第三章对线性调频雷达的干扰 第三章对线性调频雷达的干扰 雷达的工作原理是通过对回波信号的检测发现目标并测量目标的参数信息 的，所以干扰的重点就落在了对雷达信号的利用上面。干扰的目的就是要破坏雷 达这样一个工作的流程，让干扰信号能够尽可能多的进入到雷达接收机，使雷达 不能正常的对目标信息进行探测或者得到错误的目标参数信息。 对雷达干扰的分类有很多种，按是否辐射电磁能量可以分为有源干扰和无源 干扰。利用干扰机产生电磁能量，主动施放电磁能量的方式称为有源干扰。本身 不主动辐射，而是反射、改变敌方的辐射能量称为无源干扰。例如箔条干扰，就 是利用箔条对雷达波的反射，在雷达接收机中产生较强的噪声，形成对雷达的电 磁压制干扰效果，因而它属于无源压制干扰。有源干扰按干扰效果可以分为压制 式干扰和欺骗式干扰。压制式干扰利用噪声和类似噪声的干扰信号进入雷达接收 机，压制真实目标的回波信号，使雷达不能正确的得到目标的参数信息。欺骗式 干扰是通过转发或者直接发射携带假目标信息的信号到雷达的接收机，使雷达的 目标检测和跟踪系统不能正常的检测出真实目标，同时将产生的假目标误认为是 真目标，从而达到以假乱真的目的。 目前对LFM雷达的干扰研究较多∞刮，主要是因为LFM信号其压缩的原理是利 用了不同频率分量经过匹配滤波器后的延迟特性不同来达到压缩效果的。对LFld 雷达的干扰主要有：射频噪声干扰，噪声调制干扰，延时转发干扰，移频干扰，等 间隙取样干扰等。噪声干扰由于通过匹配滤波器几乎不会获得压缩处理增益，所 以，需要能发送大功率信号的干扰机，这给工程实现带来了困难。于是干扰界提 出了基于卷积噪声的灵巧干扰方法，一方面利用信号的压缩特性，一方面利用噪 声的随机性来产生干扰信号，这种方法能获得很好的压制干扰效果。延时转发干 扰是将截获到的雷达信号存储后通过不断的转发在雷达的距离轴上产生距离拖引 的干扰效果。移频干扰是人为的对收到的雷达信号加一个多普勒频率调制，从而 使产生的假目标相对于真实目标有一个距离上的延时，以达到欺骗干扰效果。等 间隔取样干扰是通过低采样率对信号欠采样，利用不同频率分量的加权幅度不一 致来产生成串具有随机性的假目标，主假目标产生欺骗干扰效果，其他旁瓣假目 标产生压制的干扰效果。

《data-integration_7.1使用手册》是一份关于Pentaho Data Integration (PDI) 的详细使用指南，该软件又名Kettle。PDI是ETL(Extract, Transform, Load)工具集，旨在帮助用户高效地整合各种数据资源，从多个数据源中提取数据，进行转换处理，并加载到单一的数据仓库中。 在使用手册中，首先介绍了“Steps”和“Hops”这两个概念。Steps是执行具体任务的最小单元，如数据的读取、处理和存储；Hops指的是在Steps之间传递数据的动作，定义了数据流动的方向。接下来，“Jobs”概念也被提及，它是一个Step和Hops的集合，用于定义执行任务的流程和逻辑，可以被看作是数据处理的作业或批次。 手册中还提到了“Transformation”和“Variable”两个核心部分。Transformation是一个步骤或一系列步骤的集合，用于转换数据。它涉及到数据的输入、转换和输出。Variable是数据集成过程中使用的变量，用于在Transformation中存储和传递数据。 Kettle包含了几个核心组件，如Spoon、Kitchen、Carte和Pan。Spoon是一个图形界面工具，用于设计和执行Transformation和Jobs。Kitchen是一个命令行工具，执行特定的批处理任务。Carte是一个轻量级的、基于Web的作业调度器，允许用户通过网络远程执行Transformation和Jobs。Pan也是一个命令行工具，用于运行Carte服务器。 在Carte部分，手册描述了Carte的配置和管理，包括slaveserver（子服务器）、masters（主服务器）以及与主服务器通信的相关配置如report_to_masters、max_log_lines、max_log_timeout_minutes和object_timeout_minutes。同时提到了repository（仓库）的概念，这是一个存储Transformation、Job和数据库元数据的地方。 手册还详细介绍了多种PDI中的Input步骤，这些步骤用于从不同来源获取数据。例如，CsvFileInput步骤用于读取CSV文件；DataGrid步骤用于从内存中的表格数据获取数据；De-serializeFromFile步骤用于从序列化文件中反序列化对象；ESRIShapefileReader步骤用于读取ESRI shapefile文件；EmailMessagesInput步骤用于处理电子邮件消息中的数据；FixedFileInput步骤用于读取固定格式的文件；GZIPCSVInput步骤用于读取经过GZIP压缩的CSV文件；GenerateRows步骤用于生成特定数量的空行；GenerateRandomCreditCardNumbers步骤用于生成随机信用卡号；GenerateRandomValue步骤用于生成随机值；GetFileNames步骤用于获取文件名列表；GetFilesRowsCount步骤用于获取文件行数；GetSubFolderNames步骤用于获取子文件夹的名称；GetSystemInfo步骤用于获取系统信息；GetDataFromXML步骤用于从XML文件中获取数据；GetRepositoryNames步骤用于获取仓库名称；GetTableNames步骤用于获取数据库表名；GoogleAnalytics步骤用于从Google Analytics获取数据；HL7Input步骤用于读取HL7消息；JSONInput步骤用于读取JSON数据；LDAPInput步骤用于读取LDAP信息；LDIFInput步骤用于读取LDIF格式的数据；LoadFileContentInMemory步骤用于将文件内容加载到内存；MicrosoftAccessInput步骤用于读取Microsoft Access数据库；MicrosoftExcelInput步骤用于读取Microsoft Excel文件；MondrianInput步骤用于读取Mondrian立方体数据；OLAPInput步骤用于读取OLAP数据；PropertyInput步骤用于获取属性值；RSSInput步骤用于读取RSS源；S3CSVInput步骤用于从Amazon S3读取CSV数据；SAPInput步骤用于与SAP系统交互；SASInput步骤用于读取SAS文件；SalesForceInput步骤用于从SalesForce读取数据；TableInput步骤用于从数据库表中读取数据；TextFileInput步骤用于从文本文件读取数据。 以上就是《data-integration_7.1使用手册》中涉及的核心知识点。这些内容对于使用PDI进行ETL数据集成工作的用户来说十分关键，它们详细说明了如何使用PDI的各个组件和步骤来设计和执行ETL流程，以满足各种数据处理的需求。

