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。     

基于小生境遗传算法的移动机器人路径优化

针对标准遗传算法存在收敛性慢和局部最优解的缺陷,结合移动机器人行走特点,提出一种基于预选择机制小生境技术的改进遗传算法中移动机器人路径规划方法.该方法兼顾对局部最优解和全局最优解的搜索,维持群体的多样性,避免了早期收敛现象的发生;同时也增强了自然群体进化的并行性,加快了搜索进程.计算机仿真结果表明,该算法在收敛速度和输出全局最优解概率方面相对于标准遗传算法有了显著提高.     

选择和变异算子的作用分析

文中在连续空间统一的随机过程框架下,分析了遗传算法群体的概率密度序列的演化过程,给出并证明了群体概率密度的递归公式.分析了标准遗传算法中选择算子和变异算子的基本性质.导出了选择和变异条件下平均适应度单调递增并收敛到全局最优解的条件.这些结论在一定程度上为实现自适应调节变异算子的概率,保证遗传算法收敛到全局最优解提供了理论依据.     

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。     

基于粗糙集理论与遗传算法的迷宫问题求解

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,对标准遗传算法进行了改进和优化.采用粗糙集理论与遗传算法相结合的方法,由栅格的可行性构建初始决策表,用粗糙集方法对其进行简化,并对遗传算法的初始种群进行训练,直接由粗糙集训练获得一系列可行路径,再利用遗传算法求解最优路径,并在交叉和变异算子中设计了自适应算子,从而减少了遗传算法的种群规模,提高了进化效率.计算机仿真结果表明该算法在收敛速度和输出全局最优解的概率相对于标准遗传算法都有了显著提高.     

基于小生境遗传算法的干扰资源优化分配技术

针对标准遗传算法易于陷入局部最优的问题,提出了一种基于小生境遗传算法的干扰资源优化分配技术。给出了一种改进的编码方式,保证了初始群体的有效性,交替使用两种交叉方式,较好地克服收敛对于初始群体选择的依赖。改进后的算法解决了标准遗传算法易于陷入局部最优的问题,切实提高了干扰资源调度的性能。仿真结果表明,该算法在确保收敛速度的前提下,全局搜索成功概率明显提高。     

基于多目标遗传算法的星载天线干扰抑制算法

提出了一种基于多目标遗传算法的星载天线干扰抑制算法，该算法在射频端通过调节权系数进行输出功率判决从而实现波束形成。文中引入多目标优化问题Pareto最优解的概念，采用了无支配性排序遗传算法（NSGA-Ⅱ）来搜索干扰调零权值的Pareto最优解集，充分发挥这种先进多目标遗传算法的高内在并行性、强鲁棒性以及能够不断优化最优解集的优势，较好地兼顾了星载天线干扰抑制时干扰抑制深度与主波束保形这一对矛盾问题。最后提出了归一化双目标函数加权选择最优调零权的方法从Pareto最优解集中选择一组符合决策者偏好的最优调零权。计算机仿真实验证明，文中所提出的算法具有较好的干扰抑制能力和主波束保形效果。     

基于改进自适应遗传算法的MIMO 雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法.算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度.通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性.在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用.最后仿真实验结果进一步验证了本文改进算法的有效性.     

雷达信号识别的GANN方法

利用神经网络方法进行雷达信号识别存在两个问题,一是难以选择最优的网络结构;二是用传统的BP学习算法,常常收敛到局部解。本文提出一种GANN方法,即首先利用遗传算法优化两层前馈神经网络结构以确定中间隐层的节点数,然后用遗传算法进行学习。通过与BP算法相比较,遗传算法不仅速度快,而且能找到最优解。实验表明,将GANN应用于雷达信号识别,识别率更高。     

基于连通图的动态可重构多机协同干扰方法

针对多机空战电子对抗中,干扰目标分配和协同干扰资源选择问题,在分析空战有源电子干扰面临复杂电磁环境、雷达跟踪干扰源、干扰目标分配和干扰资源选择等问题的基础上,建立双机协同干扰数学模型,分析协同干扰对测角误差影响因素,提出基于连通图的动态可重构双机协同干扰方法,并应用于典型的“磨刀匠”攻击战术。仿真结果表明,基于连通图的动态可重构双机协同干扰方法,能够实现多机编队协同作战时的最优协同干扰资源和干扰目标选择,实现对单脉冲机载火控雷达协同角度欺骗干扰,且算法计算时间完全符合协同干扰需求,为新型战斗机协同干扰提供了借鉴。     

