基于DQN和功率分配的FDA⁃MIMO雷达抗扫频干扰

频率分集阵列（Frequency Diversity Array, FDA）雷达由于其阵列元件的频率增量产生了许多新的特性,包括其可以通过发射功率分配进行灵活的发射波形频谱控制。在以扫频干扰为电磁干扰环境的假设下,首先,通过引入强化学习的框架,建立了频率分集阵列?多输入多输出（Frequency Diversity Array?Multiple Input Multiple Output, FDA?MIMO）雷达与电磁干扰环境交互模型,使得FDA?MIMO雷达能够在与电磁环境交互过程中,感知干扰抑制干扰。其次,本文提出了一种基于深度Q网络（Deep Q?Network, DQN）和FDA?MIMO雷达发射功率分配的扫频干扰抑制方法,使得雷达系统能够在充分利用频谱资源的情况下最大化SINR。最后,仿真结果证实,在强化学习框架下,FDA?MIMO雷达能够通过对发射功率分配进行优化,完成干扰抑制,提升雷达性能。     

面向组网雷达干扰任务的多干扰机资源联合优化分配方法

针对多目标突防组网雷达系统(NRS)场景,该文提出一种面向组网雷达干扰任务的多干扰机资源联合优化分配方法。首先,采用组网雷达在干扰环境中对目标的检测概率作为干扰性能指标;然后,结合不同突防目标的检测性能需求,建立了包含干扰波束和发射功率2个优化变量的资源优化模型,并利用粒子群算法对资源优化问题进行求解;最后,考虑到组网雷达系统参数不确定性带来的检测概率泛化误差,建立了干扰资源稳健优化分配模型。仿真结果表明,该文提出的优化方法能有效压制组网雷达,降低组网雷达对突防目标的检测概率;相比传统方法,稳健方法提升了多干扰机对组网雷达的协同干扰性能,且具有鲁棒性。      

恶意干扰下基于斯坦伯格博弈的无人机动态频谱分配

针对恶意干扰场景下无人机群动态频谱分配问题,构建了基于斯坦伯格博弈的动态频谱分配模型,干扰机为斯坦伯格博弈的领导者,无人机群为斯坦伯格博弈的跟随者,设计了不同博弈参与者的效益函数,并证明了该博弈存在稳定的斯坦伯格均衡解。在此基础上设计了一种分层动态频谱分配算法,针对领导者采用Q学习选择干扰信道的场景下,跟随者采用随机学习自动机来确定信道分配策略。仿真结果表明,所提算法能够得到无人机用户的最优信道分配策略,有效提升无人机用户的总吞吐量性能,实现效益最大化。     

基于Stackelberg模型的弹载雷达和干扰波形设计

现代电子战中,弹载雷达与干扰机间存在着二元零和动态博弈。针对博弈条件下弹载雷达和干扰机性能降低问题,分别以雷达和干扰为博弈主导者,建立Stackelberg博弈模型,基于信干噪比准则提出了二次注水的波形设计方法。在雷达主导的博弈模型中,干扰通过min策略最小化雷达接收端信干噪比,雷达通过二次注水的maxmin策略分配信号频域功率,降低干扰影响;在干扰主导的博弈中,雷达通过max策略最大化自身信干噪比,干扰机利用minmax策略提高干扰效能。实验仿真表明,maxmin策略中雷达检测性能较min策略最高提升9.17%,而minmax策略中目标被探测概率较max策略最多降低11.42%;为博弈条件下雷达信号和干扰信号的优化分别提供了解决方案。      

多机协同干扰组网雷达的资源调度方法

针对组网雷达频段宽、空间离散及自由度高而造成的干扰难度大的问题,本文提出一种多干扰机协同压制组网雷达系统的干扰波束和功率资源联合调度方法。首先,基于干扰信号模型以及组网雷达系统和随队支援干扰系统的几何位置关系建立敌方雷达回波信号模型;然后,结合压制干扰环境下敌方雷达回波信号模型,推导了组网雷达的目标检测概率,并将其作为性能指标以量化组网雷达的检测性能;最后,考虑到组网雷达与干扰机的工作频率匹配度给干扰资源分配带来的影响,建立并求解了带有干扰资源约束条件的干扰波束和功率联合优化问题。仿真结果表明,与干扰资源均匀分配方法相比,本文所提的干扰波束与功率资源联合调度方法能有效提升随队支援干扰系统的干扰性能,并降低组网雷达的检测性能。     

基于强化学习的无人机辅助物联网抗敌意干扰算法

无人机充当中继辅助物联网节点传输信号时,易遭受干扰强度动态变化的智能干扰等敌意攻击,论文建立了抗敌意干扰攻防Stackelberg博弈模型,其中物联网节点、无人机和智能干扰机为博弈的3个参与者,推导出博弈均衡点及其存在条件,揭示了参与者的信道增益、距离等参数对物联网效用等性能的影响。在未知干扰模型的条件下,论文引入WoLF-PHC算法动态优化物联网节点的发射功率、无人机的发射功率和移动轨迹。仿真结果表明,与基于Q-learning的算法相比,所提算法将无人机的效用提升了84.8%。      

