智能反射面辅助的抗干扰安全通信系统鲁棒资源分配算法

为了解决恶意干扰攻击、窃听和不完美信道状态信息造成的通信质量降低和安全性差等问题,该文提出一种智能反射面(IRS)辅助的抗干扰安全通信系统鲁棒资源分配算法。首先,基于合法用户的最小安全速率约束、最大发射功率约束和IRS相移约束,在非法节点不完美信道状态信息、干扰器波束成形向量未知的情况下,构建了一个联合优化基站的波束成形向量、人工噪声的协方差矩阵和IRS的相移矩阵的鲁棒资源分配问题。其次,为了求解该非凸问题,利用交替优化、Cauchy-Schwarz不等式、连续凸逼近和泰勒级数展开等方法,将原问题转化为易于求解的凸优化问题。仿真结果表明,与传统算法相比所提算法能有效提高系统安全性、降低功率开销、提高抗干扰裕度,且在一定信道误差范围内能够减低约35%的保密中断概率,具有较强的鲁棒性。

基于近端策略优化的智能抗干扰决策算法

针对现有基于深度强化学习的智能抗干扰方法应用于天地测控通信链路时,用于决策的深度神经网络结构复杂,卫星等飞行器资源受限,难以在有限的复杂度约束下独立完成复杂神经网络的及时训练,抗干扰决策无法收敛的问题,提出了一种基于近端策略优化的智能抗干扰决策算法。分别在飞行器和地面站部署决策神经网络和训练神经网络,地面站根据飞行器反馈的经验信息进行最优化离线训练,辅助决策神经网络进行参数更新,在满足飞行器资源约束的同时实现有效的抗干扰策略选择。仿真结果表明,与基于策略梯度和基于深度Q学习的决策算法相比,所提算法收敛速度提升37%,收敛后的系统容量提升25%。

基于深度强化学习的通信抗干扰系统

由于电磁信道的开放特征,存在恶意节点对正常数据流实施干扰,阻止合法接收者获得信息,进而截获并篡改数据,因此针对通信抗干扰的研究非常重要。传统的抗干扰方法采用单一抗干扰方式,并不能根据环境自适应改变抗干扰策略,因此难以在复杂通信环境中达到较好的抗干扰效果。为应对这些挑战,研究了基于深度强化学习(Deep Reinforcement Learning,DRL)的抗干扰通信模型,并搭建仿真系统,利用DRL算法实现智能抗干扰决策。仿真结果表明,提出的智能抗干扰决策能够在复杂环境下根据环境选择最优抗干扰方案,有效提升通信质量。

基于5G电子通信的无人机导航网络信号抗干扰技术

为提升无人机在自主飞行过程中传输导航网络信号时的抗干扰能力,研究基于5G电子通信技术的无人机导航网络信号抗干扰技术。构建无人机通信结构,结合5G电子通信技术与电力线通信技术创建无人机导航网络信号模型;通过频谱感知方法中的能量检测算法建立无人机干扰信号检测模型,利用自适应滤波算法抑制干扰信号以及噪声干扰,实现无人机导航网络信号干扰抑制。实验结果表明,该方法具备不同干扰模式下的信号抗干扰能力。

基于空域自适应单脉冲的抗干扰雷达多目标参数估计算法

基于空时级联单脉冲的多目标参数高效估计算法(M-STCMP)是一种高效的雷达多目标参数估计算法,但在干扰环境下其参数估计性能将严重下降。文中提出了基于空域自适应单脉冲的抗干扰多目标参数估计(AM-STCMP)算法。首先,将空域自适应单脉冲技术引入M-STCMP算法,自适应形成和差波束抑制干扰信号,提高各目标的信干噪比,并迭代修正自适应和差波束的鉴角曲线;其次,采用空时级联单脉冲技术估计各目标的距离-速度两维参数;最后,采用Relax算法高精度迭代估计各目标的角度-速度-距离三维参数。理论分析和仿真结果验证了AM-STCMP算法的有效性,其参数估计性能接近无干扰情形。

