无人机空地网络算力资源预测与分配联合算法研究

无人机空地网络相较于地基网络可以显著提高网络覆盖率。空地网络动态性强、拓扑变化复杂,传统的算力资源分配算法已无法满足网络需求。针对上述问题,提出了一种基于数字孪生技术和多智能体强化学习的算力需求预测与动态资源分配联合算法,首先建立无人机空地网络模型,之后搭建其数字孪生网络并基于长短时记忆网络预测网络算力需求,最后基于多智能体强化学习算法实现算力资源的动态分配。仿真结果表明,所提算法可以有效改善网络性能。

基于导航卫星反射信号的距离-多普勒图信噪比增强算法

利用全球导航卫星系统(global navigation satellite system,GNSS)与地基接收机构成的双基地雷达探测水上目标,是监测水上交通的新兴手段。利用由地球静止轨道(geostationary earth orbit,GEO)卫星反射信号生成的距离多普勒(range-Doppler,RD)图来实现目标探测。为了提高RD图中运动目标回波信号的信噪比,提出了一种增强回波信号能量的算法。该算法首先将相邻距离元和多普勒元上的回波信号通过距离补偿和多普勒补偿搬移到弱回波信号的位置,然后通过信号累加提高回波信号的能量,从而达到增强信噪比的目的。描述了探测长江货轮的实验,实验结果表明经增强算法处理后,运动目标回波信号的信噪比平均提高了4 dB左右。这一结果验证了利用北斗GEO卫星探测水上目标的可行性。