一种雷达干扰资源动态优化分配技术

雷达干扰资源的分配问题一直是个十分棘手的问题。本文提出了一种雷达干扰资源动态优化分配技术，它将动态规划算法应用于解决雷达干扰资源分配问题，利用这种技术可以快速地、有效地进行干扰资源分配。     

智能雷达干扰决策支持系统中资源分配技术

雷达干扰资源分配是否合理是影响雷达干扰效果的重要因素。本文详细介绍了智能雷达干扰决策支持系统（IDSSRJ）中的几种雷达干扰资源分配技术，包括多级优化动态资源分配技术、全空间搜索以及随机抽样资源分配技术。     

IDSSRJ中的雷达干扰资源分配技术

雷达干扰资源分配是否合理是影响雷达干扰效果的重要因素,详细介绍了智能雷达干扰决策支持系统（IDSSRJ）中的几种雷达干扰资源分配技术,包括多级优化动态资源分配技术,全空间搜索以及随机抽样资源分配技术。     

基于模糊多属性的协同电子干扰资源分配方法

针对协同干扰资源优化分配问题,构建了组网对抗背景下基于模糊多属性的干扰资源分配方法。根据体系对抗特点,首先选择时、空、频、能四个维度与干扰样式作为干扰效能的评价依据,运用模糊综合评价方法构建了多对多的干扰效能矩阵,并以整体干扰效能最佳为目标函数建立了干扰资源分配模型,并基于贪婪算法对该目标函数进行优化求解,通过实例分析验证了分配算法的有效性与精确性。     

基于突防路线的雷达干扰效果评价指标

为了能够迅速准确地对进行支援干扰时的多部干扰机做出分配,以突防任务为作战前提,分别从干扰机的干扰程度、干扰位置部署和干扰角度3个方面设计了新的干扰效果评价指标,建立了针对突防路线的雷达干扰效果评价指标体系。应用新的干扰效果评价指标对干扰资源分配模型进行求解。通过仿真绘制了干扰区域图形并设计了突防航迹区域的GUI仿真界面,并由此得到新的干扰效果评价指标体系下的干扰资源分配。仿真结果表明,分配方案对执行突防路线规划任务前的雷达干扰资源分配更加具有针对性,同时也更加注重对突防路线的保护。     

基于Message Passing的认知无线电快速资源分配

针对多用户的OFDM认知无线电系统上行链路,提出一种基于Message Passing的分布式快速资源分配算法。该算法以认知系统总发射功率最小化为优化目标,综合考虑了认知用户对授权用户的干扰、总发射功率预算以及认知用户之间的比例公平性等约束条件,将资源分配分为子信道分配与功率分配相继2个步骤,构建资源分配的因子图,通过在节点间迭代地传递信息直至最终完成分布式的资源分配。分析和仿真结果表明,该算法在保证系统通信性能及资源分配公平性的前提下降低了系统总发射功率,并且运算效率得到了明显提升。     

多样式协同干扰的目标分配研究

在需要对多个目标进行干扰的情况下,提出多机协同干扰技术,即指挥中心根据不同干扰机对抗不同雷达的干扰效果,建立数学模型,通过运筹学方法求解该模型来得到最优的干扰策略,实现目标分配和干扰资源分配等目的,再将任务下发给系统内地面和空中的多个干扰机,以取得最佳的整体干扰效果。最后,进行干扰目标分配的仿真实验,通过对实验结果的分析,进一步验证该方法的可行性和有效性。     

多小区WiMAX资源分配研究

针对多小区WiMAX下行链路资源分配问题,本文通过建立符合实际应用场景的同道干扰模型,并考虑到功率和带宽对资源分配的影响,提出功率、带宽联合优化的多小区WiMAX资源分配策略。该策略基于系统和容量最大化、最小容量最大化以及发射总功率最低准则,把网络资源分配问题建模为不同的数学优化模型,并利用凸优化问题求解得到不同准则条件下带宽、功率分配的最优解。仿真结果表明,提出的资源分配方法可以保证资源分配的公平性、提高系统容量并降低功率消耗      

