干扰环境下无人机群动态频谱决策方法

无人机通常以集群组网的方式进行协作传输,其凭借成本低廉、部署灵活等特点,在军事领域得到了广泛应用。由于无线通信的广播特性及无人机视距传输的特点,无人机群容易受到恶意干扰攻击。同时,由于无线频谱资源的稀缺性,无人机群需要共享有限的频谱资源以提升频谱效率,从而需要面对内部节点间的互扰问题,因此形成了干扰环境下无人机群最大化集群和速率的优化问题。为了提高干扰环境下无人机群数据传输的有效性和可靠性,提出了一种基于联盟形成博弈的分布式协同频谱决策方法,以应对外部的恶意干扰威胁及无人机群内部的互扰问题,进而实现干扰威胁下无人机群动态、高效、智能的频谱决策。借助势能博弈理论证明了所提抗干扰联盟形成博弈可以实现稳定的联盟分组,并可得到纳什均衡解。     

基于异步时钟序列的分布式认知跳频算法

为了解决传统跳频算法对动态、复杂电磁干扰环境适应能力不足的难题,以及克服现有跳频算法在分布式通信环境下对公共控制信道和统一时钟源的依赖,提出了一种基于异步时钟序列的分布式认知跳频算法。该算法通过建立认知跳频通信系统模型,分析其通信过程中面临的关键问题,设计了一种应用于分布式跳频通信环境的异步时钟结构序列。基于该序列的分布式认知跳频算法不依赖于任何公共控制信道和统一时钟源,能够在复杂电磁干扰环境下达到高效抗干扰通信的效果。验证实验结果表明,针对典型的窄带、宽带噪声干扰、部分频段干扰以及随机干扰,所提算法的抗干扰性能均显著优于传统的跳频通信算法以及现有的公用控制信道认知跳频算法。     

部分可观测下基于RGMAAC算法的多智能体协同

多智能体深度强化学习(MADRL)将深度强化学习的思想和算法应用到多智能体系统的学习和控制中,是开发具有群智能体的多智能体系统的重要方法.现有的MADRL研究主要基于环境完全可观测或通信资源不受限的假设展开算法设计,然而部分可观测性是多智能体系统实际应用中客观存在的问题,例如智能体的观测范围通常是有限的,可观测的范围外不包括完整的环境信息,从而对多智能体间协同造成困难.鉴于此,针对实际场景中的部分可观测问题,基于集中式训练分布式执行的范式,将深度强化学习算法Actor-Critic扩展到多智能体系统,并增加智能体间的通信信道和门控机制,提出recurrent gated multi-agent Actor-Critic算法(RGMAAC).智能体可以基于历史动作观测记忆序列进行高效的通信交流,最终利用局部观测、历史观测记忆序列以及通过通信信道显式地由其他智能体共享的观察进行行为决策;同时,基于多智能体粒子环境设计多智能体同步且快速到达目标点任务,并分别设计2种奖励值函数和任务场景.实验结果表明,当任务场景中明确出现部分可观测问题时,RGMAAC算法训练后的智能体具有很好的表现,在稳定性...     

多小区分布式阵列系统训练模式与协作方法研究

在多小区分布式阵列系统中,用户与接入节点(AP)间的距离对频谱效率具有重要影响,边缘用户可以通过不同小区内AP间的协作传输来获得较高的频谱效率。为此,将多小区的边缘用户以及AP组成一个虚拟簇,针对频分双工模式下簇内多用户信道的训练模式与多AP的协作预编码问题,提出一种基于导频重用的信道训练方法。当AP配置较多的接入天线时,服务于同一个用户的多个AP可以重用同一个导频序列,同时结合相应的预编码来抑制用户间的干扰。仿真结果表明,与正交训练完全协作、正交训练部分协作2种方法相比,该方法能够节约导频资源,降低反馈开销与计算复杂度,在对训练和反馈开销进行加权后,其频谱效率可以得到有效提升。     

基于神经网络算法的智能抗干扰系统设计

为了实现在复杂电磁环境中进行高效可靠的数据传输,达到实时抵抗干扰、提升通信系统频谱利用率的目的,对非连续正交频分复用技术、变换域通信系统、扩频技术以及神经网络算法进行了研究,首次将人工智能算法应用于切换通信波形以抵抗不同类型的干扰,以此为基础设计了一种基于径向基神经网络算法的智能抗干扰系统。对三种抗干扰模式分别进行了原理介绍及仿真,验证了其各自的抗干扰能力,以及通过切换波形提升频谱利用率的可行性,并对整个智能抗干扰系统进行了仿真,经分析该系统基本满足应对突发干扰情况下的波形选择要求,与传统通信系统相比,能够适用于更多通信场景。     

