XiaoMi-AI文件搜索系统
World File Search System杂波
AWACS 监视雷达 - 鹰的眼睛
E-3 哨兵是一种机载预警和控制系统 (AWACS) 飞机，可提供空中战术部队指挥官所需的全天候监视、指挥、控制和通信。AWACS 已在沙漠风暴、盟军和最近的持久自由等战时行动以及正在进行的维和和人道主义努力中得到验证，是当今世界上首屈一指的空战指挥和控制飞机。诺斯罗普·格鲁曼电子系统公司 (ES) 在机载预警 (AEW) 雷达的开发和生产方面有着悠久的历史。作为波音公司在 E-3 上使用的 AN/APY-1 和 AN/APY-2 雷达系统以及在 E-767 上使用的 AN/APY-2 雷达系统的供应商，ES 继续在机载应用雷达技术开发方面处于领先地位。AWACS S 波段（E-F 波段）监视雷达安装在飞机机身顶部的旋转圆顶中，能够以 10 秒为间隔对 AWACS 周围超过 200,000 平方英里（500,000 平方公里）或所有方向超过 250 英里（400 公里）的空域进行勘察。雷达使用高脉冲重复频率 (PRF) 脉冲多普勒波形来区分飞机目标和杂波回波。超低旁瓣天线是用于在所有地形（包括城市和山区）上获得性能的重要技术元素。旋转圆顶的机械旋转通过 360 度方位角扫描天线波束，以覆盖所有方向的目标。天线波束的电子扫描用于测量目标高度和
使用相干散射增强和融合注意力金字塔从低 SCNR SAR 图像中检测飞机
摘要：近年来，基于深度学习的方法已被应用于合成孔径雷达（SAR）图像的目标检测。然而，由于SAR的成像机制和低信杂噪比（SCNR），利用SAR图像进行飞机检测仍然是一项具有挑战性的任务。针对这一问题，提出了一种基于相干散射增强和融合注意机制的低SCNR SAR图像飞机检测新方法。考虑到人造目标与自然背景之间的散射特性差异，引入相干散射增强技术来增强飞机散射信息并抑制杂波和斑点噪声。这有利于深度神经网络后续提取有关飞机的准确和有判别力的语义信息的能力。此外，开发了一种改进的Faster R-CNN，该网络具有一种融合局部和上下文注意的新型金字塔网络。局部注意通过增强重要对象的可区分特征来自适应地突出显示重要对象，而上下文注意则有助于网络提取图像的不同上下文信息。融合局部注意力和上下文注意力可以保证飞机被尽可能完整地检测到。在TerraSAR-X SAR数据集上进行了广泛的实验以与基准进行比较。实验结果表明，所提出的飞机检测方法在低SCNR下可以达到高达91.7％的平均精度，显示出有效性和优于许多基准。
在范德华（Van der Waals）巡回演出的莫伊尔·费罗马格（MoiréFeromagnet）中增强和淬火
扭曲的二维（2D）Van der Waals（VDW）量子材料以其非同规性的超导性，金属绝缘体过渡（MOTT TRUSTITION），旋转液相等而闻名，为强电子相关提供丰富的景观。这种电子相关性也解释了扭曲晶体中的异常磁性。然而，由于缺乏理想的材料以及设计Moiré磁铁与它们的新兴磁性和电子特性相关的适当方法，因此限制了2D扭曲磁力领域的进步。在这里，我们设计了VDWMoiré磁铁，并证明了旋转两个单层的简单动作，即以各种扭曲角度旋转1T-NBSE 2和1T-VSE 2，产生了增强和淬灭的局部磁性磁矩的无均匀混合物，每个过渡金属杂种（V）和niobium（V）和Niobium（V）和NB）（NB）Antome。准确地说，扭曲角会影响每个组成层的局部磁矩。在VDWMoiréSuprattice中出现了引人注目的频带和巡回的铁磁性，后者令人满意的Stoner标准。这些特征是由原子晶格位点的轨道复杂化而不是层之间的层间耦合引起的。此外，在未介绍的杂波系统中鉴定出轨道磁性。结果提出了一种有效的策略，该策略是针对扭曲调节的现场磁性的新量子力学现象的洞察力。
适用于高动态范围雷达接收器的 GaN-on-Si 100 纳米 Ka 波段 MMIC LNA
由于低成本无人机的普及，小型无人机的高爆检测最近已成为一个非常重要的课题，因为这对安全构成了越来越大的潜在风险[1][2]。FMCW 雷达被认为是最适合无人机检测的解决方案之一，因为它结构简单，具有短距离检测能力[1]-[4]。小型无人机的检测是一项具有挑战性的任务，因为它们的尺寸非常有限，并且采用非反射材料，因此雷达截面 (RCS) 非常小。因此，只有利用毫米波频率、高发射功率以及具有低噪声系数 (NF) 和高动态范围的接收器，才能优化雷达检测范围和分辨率。在这种情况下，氮化镓 (GaN) 微波技术代表了性能最佳的解决方案，因为它们为发射器和接收器微波前端提供了最先进的性能系数[4]-[6]。利用微波频率下卓越的 GaN 功率密度，有利于实现紧凑型高功率发射器，以增强无人机目标的弱回波信号（低 RCS）。另一方面，由于兼具低噪声和宽动态范围特性，GaN 技术在 RX 部分也非常有吸引力 [5]-[9]。这一特性对于用于无人机检测的 FMCW 雷达接收器至关重要，因为 LNA 需要检测非常低的无人机回波信号（接近热噪声水平），同时在存在强干扰/阻塞信号的情况下保持其线性度，这些信号通常是由于雷达杂波和其自身发射器功率放大器的泄漏造成的 [3][4]。在本文中，我们描述了一种基于 GaN 的 Ka 波段 MMIC LNA，可用于 FMCW 雷达接收器，用于小型无人机检测。采用 mmW-GaN 技术可以同时瞄准低 NF、高增益和大动态范围，从而在 Ka 波段上方实现无与伦比的综合性能。
