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。     

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。     

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。     

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。     

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。     

基于层次分析法的协同干扰效能评估

协同干扰是雷达干扰的重要发展方向,协同干扰效能评估对评判协同干扰效果、调整协同干扰策略、优化协同干扰资源分配等具有重要意义.针对协同干扰效能评估问题,基于层次分析法原理,建立了干扰效能多层次模糊评估模型,构建了评估指标体系,并结合协同干扰对抗分布式雷达某外场试验进行了干扰效能定量评估,得出了有意义的结论.     

叠加调制下资源分配的自适应算法

为了对抗无线通信网络中无线信道多径衰落的影响,提高系统的性能,采用了叠加调制方式的协同分集技术,并根据信道的时变特性,提出了功率/带宽的联合优化的自适应算法.分析了叠加调制(superposition modulation)协同方式的实现方法,将该协同方式与传统协同通信方式行了比较.推导出了叠加调制方式下的信道容量,以最大化信道容量为目标计算出节点发送信号的功率以及带宽.仿真结果表明,对叠加调制的协同方式下的资源分配的自适应算法可以有效地提高系统容量.     

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。     

改进的Loran-C同步干扰抑制高效自适应算法

针对目前Loran-C系统抑制同步干扰所采用的自适应算法存在运算量大、定位时间长 的缺点,提出了一种改进算法,即BMMax-NLMS算法,并对运算量进行了比较。通过建立Lora n-C信 号模型,运用改进算法对干扰信号进行自适应滤波。仿真结果表明,该算法能够在抑制同步 干扰的同时有效减少运算量。最后,利用实测数据进一步验证了这些结论。     

基于动态选择遗传算法的雷达干扰资源分配

电子战中如何针对敌方目标雷达合理高效地分配己方干扰资源,对于获取最佳干扰效益能够起到重要的作用。文中针对雷达干扰资源分配的干扰效益建立评估模型,在模糊综合评估方法的基础上引入遗传算法进行最优解搜索,在遗传算法中关键的选择步骤运用动态选择概率代替了轮盘选择,从而得到了一种行之有效的雷达干扰资源分配方法,预防了经典遗传算法中的早熟收敛问题,使资源分配算法以更大概率收敛至全局最优解。通过进行大量仿真检验,验证了文中所提方法具有有效性和正确性。     

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。     

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。     

基于改进蝴蝶优化的DV-Hop定位算法

为了进一步提高距离向量跳段算法（Distance Vector-Hop,DV-Hop）的定位精度,提出了一种基于改进蝴蝶（Butterfly Optimization Algorithm,BOA）优化的DV-Hop算法（Improved Butterfly Optimization Algorithm,IBOA）。首先,采用多通信半径来优化节点间的最小跳数,并且利用修正因子来减小节点之间的平均跳距误差,降低算法的定位误差;其次,将黄金蝴蝶算法用于求解节点定位目标函数最优值;最后,引入佳点集、动态切换概率策略以及全局扰动因子,提高算法的迭代速度和寻优能力。仿真结果表明,相较于传统DV-Hop算法和现有改进算法,IBOA算法的平均定位误差分别下降了25.40%、6.54%,具有良好的定位精度。     

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。     

异构无线网络干扰效率最大顽健资源分配算法

针对能效提升、宏用户干扰减小的问题,该文研究了基于干扰效率最大的异构无线网络顽健资源分配算法.首先,考虑宏用户干扰约束、微蜂窝用户速率需求约束和最大发射功率约束,将资源优化问题建模为多变量非线性规划问题.其次,考虑有界信道不确定性模型,利用Dinkelbach辅助变量方法和连续凸近似方法结合对数变换方法,将原分式规划顽健资源分配问题转换为等价的确定性凸优化问题,并利用拉格朗日对偶算法获得解析解.理论分析了计算复杂度和参数不确定性对性能的影响.仿真结果表明该算法具有较好的干扰效率和鲁棒性.     

基于混沌映射自适应NSGA-Ⅱ算法的IMA双层资源分配方法

针对综合模块化航电(IMA)架构双层调度中的资源分配问题,提出一种基于混沌Logistic映射自适应NSGA-Ⅱ算法的双层资源分配方法。首先,根据IMA架构任务调度及分区调度要求,同时考虑资源分配均衡性因素,分别构建分区资源分配模型和节点资源分配模型;其次,采用改进NSGA-Ⅱ算法对模型进行优化求解,引入混沌Logistic映射生成初始种群,提升初始种群的遍历性,并采用自适应交叉、变异算子增强算法的搜索性能和收敛速度;最后,选取不同规模的算例进行实验,结果表明,所提方法能够有效解决IMA架构的资源分配问题,提升分配效率并优化分配结果。     

GNSS自适应双门限协同干扰检测算法

针对全球导航卫星系统(GNSS)环境噪声不确定性导致能量检测在低干噪比下性能恶化的问题,基于多节点协作,提出一种双门限协同干扰检测算法。根据各节点的信道环境,采用基于可信度的多节点信息融合与检测算法,使融合中心的数据融合更偏向信道环境好的节点。仿真结果表明,设计方案可实现低干噪比下的可靠性检测。为降低双门限协作检测复杂度,提出一种自适应双门限协同检测算法,根据信道环境实时调整双门限之间的距离,在保证检测性能的同时可以减小计算复杂度,通过仿真分析调整因子及门限值对检测性能的影响。