摘要

本报告基于《以色列软件驱动型频谱智能平台架构与战区射频全域态势感知研究》（报告编号：2026-AD-031）的核心算法与数学模型，构建了一套完整的MATLAB仿真验证平台。仿真平台覆盖软件定义无线电（SDR）信号处理、认知电子战闭环、超分辨测向、自适应波束形成、DRFM数字射频存储、辐射源跟踪、频谱感知、强化学习干扰决策、博弈论频谱对抗、辐射源指纹识别、LPI信号检测、多传感器融合定位以及战区频谱地图生成等15个核心技术模块，共计仿真代码2700余行。

仿真结果表明：软件定义架构在宽带信号接收与数字下变频方面实现了10 MHz至2.5 MHz的高效降采样；MUSIC与ESPRIT超分辨算法在10 dB信噪比下DOA估计RMSE优于1度；MVDR自适应波束形成在干扰方向形成超过40 dB的零陷；DRFM技术可生成距离-速度二维相干假目标群；EKF与IMM算法实现了对机动辐射源的精确跟踪；DQN强化学习在2000回合训练后干扰决策成功率达到100%；TDOA/FDOA多传感器融合定位精度显著优于单一TDOA定位。本仿真验证为以色列软件驱动型频谱智能平台的技术效能评估提供了量化支撑。

关键词：软件定义无线电；认知电子战；MUSIC算法；MVDR波束形成；DRFM；卡尔曼滤波；强化学习；频谱地图；MATLAB仿真

第1章  仿真平台概述与参数设置

1.1  仿真平台架构

本仿真平台基于MATLAB R2015b版本开发，采用模块化设计思想，将以色列软件驱动型频谱智能平台的核心技术分解为15个独立仿真模块。每个模块包含完整的信号生成、算法实现、性能评估与可视化功能，模块间通过统一的参数结构体进行数据交互。平台总代码量超过2700行，涵盖从底层信号处理到高层决策算法的完整技术链路。

仿真平台遵循"物理机理—战例验证—算法实现"三维分析框架，所有算法均基于研究报告中的数学模型推导实现，包括似然比检测、卡尔曼滤波状态方程、MUSIC子空间分解、MVDR最优权向量求解、DRFM距离-多普勒调制、DQN贝尔曼最优方程、马尔可夫转移矩阵以及克里金变异函数等。

1.2  全局仿真参数

仿真平台的全局参数设置如表1-1所示，这些参数在各模块中共享使用，确保仿真结果的一致性与可比性。

表1-1 全局仿真参数设置

1.3  仿真模块清单

本仿真平台共包含15个技术模块，各模块的功能定位与核心算法如表1-2所示。

表1-2 仿真模块功能与核心算法清单

第2章  SDR宽带信号生成与数字下变频仿真

2.1  仿真原理

软件定义无线电（SDR）是软件驱动型频谱智能平台的技术基石。本模块模拟了宽带LFM雷达脉冲信号的生成、射频上变频、高斯白噪声叠加以及数字下变频（DDC）的完整信号处理链路。DDC通过正交混频将感兴趣的频段从射频搬移至基带，再经FIR低通滤波和抽取降低采样率，为后续信号处理减轻计算负担。

仿真中采用10 MHz采样率，LFM信号带宽2 MHz、脉宽10 μs，中心频率100 MHz（中频）。数字下变频使用64阶FIR低通滤波器，抽取因子为4，将采样率降至2.5 MHz。

2.2  仿真结果

图2-1 SDR宽带信号接收与数字下变频仿真结果

图2-1展示了SDR宽带信号处理的完整流程。左上子图为接收信号的时域波形，可见LFM脉冲在10 μs脉宽内的幅度包络；右上子图为接收信号的频谱，信号能量集中在100 MHz中频附近；左下子图为DDC后基带信号的I/Q正交分量，可见清晰的正交关系；右下子图为基带信号频谱，信号已成功搬移至零中频。

