Link-22数据链是北约战术通信系统，研究Link-22信号时频域特征及分析识别方法，有助于对Link-22信号实施电子对抗侦察。建立Link-22仿真模型并提出一种基于Link-22信号时频域特征的分析识别方法，并利用Matlab对其进行仿真。仿真结果显示，Link-22信号特征与识别方法相符，该方法可以对Link-22进行有效识别。
三维点云的原始点在扫描过程中通常会受到传感器测量误差或环境等因素的影响而产生噪声。点云中的噪声会影响目标检测等下游任务，因此开发有效的去噪算法具有重要意义。目前主流的去噪算法一般采用人工合成的数据集进行训练，因此一般在特定数据集上表现良好，但在复杂度较高的真实数据集上的泛化能力有限。针对以上问题，提出了一种基于噪声模型和概率分布理论的自监督点云去噪算法(PSSNet)。该算法在已知噪声分布的单噪声模型的假设下，通过添加同类型噪声干扰生成新的噪声样本，然后使用新生成噪声样本与原始噪声样本2个点云集合进行配对训练，再将网络的输出进行二次处理即可得到去噪点云。PSSNet分别在合成数据集和真实数据集上单独进行训练并测试。结果显示，PSSNet在评价指标上可以达到与有监督去噪方法相近的水平。
无源系统中由于只能根据目标的测向信息和脉冲到达时间差信息对目标定位，定位精度受测向精度和时间测量精度影响较大，定位精度较差，漏点和错点较多，无法获取目标的运动轨迹，定位条件局限性大。重点分析了航迹处理对目标无源定位精度的影响，以及对目标的跟踪情况，为获取更丰富的电磁战场信息提供了前提条件。
针对干扰机复合相干干扰，雷达最有效的办法是采取参数捷变措施来对抗干扰机对雷达信号参数的侦察、截获，从而使干扰机难以有效实施对雷达的准确干扰。提出一种方法，通过研究脉间时间捷变(随机变T)雷达回波的剩余相位信息，分析其信号子空间特性，来估计目标速度和相位偏移，从而完成相参积累，同时保证其杂波抑制性能。此方法无需先验信息，所需的脉冲个数也与常规脉组相同，并且脉冲数与变T无关，因此具有极强的实用性。仿真实验证明了该方法在相参积累、目标检测上的有效性。
提出了一种用于分析有源非线性微波电路的瞬态场-路-热一体化仿真方法。采用时域不连续伽辽金方法进行电磁仿真，采用时域有限元方法进行热仿真，采用等效电路方程对集总电路进行描述，并建立场-路-热协同仿真的耦合接口。最后给出了微波放大器的数值算例来验证所提方法的有效性。
针对实际应用中因系统噪声不符合零均值高斯噪声导致的卡尔曼滤波定位跟踪精度下降的问题，以海战场上空空对抗的典型攻防场景为例展开研究，建立三类运动模式仿真模型，通过对噪声的滑动窗口估计，提出了一种改进的Sage-Husa自适应滤波算法。仿真分析表明，改进的Sage-Husa自适应滤波算法在轨迹预测方面性能优于Sage-Husa自适应滤波算法，定位跟踪精度提升了至少40%。
针对数字射频存储器(DRFM)密集假目标信号在时频域难以精细定位的问题，围绕如何为后续DRFM分量抑制提供可解释的像素级空间先验展开研究。基于统一仿真平台，对目标、海杂波与DRFM密集假目标信号进行联合建模，将完整时域信号经短时傅里叶变换(STFT)得到的复值时频图作为主要分析对象，在同一时频平面上刻画目标、背景与DRFM信号的时频结构及能量分布特征。在此基础上，利用仿真中可获得的分量分解信息构造软掩码(SoftMask)、硬掩码(HardMask)、核心掩码(CoreMask)与有效掩码(ValidMask)4类掩码监督标签，以刻画DRFM分量的分级区域结构与能量差异。面向上述多掩码体系，建立与之匹配的分割学习框架，将多掩码信息引入损失加权与监督方式中，并在输出端加入“Core掩码为Hard掩码子集”的约束关系，实现对DRFM分量区域整体轮廓与高能核心区域的一致建模。仿真结果表明，相比仅依赖单一二值掩码的典型分割方案，所提出的多掩码标注与学习方法在DRFM分量像素级定位精度、核心区域提取能力以及掩码边界质量等方面均具有明显优势，为后续的DRFM分量抑制与目标恢复提供了更加精细且具有物理可解释性的空间先验。
为实现稀疏阵列激励动态范围(DRR)的控制，以减少相邻单元间的互耦效应并提升功率效率，提出了一种基于交替方向乘子法(ADMM)的新方法。该方法以总发射功率为目标函数，在动态范围约束下同时优化激励的稀疏性与参考幅度。仿真结果表明该方法可以在不同动态范围下实现阵列的稀疏化，尤其是在动态范围为1时，相比已有方法，能够优化得到更稀疏的阵列，验证了该方法的有效性。
针对海上复杂电磁环境对雷达信号分选的挑战，采用改进的长短期记忆(LSTM)网络结合解码器与编码器结构提出新的分选方法。将雷达信号的脉冲到达时间(TOA)序列转化为二进制形式，利用改进后的长短期记忆网络(ILSTM),捕捉TOA序列的复杂长期依赖关系，实现雷达信号的分选。实验证明，在海上复杂电磁环境中，该方法显著提升了雷达信号分选准确率，提供了一种应对强干扰环境下的高效解决方案。这一研究成果证实了ILSTM在雷达信号智能分选中的优越性和实用性。
到达方向(DOA)估计是雷达目标检测和定位的重要内容，目前已有许多关于高斯噪声环境下的DOA估计方法，但它们对于脉冲噪声的抗性较差。此外，目前分布式雷达主要采用基于子空间的DOA估计方法，需要进行二维峰值搜索，计算量较大。因此提出了一种去噪卷积自动编码器(DCAE)用于脉冲噪声的降噪处理，并将输出结果输入复数卷积神经网络(CNN)进行DOA估计，以提高计算速度和估计精度。仿真结果表明，该算法可以有效抵御脉冲噪声的干扰，并给出高精度的到达方向估计结果。