束半径可调的强流环形电子束在跨波段跳频高功率微波产生器件中有重要应用。提出了一种改变外加引导磁场位形从而改变环形强流电子束半径的技术。该技术的核心部件由环形阴极、阳极、电子束转移通道、电子束传输通道和三段螺线管组成。当三段螺线管的通流的电流大小不一样时，该螺线管系统就能产生不同位形的磁场。在粒子模拟中，当三段螺线管的通流电流大小分别为1025 A、107 A、107 A和300 A、300 A、0 A时，螺线管产生两种不同位形的磁场，实现电子束半径的改变。从单粒子运动理论出发，本文推导出电子束在梯度磁场引导下的运动轨迹表达式，解释了电子束半径在梯度磁场下变化的原理，还研究了梯度磁场的斜率和极差对电子束轨迹的影响。在跨波段器件仿真中，X波段输出功率为1.6 GW，频率为8.2 GHz，效率为40%；Ku波段输出功率为1.5 GW，频率为14.4 GHz，效率为38%。

在认知无线电(CR)背景下, 动态频谱接入已成为提高无线网络频谱利用率的重要途径。基于全球移动通信系统-铁路(GSM-R)系统中采集的细粒度频谱监测数据, 提出一种数据驱动的深度学习方法, 建模频谱模式, 并建立一套动态频谱接入访问框架。采用一种深度频谱生成模型指导频谱分配; 设计一种综合递归序列表征与场景特征嵌入的深度网络, 建模和预测短时频谱占用情况, 并由此提出一种动态信道接入策略。进一步, 利用软件无线电(SDR)平台实现一套跳频系统, 并将其与动态频谱接入策略进行集成。使用真实的历史频谱数据评估该系统的数据吞吐能力, 测试结果表明, 所提方法及构建的跳频系统能有效提高机会通信能力, 高效利用频谱资源。该频谱接入框架及 SDR系统实现具有较强的通用性, 易于集成到不同场景和频段的系统中。

为了解决存在定频干扰时跳频信号的参数盲估计问题,提出了一种基于时频能量值对消的定频干扰去除算法, 并且利用最小二乘法实现跳频信号的参数盲估计。首先,利用K-means算法对能量对消差值聚类选取自适应阈值, 同步去除噪声和定频干扰; 其次,提取重构时频矩阵每一时刻频率轴的能量最大值, 得到周期震荡的包络图; 最后,利用最小二乘法对包络图每一极值时刻线性拟合, 实现跳频信号参数的盲估计。仿真结果表明,与同类算法相比, 该算法有效去除定频干扰, 实现了更低信噪比条件下跳频参数的高精度估计, 并使估计参数的相对精度维持在较高水平。

激光雷达间的相互干扰是影响无人驾驶安全的核心问题之一。本文提出了一种光跳频（LFH）车载激光雷达系统及其相关测距方法，并通过仿真与实验分析了该LFH激光雷达在不同干扰条件下的抗干扰性能。结果表明，基于相关检测的LFH激光雷达能有效抵抗不同数量和强度的同类型LFH、脉冲、调频连续波和连续波激光雷达的干扰，且在不同类型干扰实验下的测距相对误差小于等于1.5%。这表明LFH激光雷达具备较好的抗干扰能力。

跳频信号在抗干扰方面具有良好的性能。准确识别跳频信号的调制方式，能够为判断敌我目标属性、干扰敌方信号等**信息战提供有力支撑，但国内外对于跳频信号的调制识别仍存在很大空缺。本文提出一种基于时频特征的跳频信号调制识别方法，通过平滑伪魏格纳-维利分布(SPWVD)时频变换获取不同调制类型的跳频信号时频图像，将时频图像送入卷积神经网络(CNN)中进行特征提取及分类识别。仿真实验证明，本文CNN在低信噪比下取得了较好的识别效果。

针对通信对抗中跳频（FH）信号的提取和检测问题, 考虑存在定频干扰的情况下, 提出了一种基于局部自适应阈值的跳频信号提取和检测方法。在短时傅里叶变换（STFT）的基础上, 通过求解合适的局部自适应阈值, 消除定频干扰的影响, 实现对跳频信号的提取。然后, 根据跳频信号在驻留时间上的连续性对提取结果进行检测。仿真结果表明, 当干信比（ISR）为10 dB时, 无论是否发生频率碰撞（跳频信号的频率与干扰频率相同）, 算法均可以实现对跳频信号的有效检测, 且算法复杂度低、可靠性高。

在现代战争中, 飞行器之间通信的隐蔽性是飞行器完成打击、侦查等任务的关键因素。如何提高系统的抗截获性能成为军用通信系统设计的关键问题。研究了低截获系统相关理论在通信波形设计方面的应用, 提出用“截获距离”和“低截获品质因数”来衡量通信系统的抗截获性能; 分析了影响系统抗截获性能指标的因素和提升系统抗截获性能的途径。以此为基础研究了不同调制解调方式、信道编码方式以及跳频参数对通信系统抗截获性能的影响; 建立了抗截获通信系统仿真模型, 分析了该系统的截获距离、品质因数和误码率; 最终得到截获距离小于通信距离的通信系统。仿真结果验证了方法的有效性, 为低截获通信系统的设计提供了参考。

针对压缩域跳频信号参数估计方法需借助测量矩阵寻找压缩采样数据的数字特征, 造成运算复杂度高, 且存在基不匹配的问题, 提出一种压缩域数字特征和原子范数的跳频信号参数估计方法。建立块对角化的测量矩阵, 实现信号分段压缩, 分析压缩采样数据的数字特征, 实现跳变时刻粗估计; 分离出未发生频率跳变的信号段, 利用原子范数最小化方法实现跳变频率的精确估计; 最后依据精确估计的跳变频率, 设计原子字典, 并在压缩域实现跳变时刻的精确估计。基于该算法的跳变频率估计性能高于基于压缩感知的跳变频率估计, 亦能精确估计跳频信号的跳变时刻。仿真结果显示, 在信噪比高于 -2 dB, 压缩比高于 0.5时, 基于该算法的归一化跳变频率估计误差低于 10-4, 归一化跳变时刻估计误差低于 10-2。