子战系统。本文构建了信号级雷达系统的基本模块,实现了雷达系统的基本功能。除此之外,从时域、空域、能域构建了一些抗干扰模块:波形变换、脉宽鉴别、低副瓣、基于阻塞矩阵预处理的自适应波束形成、宽限窄等,进行仿真并验证结果,保证雷达系统面向复杂电磁环境时具有较好的目标检测性能。功能级雷达系统以回波功率表征信号,分辨率较低,但模型简单、数据量小、运算速率可以达到实时,适用于面向作战应用的电子战系统。本文采用多分辨率建模的聚合解聚法,将信号级的旁瓣对消、脉冲压缩、动目标显示和动目标检测模块聚合成功能级模块,提高了传统功能级模块的分辨率。本文模拟的信号级和功能级雷达的体制均是相控阵雷达,构建资源调度模块和数据处理模块实现相控阵雷达的基本功能。最后,分别构建信号级和功能级仿真场景进行仿真,并对仿真结果和相关测试结果分析,验证本文建立的雷达系统的正确性和有效性。本文研究的不同分辨率雷达系统在电子战系统中应用广泛,适用于不同需求的电子战系统,为电子战的研究打下了良好的基础,具有一定的工程意义和参考价值。
陈新竹[6]（2020）在《多功能数字阵列雷达空域抗有源干扰方法研究》文中指出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。
王飞宇[7]（2020）在《基于空时压缩采样的谱估计研究》文中研究表明谱估计与谱感知技术是信号处理与无线通信领域的研究热点。该技术基于原始信号的有限观测样本,旨在对原始信号的频谱或空间谱进行估计或感知。例如,宽带频谱感知是认知无线电（Cognitive Radio,CR）中的一项关键技术,其旨在对大带宽下一系列窄带信源的频域分布情况进行掌握。若以传统方式实现宽带频谱感知,则无线信号接收机需要对接收到的模拟信号以奈奎斯特速率进行采样。当感知带宽到达一定数量级时,例如GHz级,则对接收机的硬件实现造成了极大的困难。另外,空间域的谱分析在一些实际应用中同样重要,例如,使用相控阵对各个信号源进行定位。在这些应用中,为了提高波达方向（Direction of Arrival,DoA）估计时的空间分辨率,以及提高可分辨信源的个数,就势必要增加接收机的天线个数。而配备大规模数量的天线,那势必带来大量的硬件开销与功耗,这在目前的雷达或者通信系统中都是不可承受的。为了克服以上所提到的这些硬件瓶颈,本论文研究了基于空时压缩采样的谱估计问题。本文的主要工作与创新点如下:1)本文研究了超分辨压缩感知框架下的普适性的线性谱估计问题,其被建模为一个在未知的参数化字典下的稀疏信号重构问题。本文引入了促稀疏性较强的对数和（log-sum）函数作为目标函数,并提出了一种迭代重加权算法,以实现联合的字典参数学习与稀疏信号重构。对于其中用来平衡解的稀疏性与数据拟合误差的正则化因子,本文提供了一种简单有效的更新方法。本文对所提出方法做了理论分析,得到了该方法对应的精确重构条件。仿真结果表明,本文中提出的方法能实现超分辨谱估计,并且相较于其它同类算法,具有更高的信号重构准确度,以及频率分辨力。2)本文研究了基于先验信息的超分辨线性谱估计问题。为了挖掘原始信号频率的先验信息,本文根据频率的先验分布,设计了一种权值函数,提出了基于加权对数和函数的优化模型。通过对此加权对数和函数最小化问题进行求解,来对原始信号频率的先验信息进行利用。为求解此优化问题,本文设计了一种迭代重加权算法。仿真结果表明,与同类型的其它算法进行对比,本文中提出的算法具有更高的频率估计的准确度,以及对加性噪声的鲁棒性。3)本文研究了基于次奈奎斯特采样的联合宽带频谱感知与DoA估计问题。具体来说,该问题旨在对大带宽下,各个窄带信源的载波频率与DoA进行估计,并且同时对信源的功率谱进行重构。本文提出了一种新的基于相控阵与弹性时延的次奈奎斯特采样架构。该采样架构基于一个均匀线性阵列（Uniform Linear Array,ULA）,每根天线上的接收信号首先经过一个延时,然后通过一个模拟数字转换器（Analog-to-Digital Converter,ADC）以次奈奎斯特速率进行采样。此外,该采样架构基于弹性时延,对延时参数的设定较为宽松,不需要对每个天线上的延时参数做精确控制,易于硬件实现。基于各个天线上的次奈奎斯特采样数据样本,本文针对不同的时延,对接收信号的空域相关矩阵进行计算。