基于贝叶斯压缩感知与强化学习的认知抗干扰研究

发布时间：2020-12-09 11:07

　　军事通信抗干扰已成为信息化作战关注的焦点和难点问题。随着战场设备的快速发展,传统抗干扰方法将面临对抗宽带干扰、动态干扰易失效的难题,特别是近几年,将人工智能领域的算法引入通信领域,使得干扰具有智能性的特点,亟待开展通信抗干扰新思路、新方法的探索与研究。为此,面向高动态复杂干扰环境下实时获取、处理信息的需求,瞄准传统方法面对宽带与智能性干扰感知精度低、决策速度慢等难题,利用干扰在多维度表征不同的特性,基于压缩感知与强化学习理论,构建了频谱感知与认知决策的数学模型,提出了从变换域、频域以及功率域等多域的角度实现认知抗干扰的方法,形成了认知域抗干扰方案,攻克了智能抗干扰方案设计关键技术,为我国通信抗干扰领域提供关键技术。论文主要工作概括如下:（1）针对Chirp类干扰信号大时宽带宽特性,导致传统算法较难对其进行有效检测的问题,提出基于压缩感知与熵的多天线宽带频谱检测算法。首先,根据Chirp信号在分数阶傅里叶域的稀疏特性,利用分数阶傅里叶变换对信号进行稀疏表示;然后,基于多任务贝叶斯压缩感知理论构建压缩感知模型,利用高斯观测矩阵对信号进行观测,获得观测数据;而后,为解决由于各种因素导致的测量... 

【文章来源】：大连大学辽宁省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

通信抗干扰技术分类Fig.1.1Taxonomyofcommunicationanti-jammingtechnology

论文研究内容与结构

大连大学硕士学位论文-11-2认知抗干扰技术理论基础认知抗干扰技术是以认知电子装备为基础，拥有与电磁环境自主交互式学习能力、能够智能地执行对抗任务的一种技术。认知电子装备可利用先验知识，或者实时地从周围环境学习，自适应地调整自身参数以适应电磁环境的变化。认知抗干扰对系统的实时性、准确性要求较高，如何使对抗系统能够快速进行基于认知的抗干扰策略优化是技术实现中的难点。基于此，通过分析通信干扰数学模型，透析干扰机理、量化抗干扰的关键性能指标，为新的抗干扰方法的提出提供理论基矗2.1通信抗干扰理论随着干扰技术的快速发展，传统的通信抗干扰方式越来越难以适应新环境，具体表现为：抗干扰感知能力弱、智能化和自适应水平不高以及调节效率较低等。认知无线电作为新一代智能无线通信技术，相比传统的无线电技术灵活性、智能性、自适应性更强，将认知无线电技术引入抗干扰通信系统中，可为通信抗干扰研究提供新的思路和方法。2.1.1通信干扰数学模型通信的成败关系着战争的胜负，干扰与抗干扰通信技术则是对抗双方不遗余力发展的重点。对抗双方通过不断地博弈使得对抗性、技术综合性更强的新技术层出不穷。因此，新的通信抗干扰技术若要在战场上使用，需要对抗干扰能力建立合适的性能评价指标，以判定抗干扰技术的有效性。为便于描述，设定了干扰机干扰通信场景，如图2.1所示。图2.1通信场景图Fig.2.1Thegraphofcommunicationscene

【参考文献】：
期刊论文
[1]军事通信抗干扰技术的发展现状及趋势研究[J]. 常德飞,周丛志.  信息通信. 2019(10)
[2]探讨军事通信抗干扰技术的发展[J]. 杨杰,郭德誉.  数字通信世界. 2019(09)
[3]军事无线通信抗干扰装备及技术发展[J]. 征惠玲,卢建川.  国防科技. 2016(05)
[4]基于空间谱的多天线盲频谱感知算法[J]. 刘畅,Syed Sajjad Ali,张锐,李思莹,王洁,金明录.  通信学报. 2015(04)
[5]军事通信抗干扰技术的发展现状及趋势[J]. 杨同茂.  通信技术. 2014(07)
[6]低轨卫星上行链路自适应能量检测算法[J]. 周峰,谢卓辰,庞博,马陆,龚文斌.  遥测遥控. 2013(05)
[7]智能抗干扰通信技术研究[J]. 李少谦,程郁凡,董彬虹,唐雪梅.  无线电通信技术. 2012(01)
[8]短波多音并行副载波跳变抗干扰通信建模仿真[J]. 杨保平,陈永光.  电子与信息学报. 2011(04)
[9]军事通信抗干扰技术进展与展望[J]. 李世贵,李青.  重庆大学学报(自然科学版). 2001(02)
[10]法陆军快速行动部队将装备TRC—950电台[J]. 姚雪芬.  计算机与网络. 1989(02)

博士论文
[1]基于加权分数傅里叶变换的物理层安全传输方法研究[D]. 房宵杰.哈尔滨工业大学 2018
[2]加权类分数傅立叶变换及其在通信系统中的应用[D]. 梅林.哈尔滨工业大学 2010



本文编号：2906771