一种基于自适应资源分配的干扰协调方案

在宏基站和微微基站(Macro-Pico)的异构网络中,资源分配可以有效地抑制基站间的干扰。基于降低用户的干扰和提高系统的吞吐量,提出一种自适应的频率资源分配方案。考虑分配给宏基站的每个资源块,如果距离宏基站较近的微微基站用户所受到的干扰高于最高限,采用不给宏基站分配这个资源块的方法,从而降低其对邻近微微基站用户的干扰,保证微微基站用户一定Qo S(Quality-of-Service)。系统仿真结果表明,与正交频率资源分配方案和共信道频率资源分配方案相比较,所提出的自适应频率资源分配方案降低了干扰和提高了系统的吞吐量。     

基于用户分簇的认知超密集网络资源分配

针对5G时代小基站的密集部署带来的复杂干扰问题,对下行的认知无线电超密集网络下的资源分配进行了研究。为减小网络干扰,提高次用户吞吐量,提出了一种改进的基于用户分簇的资源分配算法。基于基站的覆盖范围,选出用户的强干扰基站,以用户-基站干扰关系建立用户-用户干扰图,按用户受到的平均弱干扰划分优先级对用户分簇,再为簇集群预分配频段,为每个簇分配对应频段中效用最大的信道。该资源分配算法能准确反映用户间的干扰关系,保障资源分配公平性。仿真结果表明,当用户密度与基站密度均较大时,与相同场景的已有算法相比,该改进算法有较好的抗干扰能力,能有效提高次用户的吞吐量。     

超密集网络中的绿色预测资源分配

大数据分析兴起使得系统可以预测用户的移动轨迹和业务需求等信息，从而可以根据预测信息对资源进行预先分配，在满足用户需求的同时降低网络的资源消耗。相比于无干扰网络，在基站密集部署的网络中，干扰的存在使得用户数据率预测与资源分配耦合，增加了干扰网络中进行预测资源分配的复杂性。本文研究了在保证用户业务需求情况下如何最小化系统资源消耗的问题，提出了一种能够有效协调网络干扰的预测资源分配方法。仿真结果表明，本方法基于可预测的大尺度信道信息进行预测资源分配，能够在相同的用户需求下提高网络成功传输率，降低系统能量资源消耗，提高资源的频谱效率。      

基于改进遗传算法的干扰资源分配问题研究

针对组网雷达的干扰效率问题,设计了一种改进的遗传算法并将其应用于干扰资源分配问题,进而分别就一对一、多对少、少对多3种分配模型进行了分配方案制定以及干扰效益值计算。通过与其他算法结果的对比,发现本算法不但取得了较优的分配结果和效益值,且需要的迭代次数较少,验证了算法的高效性。     

基于遗传算法的光电干扰资源优化分配研究

结合光电信息系统作战运筹中目标分配原则，及军事运筹理论，建立了干扰资源优化分配模型。给出了基于遗传算法的模型求解方法及步骤，阐述了遗传算法在光电干扰资源分配中的应用，并进行了实例仿真，得出了最佳干扰资源分配方案。仿真结果证明，该方法对于约束条件复杂的优化模型求解是有效、可行的，为光电信息系统指挥控制决策提供了有力支持。     

改进布谷鸟算法在协同干扰资源分配中的应用

针对敌方雷达网的多干扰机协同干扰资源分配问题,提出了一种基于二维整数编码的改进布谷鸟(ICS)算法。首先,根据不同干扰样式在不同恒虚警检测器中的干扰效果差异,从压制概率公式出发,构建目标函数;然后,根据分配原则建立干扰资源分配模型;最后,利用ICS算法对模型寻优求解,并给出具体求解步骤。仿真结果表明:ICS算法收敛速度快,全局寻优能力强,能很好地解决雷达干扰资源协同优化分配问题。     

