基于双层强化学习的多功能雷达认知干扰决策方法

针对认知对抗中干扰方难以获取雷达方正确先验知识、面对复杂模型求解最优干扰策略困难的问题,提出了基于双层强化学习的多功能雷达认知干扰决策算法,第1层强化学习验证先验知识是否正确,并决定是否更新先验知识;第2层强化学习基于更新的先验知识进行强化学习,生成Q矩阵指导干扰方进行干扰决策。为了提高双层强化学习算法的干扰决策效率以及干扰决策正确率,对Q-learning算法的动作选择策略和收益函数设置方法进行了改进。仿真实验表明,在错误先验知识的情况下,该算法可以解得正确的最优干扰策略。相比于单层强化学习,该算法提高了干扰方适应复杂电磁环境的能力,使得强化学习在多功能雷达认知干扰决策中更具应用价值。

GPS最优压制式干扰信号研究

针对GPS最优干扰信号评估方法欠缺的问题,提出了利用接收机误码率判断最优干扰信号的方法;通过对卫星导航接收机工作原理的研究,建立了卫星导航接收机模型;通过接收机不同模块对导航信号处理过程的研究,建立了基于中频信号的误码率模型;利用仿真工具模拟不同干扰信号,研究不同干扰环境下接收机的误码率;通过改变干扰信号功率得到误码率与干信比的关系曲线,比较不同干扰信号同干信比下接收机的误码率,得到最优干扰信号;通过实验验证,在接收机干信比允许范围内,相同干扰信号功率下,伪码相关干扰信号干扰效果最优,为卫星导航信号干扰设备的研发及设计提供了依据。

混合双工主动窃听系统中的干扰端优化研究

随着不法分子对公共安全的威胁日益加大,主动窃听在商业和军事领域开始发挥重要作用。针对可能存在的解码转发中继网络下的可疑通信,提出了一种混合双工主动窃听系统。假设可疑用户受到干扰后,为了保持恒定的中断概率,将被迫改变可疑发送者的发送速率,利用这一特性对主动窃听者干扰端进行优化处理使得平均窃听速率最大化。通过将窃听到的两个时隙的信息进行不同的处理,分析了接收端两种不同信号合并方案下的平均窃听速率以及相应的最优干扰功率,最后还比较了最优干扰策略下该系统与其他文献中的系统的窃听性能差异。表达式和仿真结果表明,同样在最优干扰策略下,本文提出的混合双工主动窃听系统在接收端采用最大比合并方案时的主动窃听性能最优。

卫星导航抗干扰最优接收机与相关接收机性能分析

为减小抗干扰接收机硬件实现难度,深入研究单天线卫星导航抗干扰相关接收机的性能,并详细分析其频域响应、信干噪比损耗和相关输出函数。分析表明,抗干扰最优接收机与相关接收机信干噪比损耗随着干扰带宽和干扰强度的增加而增大,随干扰频率与中心频率偏差和噪声带宽的增加而减小。此外,干扰将引起抗干扰接收机匹配与相关输出主峰降低和旁瓣抬高,从而影响接收机捕获、跟踪和多径抑制性能。研究结果将为卫星导航抗干扰接收机的优化设计提供依据。

Link4A数据链压制干扰效果分析

首先介绍了Link4A数据链信号的特征,建立了各种干扰样式模型,并在非相干检测前提下分析了各种干扰样式的理论误码率,仿真了各种干扰样式对Link4A数据链的干扰效能;其次,分析了数据链信号和干扰信号的传播损耗,计算了不同通信距离和干扰距离时通信接收机端的干信比,并得出最优干扰样式选择原则。

基于匹配滤波的高效干扰感知方法

针对基于调制方式的最优干扰波形的感知问题,提出了一种基于匹配滤波的干扰感知方法。由最优干扰理论可知,不同调制方式的通信信号对应不同的最优干扰信号,将通信信号及其最优干扰信号的混合信号通过多个不同的匹配滤波器,根据各匹配滤波器的输出幅度判断最优干扰是否存在。仿真结果表明,在一定的干信比下,所提出的算法可以较准确地感知干扰的存在,为采取有针对性的抗干扰措施提供了支撑。

幂律分布研究简史

自然界与社会生活中存在各种各样性质迥异的幂律分布现象,因而对它们的研究具有广泛而深远的意义.近年来,借助于有效的物理和数学工具以及强大的计算机运算能力,科学家们对幂律分布的本质有了进一步深层次的理解.文章从统计物理学的角度,简要介绍了幂律分布的研究史以及最新的进展,并对它的形成机制及动力学影响作了一些简要的阐述.

分布式多输入系统的自律鲁棒自适应分散控制

为了实现一类分布式多输入系统的分散鲁棒自适应控制,基于状态扩张和反演干扰抑制控制,提出一种自律鲁棒自适应分散控制的新方法.结合直接反馈线性化和最优控制,给出了自律最优鲁棒自适应分散控制的设计方法.仿真结果表明,所提出方法能够有效实现各子系统的自律鲁棒稳定、全系统整体鲁棒稳定和不确定参数自适应,同时通过求解LMI,具备了最优干扰抑制的功能.