智能抗干扰通信技术研究

智能抗干扰通信技术通过对复杂电磁干扰环境的认知,采用学习和智能决策方法,实现高效可靠的信息传输,是新一代抗干扰通信系统发展的重要方向。讨论了智能抗干扰通信系统底层结构,分析了智能抗干扰通信中的关键技术,包括干扰认知、抗干扰波形重构、可靠信令传输、快速适变的波形传输以及实时抗干扰通信智能决策等,并给出了相应的研究思路。     

采用BP神经网络的智能抗干扰决策引擎研究

在认知抗干扰通信系统中,智能决策是其核心,根据干扰环境,对系统的干扰抑制方式、频谱资源分配、调制编码方式和功率调整信息进行最优决策。现有的抗干扰通信系统的智能决策多采用遗传算法、人工蜂群算法等,面对日益复杂的电磁环境,通常这些算法不具有对新干扰的泛化能力。BP神经网络算法简单、具有一定的容错能力和泛化能力,本文设计并分析了一种基于BP神经网络的抗干扰实时决策引擎模型,根据系统性能设计了输入输出数据的预处理方式和判别标准,阐述了决策实现步骤,分析了算法参数;通过系统性能仿真,验证了文中提出的实时决策引擎的强抗干扰性能。与采用遗传算法和人工蜂群算法的决策引擎相比,本文提出的决策引擎决策速度更快且具有泛化能力和容错能力。      

基于改进人工蜂群算法的认知抗干扰智能决策技术研究

在认知抗干扰系统中,智能决策是其核心,根据干扰环境,对系统的干扰抑制方式、频谱资源分配、调制编码方式和功率调整信息进行最优决策。人工蜂群算法（Artificial Bee Colony,ABC）相较于其他群体智能算法全局寻优速度更快,设置参数少、灵活,易与其他技术结合改进原算法,实用性更广泛,但ABC算法同样有其局限性,如局部搜索能力较弱、后期收敛速度慢等。针对复杂干扰环境下对离散参数的决策,本文设计了一种基于改进人工蜂群算法的认知抗干扰智能决策引擎,分析了引擎模型,根据系统效能设计了目标函数和染色体,阐述了决策实现步骤,优化了决策参数,提出了按基因组搜索的改进算法;通过对系统抗干扰性能的仿真,验证了与未采用智能决策的抗干扰系统相比,采用本文提出的智能决策引擎的认知抗干扰系统在干扰环境中不仅具有强抗干扰性能,而且在保证通信传输可靠性的前提下,具有较低的发射功率和高传输效率,与采用传统人工蜂群算法和遗传算法的决策引擎相比,基于改进人工蜂群算法的决策引擎平均收敛代数更少且最优解概率更高。      

基于深度强化学习的多域联合干扰规避

无线通信系统的信道开放性使其极易受到外部恶意干扰、通信链路质量难以保证,针对以上问题,本文设计了一种基于深度强化学习的多域联合干扰规避决策方法。该方法联合频域、功率域、调制编码域三个域的抗干扰手段进行干扰规避,在考虑系统性能的同时实现可靠通信。首先,将联合智能干扰规避问题建模为一个马尔可夫决策过程（MDP, Markov Decision Process）,动作空间包含切换信道、功率控制、改变调制编码方式。然后,采用基于剪裁的近端策略优化算法（PPO-Clip, Proximal Policy Optimization-Clip）求解获得系统的最优联合干扰规避策略。PPO-Clip算法在多回合训练中以小数量样本迭代更新,避免了策略梯度算法中步长难以确定和更新差异过大的问题。最后,分别在扫频干扰、随机扫频干扰和智能阻塞干扰环境下验证了所提算法的有效性和可靠性。      

智能网联交通系统的关键技术与发展

该文梳理了国内外针对智能网联交通系统的相关研究,阐述了智能网联交通系统的架构和关键技术,分析了外部环境感知技术、车辆自主决策技术、控制执行技术以及车路协同技术等几个重点方向的研究进展。在分析总结已有文献的基础上,该文描述了未来智能网联交通系统的方案及其工作原理。未来智能网联交通系统应具备全程路径规划和精准定位功能,运用实时动态定位(RTK)技术和合成孔径雷达(SAR)技术,对运动或非运动物体(包括未装载GPS的物体)进行探测和定位,并保证在GPS信号弱或无信号(如隧道、室内)环境下和近距离、非可视情况下探测信号的连续性。系统还将运用移动边缘计算(MEC)理论,解决低时延、大规模网络接入等关键问题,运用大数据、云计算、物联网(IoTs)和移动通信技术,实现具有全局性、网络化的智能网联交通系统。     