多源干扰下的智能车模型预测纵向运动抗干扰控制

智能车纵向运动控制面临模型失配和外部环境变化等多源干扰,影响速度跟踪的精确性,本文针对性提出一种结合扰动观测和模型预测控制(model predict control,MPC)算法的纵向运动抗干扰控制方法。首先,根据车辆纵向动力学模型分析车辆纵向加速度与各项作用力之间的关系,然后将其简化为含多源干扰的质点运动型并设计模型预测控制器作为上层控制器。其次,针对内部未建模动态干扰及外部随机干扰,设计线性扩张状态观测器(linear extended state observe,LESO)进行实时估计,并通过前馈环节实施补偿,且分析了MPC闭环稳定性和LESO收敛性,最终形成扰动补偿和状态反馈的模型预测最优调节控制律。进一步地,为确保控制策略的高效执行,提出1阶自抗扰控制器作为下层控制器,将期望加速度转换为发动机转矩,从而实现对车速的闭环控制。最后,将算法部署在车载微控制单元(microcontroller unit,MCU)上,在多个速度和道路工况下进行实车测试。实验结果表明,所提出的策略可以快速且精确跟踪目标车速,具备良好的抗干扰能力。

基于强化学习的多雷达抗干扰算法研究

针对多雷达系统在受到环境的扫频干扰下无法工作的问题,研究了基于深度强化学习的多雷达共存抗干扰算法。文中将环境划分为多个子频段,对干扰占用频段过程进行建模,用马尔可夫模型对多雷达系统进行建模;对双深度Q网络(Double DQN)强化学习算法进行改进,与门控单元循环神经网络相结合,使之能处理依赖于长时间序列的干扰问题;提出了基于门控循环记忆的深度确定性策略强化学习算法,针对Double DQN强化学习中的网络臃肿和行动集合较大的问题进行了改进,采用直接输出行动策略,有效降低了网络复杂度。实验仿真结果表明,在多雷达存在的情况,该算法通过避开存在干扰的频点,不仅能够有效降低来自外界的干扰,还能减少己方雷达相互之间的干扰。

反装甲导弹导引头抗干扰能力与关键技术发展

针对反装甲导弹面临的复杂战场环境、多样化作战目标和复杂干扰环境,分析其抗干扰能力和关键技术需求。分析反装甲导弹导引头面临的干扰威胁、抗干扰特点和不足,以科学高效提升反装甲导弹导引头抗干扰能力为目标,给出相关措施与建议。结果表明,该分析可为提升反装甲导引头抗干扰能力提供参考。

不同检测系统D-二聚体内源性干扰物最大抗干扰能力分析

目的对不同检测系统的D-二聚体检测时可接受的最大干扰物浓度进行分析、比较。方法随机收集50份患者样本,利用SYSMEX干扰物检测试剂盒4种干扰物胆红素F、胆红素C、溶血血红蛋白、乳糜分别与患者血浆按一定比例稀释,稀释后血浆所含干扰物质浓度与两种检测系统试剂说明书中抗干扰物最大浓度接近,分别在两种检测系统上机检测。结果当干扰物胆红素F浓度达到D-dimer HS及AcuSTAR D-dimer两种检测系统抗干扰Max浓度时,相对偏差<10%的结果占比分别为26%、46%;当干扰物胆红素C浓度达到D-dimer HS及AcuSTAR D-dimer两种检测系统抗干扰Max浓度时,相对偏差<10%的结果占比分别为18%、86%;当干扰物溶血血红蛋白浓度达到D-dimer HS及AcuSTAR D-dimer两种检测系统抗干扰Max浓度时,相对偏差<10%的结果占比分别为44%、88%;当干扰物乳糜浓度达到D-dimer HS及AcuSTAR D-dimer两种检测系统抗干扰Max浓度时,相对偏差<10%的结果占比分别为30%、58%。结论在检测D-二聚体时化学发光法抵抗高浓度内源性干扰物质能力优于免疫比浊法。