项目征集 - 垂直飞行协会
1.一般信息 1.1.简介 根据本计划招标，陆军合同司令部 - 红石兵工厂 (ACC-RSA) 根据美国法典 10 (USC) 2371b，使用原型其他交易授权 (OTAP) 征集未来攻击侦察机竞争原型 (FARA CP) 的提案。本计划招标不受限制。鼓励小型企业向本计划招标提出建议。适用的 NAICS 代码为：336411，飞机制造；336416，其他飞机零件和辅助设备制造；334511，搜索、探测、导航、制导、航空和航海系统及仪器制造； 541715，飞机、飞机发动机和发动机零件。提交的提案应符合此处的规定（参见第 5 节）。1.2。机构名称 美国陆军合同司令部 – 红石兵工厂 (ACC-RSA)，航空发展局 – 尤斯蒂斯 (ADD-E) 合同部门代表美国陆军航空导弹研究发展和工程中心 (AMRDEC)，航空发展局 (ADD)。2。计划说明 2.1。政府征集 FARA CP 的提案。2.2。目标。FARA CP 资助了一项竞争性原型设计工作，以在与作战相关的环境中设计、建造和测试 FARA。此次原型设计和测试工作的结果将支持一项决定，即进入正式的记录计划，以便随后进行完整的系统集成、鉴定和生产，以快速采购。2.3。背景。陆军航空兵必须在高度竞争/复杂的空域和恶劣的环境中作战，对抗拥有先进综合防空系统的同等/近等对手。陆军目前缺乏进行武装侦察、轻型攻击和安全的能力，缺乏改进的防区外致命和非致命能力，缺乏适合在雷达杂波中隐藏以及适合大城市城市峡谷的平台。为了弥补这一差距，陆军设想了一种可选载人的下一代旋翼机，其特点是减少认知工作量、通过超可靠设计和延长免维护期提高作战节奏 (OPTEMPO)，以及先进的团队和自主能力。与无人系统和各种空中发射效果相结合，该平台将成为综合防空系统 (IADS) 前哨团队的核心，在多领域战斗中提供机动自由。该平台是未来陆军航空兵能力的“刀锋战士”，是一种性能最大化的小型平台。对于这个设想中的平台来说，关键的是设计一个弹性数字主干
分布式融合算法用于...被动定位
本文研究了使用无线传感器网络 (WSN) 进行多个瞬态发射器 (目标) 定位的问题。一个特定的应用是利用安装在士兵组上的声学枪声检测系统网络来定位战场上的对手 [16][17]。假设目标在感兴趣的时间窗口内是静止的，但目标数量未知。传感器可以通过检测目标发射的声学信号来测量目标的视线 (LOS) 角，并记录检测到的信号的到达时间 (TOA)。这意味着任何单个传感器的目标位置可观测性都不完整。由于传感器的不完善，存在漏检和误报。此外，测量结果与目标之间的关联是未知的，也就是说，每个传感器都不知道特定测量结果来自哪个目标（或杂波）。在估计任何目标的位置之前，必须关联所有传感器的测量结果。因此，数据关联的质量对整体定位性能至关重要。我们之前的工作 [13] 中开发的两种不同的融合算法使用集中式方法解决了这个问题，即我们假设有一个融合中心直接或通过多跳中继（通常通过无线通信）从各个传感器收集所有信息。集中访问所有信息可能很困难。例如，在覆盖大面积的应用中，需要高传输功率才能将信息从单个传感器直接传送到融合中心。此外，基于融合中心的方法不够稳健，也就是说，如果融合中心发生故障，整个系统都会发生故障。这促使人们开展大量关于分布式融合或分布式优化算法的研究，包括本文中提出的算法。一种直接的分布式解决方案是泛洪，即通过网络中的链路广播实际的传感器测量值。在 [7] 中，提出了一种广播新测量值的通信策略，以允许分布式测量融合，对于线性动态系统，在给定所有接收到的测量值的情况下，在每个节点产生最佳估计。对于本文考虑的定位问题，有一个非线性静态系统。该方法需要大量的数据通信、存储内存和簿记开销。泛洪方法仍然适用，通过仔细记账和多次迭代信息交换，每个传感器将拥有所有信息，并可以充当融合中心，以找到与集中式方法相同的全局解决方案。例如，它需要大约 S（传感器数量）乘以基于平均共识（AC）的方法的内存存储。
论文 - DTIC
图 1.雷达的电磁频谱使用情况（来自 [3]）........................................................2 图 2.距离模糊的发生（来自 [3]）......................................................................4 图 3.雷达回波（[9] 之后）.........................................................................................9 图 4.脉冲中的无线电波形（来自 [3]）.........................................................................10 图 5.信号强度与目标范围（来自 [3]） ................................................................11 图 6。零到零和 3dB 波束宽度（来自 [3]） ..............................................................13 图 7。