在得到一系列相关矩阵后,本文提出了一种基于张量分解的方法来对各个信源的DoA,载波频率,以及功率谱进行估计,并对估计方法的精确重构条件做了分析。仿真结果表明,本文提出的方法相比于其它同类方法有更好的参数估计性能,并且仅仅需要少量的数据样本,即可使参数估计精度接近于对应的克拉美-罗界（Cramér-Rao bound,CRB）。4)本文研究了基于稀疏线性阵列（Sparse Linear Array,SLA）的宽带DoA估计问题。与其它方法不同的是,本文引入了一个额外假设,即各个宽带信源具有相同的归一化功率谱。基于该假设,本文设计了宽带DoA估计方法,使能够分辨的信源个数不但能够大于SLA的物理天线的个数,甚至能够大于SLA对应的差分阵列的自由度（Degrees of Freedom,DoF）。本文借助Jacobi-Anger展开式,将各个频点对应的差分阵列的流形矩阵转化成一个统一的虚拟ULA流形矩阵。根据这个数据模型,我们基于原子范数最小化（Atomic-Norm Minimization,ANM）,设计了两种超分辨DoA估计算法。这两种方法分别针对信源的归一化功率谱已知或未知的场景。仿真结果表明,我们提出的方法与其它同类算法相比,具有更好的DoA估计性能;并且,我们的方法可以分辨的信源个数甚至能够大于SLA对应的差分阵列的DoF。
杨进[8]（2020）在《基于深度学习与稀疏表示的雷达信号调制类型识别研究》文中认为随着军事现代化的加速,先进的数字波形生成技术与处理技术不断涌现,使得大批新的雷达波型被设计出来,雷达信号变得更加多样化和复杂化。同时现代电磁环境也愈加复杂,对极端条件下的雷达波形识别愈发重要。传统调制类型识别技术相当复杂,而且对技术要求高,适应性不强,已经难以应用于日新月异的现代场景中。基于以上研究背景,本文系统性地开展了基于深度学习与稀疏表示的雷达信号调制类型识别研究。本文的研究内容包括三个部分:1、首先研究了信号特征表示方法,然后对常见雷达信号进行时频仿真。仿真结果表明了信号时频特征作为信号特征的合理性。对信号在高斯白噪声和莱斯多径损伤环境下进行仿真,发现低信噪比下信号的Choi-Williams时频表示和Hilbert谱损坏严重。生成了 11种雷达信号组成的数据集,并对本文所用时频特征进行预处理。2、其次研究了如何从含噪雷达波形中准确去噪。基于信号稀疏先验,提出面向去噪任务的在线字典学习算法（DNODL）。仿真结果表明DNODL比ODL算法有更好的性能。研究了不同字典大小与不同稀疏度下DNODL算法的重构误差,在最优稀疏度和字典大小下对信号稀疏去噪。仿真结果表明本文所提出的稀疏去噪方法在-10dB下将信号平均信噪比提高至-0.83dB。得益于学习字典的结构保持特点,重构信号结构信息较为完整。然后基于在线学习思想提出判别式字典学习算法（DODL）,利用稀疏表示系数融合了一个线性分类器进行分类判决。采用DNODL与DODL融合识别,结果表明线性分类方法在-10dB下能够达到64.5%的准确率。3、最后引入深度学习的识别方法。提出了时域调制类型识别算法（TMC）,仿真结果表明在信噪比0dB及以上时达到95%的准确率,但随着信噪比下降准确率迅速衰减。仿真了单一的Choi-Williams时频表示识别方法,发现对相似调制信号分离度不足。提出以Choi-Williams时频表示和Hilbert谱构成信号时频联合特征的调制类型识别算法（JTMC）。仿真结果表明-10dB下能达到81.7%的准确率;进一步通过DNODL算法稀疏去噪改善输入信号的信噪比,提出稀疏去噪和时频联合特征调制类型识别算法（DJTMC）。该算法在-10dB下达到了 92.1%的准确率。最后的仿真对比验证了本文所提出方法的有效性。