基于智能跳频的短波无线接入网动态频谱分配算法

针对现有短波无线接入网的固定式频谱分配方法难以满足使用智能跳频技术新要求的问题,分析智能跳频短波无线接入网的通信需求,提出智能跳频短波无线接入网的动态频谱分配策略及算法。首先将各机动用户和接入基站看作一子网;然后将对各子网的频谱分配建模为基于图着色理论的智能跳频短波无线接入网频谱分配模型;最后结合通信需求提出分配策略和算法,完成频谱分配并进行了仿真分析。结果表明,这些频谱分配策略及算法以不同的目标进行频谱分配,能够有效支撑智能跳频技术在短波无线接入网中的应用,与固定式频谱分配方法的定频通信相比,在网络效益、子网满意度、网络公平性、网络支持用户数和频谱利用率等方面均有明显提升,同时能有效降低互扰率。     

低冗余度WSN非均匀分簇算法应用研究

将传统非均匀分簇算法应用于低冗余度的无线传感器网络(WSN)中时,存在传感器节点早衰和簇间多跳通信传输能量开销不均衡的问题。为此,针对低冗余度WSN,提出基于粒子群和最短路由树的非均匀分簇路由算法。利用粒子群算法优化非均匀分簇过程,通过建立最短路由树搜索簇间多跳传输最优路径,实现数据从传感器节点到基站的高效传输。仿真结果表明,相比于EECS和EEUC算法,该算法可有效延长低冗余度WSN的网络生命时间,均衡簇间通信能量消耗。     

动态频谱抗干扰系统中跳频序列研究

现有的跳频序列,由于综合性能不均衡,参数无法实时改变,无法直接应用于动态频谱抗干扰系统中,因此迫切需要研究一种适用于动态频谱抗干扰系统的动态跳频序列。基于m伪随机序列,提出了一种频率数可根据通信环境实时变化的跳频序列。仿真结果表明,与基于固定参数的频率自适应跳频序列相比,动态跳频序列在均匀性、随机性、汉明相关性等方面均具有更好的性能。     

跳频通信系统抗干扰性能仿真研究

跳频通信系统与常规定频通信系统相比具有较强的抗干扰能力。文中在介绍跳频通信基本原理的基础上,分析了在宽带阻塞干扰和部分频带干扰这两种常见干扰下的跳频通信系统的抗干扰性能,并借助计算机仿真工具MATLAB/Simulink搭建仿真模型,得到了在两种干扰下的误码率-信噪比曲线,从而验证了理论分析的结果。     

无人系统认知联合抗干扰通信研究综述

随着电磁环境日益复杂、敌我对抗态势越发激烈,对无人系统信息传输的可靠性提出了更高的要求,传统节点的认知通信模式已难以适应未来自主化、分布式的宽带联合抗干扰发展趋势。针对无人系统面临的抗干扰低截获通信需求,围绕干扰的检测识别、变换分析和多域抑制等认知抗干扰关键技术展开具体分析,梳理常见的检测估计和分类识别研究现状;对典型干扰类型进行分类建模,总结变换处理过程的方法和问题;并对传统干扰抑制方法和新型干扰抑制方法进行了系统性概述,分析了未知干扰的分类识别、多样干扰的时域消除、分布干扰的联合分离以及协同干扰的优化控制等制约宽带联合抗干扰的关键问题,突出认知抗干扰技术对无人系统通信的重要作用。     

认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.     

混合扩频通信系统的硬件平台设计

应用扩频技术可在一个充满噪声和干扰的环境下,无差错、保密地进行信息传输。直接序列扩频/跳频混合扩频(FH/DS)通信系统将直接序列扩频技术和跳频技术结合,是富有生命力的抗干扰通信系统。本文设计混合扩频通信的系统方案;根据软件无线电的体系结构,采用创新的DSP FPGA架构作为硬件平台系统,可实现在恶劣电磁干扰环境中高速数据的传输。     

动态频谱抗干扰系统中动态宽间隔跳频序列研究

现有的跳频序列大多由于统计性能不佳,通信参数难以实时改变,无法直接应用于动态频谱抗干扰系统。为此,提出一种适用于动态频谱抗干扰系统的跳频序列。基于m序列,通过非连续抽头模型产生跳频基序列。依据随机平移替代法的思想,对基序列进行伪随机映射,给出一种频率数、跳频间隔可根据通信环境实时变化的动态宽间隔跳频序列构造方法。仿真结果表明,与基于固定参数的频率自适应跳频序列相比,动态宽间隔跳频序列在均匀性、随机性、汉明相关性、平均跳频间隔等方面均具有更好的性能。     