仿真结果验证了数字下变频算法的有效性：正交混频实现了频谱搬移，FIR低通滤波器有效抑制了混频产生的镜像分量，抽取操作在不引入混叠的前提下将采样率降低了4倍。这一处理链路是以色列Scorpius系列电子战系统宽带数字阵列的核心前端处理流程。

第3章  恒虚警检测（CFAR）仿真

3.1  仿真原理

恒虚警检测（CFAR）是电子战信号处理中的核心检测算法，通过自适应估计背景噪声功率来调整检测阈值，在变化的电磁环境中维持恒定的虚警率。本模块对比了单元平均CFAR（CA-CFAR）与有序统计CFAR（OS-CFAR）两种算法在均匀背景和多目标场景下的检测性能。

仿真参数设置：参考单元数16，保护单元数4，标称虚警概率P_fa=10⁻⁴。CA-CFAR采用参考单元平均估计噪声功率，OS-CFAR采用参考单元排序后的第75百分位值估计噪声功率。

3.2  仿真结果

图3-1 CA-CFAR与OS-CFAR恒虚警检测仿真结果

图3-1展示了两种CFAR算法在不同场景下的检测性能。上排为均匀背景下的检测结果，CA-CFAR与OS-CFAR均能有效检测出3个注入目标；下排为多目标密集场景，CA-CFAR因参考单元包含邻近目标而导致阈值升高，出现"目标遮蔽"效应，部分目标漏检；OS-CFAR通过有序统计量有效抑制了多目标干扰，保持了稳定的检测性能。

仿真结果验证了OS-CFAR在多目标环境中的鲁棒性优势，这与以色列电子战系统采用自适应CFAR算法来应对密集电磁环境的技术路线一致。在实际装备中，CA-CFAR适用于均匀背景下的快速检测，OS-CFAR适用于多目标密集场景，两者的自适应切换是高性能检测系统的常用策略。

第4章  超分辨DOA估计（MUSIC/ESPRIT）仿真

4.1  仿真原理

波达方向（DOA）估计是阵列信号处理的核心问题，也是电子战测向的理论基础。本模块实现了MUSIC（多重信号分类）与ESPRIT（旋转不变技术估计信号参数）两种超分辨DOA估计算法，并对比了它们在不同信噪比下的估计精度。

仿真采用16阵元均匀线阵（ULA），阵元间距0.5λ，3个远场窄带信号从-30°、10°、45°方向入射，快拍数500。MUSIC算法利用信号子空间与噪声子空间的正交性构造空间谱，通过谱峰搜索得到DOA估计；ESPRIT算法利用阵列的平移不变性，通过旋转矩阵的特征值直接求解DOA，无需谱峰搜索。

4.2  仿真结果

图4-1 MUSIC与ESPRIT超分辨DOA估计仿真结果

图4-1展示了超分辨DOA估计的仿真结果。左上子图为MUSIC空间谱，在-30°、10°、45°处形成尖锐谱峰，与真实方向高度吻合；右上子图为ESPRIT算法的DOA估计结果，与真实方向的偏差小于1度；左下子图为两种算法在不同信噪比下的RMSE对比，可见ESPRIT在低信噪比下略优于MUSIC，且计算效率更高；右下子图对比了巴特利特波束形成与MUSIC的空间谱，MUSIC的超分辨能力显著优于传统波束形成。

仿真结果表明，在10 dB信噪比下，MUSIC与ESPRIT均能实现优于1度的测向精度。以色列机载ESM系统广泛采用ESPRIT算法进行实时测向，其12阵元阵列在10 dB信噪比下测向精度可达0.5度（RMS），与仿真结果趋势一致。