黄家邦[9]（2020）在《基于机器学习的通信抗干扰技术研究》文中研究表明在现代化以及未来战争中,信息通信技术起着至关重要的作用,使得抗干扰通信成为电子对抗中的核心技术之一。无论在军用还是民用通信领域,跳频技术由于其组网方便、抗干扰能力强等特点,受到广泛关注和研究应用。为了提高跳频系统对抗干扰的能力,要求对干扰攻击进行规避。因此,本文融合了认知无线电和跳频技术的思想,提出了干扰认知和规避技术。首先通过数字信号处理技术,对干扰信号进行载波频率估计,构建频带的干扰占用状态。然后利用机器学习对干扰模型进行学习和预测,得到最优的抗干扰策略,即最优子频段选择策略。这样的智能抗干扰技术可以降低与干扰频段发生“碰撞”的可能性,从而提高跳频系统的通信抗干扰能力。1.干扰认知:干扰信号一般为多个窄带信号的时域混叠信号,而传统的参数估计算法只适合单信号的情形。信号的循环累积量对时域混叠多信号具有选择性,具备良好的抗噪特性。因此,基于循环累积量的载频估计算法可以利用信号的4阶0次循环累积量进行载频估计。这样,我们就不需要信号的完整的循环累积量,而且循环累积量具有稀疏性,所以我们利用压缩感知技术对信号的循环累积量进行重构计算,相较于传统计算方法,降低了ADC采样复杂度。仿真验证了上述干扰认知技术的有效性。2.干扰规避:本文主要针对在跳频系统中,应用人工智能算法对干扰认知得到的干扰占用状态进行学习,实施智能化干扰规避算法。对于无线通信中常见的干扰类型,如多音干扰、扫频干扰等,提出、定义了马尔可夫干扰。对于各种干扰类型,提出了0-1bit量化状态表征,然后利用强化学习技术,提出了基于Q-Learning的认知跳频算法。通过仿真验证了算法的有效性。3.在有些干扰模式中,干扰频段可能与多个时刻有关,而且有些系统可以获得干扰频谱。Q-Learning算法由于其局限性,不能直接处理频谱,因为它具有无限的环境状态。因此,针对这种场景,本文提出了融合时间特性和频谱特性的频谱流状态模型,并提出了一种基于DQN的认知跳频算法,将深度神经网络、卷积神经网络与Q-Learning算法相结合,直接从含有时、频域信息的频谱流中学习干扰特征,从而得到有效的最优子频段选择策略,实现智能抗干扰。仿真实验证明了算法的有效性,可以应用于各种干扰模型中。
于蒙[10]（2020）在《基于深度学习的雷达信号识别技术研究》文中指出随着雷达技术的快速发展及抗干扰能力的不断提升,低截获、超宽带、信号快速捷变等技术得到普遍应用。电子侦察面临的信号环境日益复杂,给雷达信号截获和分析带来了很大的困难。由于雷达信号波形是雷达的主要特征,因此,对雷达信号波形的识别是电子侦察的一项重要研究内容。本文的研究课题将基于深度学习进行雷达信号识别技术研究。针对实际环境中雷达信号采集困难、样本量稀少的问题,论文在分析经典深度学习算法对雷达信号识别效果的基础上,提出了在小样本条件下采用生成模型及迁移学习两种方法,本文主要工作如下:1.建立雷达信号模型,并对其中的6种常见的雷达信号从时域、频域进行仿真分析。随后采用短时傅里叶以及小波变换两种时频分析技术,对6种雷达信号进行时频分析,通过在不同信噪比下的对比实验,得出短时傅里叶变换对雷达信号在不同信噪比下具有更好的性能。2.分析了基于经典深度学习网络的雷达信号识别方法。并对CNN进行了详细的分析。在训练集分别为20000和500的条件下,分别采用VGG16与Res Net18两种CNN对雷达信号时频图进行识别。结果表明,Res Net18网络性能较好,但两类网络均无法适用于训练样本稀缺的雷达信号识别问题。3.研究采用生成模型从数据层面解决样本稀缺问题,分析了VAE和GAN两类生成模型。基于时频图,采用VAE、GAN根据少量的真实雷达信号,生成大量的训练样本,分别训练Res Net18网络,进行对比实验。对比分析可知,生成模型一定程度上提高了深度学习模型的识别效果,但由于GAN生成的数据较为不稳定,VAE生成的数据较为单一,两类网络用于识别雷达信号效果较差。4.提出一种使用迁移学习思想并优化Softmax分类器的方法,同样基于雷达信号的时频图,进行稀缺样本条件下的雷达信号识别。结果表明,同样以500个训练样本为例,在-10d B的条件下,该网络识别率可达89.1%,且训练时长较短。实验结果表明,在稀缺样本条件下,该方法有效提高了网络识别率。
二、电子战的世纪回顾与展望（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、电子战的世纪回顾与展望（论文提纲范文）
（1）未来电子战展望（论文提纲范文）
| 1 引言 |
| 2 国际主流电子战发展概况 |
| 2.1 美军电子战发展概况 |
| 2.2 俄军电子战发展概况 |
| 2.3 我国电子战发展概况 |