kettle8.2.0本地jar包，包含：kettle-core-8.2.0.7-719.jar、kettle-engine-8.2.0.7-719.jar、metastore-8.2.0.7-719.jar 三个本地jar包和kettle-neo4j-remix-8.2.0.7-719编辑工具。

梳理Informatic的元数据，理清ETL背后的数据加工流水线基础数据，基于SQL析可以获取目标表依赖的源表和映射，然后基于映射可以追溯到相应的会话、工作集、工作流，完成整个数据加工链的血缘

Kettle 无人售货机项目实战数据包

Kettle的最新版本9.4.0.0-343；解压后得到data-integration Kettle是一个颇受认可的开源ETL工具，2006年被Pentaho收购，2015年又被Hitachi Vantara收购，正式命名为PDI。 PDI EE（企业商用版）改进了PDI CE（开源社区版）在作业调度监控、系统安全机制、高可用性架构、对接SAP、对接Hadoop、对接AI/ML、 自助式DI/BI等方面之不足，尤其是凭借着原厂兜底的专业技术支持服务保障，近年来Pentaho EE作为日立数据Lumada战略的核心产品组件， 在复杂ETL场景、数据中台、数据湖、物联网及AI平台构建中获得企业客户广泛青睐。

2.3 数据仓库的任务 数据仓库的任务是发布企业的数据资产，用于支持更加有效的决策制定。该 任务描述中的关键词是发布。正如传统的杂志发行，其成功的起点和终点是读者， 数据仓库成功的起点和终点是其最终用户。由于数据仓库是一个决策支持系统， 因此主要的成功标准是数据仓库是否为企业的最重要的决策制定过程提供了帮 助。虽然必须仔细管理硬件、软件、劳动力、咨询服务和维护的成本，但是其隐 含的成本——支持企业重要决策方面的失败——可能会更大。数据仓库的由 IT 管理的可见成本是可能战术上的，但是更为重要的决策支持成本和收益却是战略 上的。 交易数据库在企业中应用已经超过 30 年。虽然十几年来我们一直把各种数 据输入到特定的交易应用系统中，但很清楚的是，从这些系统获取数据来进行分 析是非常困难的。在数据库应用系统上已经花费了数十亿美元的投资，但它们的 数据却像犯人一样被关在系统里面。为了从交易系统中把数据取出来已经花费了 不可估算的时间，但就像在迷宫中游走一样，大部分的努力都以死胡同结束。ETL 系统必须完成这个任务，那就是以可用的方式把数据交给最终用户应用系统。 建设一个无所不包的、可靠的数据仓库是一件很有意义的任务，必须有一系 列的标准组件来支撑。数据仓库最重要且基础的组件就是后台和前台。该书是关 于后台的。 数据仓库是什么 数据仓库是将数据从原有交易系统数据库中提取出来，经过转换后形成有组 织的信息的过程，它帮助进行数据分析，支持决策的制定。此过程包括从原始数

图表 1.2 数据仓库的四个集结步骤 本书中间部分的章节会重点介绍这四个步骤，这四个步骤是： 1. 抽取。源系统的原始数据在进行大的转换之前通常直接写入到磁盘。来自 于结构化源系统的数据（比如 IMS 数据库，或者 XML 数据集）在这一步中经常 写入到文本文件或者关系型数据库表中。这使得最初的抽取尽可能简单和快速，

图表 1.1 数据仓库的后台和前台 假设有一个餐厅。餐厅的客人是最终用户，提供的食物是数据。提供给餐厅 里客人的食物完全符合客人的要求：干净，组织良好，每一片都能轻易辨认与食 用。但是，在食物进入餐厅之前，是在厨房中由经验丰富的厨师仔细准备。食物 要进行挑选、清洗、切片、烹饪以及摆放。厨房只是工作间，不允许客人访问。 在好的餐厅，厨房是完全与客人隔离的——一旦暴露厨房，那里食物还处于半加 工状态，是会严重影响客人的胃口的。如果客人需要了解食品准备的信息，厨师 必须从厨房出来到餐厅中面对客人，在一个安全、干净、客人觉得比较舒服的环 境中解释食物的准备过程。 集结区就是数据仓库的厨房。它只对经验丰富的数据集成专家开放。这是一 个后台的处理工具，不允许最终用户访问。在这里，从源系统抽取来的数据进行

一本很好的学习数据仓库ETL的方面的书。