基于深度强化学习的通信动态抗干扰决策模型

随着通信技术发展,频谱资源有限,抗干扰能力不足,已广泛影响通信质量和可靠性。为提升通信可靠性,将强化学习与VHF动态抗干扰决策相结合,综合考虑通信信道切换和发射功率控制。提出基于深度强化学习算法的VHF动态抗干扰决策模型,使用仿真分析验证强化学习决策模型的有效性。实验结果表明,深度强化学习决策模型的抗干扰性能、收敛速度均优于传统的强化学习算法,具有较高的吞吐量和较低的功耗。

均匀圆阵微分约束的加宽零陷动态抗干扰方法

为了提升载体动态场景下GNSS阵列天线的抗干扰性能,提出一种均匀圆阵下基于微分约束的加宽零陷动态抗干扰方法:通过建立信号模型给出该算法;并给出其求解加权矢量所需的一种来向估计方法。实验结果表明:该算法对于干扰来向的零陷具有加宽、加深以及平滑的作用;但存在会在随机方向引入伪零陷的问题。

导弹动态抗干扰测试系统关键技术研究

首先简单介绍了导弹动态抗干扰测试系统的主要系统组成与闭环仿真测试原理。从实时仿真平台架构的搭建、时钟同步系统设计和系统各控制节点信息的有效传递方式三个方面对系统仿真的实时性进行设计。提出了实现目标模拟器模拟俯仰和偏航两个方向的弹目视线高速角运动的解决措施,给出复合光路的数学模型,并通过试验分析确认复合光路的角度达位精度可满足仿真测试要求。最后通过与同条件下空中靶试试验的试验结果对比验证了导弹动态抗干扰测试系统的测试结果的可信度和测试方法的有效性。

基于深度迁移学习的动态频谱快速适配抗干扰方法

机器学习逐渐发展成为一种成熟强大的技术工具,并被广泛应用于无线通信抗干扰领域。其中,较为典型的有基于深度强化学习的抗干扰方法,通过与动态、不确定通信环境的不断交互来学习最优用频策略,有效解决动态频谱接入抗干扰的问题。然而,由于外界电磁频谱空间复杂、干扰模式样式动态多变,从头开始学习复杂的抗干扰通信任务往往时效性差,导致学习效率和通信性能显著下降。针对上述问题,提出基于深度迁移学习的动态频谱快速适配抗干扰方法。首先,通过构建预训练模型对已知干扰模式进行学习;其次,使用卷积神经网络提取现实场景下的感知频谱数据,重用过往经验优先启动加速适配;最后,运用微调策略辅助强化学习实施在线抗干扰信道接入。仿真结果表明,相较于传统强化学习算法,所提方法能够有效加快算法收敛速度,提升通信设备抗干扰性能。

动态频谱抗干扰系统在部分频带干扰下的性能

为了评估动态频谱抗干扰新体制在抗干扰通信中的性能,采用理论分析与仿真相结合的方法,研究了动态频谱抗干扰系统在部分频带干扰下的信道容量及比特误码率,并将其与常规跳频系统在部分频带干扰下的信道容量及比特误码率进行了比较.结果表明:在很宽的部分频带干扰因子取值范围内,动态频谱抗干扰系统的信道容量均大于常规跳频系统的信道容量,即使动态频谱抗干扰系统无干扰状态信息,其信道容量也大于有干扰状态信息的常规跳频系统的信道容量;在中高信干比处,动态频谱抗干扰系统在最坏情况部分频带干扰下的比特误码率低于常规跳频系统;同时,纠错编码还可以为动态频谱抗干扰系统的性能带来进一步的改善.

动态频谱抗干扰系统中动态宽间隔跳频序列研究

现有的跳频序列大多由于统计性能不佳,通信参数难以实时改变,无法直接应用于动态频谱抗干扰系统。为此,提出一种适用于动态频谱抗干扰系统的跳频序列。基于m序列,通过非连续抽头模型产生跳频基序列。依据随机平移替代法的思想,对基序列进行伪随机映射,给出一种频率数、跳频间隔可根据通信环境实时变化的动态宽间隔跳频序列构造方法。仿真结果表明,与基于固定参数的频率自适应跳频序列相比,动态宽间隔跳频序列在均匀性、随机性、汉明相关性、平均跳频间隔等方面均具有更好的性能。