天线孔径尺寸（来自 [3]） ......................................................................14 图 8。线性阵列的零到零波束宽度（来自 [3]） .............................................................14 图 9。锥形照明（来自 [3]） .............................................................................15 图 10。大气衰减（[11] 之后） .............................................................................16 图 11。波的压缩（来自 [3]） .............................................................................18 图 12。相对地面和机载平台的运动（来自 [3]）......................................................................19 图 13。多普勒雷达的类型（来自 [4]）.............................................................................20 图 14。消除模糊返回（来自 [3]）.............................................................................24 图 15。视距（来自 [3]）.........................................................................................25 图 16。PRF Vs.距离（来自 [3]）.........................................................................................26 图 17。速度模糊（[16] 之后）.............................................................................27 图 18。最大。明确多普勒，λ =1 cm（来自 [3]）..............................................27 图 19。最大值。明确多普勒，λ =3 cm（来自 [3]）..............................................28 图 20。最大值。明确多普勒，λ =10 cm（来自 [3]）..............................................28 图 21。具有最大值的不同 PRF 类别。目标范围（来自 [3]）........................................30 图 22。由于高 PRF 而形成的无杂波区域（来自 [3]）.............................................32 图 23。明确范围与高 PRF 模式下的旁瓣回波（来自 [3]） ......................................................................32 图 24。AN/APG-70（来自 [20]） ......................................................................................34 图 25。AN/APG-68（来自 [22]） ......................................................................................35 图 26。AN/APG-73（来自 [24]） ......................................................................................35 图 27。明确速度（来自 [4]） .............................................................................37 图 28。距离剖面（来自 [3]） .............................................................................................38 图 29。多普勒剖面（来自 [3]） .............................................................................................39 图 30。移除 MLC 后的距离剖面（来自 [3]）................................................................39 图 31。