| 3 关于未来我国电子战的设想与展望 |
| (1)电子对抗技术应用与发展趋势一：认知化方向 |
| (2)电子对抗技术应用与发展趋势二：综合射频与一体化设计方向 |
| (3)电子对抗装备发展趋势：侦察/进攻/防御综合一体化 |
| 4 结束语 |
（2）基于分数延时的多波束发射技术研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 数字多波束技术的发展状况 |
| 1.2.2 宽带波束形成技术的发展状况 |
| 1.2.3 分数延时滤波器的发展状况 |
| 1.3 本文研究内容及结构安排 |
| 2 发射多波束形成原理 |
| 2.1 同时发射多波束 |
| 2.2 宽带数字波束形成技术 |
| 2.2.1 频域法 |
| 2.2.2 时域法 |
| 2.3 分数延时滤波器原理 |
| 2.3.1 Lagrange插值法结构的分数延时滤波器 |
| 2.3.2 Farrow结构的分数延时滤波器 |
| 2.4 本章小结 |
| 3 宽带数字多波束发射网络设计 |
| 3.1 设计思路 |
| 3.2 功能模块设计 |
| 3.2.1 Virtex-7 FPGA模块 |
| 3.2.2 ADC采样模块 |
| 3.2.3 DAC回放模块 |
| 3.3 设计中解决的问题 |
| 3.3.1 DDS输出合成信号截位滤波 |
| 3.3.2 多通道DAC同步 |
| 3.3.3 延时值的设计 |
| 3.4 本章小结 |
| 4 宽带数字多波束发射网络测试 |
| 4.1 延时值测试 |
| 4.2 发射带宽测试 |
| 4.3 同时发射波束数测试 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 致谢 |
（3）《决胜无形战争》翻译报告（论文提纲范文）
| 摘要 |
| Abstract |
| Chapter One Task Description |
| 1.1 Background Information |
| 1.2 Basic Information of the Source Text |
| 1.3 Significance of the Task |
| Chapter Two Theoretical Guidance |
| 2.1 Nord’s Looping Model |
| 2.2 Extratextual and Intratextual Factors |
| 2.3 Communicative Functions and Translation Strategy |
| Chapter Three Process Description |
| 3.1 Interpretation of Translation Brief |
| 3.2 Analysis of Source Text |
| 3.2.1 Extratextual Factors |
| 3.2.2 Intratextual Factors |
| 3.3 Selection of Translation Strategy |
| 3.4 Production of Target Text |
| 3.4.1 Preparatory Work |
| 3.4.2 Translation Period |
| 3.4.3 After-translation Work |
| Chapter Four Case Study |
| 4.1 An Analysis of the Case from Extratextual Factors |
| 4.1.1 Influence of Receiver on Translation |
| 4.1.2 Influence of Function on Translation |
| 4.2 An Analysis of the Case from Intratextual Factors |
| 4.2.1 Translation at Lexical Level |
| 4.2.2 Translation at Syntactic Level |