第5章  自适应波束形成（MVDR）仿真

5.1  仿真原理

自适应波束形成是数字阵列雷达与电子战系统的核心技术，通过调整阵列各通道的加权系数，在目标方向形成高增益主瓣的同时在干扰方向形成零陷。本模块实现了最小方差无失真响应（MVDR）波束形成器，并对比了标准MVDR与对角加载MVDR在理想匹配和导向矢量失配场景下的性能。

仿真采用16阵元均匀线阵，目标方向0°，两个干扰分别位于-30°和25°，干扰功率比目标高20 dB。对角加载因子取协方差矩阵迹的0.1/M倍。

5.2  仿真结果

图5-1 MVDR自适应波束形成仿真结果

图5-1展示了MVDR自适应波束形成的仿真结果。左上子图为理想匹配条件下的波束方向图，标准MVDR与对角加载MVDR均在干扰方向形成了深度零陷；右上子图为导向矢量失配2度场景，标准MVDR因失配导致目标方向增益显著下降，而对角加载MVDR保持了较好的目标增益；左下子图为快拍数对输出SINR的影响，可见对角加载技术在小快拍数下显著提升了SINR；右下子图为干扰方向零陷深度对比。

仿真结果验证了对角加载技术在提升MVDR鲁棒性方面的有效性。以色列Scorpius系统采用的数字阵列包含超过1000个GaN T/R组件，其自适应波束形成算法必然采用对角加载等鲁棒性增强技术，以应对实际战场环境中的导向矢量失配和协方差矩阵估计误差。

第6章  DRFM数字射频存储与假目标生成仿真

6.1  仿真原理

数字射频存储（DRFM）是电子攻击的核心技术，通过对截获的雷达信号进行高速采样、数字存储、调制与转发，生成逼真的假目标或干扰信号。本模块模拟了DRFM对LFM雷达信号的4位量化存储，并生成包含5个假目标的距离-速度二维相干假目标群。

仿真参数：雷达载频3 GHz，LFM带宽2 MHz，脉宽10 μs。真实目标距离15 km、速度300 m/s。5个假目标分布在8-26 km距离范围和-200至350 m/s速度范围，幅度0.6-1.0。

6.2  仿真结果

图6-1 DRFM数字射频存储与假目标群生成仿真结果

图6-1展示了DRFM假目标生成的仿真结果。左上子图为真实目标的脉冲压缩结果，在15 km处出现单一目标峰值；右上子图为DRFM假目标群的脉冲压缩结果，在8-26 km范围内出现多个目标峰值，形成假目标群；左下子图为真实目标的距离-多普勒图，仅在单一距离-多普勒单元出现能量集中；右下子图为DRFM假目标群的距离-多普勒图，在距离-速度二维平面上形成多个假目标点。

仿真结果验证了DRFM技术生成高逼真假目标群的能力。以色列的多通道DRFM采用并行FPGA架构，能够同时生成数十个相干假目标，使敌方雷达的CFAR检测算法饱和。然而，DRFM转发信号不可避免地引入量化噪声和系统失真，高分辨雷达可能通过信号细微特征识别DRFM假目标，这是该技术的固有缺陷。

第7章  扩展卡尔曼滤波（EKF）辐射源跟踪仿真

7.1  仿真原理

辐射源跟踪是战区射频态势感知的关键环节。本模块基于方位角观测，使用扩展卡尔曼滤波（EKF）实现对匀速运动辐射源的跟踪，并对比了单传感器与双传感器跟踪的性能差异。

仿真参数：辐射源初始位置(5000, 3000)m，速度(-80, -50)m/s，跟踪100步，采样间隔1 s。测向噪声标准差0.5度。单传感器位于(0,0)，双传感器增加位于(8000,0)的第二个传感器。

7.2  仿真结果

图7-1 EKF辐射源测向跟踪仿真结果

图7-1展示了EKF辐射源跟踪的仿真结果。左上子图为单传感器EKF跟踪轨迹，由于纯方位跟踪的可观测性限制，跟踪误差较大；右上子图为双传感器EKF跟踪轨迹，两个传感器的方位线交叉有效改善了可观测性，跟踪轨迹与真实轨迹高度吻合；左下子图为跟踪误差对比，单传感器RMSE约790 m，双传感器RMSE降至约34 m，提升了一个数量级；右下子图为最终时刻的估计位置与95%置信椭圆。

