一种雷达干扰资源分配算法

雷达干扰资源分配是电子对抗领域的一个重要研究课题,合理的干扰资源分配可以使有限的干扰资源发挥最佳的干扰效果。本文在运筹学的基础上,研究了一种干扰资源分配算法,称之为最大元素法。仿真结果表明该算法是可行、有效的。     

一种干扰决策资源分配的快速算法

干扰资源分配是干扰决策支持系统中的核心内容，如何快速对现有资源进行合理的分配直接关系到该干扰智能决策支持系统的成败。本文提出了一种基于多对多分配原则的干扰资源分配快速算法，即多层连续循环布尔操作法，与现有多级优化动态资源分配方法相比较，它能够更快速地找到最优分配方案。     

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。     

基于改进蝴蝶算法的协同干扰资源分配方法

针对协同对抗下雷达干扰资源的管理决策问题开展研究,提出了一种基于改进蝴蝶算法的干扰资源分配方法。首先,用模糊综合评价的方法量化影响辐射源威胁等级和干扰效能的因素;然后,确定目标函数并计算干扰效能矩阵,建立干扰资源分配模型;最后,把自适应启发项和劣解接纳操作引入蝴蝶算法(BOA)对模型求解。仿真结果表明：引入改进项提高BOA探索能力和搜索效率,有效解决算法局部收敛的缺陷。对比四种经典算法和两种改进BOA算法,该算法在收敛精度和算法稳定性方面均更优,制定的干扰资源分配方案可信度更高。     

一种通信对抗干扰资源分配智能决策算法

针对战场通信对抗智能决策问题,该文基于整体对抗思想提出一种基于自举专家轨迹分层强化学习的干扰资源分配决策算法(BHJM),算法针对跳频干扰决策难题,按照频点分布划分干扰频段,再基于分层强化学习模型分级决策干扰频段和干扰带宽,最后利用基于自举专家轨迹的经验回放机制采样并训练优化算法,使算法能够在现有干扰资源特别是干扰资源不足的条件下,优先干扰最具威胁目标,获得最优干扰效果同时减少总的干扰带宽。仿真结果表明,算法较现有资源分配决策算法节约25%干扰站资源,减少15%干扰带宽,具有较大实用价值。     

基于深度强化学习的干扰资源分配方法

针对干扰机群掩护目标突防组网雷达场景下的干扰资源分配的问题,提出了一种基于深度强化学习的干扰资源分配方法。该文将干扰资源分配模型描述为一个马尔可夫决策过程,并提出了一种基于动作密钥编码的双延迟深度确定性策略梯度(AKE-TD3)网络训练算法,将混合整数优化问题转化为连续变量优化问题,解决了算法难以收敛的问题。仿真结果表明,文中所设计的干扰资源分配方法对组网雷达有更好的干扰效果,且稳定性更高,有效地提升了干扰机群的作战性能。     

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。     

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。     

一种通信对抗干扰资源分配智能决策算法

针对战场通信对抗智能决策问题,该文基于整体对抗思想提出一种基于自举专家轨迹分层强化学习的干扰资源分配决策算法(BHJM),算法针对跳频干扰决策难题,按照频点分布划分干扰频段,再基于分层强化学习模型分级决策干扰频段和干扰带宽,最后利用基于自举专家轨迹的经验回放机制采样并训练优化算法,使算法能够在现有干扰资源特别是干扰资源不足的条件下,优先干扰最具威胁目标,获得最优干扰效果同时减少总的干扰带宽.仿真结果表明,算法较现有资源分配决策算法节约25％干扰站资源,减少15％干扰带宽,具有较大实用价值.     

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。     

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。     

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。     

基于改进遗传算法的干扰资源分配方法研究

针对分布式对抗系统对敌方分布式雷达的干扰效率问题，设计一种基于二进制编码的改进遗传算法，用于提高系统自主干扰资源分配效率。首先，通过前期侦察，获取雷达的性能参数，得到每部干扰机对每部雷达的干扰效能参数，生成干扰效能矩阵，以干扰总效能最大化为原则，构建目标效能函数；然后根据干扰机与雷达的数量差异建立干扰资源分配模型，确定约束条件；最后利用改进遗传算法，通过选择、交叉、变异、淘汰、继承等算子操作对模型的最优值进行求解，并给出具体算法流程。Matlab仿真结果表明，改进算法需要更少的迭代次数，能够得到最优解，能够较好地解决文中构设场景下的分布式协同干扰资源优化分配问题。     

基于改进DDE算法的协同干扰资源分配

针对DDE-MRR算法存在的过早成熟和收敛过慢等缺陷,提出了一种新的DDE算法,用于电子对抗中协同干扰资源分配问题的求解。该算法首先依据协同干扰资源分配问题中存在的D/N不对等现象,重构了种群样本,然后基于DE/best/1策略对种群样本进行变异操作,最后通过贪婪机制实现样本更新。设计了3组仿真实验,对改进算法的收敛性和数值结果进行了验证分析,结果表明:改进算法收敛速度更快、计算结果更优,能够较好地解决电子对抗中的协同干扰资源分配问题,具备一定的实用价值。     

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。     

认知异构蜂窝网络中改进蜉蝣算法的资源分配策略

针对认知异构蜂窝网络中上行链路资源分配的优化问题,提出认知异构蜂窝网络中改进离散蜉蝣算法的资源分配算法。认知异构蜂窝网络模型中,考虑用户层间干扰和带外干扰引入功率控制策略控制发射功率来干扰抑制,基于用户服务质量（QoS）需求和干扰阈值约束,最大化能量效率为优化目标,利用改进离散蜉蝣算法优化求解得出最优分配方案。引入不完全Gamma和Beta分布函数的动态自适应权重、黄金正弦位置更新策略,提升蜉蝣算法的收敛速度和搜索能力。仿真实验表明,基于接收SINR的闭环功率控制动态调整用户端的发射功率,能有效抑制用户间的干扰,GSWBMA求解资源分配问题具有良好的寻优效率和收敛性能,有效提升系统能量效率和用户传输速率,保证用户QoS需求。     

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。     

改进DPSO算法在干扰资源分配中的应用

引入改进的离散粒子群（DPSO）算法对干扰资源分配问题进行求解。针对干扰资源分配的数学模型,给出了具体的求解方案。在迭代过程中线性改变权重系数和认知参数,使粒子快速收敛;为避免粒子陷入局部最优,引入了一种粒子位置更新机制。仿真验证了该改进算法的有效性和可行性。     

基于资源分配和功率控制的D2D中继选择

为优化蜂窝用户通信与设备直传(D2D)中继通信共存下的同频干扰问题,满足蜂窝用户容量要求,提出了一种基于能效的联合资源分配和功率控制的D2 D中继选择算法.该算法首先对等效D2 D中继链路进行资源分配,减小算法复杂度的同时使得D2 D链路对蜂窝链路产生的干扰最小;然后以资源分配结果和功率控制算法为依据进行中继选择.该方案不仅考虑了D2 D中继链路的能效问题,而且还同时考虑到了对蜂窝链路的干扰问题.通过仿真验证,所提算法不仅能有效提升D2 D中继链路的能效值,同时降低了对蜂窝用户的干扰.