基于Stackelberg博弈的有人机/无人机协同干扰功率分配机制

针对有人机/无人机协同干扰资源分配问题,以有人机/无人机空中编队对敌方地面防空雷达压制干扰为典型作战场景,设计有人机/无人机效用函数,建立基于Stackelberg博弈的有人机/无人机协同干扰功率动态分配模型,采用牛顿迭代法求解最优支援干扰功率价格和无人机所需的最优支援干扰功率,提出了有人机远距离支援干扰协同无人机随队支援干扰作战模式下的最优支援干扰功率控制方案。通过实例分析,结果验证了所提方法的可行性和有效性。

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法(MOGWO)求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法(GWO)探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。

LMS预处理的相位差机载单站无源定位方法

针对机载单站无源定位精度受限于参数测量误差的实际问题,提出一种改善相位差误差下的网格搜索无源定位方法。首先采用LMS自适应滤波算法对相位差信息进行滤波处理,然后根据定位模型利用观测的相位差建立定位方程,最后通过网格搜索法解算辐射源目标位置。该方法可以在相位差测量误差较大情况下实现对辐射源目标的精确定位。仿真实验结果表明,滤波处理后的相位差误差可以减小到0.14 rad以下,而且定位结果优于文献[17]的方法。通过分析定位误差,表明相位差误差在10°范围内,增大网格分辨率和延长观测时间可以提高定位精度,同时也进一步验证了获取高精度相位差信息的必要性。

基于方位多假设的单基线干涉仪定位方法

为了解决机载单站无源定位系统中一维单基线干涉仪测量相位差信息的模糊问题,改进仅利用相位差变化率定位方法,将模糊相位差作为有效的定位参数,提出一种基于方位多假设的单基线干涉仪定位方法。利用模糊相位差和相位差变化率初始化辐射源目标的可能距离方位信息,并通过高斯-扩展卡尔曼滤波(GS-EKF)算法解算辐射源目标位置。所提方法克服了仅利用相位差变化率定位受观测平台机动影响的缺陷,有效缩短了定位时间,同时不必考虑解相位模糊,定位性能均优于仅利用相位差或相位差变化率的定位方法,在实际工程运用中可以降低设备复杂度和成本。

基于信号博弈的雷达抗干扰策略选择方法

为提升电子战对抗过程中雷达抗干扰水平,以抗干扰效能作为雷达收益函数,构建了雷达抗干扰效能评估指标体系,采用熵权法计算指标权重,提出了一种基于信号博弈的雷达抗干扰策略选择方法,给出不完全确定干扰类型时的精炼贝叶斯纳什均衡解的求解步骤,并结合实例分析了不同先验信念状态下纳什均衡解,验证了所提模型和方法的有效性和实用性。

基于MADDPG的无人机群空中拦截作战决策研究

基于未来现代化作战需求,构建作战想定,研究在此想定条件下,使用强化学习解决关于红蓝双方无人机编队空中拦截任务的多目标智能决策问题。根据作战模式和应用需求,选择多智能体确定性梯度算法,并对算法原理进行简要介绍;按照想定,编程搭建了完备的模拟作战训练平台;设计智能体网络模型、网络参数和训练方法;经过训练,初步达到预期效果。实验证明了所选用算法能够有效地解决该类问题,不仅为该类问题的现实应用提供了技术支撑,也为更复杂作战场景和作战任务条件下智能决策的研究提供了理论基础和实验参考。

基于MCIS技术的相位差变化率单站无源定位

针对最大似然估计(ML)方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术(MCIS)高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样(IS)技术构建符合高斯分布概率密度(PDF)的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。