分布式智能无线信息侦察网络设计

信息侦察在现代战争中的地位和作用日益突出,我国大部分地区自然环境复杂,依靠现有的侦察手段是难以获得完整的战场动态信息,基于此,主要以信息环境为背景,采用基于声、红外、磁、振动等被动探测体制的识别技术,研制了一种分布式的智能无线信息侦察传感系统。该智能无线信息侦察系统能够经受得住恶劣条件和激烈的对抗环境,并且具有高效率、高可靠、高稳定、抗干扰、防破译、环境适应性强等特点。     

面向抗干扰通信的智能反射面被动波束赋形设计

在激烈对抗的战场环境中，传统抗干扰方案（如跳频、扩频等）面临敌方大功率、宽频段干扰压制时显得难以为继。故提出利用智能反射面为我方发送信号和敌方干扰信号构建可控的反射链路，使经由其反射的信号与直传信号进行同相叠加或反相抵消，从而实现信号增强和干扰抑制，克服传统抗干扰方案的不足。具体而言，是以最大化接收机信干噪比为目标，对基于信号增强和干扰抑制的智能反射面被动波束赋形进行了联合设计。仿真结果表明，所提方案能够有效提升系统在强干扰条件下的接收性能。     

挺进深蓝:从单体仿生到群体智能

近年来,群体智能作为一项多学科融合的新技术在各领域的研究成果斐然,例如共享出行、蜂群无人机系统、水下多智能体平台等,但与水下场景结合的群体智能技术缺乏系统的归纳,有必要对水下群体智能技术的发展现状和趋势进行讨论和分析.本文对群体智能理论进行了详尽的分析,给出了群体智能的完整概念、具体算法以及应用领域.文中指出,为解决海洋复杂环境对探测、通信等造成的一系列困难,需要将群体智能技术应用于水下场景.本文就国内外水下群体智能技术的研究现状进行了总结,对水下群体智能存在的环境复杂、通信受限、信息获取困难、系统能力不足以及能量供应受限的难点进行了评述.针对这些难点,本文对结合群体智能理论的时变环境感知技术、传感网络设计、协同导航定位技术、路径规划技术、水下编队控制以及分布式自主决策技术进行了分析,并在文末给出水下群体智能技术未来在跨域通信、多平台异构、自主作业能力革新方面的发展趋势和展望.     

卫星智能调零技术及其综合效能评估

采用自适应调零天线能够有效增强卫星通信系统的抗干扰能力,但也会出现因干扰处于卫星覆盖区而导致调零区用户通信中断的情况。本文提出卫星智能调零技术,以信息通过量最大为准则,通过对干扰情况的判决,确定自适应调零天线的应用策略。通过比较与不采用调零和常规调零技术体制的系统,分析和评估了智能调零技术体制的综合效 能,说明智能调零技术能够进一步优化卫星通信系统的抗干扰性能。     

基于有限零和博弈和变换域优选的智能抗干扰策略研究

针对目前变换域通信系统面临的通信干扰对抗具有认知性、智能性的特点,急需智能的抗干扰策略以提升系统的适应性和可靠性。通过分析系统的变换域选择和干扰方式选择间的博弈对抗关系,提出了基于有限零和博弈和变换域优选的智能抗干扰策略。通过理论分析建立了变换域抗干扰博弈对抗模型,并给出了纯策略和混合策略的纳什均衡解求解方法,并根据纳什均衡原理求解得出变换域智能抗干扰的最佳选择决策。仿真结果表明,该策略在完全信息情况下,面对新兴的认知干扰机可以实现变换域优选的智能抗干扰,使得误码率相较于最差情况有大幅度降低;同时,验证了基于博弈论分析变换域抗干扰的可行性,为进一步提升变换域通信系统的战场通信抗干扰能力提供了理论支撑。      