| 4.2.3 Translation at Non-verbal Level |
| Chapter Five Conclusion |
| 5.1 Summary |
| 5.2 Limitation and Prospects |
| Acknowledgements |
| Bibliography |
| AppendixⅠ The Source Text |
| AppendixⅡ The Target Text |
| Appendix Ⅲ Glossary |
| 作者简介 |
（4）《现代军用直升机》翻译项目实习报告（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第一章 翻译项目介绍 |
| 第一节 任务详情 |
| 一、原文内容 |
| 二、原文文本特点 |
| 第二节 目标受众 |
| 第三节 委托方要求 |
| 第二章 翻译审校前期准备 |
| 第一节 统筹审校任务 |
| 第二节 确立审校目标与准则,明确审校质量标准 |
| 第三节 剖析原译文,监控与评估译文质量 |
| 第四节 选择审校理论、资源和技术支持 |
| 第五节 制定审校计划 |
| 第三章 翻译审校中的常见问题及对策 |
| 第一节 词语 |
| 一、专业术语 |
| 二、专有名词 |
| 三、近义词 |
| 第二节 句子 |
| 一、长难句 |
| 二、插入语 |
| 第三节 篇章 |
| 一、前后一致性 |
| 二、语言风格 |
| 第四章 翻译审校实习总结 |
| 第一节 已解决的问题及总结 |
| 第二节 未解决的问题及反思 |
| 第三节 对未来翻译及审校工作的启发 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 附录一 Moderne Milit?rhubschrauber审校原文 |
| 附录二 《现代军用直升机》审校前后译文 |
| 附录三 Moderne Milit?rhubschrauber翻译原文 |
| 附录四 《现代军用直升机》翻译译文 |
| 附录五 (部分)专有名词列表 |
| 致谢 |
（5）电子战中雷达系统多分辨率建模与仿真（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 |
| 1.2.1 电子战中雷达系统数字化仿真 |
| 1.2.2 多分辨率仿真 |
| 1.3 本文主要工作和章节安排 |
| 第二章 电子战中雷达系统多分辨率仿真方案 |
| 2.1 多分辨率建模与仿真 |
| 2.1.1 多分辨率建模与仿真概念 |
| 2.1.2 多分辨率建模方法 |
| 2.1.3 多分辨率建模在雷达系统中的应用 |
| 2.2 信号级雷达系统仿真方案 |
| 2.2.1 信号级雷达系统在电子战中的应用 |
| 2.2.2 信号级雷达系统仿真流程 |
| 2.3 功能级雷达系统仿真方案 |
| 2.3.1 功能级雷达系统在电子战中的应用 |
| 2.3.2 信号级对功能级的支撑 |
| 2.3.3 功能级雷达系统仿真流程 |
| 2.4 本章小结 |
| 第三章 信号级雷达系统建模 |
| 3.1 发射和接收模块 |
| 3.2 常规信号处理模块 |
| 3.3 时域抗干扰模块 |
| 3.3.1 波形捷变 |
| 3.3.2 脉宽鉴别 |
| 3.4 空域抗干扰模块 |
| 3.4.1 低副瓣电平 |
| 3.4.2 自适应旁瓣对消 |
| 3.4.3 旁瓣匿影 |
| 3.4.4 基于阻塞矩阵预处理的自适应波束形成 |
| 3.5 能域抗干扰模块 |
| 3.5.1 宽限窄 |
| 3.6 本章小结 |
| 第四章 功能级雷达系统建模 |
| 4.1 接收模块 |
| 4.2 信号处理模块 |
| 4.2.1 自适应旁瓣对消 |
| 4.2.2 脉冲压缩 |
| 4.2.3 动目标显示与动目标检测 |
| 4.3 数据处理模块 |
| 4.4 资源调度 |
| 4.4.1 空域划分与波位编排 |
| 4.4.2 任务调度 |
| 4.5 本章小结 |
| 第五章 电子战中雷达系统多分辨率仿真与分析 |
| 5.1 雷达系统仿真实现 |
| 5.2 电子战中信号级雷达系统仿真 |
