基于混合罚函数法的认知雷达波形设计

针对认知雷达发射波形的信杂噪比(SINR: Signal to Interference plus Noise Ratio) 往往需要大于一定阈值的问题, 在传统波形设计准则的基础上建立一种新的认知雷达波形发射系统模型。此模型以目标与回波间的互信息为目标函数, 以信杂噪比和能量作为约束条件, 通过混合罚函数法对模型求解, 最终获得认知雷达的最优波形。仿真实验证明, 该波形可以将波束能量分配给杂波响应较弱、目标响应较强的频段, 满足认知雷达对发射波形的要求, 从而解决了发射波形的SINR 阈值问题, 并最大化目标与回波间的互信息, 具有较强的应用性。     

基于双互信息准则的雷达自适应波形设计方法

自适应波形优化技术是认知雷达的关键技术之一,通过优化发射波形能够提高雷达系统性能.针对目标检测问题,在杂波环境下,提出一种基于双互信息优化准则的自适应波形优化方法.该方法同时以接收信号与目标冲激响应之间的互信息最大和接收信号与杂波冲激响应之间的互信息最小为优化准则,在发射信号能量有限的约束条件下,建立优化模型,通过最大边缘分配算法求解最优波形.仿真结果表明,相对于固定波形,所提方法优化发射波形能够提高目标检测性能.     

认知无线网络中基于能量采集的 单向中继选择与功率分配方案

提出了一种基于能量采集的认知无线网络的单向中继选择和功率分配方案.方案考虑主用户和次用户都能进行能量采集且信道状态信息不完美的场景.此方案首先将次用户作为中继协助主用户传输数据,同时次用户采集无线射频信号的能量,联合功率分配和中继选择策略构造了所提方案的系统能量效应优化问题.由于优化目标是非凸函数,运用分式规划变形和拉格朗日对偶方法求解.然后在此基础上构造主用户吞吐量离线优化问题,并采用广义Bender分解方法求解.最后,通过数值仿真分析评估所提方案的性能,验证了所提方案在能效方面的优势.     

干扰条件下基于Bayesian博弈的认知制导雷达波形设计

现代战场电磁环境复杂,制导雷达与干扰机间对抗日趋激烈.针对对抗过程中制导雷达和干扰方不能获取对方完整信息情形下的性能降低问题,基于SINR准则建立制导雷达和干扰Bayesian博弈模型,通过海萨尼转换方法,采用目标概率集合形式表达未知信息,求解博弈模型并设计雷达和干扰优化波形、基于二次注水和迭代注水法分配信号频域能量,并对Bayesian博弈纳什均衡存在性展开研究.最后通过仿真分析不同策略下的雷达和干扰信号具体形式,验证不同波形条件下制导雷达检测性能.仿真结果证明,迭代注水信号及二次注水信号检测概率最高可比线性调频信号分别提升15.41％、12.79％,为不完全信息博弈中制导雷达信号优化提供了解决方案.     

杂波条件下利用一维卷积神经网络的认知雷达波形设计

针对单准则设计的波形难以满足雷达多状态和多任务的问题,提出了一种杂波条件下利用一维卷积神经网络的认知雷达波形设计(CRWD-1D-CNN)方法。首先,设定环境变量,并根据互信息准则和信干噪比准则来构建训练集和测试集;其次,根据数据集的一维数据形式和采样点数,设计一个包含3个卷积层、2个全连接层的1D-CNN模型;最后,使用训练集对1D-CNN模型进行训练,利用1D-CNN对一维数据之间非线性关系的学习能力来学习互信息准则和信干噪比准则,然后,使用训练后的1D-CNN生成波形。为衡量雷达综合性能,提出了一种目标最终识别率指标。实验结果表明,采用CRWD-1D-CNN方法设计的波形作为雷达发射信号时,与使用互信息准则生成的波形相比,雷达综合性能平均提升0.64%,与使用信干噪比准则生成的波形相比平均提升2.13%,证明了CRWD-1D-CNN方法可联合互信息准则和信干噪比准则,提高雷达综合性能。     

基于Q-学习算法的认知雷达对抗过程设计

将认知概念引入雷达电子对抗,可使干扰系统在动态对抗过程中通过自主学习,确定最具针对性的干扰策略,实现动态高效干扰.在认知雷达对抗概念和内涵讨论基础上,设计了基于Q-学习算法的雷达对抗过程,总结了认知对抗实现中的关键技术难点,最后对过程的具体实现进行了仿真,验证了雷达认知对抗中Q值的收敛过程以及先验知识对算法性能的改善情况.      