一种雷达智能抗干扰评估仿真系统

抗干扰性能是决定雷达作战效能发挥的重要因素,传统的雷达抗干扰性能评估仿真体系不健全,技术方法单一,智能化程度低,可视性差。基于现代雷达智能抗干扰工作体系,设计实现了基于干扰信号感知的雷达智能抗干扰评估仿真系统。系统分为干扰信号识别、主动/被动干扰拟制、抗干扰性能评估三大模块,应用支持向量机（SVM）提取干扰信号时频特征进行智能识别,对不同干扰采用旁瓣对消、旁瓣匿影、发射波束优化等抗干扰策略,给出抗干扰前后雷达抗干扰性能的提升情况,做到了雷达智能抗干扰的全过程评估。系统可为雷达抗干扰技术的分析验证提供了良好的验证平台,具有一定的应用前景。     

雷达智能抗干扰体系研究

干扰场景与反干扰手段的多样性,造成了雷达反干扰策略的千变万化,客观上要求雷达反干扰实现智能化。文中提出雷达智能化反干扰系统体系,归纳了构成该系统的要素:基于宽带与窄带干扰侦察相结合的干扰认知技术、基于博弈论的反干扰策略调度技术、系统级的干扰对抗技术。文章所提的认知型智能雷达反干扰体系可以解决雷达向认知方向发展的需求。     

一种低速采样的协同宽带频谱感知方法

频谱感知是通信系统抗干扰和智能化的关键能力.针对认知无线电系统窄带频谱感知技术受制于数模转换器件的发展水平,难以解决认知无线电系统宽带、实时频谱感知的问题,提出一种多节点协作的认知无线电系统宽带频谱感知方法.该方法设计由多个认知节点对目标频段执行次奈奎斯特采样来降低采样速率,采用能量检测方式对采样矢量进行集中式融合判决,实现宽频段范围内干扰信号的谱定位和判断,降低各个感知节点的采样速率,支撑认知网络系统构建高实时、宽频带频谱感知的能力.计算机仿真试验结果表明,所提方法达到90％检测概率时压缩比要求为0.025,具有可靠性与有效性.     

基于数据增强的小样本通信干扰识别技术

干扰识别是通信抗干扰过程的前置环节,为抗干扰决策和波形选择提供关键的先验知识,是抗干扰成功与否的关键步骤.在复杂的电磁条件下,对干扰信号进行大量标记往往是困难的,并且对干扰识别的实时性要求很高.针对上述问题,研究了一种基于数据增强的小样本干扰信号识别技术,以解决小样本条件下分类器训练过程的欠拟合问题.小样本条件下,在正...     

深度学习与图像融合的行人检测算法研究

为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。     

相控阵MIMO雷达抗干扰波束形成算法

面对复杂多变的干扰环境下目标检测问题,雷达系统需要更高的系统增益和自由度实现对副瓣电平的控制和有效的抗干扰处理。为此提出一种基于相控阵MIMO雷达的抗干扰波束形成算法,该算法有效利用相控阵MIMO兼具相控阵高增益与MIMO高系统自由度的特点,提高系统抗干扰性能。在阵列发射端进行子阵划分,子阵间发射正交波形,子阵内发射同一波形并形成固定零陷对抗干扰;在阵列接收端进行匹配滤波获得波形分集,通过加窗函数控制副瓣电平并重构数据协方差矩阵消除形成零陷对副瓣电平产生的影响。所提算法在复杂多变的干扰环境下能够保持低副瓣电平并形成密集零陷对抗空间干扰,同传统算法相比优势明显。仿真验证了算法的有效性。      

TDL结构下改进的SRV宽带抗干扰算法

针对导航信号宽带抗干扰问题，传统的宽带抗干扰技术通常将宽带阵列信号处理成若干个窄带信号，但是宽带抗干扰技术却不能简单的处理为多个窄带抗干扰技术。本文提出了一种基于抽头延迟线（TDL）结构的改进空间响应偏差（SRV）因子的线性约束最小方差（LCMV）算法，此算法在空时联合处理宽带阵列信号的基础上，通过增加SRV约束改善阵列响应的频率不变性，并结合线性约束最小方差的准则，通过Frost梯度算法求取权值，对干扰信号进行抑制。仿真结果表明本文算法能够在干扰方向产生较深的零陷，并保留有用信号，稳健性好，输出信噪比较小，且收敛速度快，与传统的宽带抗干扰算法相比较具有明显的优越性。