| 5.2.1 仿真场景及参数 |
| 5.2.2 仿真过程及结果分析 |
| 5.3 电子战中功能级雷达系统仿真 |
| 5.3.1 仿真场景及参数 |
| 5.3.2 仿真过程及结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）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 |
（7）基于空时压缩采样的谱估计研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 从电信号到无线信号 |
| 1.1.2 无线信号的空-频谱估计 |
| 1.1.3 压缩感知与压缩采样 |
| 1.2 研究内容与研究动态 |
| 1.2.1 基于压缩采样的线性谱估计 |
| 1.2.2 基于压缩采样的宽带频谱感知与DoA估计 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 基于超分辨压缩感知的线性谱估计 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 迭代重加权算法 |
| 2.3.1 算法设计 |
| 2.3.2 f(θ)的导数计算 |
| 2.3.3 收敛性分析 |
| 2.3.4 对算法的进一步讨论 |
| 2.4 对参数λ的更新方法 |
| 2.5 理论分析 |
| 2.5.1 精确重构条件 |
| 2.5.2 定理2.1的证明 |
| 2.6 针对MMV模型的拓展 |
| 2.7 仿真结果 |
| 2.8 本章小结 |
| 第三章 基于先验信息的超分辨线性谱估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 超分辨线性谱估计问题 |
| 3.2.2 具备先验信息的场景 |
| 3.3 优化问题设计 |
| 3.3.1 基于对数和函数的优化问题 |
| 3.3.2 基于加权对数和函数的优化问题 |
| 3.3.3 针对块状先验的权值函数设计 |
| 3.4 迭代重加权算法 |
| 3.4.1 算法设计 |
| 3.4.2 g(f)的导数计算 |
| 3.4.3 收敛性分析 |
| 3.5 仿真结果 |
| 3.6 本章小结 |
| 第四章 基于次奈奎斯特采样的宽带频谱感知与DoA估计 |
| 4.1 引言 |
| 4.2 张量基础 |
| 4.3 信号模型 |
| 4.4 次奈奎斯特接收机架构 |
| 4.4.1 提出的接收机架构 |
| 4.4.2 与现有接收机架构的比较 |
| 4.5 基于CPD的参数估计 |
| 4.5.1 第一阶段:CPD |
| 4.5.2 第二阶段:参数估计 |
| 4.5.3 唯一性分析 |
| 4.6 进一步的讨论与拓展 |
| 4.6.1 精确重构条件 |
| 4.6.2 针对稀疏阵列的拓展 |
| 4.7 CRB分析 |
| 4.7.1 信号模型 |
| 4.7.2 CRB矩阵计算 |
| 4.8 仿真结果 |
| 4.9 本章小结 |
| 第五章 基于稀疏线性阵列的宽带DoA估计 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 联合数据模型 |
| 5.4 超分辨DoA估计 |
| 5.4.1 已知功率谱的情况 |
| 5.4.2 未知功率谱的情况 |
| 5.5 仿真结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（8）基于深度学习与稀疏表示的雷达信号调制类型识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题研究现状 |
| 1.2.1 脉内有意调制类型识别 |
| 1.2.2 脉内无意调制类型识别 |
| 1.2.3 未来方向 |
| 1.3 论文章节安排 |
| 1.4 本文所用仿真环境 |
| 第二章 信号特征表示方法 |
| 2.1 频域分析 |
| 2.2 时频分布 |
| 2.2.1 短时傅里叶变换 |
| 2.2.2 Wigner-Ville时频分布 |
| 2.2.3 Cohen类时频分布 |