仿真结果验证了多传感器协同在辐射源定位跟踪中的关键作用。以色列的多源传感器融合架构通过部署在陆、海、空、天多平台上的ESM传感器进行交叉定位，正是利用了多站协同提升定位精度的原理。单传感器纯方位跟踪的可观测性限制，也是推动以色列发展TDOA/FDOA多站定位技术的重要因素。

第8章  交互多模型（IMM）机动目标跟踪仿真

8.1  仿真原理

实际辐射源的运动模式可能在匀速、匀加速、转弯等模式间切换，单一模型的卡尔曼滤波难以适应。交互多模型（IMM）滤波通过并行运行多个模型滤波器，并根据模型概率加权融合，实现对机动目标的鲁棒跟踪。本模块实现了包含三个不同过程噪声水平模型的IMM算法，跟踪包含匀速、匀加速、协调转弯三段机动的目标轨迹。

仿真参数：目标轨迹分为三段——0-40步匀速、40-80步匀加速（5, 3）m/s²、80-120步协调转弯（角速度0.05 rad/s）。传感器位于(0,0)，测距噪声50 m，测角噪声0.3度。

8.2  仿真结果

图8-1 IMM交互多模型机动目标跟踪仿真结果

图8-1展示了IMM机动目标跟踪的仿真结果。左上子图为IMM跟踪轨迹，与包含三段机动的真实轨迹高度吻合；右上子图为模型概率演化，可见在不同机动阶段，对应模型的概率显著升高，模型切换与真实机动模式一致；左下子图为IMM跟踪误差，整体RMSE约274 m，在机动切换处误差短暂增大后迅速收敛；右下子图为速度分量估计，准确跟踪了目标速度的变化。

仿真结果验证了IMM算法在机动目标跟踪中的有效性。以色列在高机动辐射源（如战斗机、导弹）跟踪中广泛采用IMM-UKF算法，通过CV/CA/CT多模型交互实现对机动目标的鲁棒跟踪。模型概率的实时更新为威胁评估提供了目标行为意图的重要线索。

第9章  宽带频谱感知与信号检测仿真

9.1  仿真原理

宽带频谱感知是认知电子战感知阶段的核心功能。本模块对比了能量检测（ED）与循环平稳特征检测（CSD）在低信噪比下的检测性能，并实现了64信道宽带频谱空洞检测。能量检测计算简单但低信噪比下性能下降明显，循环平稳检测利用通信信号的循环平稳特性，能够在低信噪比下有效区分信号与噪声。

仿真参数：BPSK信号，符号率1 MHz，载频2 MHz，采样率10 MHz，4096采样点。虚警概率P_fa=0.01，Monte Carlo次数100。

9.2  仿真结果

图9-1 宽带频谱感知与能量/循环平稳检测仿真结果

图9-1展示了宽带频谱感知的仿真结果。左上子图为能量检测与循环平稳检测的检测概率对比，可见循环平稳检测在低信噪比下显著优于能量检测，在-10 dB时仍能保持较高检测率；右上子图为接收信号的STFT时频图，清晰显示了BPSK信号的时频特征；左下子图为64信道宽带频谱感知结果，9个占用信道的功率明显高于噪声基底；右下子图为真实占用与检测结果的对比，检测算法成功识别了大部分占用信道。

仿真结果验证了循环平稳检测在低信噪比下的优势。以色列认知电子战系统采用"粗扫—精扫"两级策略：FPGA实现能量检测的快速粗扫，DSP实现循环平稳特征的精扫确认，兼顾了速度与精度。这种混合架构在面对LPI低截获概率信号时尤为重要。

