地面防空对抗系统干扰资源优化分配研究

依据地面防空对抗系统特点,确立了地面对抗系统作战中目标分配原则,运用军事运筹理论,建立了地面防空对抗系统干扰资源优化分配模型。给出了基于遗传算法的模型求解方法及步骤,并进行了实例仿真,得出最佳干扰资源分配方案。仿真证明了该方法有效、可行,对地面防空对抗系统干扰资源优化分配决策研究具有一定的参考价值。     

基于改进遗传算法的干扰资源分配方法研究

针对分布式对抗系统对敌方分布式雷达的干扰效率问题，设计一种基于二进制编码的改进遗传算法，用于提高系统自主干扰资源分配效率。首先，通过前期侦察，获取雷达的性能参数，得到每部干扰机对每部雷达的干扰效能参数，生成干扰效能矩阵，以干扰总效能最大化为原则，构建目标效能函数；然后根据干扰机与雷达的数量差异建立干扰资源分配模型，确定约束条件；最后利用改进遗传算法，通过选择、交叉、变异、淘汰、继承等算子操作对模型的最优值进行求解，并给出具体算法流程。Matlab仿真结果表明，改进算法需要更少的迭代次数，能够得到最优解，能够较好地解决文中构设场景下的分布式协同干扰资源优化分配问题。     

基于改进离散布谷鸟算法的干扰资源分配研究

该文对二次雷达机制的协同式敌我识别系统的干扰资源分配问题进行研究,将离散布谷鸟算法(Discrete Cuckoo Search, DCS)引入敌我识别系统的干扰资源分配问题。首先给出协同式敌我识别系统的干扰效果评估指标,建立干扰资源分配模型,将模型简化为一对一、多对少模型,使用DCS算法求解模型。针对Levy飞行后期出现搜索速度慢和精度低的问题,将遗传算法中的交叉与变异操作引入DCS算法得到改进的离散布谷鸟算法(Improved Discrete Cuckoo Search, DCS),用以求解分配模型。仿真分析表明:所提干扰效果评估指标可以合理地评估干扰效果;IDCS算法比IDCS算法收敛更快、耗时更短;IDCS算法与做出相应改进的遗传算法(Improved Genetic Algorithm, IGA)相比具有更好的寻优能力。     

基于动态选择遗传算法的雷达干扰资源分配

电子战中如何针对敌方目标雷达合理高效地分配己方干扰资源,对于获取最佳干扰效益能够起到重要的作用。文中针对雷达干扰资源分配的干扰效益建立评估模型,在模糊综合评估方法的基础上引入遗传算法进行最优解搜索,在遗传算法中关键的选择步骤运用动态选择概率代替了轮盘选择,从而得到了一种行之有效的雷达干扰资源分配方法,预防了经典遗传算法中的早熟收敛问题,使资源分配算法以更大概率收敛至全局最优解。通过进行大量仿真检验,验证了文中所提方法具有有效性和正确性。     

基于协同的编队干扰资源分配优化

干扰资源分配在舰艇编队电子对抗作战中占有非常重要的地位,为了解决舰艇编队在考虑协同时的干扰资源分配问题,提出了基于协同的编队干扰资源分配优化方法。以系统协同学为理论依据,定义了协同度概念,给出了协同度的求解方法。并将协同度概念运用到编队干扰资源分配领域,与动态规划理论相结合,建立了编队干扰资源协同分配的动态规划模型。在给定的战术想定条件下,通过数字仿真进行分析后得出：在考虑协同和不考虑协同时得到了不同的干扰资源分配最优方案,结果明确合理。     

改进布谷鸟算法在协同干扰资源分配中的应用

针对敌方雷达网的多干扰机协同干扰资源分配问题,提出了一种基于二维整数编码的改进布谷鸟(ICS)算法。首先,根据不同干扰样式在不同恒虚警检测器中的干扰效果差异,从压制概率公式出发,构建目标函数;然后,根据分配原则建立干扰资源分配模型;最后,利用ICS算法对模型寻优求解,并给出具体求解步骤。仿真结果表明:ICS算法收敛速度快,全局寻优能力强,能很好地解决雷达干扰资源协同优化分配问题。     

多小区WiMAX资源分配研究

针对多小区WiMAX下行链路资源分配问题,本文通过建立符合实际应用场景的同道干扰模型,并考虑到功率和带宽对资源分配的影响,提出功率、带宽联合优化的多小区WiMAX资源分配策略。该策略基于系统和容量最大化、最小容量最大化以及发射总功率最低准则,把网络资源分配问题建模为不同的数学优化模型,并利用凸优化问题求解得到不同准则条件下带宽、功率分配的最优解。仿真结果表明,提出的资源分配方法可以保证资源分配的公平性、提高系统容量并降低功率消耗      