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。     

一种基于双DQN的空战干扰样式选择方法

针对深度Q网络(Deep Q Network,DQN)的干扰样式选择方法,提出了一种针对空战场景的双深度Q网络(Double Deep Q Network,Double DQN)干扰样式选择方法.以机载火控雷达空-空模式下的典型工作模式和我方干扰样式集为基础建立干扰矩阵作为算法输入,结合Double DQN原理提出了干扰样式选择方法.通过仿真实验对比了Double DQN和DQN算法的性能,并对部分参数设置进行探索,给出了两种空战态势下的最优干扰样式选择路径.仿真结果表明,该方法能够在满足实时性的条件下根据干扰效果在空战态势下选择出最优干扰样式.     

拖曳式雷达有源诱饵干扰反舰导弹技术

拖曳式雷达有源诱饵干扰作为一种新型的电子对抗手段,能够有效对抗反舰导弹,在现代电子作战中具有重要的使用价值。为了最大限度地发挥拖曳式有源诱饵干扰反舰导弹的作战效果,从诱饵对抗反舰导弹的干扰机理、诱饵的布设选择、干扰方式选择等多个方面探讨拖曳式雷达有源诱饵的技术特点,为该种诱饵的相关研究和应用产生了积极作用。     

箔条质心干扰发射舷角决策仿真研究

发射舷角的选择是箔条质心干扰成功的关键。根据导弹制导跟踪机理和质心干扰作战使用特点,在建立动态坐标系的基础上,对质心干扰对抗反舰导弹的过程构造了数学模型和干扰成功判据。在综合考虑导弹来袭方向、干扰弹发射舷角、作战海区风速风向和舰艇规避机动等诸要素的条件下设置参数,用一个算例演示模型对实施质心干扰效果评估过程,最终得出箔条质心干扰弹在不同风向下的发射舷角决策方法。     

雷达有源干扰识别技术研究现状与发展趋势

有源干扰识别是现代雷达主要发展的抗干扰手段,本文首先从干扰效果角度重新对传统有源干扰进行划分,系统介绍了近年来新型有源干扰手段及其特点,其次,分别从有源干扰特征分析、特征提取与选择、分类器设计等重点研究方向全面梳理了国内外关于相关研究的文献,最后分析了目前有源干扰识别技术的研究缺陷并对其发展趋势进行了预测。      

一种连续波多谱勒引信的干扰波形研究

在分析具有增幅速率选择特性的连续波多谱勒引信工作原理的基础上，采用理论分析和仿真实验相结合的方式对该种引信的干扰波形进行研究，通过仿真实验效果来确定最佳干扰波形和设计波形参数。     

超宽带无线电抗干扰性能研究

该文分析了超宽带无线电在抗单频正弦干扰、部分频带干扰、阻塞干扰的误码性能,并对此进行了详细研究,得出了提高超宽带无线电抗干扰性能的系统参数选择策略,合理的参数选择使超宽带无线电有较强的抗干扰能力,并通过计算机仿真验证了理论分析的正确性。     

干扰样式选择方法研究

针对干扰样式的选择问题,提出一种基于多决策准则的干扰样式选择方法。运用博弈论思想,建立雷达对抗盈利矩阵,可以解决在不确定条件下的干扰样式选择问题。以往的研究主要是基于最大最小决策准则,对其他准则的分析同样值得研究。为提高决策的准确性,文中首先对干扰样式选择问题采用不同准则分别进行决策分析;然后,对得到的结果进行综合,将不同准则中选优次数最多的干扰样式确定为最佳干扰样式;最后,结合实例对所提方法进行运用。结果表明：该方法可有效得出最佳干扰样式,从而实现最优的干扰效果。     

动态贝叶斯网络在通信对抗目标选择中的应用

针对复杂战场环境下通信对抗干扰目标选择问题,设计了目标选择三级功能模型,重点从目标价值性、目标威胁性和干扰可行性3个方面分析了影响目标干扰优先等级判断的因素,利用离散动态贝叶斯网络构建了目标干扰优先级评估模型,并给出了评估模型的直接推理算法和目标选择的算法流程,最后,结合设计的案例对提出的目标选择方法进行了仿真验证。结果表明,在战场信息不完整的情况下,该模型可以综合考虑前后时刻的历史结果和实时信息,对干扰优先级进行有效的分析预测,较好地实现了通信对抗干扰目标的有效选择。