第10章  马尔可夫链频谱占用预测仿真

10.1  仿真原理

频谱占用预测是动态频谱管理与认知电子战的重要支撑。本模块将8个信道的占用状态建模为一阶马尔可夫链，通过历史数据估计转移概率矩阵，实现多步预测，并与滑动窗口预测方法进行对比。

仿真参数：8个信道，每个信道具有不同的占空比（0.2-0.9），生成500步占用序列。预测步长20步，使用前500步估计转移矩阵，对未来50步进行预测验证。

10.2  仿真结果

图10-1 马尔可夫链频谱占用预测仿真结果

图10-1展示了马尔可夫链频谱占用预测的仿真结果。左上子图为信道1的占用序列，呈现随机的0/1切换模式；右上子图为信道1的马尔可夫转移概率矩阵，显示了状态间的转移规律；左下子图为信道1的占用概率多步预测，马尔可夫预测与滑动窗口预测均给出了未来占用概率的估计；右下子图为预测精度随步长的变化，两种方法的MAE随预测步长增加而增大。

仿真结果表明，一阶马尔可夫链能够有效建模频谱占用的短期统计规律，但假设状态转移仅依赖当前状态，无法捕捉长程依赖与周期性模式。对于具有明显周期规律的频谱使用（如雷达扫描周期），高阶马尔可夫链或LSTM神经网络能够提供更好的预测性能。以色列EWPMT系统的动态频谱管理功能综合利用了统计预测与实时感知数据。

第11章  DQN自适应干扰决策仿真

11.1  仿真原理

深度Q网络（DQN）是认知电子战干扰决策的核心算法。本模块将干扰决策建模为马尔可夫决策过程，智能体观测通信方当前信道状态，选择干扰信道动作，根据干扰是否成功获得奖励，通过Q学习优化干扰策略。仿真还实现了干扰方与通信方同时学习的多智能体对抗场景。

仿真参数：8个信道，通信方具有非均匀信道偏好，2000回合训练，每回合50步，学习率0.1，折扣因子0.9，ε-greedy探索率从1.0指数衰减至0.05。

11.2  仿真结果

图11-1 DQN自适应干扰决策强化学习仿真结果

图11-1展示了DQN自适应干扰决策的仿真结果。左上子图为训练奖励收敛曲线，随训练回合增加，平均奖励稳步上升并收敛；右上子图为干扰成功率演化，训练后测试成功率达到100%；左下子图为训练后Q值热力图，显示了智能体在不同状态下对各动作的价值评估；右下子图为多智能体对抗场景下双方奖励的演化，干扰方与通信方在持续互动中收敛到混合策略均衡。

仿真结果验证了强化学习在自适应干扰决策中的有效性。以色列Scorpius系统的认知干扰决策引擎（CJDE）采用深度强化学习框架，将干扰决策建模为POMDP，通过与环境的交互学习最优干扰策略。多智能体对抗仿真揭示了频谱对抗的动态均衡特性，任何一方的策略优势都将随对方的适应而递减。

第12章  频谱对抗博弈论仿真

12.1  仿真原理

频谱对抗本质上是攻防双方的策略互动，博弈论为分析这种互动提供了严谨的数学框架。本模块实现了三类博弈模型：（1）静态零和博弈——干扰信道选择，通过线性规划求解最优混合策略；（2）非零和博弈——功率控制，求解纯策略纳什均衡；（3）动态马尔可夫博弈——多智能体Q学习仿真策略演化。

仿真参数：零和博弈4信道，通信方收益与信道质量相关；非零和博弈3功率等级（低/中/高）；马尔可夫博弈3状态3动作，200步Q学习。

12.2  仿真结果

图12-1 频谱对抗博弈论建模仿真结果

图12-1展示了频谱对抗博弈论的仿真结果。左上子图为零和博弈的最优混合策略，通信方与干扰方均以特定概率分布选择信道，博弈值为0.93；右上子图为非零和博弈中通信方的收益矩阵，显示了不同功率组合下的收益；左下子图为干扰方的收益矩阵；右下子图为马尔可夫博弈中双方奖励的演化，随学习进行双方策略趋于稳定。