八分之三波形（[3] 之后）..............................................................40 图 32。使用 3:8 的目标检测（来自 [3]）.........................................................................41 图 33。GMT 抑制（来自 [3]）.........................................................................................42 图 34。近距离旁瓣杂波（来自 [3]）.........................................................................42 图 35。理想模糊函数（[15] 之后）.........................................................................45 图 36。相干脉冲串，N=5（来自 [25]）.........................................................................46 图 37。相干脉冲串的模糊轮廓图................................................47 图 38。PRF= 30 kHz N=15 脉冲占空比= 0.2..............................................48 图 39。PRF= 10 kHz N=15 脉冲占空比= 0.2..............................................48 图 40。PRF= 30 和 10 kHz 的轮廓比较 .............................................................49 图 41。PRF= 30 和 10 kHz 的椭圆比较 .............................................................49 图 42。模糊图，N=15 脉冲，PRF= 30 kHz .............................................................53
Ruhe, Wilhelm，“德国军事地球物理局。鸟类迁徙观察、预警和预报系统：自动鸟类迁徙信息系统的新发展”（1999 年）。1999 年美国/加拿大鸟击委员会，第一届联合年会，不列颠哥伦比亚省温哥华。27. https://digitalcommons.unl.edu/birdstrike1999/27
德国军事地球物理局。鸟类迁徙观察、预警和预报系统：自动鸟类迁徙信息系统的新发展 气象学硕士 Wilhelm Ruhe，理学硕士 德国军事地球物理局生物学 - 科室 (GU 4) D - 56841 Traben - Trarbach，德国 电话：06541/18734 传真：06541/18767 电子邮件：WilhelmRuhe@awg.dwd.d400.de 摘要 德国军事地球物理局 (GMGO) 在所有鸟击预防领域拥有 30 多年的经验。军事训练和飞行作业通常在低空进行，那里也有很多鸟类，尤其是在海岸附近和迁徙期间。大约三分之一的 GAF 鸟击发生在低空飞行作业期间。军事低空飞行中防止鸟击的最有效工具是经过充分验证的系统，该系统包括 • 持续的实际鸟类迁徙观察（视觉和雷达）， • 即时报告， • 集中风险评估， • 在线警告（BIRDTAM）， • 立即向空军人员和飞行员分发 BIRDTAM， • 严格的军事飞行规定和 • 定期的鸟击风险预报以供规划之用。本文概述了德国及其邻近地区自动鸟类迁徙信息系统（AVIS（拉丁语：Bird）：“Automatisiertes Vogelzug Informations -System”）的近期和近期发展。描述了该系统的重要模块。概述了项目的实际情况。鸟类迁徙观察实际的鸟类迁徙观察系统基于以下网络和技术：（i）综合气象观测网络，由大约 150 个站组成。观察员经过培训并被指派目视监测鸟类迁徙。只有较大的鸟类和鸟群规模才需要报告。 (ii) 6 个防空雷达站与防空控制和报告中心 (CRC) 一起分布在德国西部。目前的作战观察系统监控 60 海里圆形范围内的所有移动目标。个人电脑和摄像机自动记录每小时的观察结果，作为 PPI 显示器的 10 分钟延时录像（图 1）。视频图像显示鸟群的二维运动。二维杂波图像会自动处理和存储。如果超过某些参数值，系统会向雷达工作人员发出警报，并指派雷达工作人员进行解释和报告（如有必要）。此外，每台 PC 都由 GMGO（生物部门或地球物理预报中心）通过调制解调器完全远程控制。可以随时启动连接并查看实际、最近或存档的观察文件。 （三）德国东北部的一个由 5 个雷达站和远程传感器组成的系统正在使用鸟类雷达数据接口的原型，该接口连续收集预先选定的 3-D 雷达图数据（仅限初级雷达图，我们提取了与二次雷达图不相关的数据（这些图与二次雷达图不相关），并将其存储到 20 分钟的数据文件中。