基于信道质量优化的动态频谱抗干扰

提出一种基于信道质量优化的动态频谱抗干扰技术。通过对信道历史相关参数的估计,建立信道质量优化准则,而后按照准则进行频谱感知和频谱预测,并将两者频谱决策结果进行融合,当频谱决策结果为空闲(即无干扰或者信道空闲)时,用户可动态地接入该信道进行数据传输。通过仿真表明,在相同呼叫次数的情况下,可成功动态地躲避对方的干扰,加快通信链路成功建立平均时间。

动态频谱抗干扰系统中跳频序列研究

现有的跳频序列,由于综合性能不均衡,参数无法实时改变,无法直接应用于动态频谱抗干扰系统中,因此迫切需要研究一种适用于动态频谱抗干扰系统的动态跳频序列。基于m伪随机序列,提出了一种频率数可根据通信环境实时变化的跳频序列。仿真结果表明,与基于固定参数的频率自适应跳频序列相比,动态跳频序列在均匀性、随机性、汉明相关性等方面均具有更好的性能。

基于限幅度量的动态频谱通信系统抗干扰性能

在短波干扰信道下,对采用限幅度量的动态频谱抗干扰系统比特误码率(BER)进行理论分析。以Odenwalder(2,1,7)卷积码作为纠错编码,给出系统的BER上界,并进行仿真验证。结果表明,采用纠错编码及抗干扰译码度量后,系统的抗干扰性能提升可达10dB以上。

智能感知辅助的快速动态频谱抗干扰方法

机器学习赋能的动态频谱抗干扰方法能够通过频谱感知学习干扰规律,自主优化抗干扰策略,适应动态复杂的频谱环境。然而,现有大部分研究假设环境中仅有恶意干扰而不考虑其他通信系统的存在,且所提算法复杂度和算力要求较高。针对以上问题,考虑主用户和恶意干扰同时存在且用频规律未知的场景,设计了基于并行学习的智能感知算法和基于预先学习的动态频谱接入算法,无须通过随机探索频谱环境即可学习可用信道变化规律。仿真结果表明,所提算法在动态干扰攻击下能在线快速找到最优信道选择策略,在完美避开动态干扰的同时不对主用户造成无意干扰。

自适应调零天线动态性能影响因素研究

本文针对卫星导航接收机的功率倒置(PI)算法在动态环境下受到最优权值处理速度的制约,导致动态抗干扰性能下降这一个问题,通过建立动态仿真环境,以七阵元均匀圆阵作为天线布阵的仿真模型,研究了不同权值更新速率对动态抗干扰性能的影响,证明了权值更新速率的提升对动态抗干扰性能也有相应的提高。并且分析了在不同快拍数以及不同时域抽头数对动态抗干扰性能的影响,证明了可以通过适当选择快拍数和时域抽头数来提高权值更新速率。本研究为建立更加完善的工程实现方案提供了理论依据,对存在类似需求的空时自适应调零天线抗干扰系统具有一定的参考价值。

基于SDM算法的物联网通信数据动态多域抗干扰方法

针对现有方法无法迅速进入多域抗干扰状态且抗干扰状态存在波动的问题,设计基于SDM算法的物联网通信数据动态多域抗干扰方法。本次研究先进行物联网通信数据特征定位,然后基于粗糙集理论构建物联网通信数据动态多域抗干扰决策模型,获取约简后的动态多域抗干扰决策规则,最后基于哈里斯鹰优化算法实施获取的动态多域抗干扰决策的路径寻优,获取最佳决策路径,实现最好的动态多域抗干扰效果。测试结果表明,应用该方法可在5 s内实现多域抗干扰,且其状态较为稳定,优于对比方法,具有更大的应用价值。

一种基于认知的动态频谱抗干扰新技术

针对传统的"固定频谱"通信体制在未来信息化战争中所存在的不足,基于认知无线电中机会频谱接入的思想,提出一种动态频谱抗干扰新体制。对动态频谱抗干扰体制的基本原理进行了简要阐述,并在短波干扰信道模型下,对采用硬判决译码的简化动态频谱抗干扰系统的信道容量进行了分析,定量给出了其相对于固定频谱通信体制的性能改善。最后,对动态频谱抗干扰实现中应解决的关键技术进行了探讨。

基于反步法的单相电压型SPWM变流器控制

单相电压型SPWM变流器的非线性特性使变流器的控制器设计较困难,不易获得良好的变流器输入电流,且动态响应较慢。采用反步法在Lyapunov稳定性理论的基础上逆向推导出一种对单相电压型SPWM变流器新的控制策略,并在使用PSCAD软件仿真所搭建模型效果良好的基础上,构建实验平台对该控制策略的有效性进行了实验验证。实验表明,能够实现控制目标,可以有效提高系统的动态响应特性和抗干扰能力。