仿真结果验证了博弈论在频谱对抗策略分析中的价值。零和博弈的混合策略均衡表明，在信道数量有限的场景下，双方均应采用随机化策略以避免被预测；非零和博弈揭示了功率控制中存在纯策略纳什均衡，双方在均衡点达到各自的最优响应；马尔可夫博弈则捕捉了频谱对抗的动态时变特性。以色列在电子战策略规划中利用博弈论分析敌方理性策略选择，从而设计鲁棒的干扰策略。

第13章  辐射源个体指纹识别仿真

13.1  仿真原理

辐射源个体识别（SEI）基于信号的细微特征（指纹）区分同型号不同个体的辐射源。本模块提取了8维指纹特征：瞬态上升时间、相位噪声水平、I/Q增益不平衡、I/Q相位不平衡、直流偏移I/Q、谐波失真、频率稳定度，使用k近邻（k-NN）分类器实现5个辐射源的个体识别，并分析了不同信噪比下的识别率和特征重要性。

13.2  仿真结果

图13-1 辐射源个体指纹识别仿真结果

图13-1展示了辐射源指纹识别的仿真结果。左上子图为混淆矩阵，k-NN分类器在测试集上达到77%的识别准确率；右上子图为识别率随信噪比的变化，高信噪比下识别率接近100%，低信噪比下显著下降；左下子图为特征重要性排序，瞬态上升时间和相位噪声是区分度最高的特征；右下子图为前两个最重要特征的二维散点图，可见5个辐射源在特征空间中形成相对独立的聚类。

仿真结果验证了辐射源细微特征的个体区分能力。以色列在辐射源识别方面采用"参数匹配+深度学习"的混合架构，对于已知辐射源使用参数匹配快速识别，对于未知或参数模糊的辐射源使用深度学习进行精细分类与异常检测。指纹识别技术为战场辐射源的个体级跟踪与威胁评估提供了关键支撑。

第14章  LPI低截获概率信号检测仿真

14.1  仿真原理

低截获概率（LPI）信号通过扩频、跳频等技术将信号能量弥散在宽频带内，使传统能量检测难以发现。本模块生成了直接序列扩频（DSSS）和跳频（FH）两种LPI信号，对比了能量检测与循环平稳检测在极低信噪比下的检测性能，并利用STFT时频分析可视化跳频信号的时频特征。

仿真参数：DSSS扩频增益31，码片速率5 MHz，载频3 MHz；跳频信号8个跳频点，50跳。检测信噪比范围-25至5 dB，Monte Carlo次数80。

14.2  仿真结果

图14-1 LPI低截获概率信号检测仿真结果

图14-1展示了LPI信号检测的仿真结果。左上子图为-15 dB信噪比下DSSS信号的功率谱，信号能量完全淹没在噪声中，肉眼无法区分；右上子图为跳频信号的STFT时频图，清晰显示了频率随时间跳变的特征；左下子图为循环平稳检测结果，DSSS信号在码片速率对应的循环频率处出现显著峰值，而纯噪声无此特征；右下子图为两种检测方法的性能对比，循环平稳检测在低信噪比下显著优于能量检测。

仿真结果验证了循环平稳检测在LPI信号检测中的关键作用。DSSS信号的扩频增益使其在-15 dB信噪比下仍能被循环平稳检测捕获，而能量检测在此信噪比下几乎完全失效。以色列电子战系统针对LPI雷达和通信信号，广泛采用循环平稳特征检测与长时间积累相结合的检测策略。

第15章  多传感器融合定位仿真

15.1  仿真原理

多传感器融合定位通过多个传感器的协同测量实现辐射源的精确定位。本模块实现了TDOA（到达时间差）单一定位与TDOA/FDOA（到达频率差）联合定位，并分析了GDOP（几何精度因子）分布和定位迭代收敛过程。