| 2.3 不确定性原理 |
| 2.4 Hilbert-Huang变换 |
| 2.5 本章小结 |
| 第三章 雷达信号与传输损伤仿真 |
| 3.1 雷达信号仿真 |
| 3.1.1 线性调频信号 |
| 3.1.2 非线性调频信号 |
| 3.1.3 幅度调制信号 |
| 3.1.4 相移键控 |
| 3.1.5 频移键控 |
| 3.1.6 正交幅度调制信号 |
| 3.2 传输损伤 |
| 3.2.1 高斯白噪声 |
| 3.2.2 多径损伤 |
| 3.3 数据集生成 |
| 3.3.1 雷达信号波形生成 |
| 3.3.2 信号表征生成 |
| 3.3.3 表征预处理 |
| 3.4 本章小结 |
| 第四章 基于稀疏表示的去噪与调制类型识别 |
| 4.1 问题提出 |
| 4.2 提出的DNODL算法 |
| 4.2.1 DNODL算法推导 |
| 4.2.2 ODL算法与DNODL算法性能比较 |
| 4.2.3 基于DNODL算法的雷达信号去噪仿真 |
| 4.3 基于DODL的调制类型识别 |
| 4.3.1 将分类信息嵌入字典学习 |
| 4.3.2 基于DODL的调制类型识别仿真 |
| 4.4 本章小结 |
| 第五章 基于深度学习的调制类型识别 |
| 5.1 问题提出 |
| 5.2 CNN识别方法引入 |
| 5.3 提出的TMC算法 |
| 5.3.1 CNN网络结构 |
| 5.3.2 TMC算法训练过程与参数设置 |
| 5.3.3 TMC算法识别仿真 |
| 5.4 提出的JTMC算法 |
| 5.4.1 CNN网络结构 |
| 5.4.2 JTMC算法训练过程与参数设置 |
| 5.4.3 JTMC算法识别仿真 |
| 5.5 提出的DJTMC算法 |
| 5.5.1 DJTMC算法识别仿真 |
| 5.6 结果对比 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士期间的科研成果 |
| 致谢 |
（9）基于机器学习的通信抗干扰技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 干扰认知研究现状 |
| 1.2.2 累积量研究现状 |
| 1.2.3 强化学习研究现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 论文整体结构安排 |
| 第二章 基于循环累积量的干扰认知研究 |
| 2.1 信号循环累积量研究 |
| 2.1.1 循环平稳性 |
| 2.1.2 循环累积量的计算 |
| 2.2 基于压缩感知的循环累积量重构算法 |
| 2.2.1 压缩感知理论 |
| 2.2.2 基于压缩感知的循环累积量重构算法 |
| 2.2.3 仿真结果与分析 |
| 2.3 基于循环累积量的载频估计算法 |
| 2.3.1 信号模型 |
| 2.3.2 基于循环累积量的载频估计算法 |
| 2.3.3 仿真结果与分析 |
| 2.4 本章小结 |
| 第三章 基于Q-Learning的智能化干扰规避 |
| 3.1 马尔可夫决策过程 |
| 3.1.1 价值函数和贝尔曼方程 |
| 3.1.2 状态价值函数和动作价值函数关系 |
| 3.1.3 策略的最优解 |
| 3.2 强化学习基本理论 |
| 3.2.1 强化学习原理 |
| 3.2.2 强化学习算法 |
| 3.3 基于Q-Learning的智能化干扰规避算法 |
| 3.3.1 干扰类型 |
| 3.3.2 基于Q-Learning的认知跳频算法 |
| 3.4 仿真结果分析 |
| 3.4.1 针对多音扫频干扰的算法仿真 |
| 3.4.2 针对马尔可夫干扰的算法仿真 |
| 3.5 本章小结 |
| 第四章 基于DQN的智能化干扰规避 |
| 4.1 深度Q网络——DQN |
| 4.1.1 模型结构 |
| 4.1.2 训练框架 |
| 4.2 无线通信抗干扰系统模型 |
| 4.3 基于DQN的智能化干扰规避算法 |
| 4.3.1 频谱流 |
| 4.3.2 基于DQN的认知跳频算法 |