认知雷达对抗技术概述

新型认知雷达的出现必将引起防御方的高度重视,关于如何发展有效对抗措施的研究应运而生.该文首先介绍了认知雷达的特点及其基本构成因素,并分析了认知雷达的出现对传统电子战带来的挑战.在此基础上,指出对认知雷达的对抗必须将认知技术应用到电子战系统中,从而实现认知电子战.然后,讨论了认知电子战的组成及其基本特征,并对认知电子战的关键技术进行分析,为针对认知雷达的对抗技术和认知电子战的研究研究奠定基础.     

能量捕获无线通信系统的在线式动态能量分配

为了实现数据传输的可持续保障,通过捕获环境能量供能的无线通信系统具有独到的优越性。文中提出了一种在线式动态能量分配算法,假定发射端可通过反馈信道获得信道状态和能量到达的概率分布函数,根据凹函数特性对能量在各个时隙间进行分配,平衡当前时隙可达的信道容量和未来时隙可达的信道容量期望值。仿真结果表明,该算法实现简单,性能接近离线场景下最优的阶梯注水法,与贪婪算法和半保留算法相比,性能增益至少可以提高3 d B以上,具有更好的应用价值。     

峰均比约束下机载MIMO雷达频谱共存波形设计

为了进一步增强雷达对地面动目标的检测性能,同时能够实现与通信系统之间的频谱共存,研究了机载多输入多输出(MIMO)雷达在地杂波环境下的频谱共存波形设计问题。首先对波形施加了峰均比(PAR)约束,然后考虑了全局频谱设计和局部频谱设计2种设计方法,最后提出了一种新颖的循环迭代算法,在每次迭代过程中通过凸近似处理将原非凸优化问题转化为可解的凸优化问题,再使用可行点追踪连续凸近似(FPP-SCA)算法直接求出波形的最优解。仿真结果表明:与现有算法对比,该算法具有更快的运算速度,而且能够对波形起到峰均比约束的效果。     

基于不完全频谱感知的认知中继网络能量效率研究

针对认知中继网络中基于能量效率的资源分配问题,提出一种基于次用户能量效率最大化的功率分配优化算法,通过建立多重约束条件下的频谱感知和传输联合优化模型,在考虑单位发射速率消耗功率和干扰限制的情况下,利用分数规划将问题中的混合整数非线性规划问题转化为等价的凸优化问题,分析了不同参数对能量效率的影响。仿真结果表明,提出的功率分配优化算法在达到能量效率最优的同时降低了算法复杂度低。     

基于深层神经网络的雷达波形设计

针对雷达波形多准则优化目标函数难以建立的问题,降低目标响应的不确定性,提高雷达检测性能,提出了一种基于深层神经网络的雷达波形设计方法。首先,根据雷达回波数据形式进行深层神经网络(DNNs)结构设计;然后,将基于信噪比(SNR)和互信息(MI)准则产生的信号随机混合并与其所对应的环境信息组成训练集,对DNNs训练;最后将另一部分基于互信息准则产生的信号与其对应的环境信息作为测试集,利用DNNs生成信号并进行测试。实验结果表明,使用该方法产生的信号作为雷达发射波形与仅基于MI准则产生的信号作为雷达发射波形相比,雷达回波与目标的互信息量最大提高了21.37nat,雷达接收信号的信干噪比最大提高了1.35dB。与线性调频信号相比,相应的互信息量最大提高了950.76nat,相应的信干噪比最大提高了18.23dB。     