仿真参数：4个传感器部署在(0,0)、(5000,0)、(2500,4000)、(0,5000)，辐射源位于(3000,2500)，速度(50,-30)m/s。TDOA噪声10 ns，FDOA噪声1 Hz，载频1 GHz。网格分辨率50 m，Monte Carlo次数150。

15.2  仿真结果

图15-1 多传感器TDOA/FDOA融合定位仿真结果

图15-1展示了多传感器融合定位的仿真结果。左上子图为TDOA定位代价函数，最小值位置与真实辐射源位置一致；右上子图为GDOP分布，可见传感器包围区域内GDOP较小（定位精度高），边缘区域GDOP增大；左下子图为TDOA与TDOA+FDOA融合的定位误差分布，融合定位精度显著优于单一TDOA；右下子图为TDOA定位的牛顿迭代收敛轨迹，从初始猜测(2000,1000)经约10次迭代收敛至真实位置。

仿真结果验证了多传感器融合定位的有效性。TDOA定位需要传感器间精确的时间同步（优于10 ns），以色列通过GPS共视法与光纤时间传递实现分布式传感器的高精度同步。FDOA利用多普勒频移差异提供额外定位信息，与TDOA联合使用能够显著提高对运动辐射源的定位精度与收敛速度。

第16章  战区频谱地图生成仿真

16.1  仿真原理

频谱地图是战区射频全域态势感知的可视化产物，通过传感器网络的分布式感知数据与空间插值算法，生成连续的战区电磁功率分布。本模块实现了反距离加权（IDW）插值与普通克里金（Kriging）插值两种方法，并生成了多频段频谱立方体。

仿真参数：战区范围10 km×8 km，20个随机部署传感器，5个辐射源（功率30-45 dBm，频率1.2-8.0 GHz）。克里金变异函数采用指数模型，块金效应1 dB，基台值20 dB，变程2000 m。网格分辨率100 m。

16.2  仿真结果

图16-1 战区频谱地图生成（克里金插值）仿真结果

图16-1展示了战区频谱地图生成的仿真结果。左上子图为IDW插值频谱功率地图，显示了5个辐射源周围的功率分布；右上子图为克里金插值频谱功率地图，相比IDW更加平滑且考虑了空间相关性；左下子图为克里金估计标准差地图，传感器附近估计方差小，远离传感器区域方差增大；右下子图为战区中心点的频谱切片，显示了该位置的多频段功率分布。

仿真结果验证了克里金插值在频谱地图生成中的优势。克里金方法基于地统计学的变异函数描述空间相关性，能够给出最优无偏估计及估计方差，这对于频谱地图的可靠性评估具有重要意义。以色列的频谱地图系统采用"事件驱动+周期刷新"的混合更新机制，结合电波传播模型对未覆盖区域进行预测填充，实现了战区电磁态势的实时可视化。

第17章  仿真结论与技术评估

17.1  仿真结论汇总

本仿真平台基于以色列软件驱动型频谱智能平台的核心算法，完成了15个技术模块的MATLAB仿真验证。主要结论如下：

（1）SDR宽带信号处理：数字下变频实现了10 MHz至2.5 MHz的高效降采样，正交混频与FIR滤波的级联处理有效抑制了镜像分量，验证了软件定义前端的可行性。