一种100 MHz~4 GHz宽带抗干扰射频接收机的设计

为满足导航、通信、相控阵雷达以及电子对抗等领域对高性能接收终端的需求,提高系统的抗干扰、通用化和小型化性能,设计了一款工作频率在100 MHz~4 GHz的宽带抗干扰接收机芯片。接收机结构采用直接下变频形式,包括单转差巴伦、无源混频器和移相器等,能够有效抑制频带内的干扰信号,在强干扰信号下整个接收机通道不阻塞,能检测出极小的有用信号,同时保证与没有干扰状态相比性能不恶化。针对零中频(zero-Intermediate Frequency,zero-IF)接收机容易产生本振泄露、自混频等现象,设计了直流失调校准、本振相位调整等功能,可实现直流偏置点5 mV的补偿。射频输入100 MHz~4 GHz变化时,混频器转换增益≥31.2 dB。

非线性均衡约束下的光纤数据抗干扰通信方法

为了更加精准地解决非线性扰动变量对光纤通信造成的影响,消除扰动噪声对通信速率及通信质量的负面影响,结合扰动参量的非线性特征,对其约束均衡参量进行逐级优化,通过对其常规状态下光纤数据通信扰动模型的建立与抗扰条件分析、扰动信号的非线性分布范围确定与非线性均衡约束下扰动信号优化,实现扰动参量的彻底消除,同时提升原有光纤数据传输能力.通过创建的仿真数据对比证明提出方法的抗扰效果真实有效,其优化效果能够满足现阶段全场景应用需要,切实解决光纤数据通信扰动问题.

空天基合成孔径雷达多域抗干扰技术综述

合成孔径雷达(Synthetic Aperture Radar,SAR)是现代雷达技术发展的主要成就之一,具有全天候、全天时、高分辨率的特性,广泛应用于空基及天基各类平台。现代战场电磁环境日趋恶劣,电子战装备可以在多维度产生高强度、多样式和有针对性的电子干扰,极大制约了SAR作战效能的发挥,如何提高SAR抗干扰能力已成为当前国内外该领域研究热点。本文探讨了SAR常规抗干扰思路和优缺点,并以雷达信号发射和信号接收两个方面为主线,围绕空域、时域、频域、能量域、极化域以及数据处理域等多域,结合仿真和试验数据分析了典型空天基SAR抗干扰方法的实施效果,最后分析其未来的发展趋势,为以后的相关技术研究提供参考。

散射通信自适应选频分集抗干扰性能分析

针对选频分集散射通信抗干扰性能评估准确性提升,提出了一种自适应选频分集抗干扰性能分析方法,基于抗衰落分集接收解调算法建立了选频抗干扰分析模型。通过仿真分析可获得选频分集准确的抗干扰性能,并根据不同的干扰特性得到了量化的分析结果。仿真结果表明,该自适应选频分集抗干扰分析方法优于现有的散射通信抗干扰分析方法,便捷有效,能够显著提升抗干扰性能评估的准确性。

空频抗干扰对GNSS载波相位测量的影响

对于全球导航卫星系统(GNSS)的抗干扰,最有效的是采用自适应天线阵技术,但这种抗干扰处理会引入与信号入射方向相关的载波相位测量偏差,限制了其在高精确度测量领域的应用。为减小抗干扰处理的偏差,引入测量偏差及其分析方法,建立仿真模型,并搭建软件接收机进行实验。结果表明,在不增加额外约束的条件下,采用空频最小方差无畸变响应算法实现空频抗干扰处理器,不会引入载波相位测量偏差,非常适用于对抗干扰性能和测量精确度均有苛刻要求的场合。