一种基于CQI反馈参数和SINR数值分组的调度算法

在长期演进（long term evolution, LTE）系统中,调度算法是其无线资源管理（radio resource management, RRM）的一项核心技术。对于LTE下行链路数据传输,演进基站（evolved node B, eNode B）主要依据上行链路用户设备（user equipment, UE）传输的信道质量指示（channel quality indicator, CQI）反馈参数来选择典型的调制和编码方案（modulation and coding scheme, MCS）,以此来确定各个UE的服务次序及所分配的物理资源块（physics resource block, PRB）数目。为此,结合轮循（round robin, RR）算法和比例公平（proportional fair, PF）算法,提出了一种基于CQI反馈参数和信干噪比（signal to interference plus noise ratio, SINR）数值分组的调度算法。通过设置SINR阈值,将小区内用户分为小区中心用户组Ⅰ和小区边缘用户组Ⅱ,尔后依据CQI机制对2个用户分组分别采用PF算法和RR算法进行调度。通过搭建LTE动态系统级仿真平台,并与PF算法进行仿真对比,结果表明,该算法能够较为有效地提高系统吞吐量和用户之间的公平性。     

用智能天线和功率控制提高感知系统信干噪比

为了减小干扰和降低误码率,达到性能优化。将智能天线和功率控制两种技术相结合,通过智能天线对信号进行波束成形处理,再利用基于博弈论的发送端功率控制。考虑其他用户发送功率等级策略的影响,通过不断迭代功率,实现各个用户发送功率值的改善。比较纯粹使用功率控制的方法,可以使感知系统的信干噪比、吞吐量、发送功率等性能得到更多改善,仿真实验证明了其优越性。     

LTE-A系统中基于RS的信号均衡的SINR估计算法

为了提高先进的长期演进(LTE-advanced,LTE-A)移动通信系统的传输效率,研究了提高子带的信干噪比(signal interference ratio,SINR)估计精度的问题,提出了一种利用参考信号(reference signal,RS)的信号均衡估计SINR的算法,该算法通过本地RS和均衡后的RS的方差计算SINR,与直接利用最小二乘法(least square, LS)计算参考信号接收功率(reference signal received power,RSRP)和干扰噪声(noise)得到SINR的传统算法相比,在增加有限复杂度情况下,SINR的估计精度有明显提高,特别是在终端处于高速移动?多普勒效应比较明显的信道环境下,SINR估算性能提升更加明显,从而提高系统的传输效率?     

分层网络频谱资源分配方案

提出一种频谱资源分配方案,以提升分层毫微微小区网络的期望吞吐量.该方案为每层下行传输分配部分共享频谱资源,在单个用户期望吞吐量满足服务质量需求时,通过动态调整共享频谱资源分配比例,能够最大化网络期望吞吐量.为进一步获得每层下行传输的期望吞吐量,基于Nakagami-m衰落信道推导了每层用户下行接收信干噪比的累积分布函数.理论分析和仿真表明,该频谱资源分配方案能够有效提升网络期望吞吐量,但服务质量需求参数的增长限制了吞吐量的提升.     

基于改进UNet3+网络的雷达辐射源信号识别

针对传统识别辐射源信号的方法需要手动提取并选取特征、在低信噪比条件下难以准确识别信号的问题,提出了一种基于改进UNet3+网络的辐射源信号识别方法。通过删减UNet3+的网络层级,保留网络特征融合能力的同时降低了网络的复杂度,并引入注意力机制优化模型性能,构建了一个新的网络模型。通过对8种常见的雷达信号进行仿真实验,实验结果表明：改进模型的识别准确率达到96.63%,对比一些经典网络模型,训练总用时更短,在低信噪比条件下能更加有效识别辐射源信号, 可以适应复杂的电磁环境。     

一种提高冲激雷达信噪比的方法

提出一种基于取样平均器的提高冲激雷达信噪比的方法 ,采用了一种新型的高时间分辨率取样积分器 ,解决了采样和积累的矛盾 ,实现了信号的多次积累。分析和实验表明 ,在高距离分辨率下 ,不但使信噪比有很大程度的改善 (可实现 1 0 0 0 0次积累 ) ,而且采样效率高 ,还可工作于高重复频率     

基于小波变换的能量和方差分析图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩.根据小波系数的分布特点严格推导得出:可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表;对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比.