-
题名基于强化学习的自适应干扰波形设计
被引量：9
- 1
-
-
作者
陈涛
张颖
黄湘松
-
机构
哈尔滨工程大学信息与通信工程学院
黑龙江省多学科协同认知人工智能技术与应用重点实验室
-
出处
《空天防御》
2021年第2期59-66,共8页
-
基金
国防科技基础加强计划(2019-JCJQ-ZD-067-00)
航空科学基金(201801P6003)。
-
文摘
针对传统干扰算法无法适应信号环境变化的问题,提出将Q-Learning算法与“切割”假设法相结合应用到干扰波形设计中,使干扰波形能够达到自适应雷达信号长度变化的效果。该算法主要针对雷达检测环节进行干扰,其中采用恒虚警概率(constant false alarm rate,CFAR)作为环境交互模型,通过强化学习自适应地调整间歇采样信号的采样时间与转发时间,在此基础上对未知长度雷达信号进行“切割”处理以达到最佳干扰的目的。最后进行仿真,实现了对未知雷达信号的干扰。仿真结果表明:在信号模型不定的条件下,强化学习算法在决策时可以充分利用历史数据,相对于传统算法,强化学习算法可以达到更好的干扰效果。
-
关键词
间歇采样转发干扰
恒虚警概率检测
Q-LEARNING
切割假设法
未知长度雷达信号
-
Keywords
intermittent sampling and forwarding interference
CFAR
reinforcement learning
“cutting”assumption method
unknown length of radar signal
-
分类号
TN974
[电子电信—信号与信息处理]
-
-
题名基于双层强化学习的干扰策略与干扰波形优化设计
- 2
-
-
作者
辛祺
辛增献
马亮
辛升
陈涛
-
机构
哈尔滨工程大学信息与通信工程学院
上海无线电设备研究所
-
出处
《制导与引信》
2023年第4期35-41,共7页
-
基金
国家自然科学基金(62071137)
国防科技基础加强计划(2019-JCJQ-ZD-067-00)
上海航天科技创新基金(SAST2022-063)。
-
文摘
针对干扰策略与干扰波形联合优化设计问题,提出了一种基于双层强化学习的干扰策略与间歇采样转发干扰波形人工智能优化设计方法。该方法通过建立基于双层强化学习的干扰决策模型,外层利用Q学习(Q-learning)算法,基于雷达工作模式识别对干扰策略进行人工智能优化,内层利用深度Q学习网络(deep Q-leaning network,DQN)对非均匀间歇采样转发干扰波形进行人工智能优化,从而将一个干扰策略与相干干扰波形优化的二维决策问题转换为两个一维决策问题。仿真实验表明:该模型对于未知且复杂的电磁环境具有良好的自适应能力,为多层强化学习网络应用于复杂干扰决策场景提供了一种可行的解决方案。
-
关键词
干扰策略
干扰波形
强化学习
深度Q学习网络
间歇采样转发干扰
-
Keywords
interference strategy
interference waveform
reinforcement learning
deep Q-leaning network
intermittent sampling and forwarding interference
-
分类号
TN974
[电子电信—信号与信息处理]
-
-
题名脉内步进频信号非均匀间歇转发干扰特性研究
- 3
-
-
作者
冯佳美
徐飞
-
机构
西安电子工程研究所
-
出处
《现代信息科技》
2024年第2期54-59,共6页
-
文摘
随着数字射频存储技术的快速发展,间歇采样转发干扰凭借其突出的欺骗和压制效果,在实际的干扰场景中有广泛的运用,对雷达的识别和探测造成了严重的威胁。区别于常规的均匀间歇干扰,采样信号非均匀的样式进一步拓展了干扰的灵活性和欺骗性,对雷达有更明显的干扰压制效果。通过研究雷达发射脉内步进频信号和非均匀间歇采样转发干扰类型的产生机理,对其脉压后的时频特性进行分析,最后通过仿真实验对脉内捷变步进频受到非均匀间歇采样干扰的效果进行验证。
-
关键词
线性步进频
非均匀间歇采样转发干扰
时频域分析
匹配滤波
-
Keywords
linear step frequency
non-uniform intermittent sampling and forwarding interference
time-frequency domain analysis
matching filtering
-
分类号
TN974
[电子电信—信号与信息处理]
-