雷达干扰资源优化分配博弈模型和算法

从时间、空间、频率、能量四个方面对干扰效果进行定量描述,构建干扰效益矩阵,建立目标函数,并利用博弈论分析研究雷达有源干扰资源分配问题,证明了纳什均衡的可行性和存在性。基于最佳动态反应设计了集中式迭代干扰策略选择算法,基于学习自动机原理提出了分布式有限反馈干扰资源分配算法。仿真结果表明:文中提出的两种分配算法可以以很低的复杂度来获取一个很好的干扰性能,很好地解决干扰资源分配问题,对实际的指挥有一定的指导意义。     

认知无线网络中一种基于匹配和干扰量化的LTE-A上行资源共享机制

认知无线网络中基于OFDMA的次系统(SS)与LTE-A主系统(PS)以重叠方式共享频谱的问题越来越受到学术界重视,该文关注上述场景中的资源分配和干扰避免问题。该问题的困难在于资源分配子问题中带耦合干扰的功率分配问题是NP-难的。为了满足研究场景提出的时延约束,该文将提出两阶段资源分配算法:子载波分配阶段的最大权匹配方法和功率分配阶段的干扰量化分配方法,简记为MQRA算法。理论分析和仿真结果表明,该文提出的MQRA算法能够很好地平衡性能和复杂性,并适用于LTE-A主系统下的频谱共享问题。     

基于协同的编队干扰资源分配优化

干扰资源分配在舰艇编队电子对抗作战中占有非常重要的地位,为了解决舰艇编队在考虑协同时的干扰资源分配问题,提出了基于协同的编队干扰资源分配优化方法。以系统协同学为理论依据,定义了协同度概念,给出了协同度的求解方法。并将协同度概念运用到编队干扰资源分配领域,与动态规划理论相结合,建立了编队干扰资源协同分配的动态规划模型。在给定的战术想定条件下,通过数字仿真进行分析后得出：在考虑协同和不考虑协同时得到了不同的干扰资源分配最优方案,结果明确合理。     

LTE-A异构网络下的高效资源分配算法

分析了OFDMA上行系统中,由宏基站(macrocell)和家庭式基站(femtocell)组成的双层网络,并提出了高效的资源分配算法。为避免严重的跨层干扰导致双层网络中的资源分配不协调,提出了一个跨层干扰控制算法。在基于干扰控制算法的结果上,提出包括功率分配和频谱分配的资源分配算法,以满足UE的目标速率,并获得较好的吞吐量性能。通过仿真,结果显示所提的资源分配算法相比较传统的算法,尤其在UE QoS保证和吞吐量性能的体现上,能获得明显的性能增益。     

基于改进离散布谷鸟算法的干扰资源分配研究

该文对二次雷达机制的协同式敌我识别系统的干扰资源分配问题进行研究,将离散布谷鸟算法(Discrete Cuckoo Search, DCS)引入敌我识别系统的干扰资源分配问题。首先给出协同式敌我识别系统的干扰效果评估指标,建立干扰资源分配模型,将模型简化为一对一、多对少模型,使用DCS算法求解模型。针对Levy飞行后期出现搜索速度慢和精度低的问题,将遗传算法中的交叉与变异操作引入DCS算法得到改进的离散布谷鸟算法(Improved Discrete Cuckoo Search, DCS),用以求解分配模型。仿真分析表明:所提干扰效果评估指标可以合理地评估干扰效果;IDCS算法比IDCS算法收敛更快、耗时更短;IDCS算法与做出相应改进的遗传算法(Improved Genetic Algorithm, IGA)相比具有更好的寻优能力。     

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时，需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系，才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化，首先根据任务点和无人机的位置分布情况对多无人机进行预分配，然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型，通过对所构建模型的求解，得出多无人机的协同侦察时间资源分配方案。仿真结果表明，优化时间资源后侦察系统的收益得到了提升。