基于相似性样本生成的深度强化学习快速抗干扰算法

为提高基于深度强化学习的通信抗干扰算法的学习效率,以更快适应未知干扰环境,提出一种基于相似性样本生成的深度强化学习快速抗干扰算法。该算法将基于互模拟关系的状态-动作对相似性度量与基于深度Q网络的抗干扰算法相结合,能在未知动态干扰环境下快速学习有效的多域抗干扰策略。算法在完成每步传输动作时,首先利用深度Q网络抗干扰算法与环境交互,获得实际的状态-动作对。然后,基于互模拟关系生成与之相似的状态-动作集,从而利用相似状态-动作集生成模拟的训练样本。通过上述操作,算法每步迭代能获得大量训练样本,可显著加快抗干扰算法的训练进程和收敛速度。仿真结果表明,在多路扫频干扰和智能阻塞干扰下,所提算法收敛速度快,且收敛后的归一化吞吐量均显著优于常规深度Q网络算法、Q学习算法以及基于知识复用的改进Q学习算法。

《现代雷达》专题征稿通知 “雷达智能抗干扰技术”专题

随着电子对抗技术的不断发展,雷达面临的电磁干扰环境日益复杂。主瓣灵巧干扰、变极化干扰、智能化干扰、多平台协同干扰等技术对雷达抗干扰技术提出了严峻挑战。为了应对该挑战,雷达抗干扰从传统的自适应副瓣对消、频率捷变等简单技术向着智能化、多维度联合、波形优化、新体制、多平台协同等诸多方向快速发展,以提升雷达在复杂电磁环境下的目标观测能力。

《现代雷达》专题征稿通知 “雷达智能抗干扰技术”专题

随着电子对抗技术的不断发展,雷达面临的电磁干扰环境日益复杂。主瓣灵巧干扰、变极化干扰、智能化干扰、多平台协同干扰等技术对雷达抗干扰技术提出了严峻挑战。为了应对该挑战,雷达抗干扰从传统的自适应副瓣对消、频率捷变等简单技术向着智能化、多维度联合、波形优化、新体制、多平台协同等诸多方向快速发展,以提升雷达在复杂电磁环境下的目标观测能力。

滤波器阶数对导航接收机时域抗干扰的影响研究

随着电磁环境恶化以及干扰强度和复杂度的升级,对导航接收机的抗干扰能力提出了更高的要求。针对目前导航接收机对滤波器阶数缺乏深入研究的现状,文中从时域自适应滤波器的阶数入手,对其抗干扰性能进行了研究。然后对不同干扰环境下的滤波器级抗干扰性能进行了分析,提出了一种基于抗干扰需求的最优阶数设计方法。仿真结果显示,适当增大滤波器的长度,可提高其抗干扰的能力,在工程实践中可以针对具体的抗干扰要求来优化滤波器的阶数。

基于位移传感器的NFC数据抗干扰传输机制研究

NFC数据传输受内部信号及外部环境干扰的影响,抗干扰传输机制对干扰信息的识别能力较差,导致抗干扰处理后信号依旧不稳定。为此提出基于位移传感器的NFC数据抗干扰传输机制。分析位移传感器编码机制,确定解码过程,利用数据编码实现干扰检测和干扰定位。建立RS代码,分析多项式函数的乘法计算和除法计算过程,根据数学检测模型得到传输的波形信息,实现传输机制检测。实验结果表明,基于位移传感器的NFC数据抗干扰传输机制对干扰数据的识别准确率在99.95%以上,处理后信号稳定性极高。

基于频率细化的和差对消主瓣抗干扰研究

目前,大多数雷达抗干扰都是围绕抗旁瓣干扰开展工作,且取得了一定的效果。当面对主瓣干扰,尤其是主瓣压制干扰时,由于干信比过高,回波信号完全被淹没在干扰信号中,且常规的旁瓣抗干扰策略无法起效,导致雷达无法在主瓣干扰方向检测出真实目标。抗主瓣干扰需求迫切,技术难度大,将体现未来雷达的核心竞争力。对此,文章通过分析多种主瓣抗干扰在工程实现上的可行性,提出基于和差通道对消的方法,利用和波束和差波束这两个通道来对输入干扰进行对消。通过优化处理算法,提高对消性能,实现主瓣抗干扰功能。