| 4.4 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来研究展望 |
| 致谢 |
| 参考文献 |
（10）基于深度学习的雷达信号识别技术研究（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 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征参数匹配法 |
| 1.2.2 脉内特征提取法 |
| 1.2.3 人工智能分析法 |
| 1.3 论文主要章节及安排 |
| 第二章 雷达信号建模仿真与信号预处理 |
| 2.1 常见雷达信号的建模与分析 |
| 2.1.1 线性调频信号 |
| 2.1.2 非线性调频信号 |
| 2.1.3 二频编码信号 |
| 2.1.4 四频编码信号 |
| 2.1.5 二相编码信号 |
| 2.1.6 四相编码信号 |
| 2.2 基于时频分析的雷达侦察信号预处理 |
| 2.2.1 小波变换 |
| 2.2.2 短时傅里叶变换 |
| 2.2.3 基于时频分析的雷达侦察信号预处理 |
| 2.3 本章小结 |
| 第三章 基于经典深度学习网络的雷达信号识别技术研究 |
| 3.1 经典深度学习网络 |
| 3.1.1 多层感知机 |
| 3.1.2 循环神经网络 |
| 3.1.3 卷积神经网络 |
| 3.2 常见的经典卷积神经网络 |
| 3.2.1 二维卷积神经网络 |
| 3.2.2 VGG16网络 |
| 3.2.3 Res Net18 网络 |
| 3.3 基于卷积神经网络的雷达信号识别分析 |
| 3.3.1 VGG16网络实验 |
| 3.3.2 Res Net18 网络实验 |
| 3.3.3 两类网络实验对比分析 |
| 3.4 本章小结 |
| 第四章 基于深度生成模型的雷达信号识别技术研究 |
| 4.1 常见的生成模型 |
| 4.1.1 对抗生成网络 |
| 4.1.2 变分编码器 |
| 4.2 基于深度生成网络的雷达信号识别分析 |
| 4.2.1 对抗生成网络实验 |
| 4.2.2 变分编码器实验 |
| 4.2.3 两类网络实验对比分析 |
| 4.3 本章小结 |
| 第五章 基于迁移学习的雷达信号识别技术研究 |
| 5.1 常见的迁移学习网络 |
| 5.1.1 迁移学习网络 |
| 5.1.2 迁移学习分类 |
| 5.1.3 基于网络模型的迁移学习原理 |
| 5.2 迁移学习网络中Softmax分类算法的优化 |
| 5.2.1 传统Softmax分类算法原理 |
| 5.2.2 角度形式的Softmax原理 |
| 5.3 基于迁移学习网络的雷达信号识别分析 |
| 5.3.1 迁移学习与传统Softmax网络实验 |
| 5.3.2 迁移学习与角度形式的Softmax网络实验 |
| 5.3.3 各类网络实验对比分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、电子战的世纪回顾与展望（论文参考文献）
- [1]未来电子战展望[J]. 刘玲. 电子信息对抗技术, 2021(06)
- [2]基于分数延时的多波束发射技术研究与开发[D]. 周其超. 扬州大学, 2021(08)
- [3]《决胜无形战争》翻译报告[D]. 李翔洲. 战略支援部队信息工程大学, 2020(09)
- [4]《现代军用直升机》翻译项目实习报告[D]. 陈雅贤. 青岛大学, 2020(02)
- [5]电子战中雷达系统多分辨率建模与仿真[D]. 房善婷. 西安电子科技大学, 2020(05)
- [6]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)
- [7]基于空时压缩采样的谱估计研究[D]. 王飞宇. 电子科技大学, 2020(03)
- [8]基于深度学习与稀疏表示的雷达信号调制类型识别研究[D]. 杨进. 华中师范大学, 2020(01)
- [9]基于机器学习的通信抗干扰技术研究[D]. 黄家邦. 电子科技大学, 2020(07)
- [10]基于深度学习的雷达信号识别技术研究[D]. 于蒙. 西安电子科技大学, 2020(05)