改进NSGA-Ⅲ的卫星网络多控制器部署方法

软件定义卫星网络能够促使卫星网络管理便利化、网络控制灵活化、网络配置简单化,通过卫星控制器节点可实时掌握卫星网络的状态信息,实现卫星网络资源的集中控制与高效分配。针对卫星网络控制器部署问题研究中,星间链路的可靠性常常被忽略的问题,建立了以降低控制链路时延、提升星间链路的可靠性、维持负载均衡为研究目标,提出了一种改进的非支配排序遗传算法-Ⅲ（Improved Non-dominated Sorting Genetic AlgorithmⅢ,INSGA-Ⅲ）的卫星网络多控制器部署方法。仿真结果表明,基于INSGA-Ⅲ算法的多控制器部署方法能够降低网络时延,同时在星间链路的可靠性和网络负载均衡方面均有显著提升,在时延、负载均衡、可靠性方面,INSGA-Ⅲ相比于INSGA-Ⅱ分别提升约10.12%、97.37%、0.50%,INSGA-Ⅲ相比于NSGA-Ⅲ分别提升约6.25%、95.49%、0.44%。     

针对非均衡样本的雷达字提取算法

雷达字作为构成雷达短语的基元,其提取效果的好坏将直接影响后续雷达行为辨识的可信度。针对侦收数据不均衡情况下的雷达字提取问题,提出一种基于K-means算法改进的K-OPTICS雷达字提取算法。通过构建虚拟聚类中心和簇合并的方法,使其在各种样本不均衡的仿真场景下仍能取得91.22%以上的提取准确率,较传统算法具有更好的参数不敏感性。     

一种基于子空间聚类的雷达字提取算法

在认知侦察领域,对多功能相控阵雷达（Multifunction Phased Array Radar,MPAR）的脉冲序列进行分析,得到目标威胁等级和其他直观的有效情报,可以直接服务于作战指挥中心的决策部署。其中对雷达字提取是进行行为分析和预测的基础,其提取的结果将间接影响最后实施干扰决策的措施。针对从前提取算法利用侦收信息不全而CLIQUE算法簇边缘丢失等问题,提出了一种基于子空间聚类的雷达字提取算法。仿真实验结果表明,在漏脉冲率为30%的情况下该改进算法的提取准确率、F-值和调整兰德系数均优于传统算法,可以很好地服务于认知电子战中的雷达对抗。     

基于改进D-S证据理论的MPAR行为状态识别方法

随着多功能相控阵雷达不断发展,其展现的多功能状态和自适应能力强的特性使得传统行为辨识方法无法适应现代战争需求。对此,提出一种基于改进D-S证据理论的雷达行为状态识别方法,该方法将空间运动状态和天线扫描方式作为辅助特征,通过改进D-S证据理论将双链HMM估计结果进行融合,得到最终识别结果。仿真实验结果表明,所提方法能有效解决传统D-S证据理论不能处理的证据冲突问题,且在雷达字提取准确率下降的情况下表现出更强的鲁棒性。     

基于强化学习的雷达干扰决策技术综述

装备的认知能力集中体现了认知电子战的根本属性,也是能否对复杂、智能的电子装备实施有效干扰的关键.强化学习作为人工智能领域炙手可热的技术手段,具备不依赖先验数据的自学习能力,是解决多功能雷达干扰难题的一个重要途径.在回顾传统的雷达干扰决策算法的基础上,阐述了利用强化学习进行雷达干扰决策的原理,分析了基于强化学习的雷达干扰...