基于博弈论的分布式水声通信网络功率分配算法

针对水下多节点通信网络节点生存时间短、服务质量差等问题,提出了一种基于博弈论的分布式功率分配算法。首先,在效用函数中考虑网络的整体干扰水平,优化网络的SINR水平,改善网络的服务质量。其次,进一步地将节点剩余能量引入到效用函数中,使剩余能量较低时节点减小发射功率,从而提高节点生存时间。所构建的博弈模型纳什均衡点具有存在性与唯一性。最后,通过仿真验证该算法能够延长节点寿命,优化系统SINR,提高节点能量效率。      

一种针对多目标跟踪的多基雷达系统聚类与功率联合分配算法

为了使多基雷达系统(MSRS)能动态地协调各部雷达的发射参数及其所获得的量测的使用,进而在系统资源有限的约束下达到更好的性能,该文提出一种针对多目标跟踪的MSRS聚类与功率联合分配算法。首先,该文推导了目标跟踪误差的贝叶斯克拉美罗下界(BCRLB)。然后,以最小化多目标总体跟踪误差的BCRLB为目标,建立了包含聚类方式和发射功率两个优化变量的代价函数,并用循环最小化算法和投影梯度算法对这个双变量优化问题进行了求解。最后,通过仿真实验验证了提出算法的有效性。     

基于ABSUM的MIMO雷达频谱兼容波形设计

该文讨论了多输入多输出(MIMO)雷达发射波形和接收滤波器的联合优化问题,以确保与叠加的授权通信网络频谱兼容。考虑信号相关杂波的干扰,在发射能量、相似性和频谱兼容约束下,所提出的信干噪比(SINR)最大化的优化问题是NP-hard问题。为此,首先引入辅助变量对原问题进行修正,然后提出了一种基于乘子块连续上界极小化的原对偶(ABSUM)算法求解该问题。此外,利用内点法求解在ABSUM算法每个更新过程中涉及的二次规划问题。最后,仿真结果表明,ABSUM算法在输出SINR、波束图、频谱特性等方面优于现有方法。      

认知物联网中基于博弈论的对抗干扰与窃听方法

物联网通过采用认知无线电的动态频谱共享机制提高了频谱利用率，然而认知物联网（Cognitive Internet of Things,CIoT）容易受到多种攻击，包括干扰攻击和窃听攻击。首先，基于联盟博弈考虑一个合作模型，其中合法用户合作传输以提高信干噪比（Signal to Interference plus Noise Ratio,SINR），而干扰机合作以提高接收信号强度（Jammer Received Signal Strength,JRSS），窃听机旨在降低系统的保密速率。其次，基于演化博弈论研究了CIoT网络中合法用户和攻击者的动态特性，利用能量采集（Energy Harvesting,EH）技术提高用户的发射功率以提高SINR，从而提高用户的合作水平。此外，通过设置协作干扰节点劣化窃听信道以提高系统的保密速率。仿真结果表明，所提方法在应对干扰攻击和窃听攻击问题上是有效的，且在SINR和保密速率方面优于传统方法。     

基于最大边缘分配算法的雷达博弈波形设计

实战背景下雷达目标先验信息有较大的不确定性,基于先验信息设计的波形不能满足参数估计的需要.为解决该问题,提出了一种博弈条件下的雷达波形设计方法.考虑到雷达与干扰机在电子对抗中的非同时性,采用Stackelberg博弈框架进行建模.该方法以优化雷达能量谱分布为策略,采用最大互信息准则建立效用函数.博弈过程中,雷达与干扰机...     

干扰环境下MIMO雷达波形与接收滤波联合优化算法

传统雷达一般采用固定的发射波形,在干扰环境下很难获得最优的目标检测性能。针对这一问题,利用集中式多输入多输出(MIMO)雷达波形分集的优势,提出了一种干扰环境下的MIMO雷达波形与接收滤波联合优化算法。以最大化输出信干噪比为准则,使发射波形满足恒模条件,同时施加波形与具备较好脉压特性雷达波形之间的相似性约束,建立了有限相位发射波形与接收滤波权值的优化模型。然后,在循环迭代的算法框架下,将优化问题分解为2个子优化问题,并分别采用拉格朗日乘子法、半正定松弛技术对子优化问题求解,得到发射波形与接收滤波权值的联合优化结果。仿真结果表明,所提算法较现有方法相比有更高的输出信干噪比,使干扰信号的抑制性能得到改善,同时可兼顾发射波形的脉冲压缩特性。     