（2）CFAR检测：OS-CFAR在多目标密集场景下有效抑制了目标遮蔽效应，检测性能优于CA-CFAR，自适应CFAR切换策略是高密度电磁环境下的必然选择。

（3）超分辨DOA：MUSIC与ESPRIT在10 dB信噪比下均实现优于1度的测向精度，ESPRIT无需谱峰搜索，计算效率更高，适合实时嵌入式应用。

（4）MVDR波束形成：对角加载技术有效提升了导向矢量失配和小快拍数场景下的鲁棒性，干扰方向零陷深度超过40 dB。

（5）DRFM假目标：4位量化DRFM可生成距离-速度二维相干假目标群，有效饱和敌方CFAR检测，但量化噪声与转发延迟是可被利用的固有缺陷。

（6）辐射源跟踪：双传感器EKF将定位RMSE从790 m降至34 m，IMM算法在机动目标跟踪中RMSE约274 m，多模型交互有效适应了模式切换。

（7）频谱感知：循环平稳检测在-10 dB信噪比下仍保持较高检测率，显著优于能量检测，是LPI信号检测的关键技术。

（8）强化学习干扰决策：DQN在2000回合训练后干扰成功率达到100%，多智能体对抗收敛至混合策略均衡。

（9）多传感器融合定位：TDOA/FDOA联合定位精度优于单一TDOA，GDOP分析为传感器部署优化提供了量化依据。

（10）频谱地图：克里金插值提供了最优无偏估计及估计方差，多频段频谱立方体支持全域电磁态势的三维可视化。

17.2  技术双刃剑评估

基于仿真结果，对以色列软件驱动型频谱智能平台的核心技术进行"技术双刃剑"辩证评估：

软件定义架构在获得灵活重配置与快速升级能力的同时，面临宽带前端灵敏度trade-off、ADC动态范围受限以及软件供应链安全风险；认知电子战闭环在实现自适应对抗与未知威胁响应的同时，存在学习收敛时间不确定、AI决策可解释性不足以及对抗样本攻击脆弱性；DRFM技术在生成高逼真假目标的同时，量化噪声与转发延迟可能被高分辨雷达识别，且高功率发射可能暴露干扰平台位置。

AI/ML频谱感知在低信噪比检测与自动特征学习方面优势显著，但黑箱决策、数据饥渴与分布偏移问题制约了其在安全关键场景中的应用；多传感器融合提升了态势感知的覆盖率与精度，但数据偏差误判、通信链路脆弱性与指挥控制复杂性是体系化协同的固有代价。

17.3  对我国频谱作战体系建设的启示

本仿真验证为我国频谱作战体系建设提供以下启示：第一，坚持软件定义与AI赋能的技术路线，发展宽带可重构电子战装备与认知电子战闭环能力；第二，重视多传感器融合与体系化协同，构建陆、海、空、天一体化的战区射频态势感知网络；第三，强化核心算法的自主可控，在DOA估计、自适应波束形成、DRFM、强化学习等领域形成自主知识产权；第四，兼顾高端对抗与低端适配，在发展高技术装备的同时保留针对低技术非对称威胁的简单可靠手段；第五，建立完善的军用软件测试与合规体系，依据GJB 5000B等标准保障安全关键软件的质量与可靠性。

同时文章附有原始技术报告+PPT报告+仿真代码+仿真测试报告，均上传至知识星球，用于拓展阅读，提升对该武器系统全面理解，含算法、算法仿真等内容。

所有资料和代码均已经上传知识星球，需要的加入知识获取。

相控阵雷达技术专题技术报告包括相控阵雷达行业报告、相控阵雷达专业书籍、相控阵雷达仿真代码、相控阵雷达设计、相控阵雷达论文、相控阵雷达PPT、相控阵雷达技术理论等书籍+代码等资料300余份文件，来源于国内外多行业的成果，从多维度、多方面、代码+文档的资料。

为了让需要雷达专业技术的人员，获得专业的雷达资料，我专门做了雷达专业技术的星球，这里面只分享与雷达相关的资料，内部提供激光雷达、相控阵雷达、数字阵列雷达的报告、书籍、仿真代码，每天都有更新，特殊情况除外，需要的同志可以加入，我正在「雷达专业技术交流群」和朋友们讨论有趣的话题，你⼀起来吧？https://t.zsxq.com/16Q3QTbNf