基于深度强化学习的干扰资源分配方法

针对干扰机群掩护目标突防组网雷达场景下的干扰资源分配的问题,提出了一种基于深度强化学习的干扰资源分配方法。该文将干扰资源分配模型描述为一个马尔可夫决策过程,并提出了一种基于动作密钥编码的双延迟深度确定性策略梯度(AKE-TD3)网络训练算法,将混合整数优化问题转化为连续变量优化问题,解决了算法难以收敛的问题。仿真结果表明,文中所设计的干扰资源分配方法对组网雷达有更好的干扰效果,且稳定性更高,有效地提升了干扰机群的作战性能。     

认知异构蜂窝网络中改进蜉蝣算法的资源分配策略

针对认知异构蜂窝网络中上行链路资源分配的优化问题,提出认知异构蜂窝网络中改进离散蜉蝣算法的资源分配算法。认知异构蜂窝网络模型中,考虑用户层间干扰和带外干扰引入功率控制策略控制发射功率来干扰抑制,基于用户服务质量（QoS）需求和干扰阈值约束,最大化能量效率为优化目标,利用改进离散蜉蝣算法优化求解得出最优分配方案。引入不完全Gamma和Beta分布函数的动态自适应权重、黄金正弦位置更新策略,提升蜉蝣算法的收敛速度和搜索能力。仿真实验表明,基于接收SINR的闭环功率控制动态调整用户端的发射功率,能有效抑制用户间的干扰,GSWBMA求解资源分配问题具有良好的寻优效率和收敛性能,有效提升系统能量效率和用户传输速率,保证用户QoS需求。     

基于模糊多属性的协同电子干扰资源分配方法

针对协同干扰资源优化分配问题,构建了组网对抗背景下基于模糊多属性的干扰资源分配方法。根据体系对抗特点,首先选择时、空、频、能四个维度与干扰样式作为干扰效能的评价依据,运用模糊综合评价方法构建了多对多的干扰效能矩阵,并以整体干扰效能最佳为目标函数建立了干扰资源分配模型,并基于贪婪算法对该目标函数进行优化求解,通过实例分析验证了分配算法的有效性与精确性。     

带精英集并行遗传算法的无人机干扰资源调度

在中大规模无人机干扰资源调度中,针对现有模型约束条件简单、调度算法适用规模较小的问题,该文提出了带最少任务数约束的资源调度模型,以最大化干扰效益和最小化成本为目标,用层次分析法对效益与成本指标赋权,并设计了一种用精英集加快收敛的改进并行遗传算法。在中等规模和500:500(干扰资源数:目标数)的更大规模仿真实验中,所提算法与遗传算法、非支配排序遗传算法II、修复遗传算法、基于岛屿模型的并行遗传算法和自适应模拟退火遗传禁忌搜索算法的性能相比,能在更短的时长内达到较优的目标函数值。     

基于遗传算法的地对空雷达对抗干扰任务分配模型

基于遗传算法的基本原理,利用该算法对地对空雷达对抗干扰任务分配建立了有关的模型,并进行了仿真和相关分析,为地对空雷达对抗干扰任务的优化分配提供了一种新方法。     

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。      

基于激光导引头对抗数据的光电对抗效果实验方法

为了同时获得实装对抗的高可信度和数学仿真大样本的优点,提出了基于激光导引头实物对抗数据的光电对抗效果评估技术,分析了该种实验方法的主要误差因素。根据目标漫反射特性和直射式激光干扰设备特点,建立了激光导引头处目标漫反射激光能量密度模型和激光导引头处直射式激光干扰设备激光能量密度模型。采用数值计算方法,分析了激光导引头处目标漫反射激光能量密度误差分布规律和激光导引头处直射式激光干扰设备激光能量密度误差分布规律。最后利用实际试验过程,计算了该种实验方法下激光导引头接收到的目标漫反射激光能量密度和直射式激光干扰设备激光能量密度的误差,证明了该实验方法的有效性。     

分枝定界在多级动态频谱分配中的应用

针对认知无线电动态频谱分配中认知用户较多,传统优化算法收敛时间较长的问题,本文结合分枝定界原理提出一种多级动态频谱分配算法。首先建立基于用户需求的多级动态频谱分配模型,然后借助图着色理论,将问题转化为函数优化问题,最后借助分枝定界算法,通过把全部可行的解空间不断分割为越来越小的子集,从而实现了对该多级模型的频谱分配。仿真实验采用与遗传算法比较,通过对二者认知用户接入量和系统网络效益的分析比较,表明该算法对处理多级DSA分配问题的优越性,且所提算法具有较小的计算复杂度,具有较高的应用价值。      

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。     

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。      

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。     

一种雷达干扰资源分配算法

雷达干扰资源分配是电子对抗领域的一个重要研究课题,合理的干扰资源分配可以使有限的干扰资源发挥最佳的干扰效果。本文在运筹学的基础上,研究了一种干扰资源分配算法,称之为最大元素法。仿真结果表明该算法是可行、有效的。