认知无线多跳网中保证信干噪比的频谱分配算法

为解决无线多跳网络在固定频谱分配方式下所固有的信道冲突等问题,利用认知无线电的动态频谱分配技术,提出了一种适用于次用户组成的无线多跳网络的、underlay方式下的全分布式频谱分配算法。该算法将频谱分配问题建模成静态非合作博弈,证明了纳什均衡点的存在,并给出了一种求解纳什均衡点的迭代算法。大量仿真实验证明,该算法能实现信道与功率的联合分配,在满足主用户干扰功率限制的同时,保证次用户接收信干噪比要求。     

一种新的认知无线电功率分配算法（英文）

Most resource allocation algorithms are based on interference power constraint in cognitive radio networks.Instead of using conventional primary user interference constraint,we give a new criterion called allowable signal to interference plus noise ratio(SINR) loss constraint in cognitive transmission to protect primary users.Considering power allocation problem for cognitive users over flat fading channels,in order to maximize throughput of cognitive users subject to the allowable SINR loss constraint and maximum transmit power for each cognitive user,we propose a new power allocation algorithm.The comparison of computer simulation between our proposed algorithm and the algorithm based on interference power constraint is provided to show that it gets more throughput and provides stability to cognitive radio networks.     

Distributed power control for multiuser cognitive radio networks with quality of service and interference temperature constraints

One of the most challenging problems in dynamic resource allocation for cognitive radio networks is to adjust transmission power of secondary users (SUs) while quality of service needs of both SUs and primary users (PUs) are guaranteed. Most power control algorithms only consider interference temperature constraint in single user scenario while ignoring the interference from PUs to SUs and minimum signal to interference plus noise ratio (SINR) requirement of SUs. In this paper, a distributed power control algorithm without user cooperation is proposed for multiuser underlay CNRs. Specifically, we focus on maximizing total throughput of SUs subject to both maximum allowable transmission power constraint and SINR constraint, as well as interference temperature constraint. To reduce the burden of information exchange and computational complexity, an average interference constraint is proposed. Parameter range and convergence analysis are given for feasible solutions. The resource allocation is transformed into a convex optimization problem, which is solved by using Lagrange dual method. In computer simulations, the effectiveness of our proposed scheme is shown by comparing with distributed constrained power control algorithm and Nash bargaining power control game algorithm. Copyright © 2014 John Wiley & Sons, Ltd.     

博弈条件下雷达波形设计策略研究

为提高电子战中弹载雷达检测性能,该文提出基于纳什均衡的雷达波形设计方法。首先建立电子战条件下雷达与干扰信号博弈模型,基于最大化信干噪比(SINR)准则,分别设计了雷达和干扰的波形策略;然后通过数学推导论证了博弈纳什均衡解的存在性,设计了一种重复剔除严格劣势的多次迭代注水方法来实现纳什均衡;通过二步注水法推导了非均衡的maxmin优化方案;最后通过仿真实验测试不同策略下雷达检测性能。仿真结果证明,基于纳什均衡的雷达信号设计有助于提升博弈条件下雷达检测性能,对比未博弈时,雷达检测概率最高可提升12.02%,较maxmin策略最高可提升3.82%,证明所设计的纳什均衡策略更接近帕累托最优。     

Joint transmit beamforming and power control in multi-user MIMO downlink using a game theoretic approach

This study addresses the problem of jointly optimizing the transmit beamformers and power control in multi-user multiple-input multiple-output (MIMO) downlink. The objective is minimizing the total transmission power while satisfying the signal-to-noise plus interference ratio (SINR) requirement of each user. Before power control, it uses the maximum ratio transmission (MRT) scheme to determine the beamformers due to its attractive properties and the simplicity of handling. For power control it introduces a supermodular game approach and proposes an iterated strict dominance elimination algorithm. The algorithm is proved to converge to the Nash equilibrium. Simulation results indicate that this joint optimization method assures the improvement of performance.     

Robust uplink power control for co-channel two-tier femtocell networks

This paper is concerned with uplink interference suppression problem in two-tier femtocell networks through power control. Specifically, we consider the Quality-of-Service (QoS) of the macrocell user and femtocell users in terms of their received Signal to Interference-plus-Noise Ratios (SINRs) at macrocell base station (MBS) and femtocell base stations (FBSs), and we also take femtocell users’ power efficiency into consideration by designing an objective function, which is a weighted sum of transmission power and squared SINR difference between femtocell user's maximum SINR and actual SINR. Due to the error of the SINR at MBS caused by distance errors, a robust uplink power control problem is formulated, and it is equivalent to a robust convex optimization problem with femtocell users’ SINR constraints. Then, the robust convex optimization problem is converted into a general convex optimization problem. Moreover, a distributed power control algorithm combined with admission control is presented to obtain femtocell users’ optimal power allocation. Numerical results show the convergence and effectiveness of the proposed uplink power control algorithm.