针对复杂电磁环境下雷达对干扰信号的分类识别问题，研究了射频噪声干扰、噪声调幅干扰、噪声调频干扰、匀速距离波门拖引干扰、速度波门拖引干扰的Choi-Williams Distribution(CWD)时频图像，采用深度学习中的AlexNet卷积神经网络模型自动提取图像各种特征细节，从而实现雷达干扰信号的分类识别。仿真结果表明: 在干噪比为-10~0 dB的范围内，网络的识别率随干噪比的增加而迅速提高，干噪比为0 dB以上识别率基本接近100%; 在全干噪比范围下，网络的识别正确率为99.25%，识别效果良好。

泊松点过程(PPP)由于其理论可分析性和随机性而被广泛用于无线网络建模及分析, 但实际基站部署并不是完全随机的,针对基站在空间上存在互斥的情况, 文章采用泊松硬核过程(PHCP)建模异构蜂窝网络(HCN), 选择基于最大信干比(SIR)准则的基站接入方案, 采用每层泊松SIR近似方法推导出了两层基于PHCP的HCN的近似覆盖率。仿真结果表明, 该方法所产生的近似覆盖率为实际覆盖率的渐近下边界, 并且PHCP网络的覆盖率优于PPP网络覆盖率, 更适应于具有互斥性的实际基站部署。

针对卫星多径信号引入的干扰问题,建立了卫星多径干扰信号盲源分离模型,采用基于降维Householder变换的特征矩阵联合近似对角化(JADE)算法对接收的混合信号四阶累积量进行联合近似对角化,从而提取多径信号。实验结果表明,本算法能很好地分离频谱完全重叠的多径信号和部分重叠的干扰信号;在提取多径信号方面,本算法的性能优于快速独立成分分析(FastICA)算法;在运行时间上,FastICA算法运行1000次的平均时间约为采用Givens旋转的Cardoso高阶累积量特征矩阵联合近似对角化(CG-JADE)算法的6倍,而本算法比CG-JADE算法的平均运行时间少0.0024 s,证明了本算法的有效性和快速性。

近年来全球导航卫星系统(GNSS)抗干扰技术逐渐成为研究热点，在抗干扰研究中，宽带干扰背景下的多阵元卫星导航信号模拟发挥着至关重要的作用。为了提高抗干扰研究效率，通过Matlab模拟的方法研究了卫星导航软件接收机入口数字中频信号的模拟问题。根据信干噪比进行功率控制，分别对卫星导航信号、干扰信号和噪声信号进行建模，计算阵列天线带来的延时，最后模拟了宽带干扰背景下阵列天线的卫星信号并设计了图形用户(GUI)界面。在模拟完成后，将信号输入到抗干扰算法的研究系统进行测试，解决了抗干扰研究中复杂的干扰信号源模拟问题，提高了抗干扰研究的工作效率，同时验证了本研究的实用性和正确性。

介绍了一种基于阶梯波频率调制的假目标干扰方法，分析了分段移频调制对线性调频(LFM)信号的调制原理以及干扰信号的匹配滤波处理结果。基于 LFM信号的时频耦合特性，理论分析表明，对 LFM信号进行分段并附加不同的多普勒频率调制，可以产生多个假目标。通过仿真实验验证了所提方法的有效性和正确性，并验证了均匀调制、非均匀调制时的干扰效果。实验结果表明该方法可以灵活实现不同幅度、不同间隔的多假目标干扰效果，是一种行之有效的有源干扰方法。

针对雷达干扰信号模拟中算法设计快速验证的应用需求，为降低系统可重构开发中的复杂程度，研究了一种基于 System Generator模型的 FPGA设计开发方法，并以噪声调频和噪声卷积算法实现。对应用实例进行了设计演示验证，为雷达干扰信号算法验证实验提供技术参考。