基于不完备信息预测的多智能体分布式协同

为了解决部分可观对抗环境中多智能体协同决策难题,受人大脑皮层通过记忆进行学习和推理功能启发,提出一种新的部分可观对抗环境下基于不完备信息预测的多智能体分布式协同决策框架。该框架可采用支持向量回归等多种预测方法通过历史记忆和当前观察信息对环境中不可见信息进行预测,并将预测信息和观察到的信息融合,作为协同决策的依据;再通过分布式多智能体强化学习进行协同策略学习得到团队中每个智能体的决策模型。使用该框架结合多种预测算法在典型的部分可观对抗环境中进行了多智能体协同决策的验证。结果表明,提出的框架对多种预测算法具有普适性,且在保证对不可见部分高预测精度时能将多智能体协同决策水平提升23.4%。     

间歇通信的非线性多智能体系统协调跟踪控制

针对间歇通信环境下具有有向通信拓扑结构的非线性领导-跟随多智能体系统,设计一种切换的分布式协调跟踪控制器.与连续时间通信的跟踪控制器相比,间歇通信方式下的分布式协调跟踪控制器在实际应用中更为实用可靠,且能够通过间歇通信下的信息交互,有效降低非线性多智能体系统的能量损耗.首先考虑间歇通信和非线性动态同时存在的情况,通过L...     

同址干扰限制下跳频异步组网的频率分配方法

针对跳频电台多台同址时相互间同址干扰严重和采用分频段跳频方式导致跳频增益小的不足,从子网内、子网间和跳频同步信号无干扰3个层次分析跳频异步组网中的全频段宽间隔频率分配约束条件,并建立代价函数;根据约束条件的特点对模拟退火算法的实际应用进行改进,提出同址干扰限制下的全频段宽间隔跳频异步组网频率分配方法。计算机求解结果表明新方法可以很好地解决同址干扰限制下的跳频频率分配问题,提高跳频通信抗干扰性能,对跳频电台发挥性能优势具有重要意义。     

开放网络环境下分布式动态频谱分配算法

为了提升开放网络的通信效率、增加网络容量,研究了采用不同通信协议时无线设备的共存问题,提出一种基于开放网络的分布式动态频谱分配算法.该算法通过按轮次调整各个通信对端所使用的信道,将不同设备占用的工作信道均匀地分布于开放网络频谱的各个部分,提升了开放网络的总体容量.同时,探测指数的使用降低了算法运行的通信开销以及控制信令对邻居域内数据传输带来的干扰.仿真实验表明,该分配算法提升了网络整体工作效率,并从一定程度上保证了不同通信对端之间传输性能的公平性.     

基于协作MIMO的多跳WSN动态分簇选择算法研究

为解决基于协作多输入多输出(Multi-input multi-output, MIMO)的同构无线传感器网络(Wireless sensor networks, WSN)能量节省与能耗均衡问题, 建立了多跳分布式WSN系统模型. 对协作MIMO通信中的簇间长传输距离与簇内短传输距离进行了分析, 找到与传统单输入单输出(Single-input single-output, SISO)传输相比更节省能量的距离门限. 根据分析提出了一种新的基于剩余能量与距离门限的动态分簇(Dynamic clustering based on remaining energy and distance thresholds, DCREDT)选择算法, 在节省能量的前提下, 使剩余能量较大的节点优先成为簇首, 实现了簇首与其他节点之间的能耗均衡. 最后分析了采用DCREDT选择算法进行多跳传输的总能耗, 并仿真验证了该算法的合理性与有效性.     

一种新型的增强型差分跳频通信抗干扰系统

针对现存的智能抗干扰方法难以对抗高速跟踪干扰的问题,提出了一种主动的基于干扰利用的抗干扰方法。为了实现该方法,提出了一种增强型差分跳频（EDFH）框架,该框架在传统的通信信号传输的基础上增加了训练信号的发送和处理过程,并在接收端设计了针对用户信号与干扰信号的混合信号匹配滤波器（CMF）。仿真结果表明,该方法在对抗高速的跟踪干扰时表现出良好的性能,并且随着干扰信号速度和功率的增加,其通信性能也显著提升。     

改进的乘积合并接收机部分频带抗干扰性能分析

乘积合并接收机以其简单有效的特性在快速跳频通信系统中得到了广泛关注。对于实际应用中普遍遇到的非最坏部分频带干扰环境,传统乘积合并算法有其自身的不足。针对这种情况,提出了一种改进的乘积合并方法,它保留了传统乘积合并算法的主要特征,通过增加对各跳频信号能量差异的检测信息,改善了传统乘积合并接收机在部分频带干扰下的传输性能,仿真验证了这种改进合并方法的有效性。