基于改进的PSO算法解决雷达网布站优化问题

雷达网布站优化是电子对抗仿真的重要组成部分,雷达网布站是否合理直接影响雷达网作战效能.而常规优化算法相对复杂,易陷于局部最优解.针对这一问题,提出适用于解决雷达网布站优化问题的改进粒子群优化算法,并且将所提出的算法与遗传算法进行了比较.仿真结果表明,与遗传算法相比,在相同的条件下,改进粒子群优化算法具有精度较高且不易陷入局部最优解的优点,较好地解决了静态条件下雷达网布站优化问题.     

组网雷达协同干扰资源分配模型及算法

针对多干扰机协同作战(Multi-Jammers Cooperative Combat,MCC)问题,研究如何在干扰资源有限的情况下对其进行充分的利用,从而获得最优的干扰收益。将雷达的威胁等级和几何精度因子(GDOP)结合作为目标函数,建立以干扰机时间利用率为约束条件的MCC问题优化模型。运用熵权法计算雷达脉宽、带宽、载频和重频的权重,并根据灰色关联相对贴近度确定雷达的威胁等级,采用离散的粒子群算法对模型进行求解。通过MATLAB仿真表明,该算法可以快速找到目标函数的最优解,得到最佳的分配方案,通过对结果的分析,进一步验证该算法的有效性和模型的可行性。     

电子对抗条件下空战综合优势评估模型

针对空战中飞行机动与电子对抗之间的协同攻击决策问题,通过建立符合空战仿真需求的超视距基本战术动作库和运动模型,将机载火控雷达威力区、电子对抗干扰压制区和干扰条件下的空空导弹攻击区、允许脱离时间等要素有机结合,建立了电子干扰条件下空战态势与空战能力协同的综合优势评估方法.作战推演结果表明,建立的空战综合优势评估方法较全面合理地反映了现代空战的特点,能够满足现代空战机动决策需求.     

杂波和干扰条件下基于强化学习的机载雷达波形设计

针对复杂电磁环境机载雷达智能抗干扰问题,提出一种基于马尔可夫决策过程（markov decision processes,MDP）的机载雷达波形设计方法。为实现最优决策,建立雷达和干扰MDP博弈模型,融合利用目标、杂波、噪声、雷达和干扰信号等多维度电磁信息,设置信号和干扰噪声比为奖励函数;基于贝尔曼方程和策略迭代法计算信号频域最优策略,通过迭代变换法设计时域最优波形,并采用目标检测概率衡量算法性能。仿真结果表明,和线性调频信号、跳频信号相比,该方法设计波形具有更好的环境适应性和抗干扰能力,在此基础上提高了机载雷达目标检测概率。     

基于Multi-agent协商的多干扰机资源管理

多干扰机协同是组网雷达对抗的一种重要方法。针对多干扰机协同中面临的数据传输率、时效性等因素所引起的干扰资源管理问题，建立了基于中心控制协商和公约协商的干扰资源管理模型，并给出了相应的协同算法与仿真。仿真结果表明：两种方法在组网雷达对抗中均能取得良好的干扰效果及较低的漏威胁目标信号脉冲比例。其中，基于公约的Multi?agent协商在组网干扰资源管理方面具有更好的可行性，其效果优于基于中心控制协商的方法。     

基于粒子群优化算法的空中目标定位

受干扰条件下,雷达难以对空中目标准确定位。针对这一问题,提出了当多基雷达接收站在空间随机分布时,利用粒子群优化算法解决根据到达时间差对空中目标定位中遇到的非线性最优化问题。所建算法首先初始化一个随机粒子群,然后根据适应度值更新粒子速度和位置,通过迭代搜索最佳坐标。仿真结果表明,在参数设定合理的情况下,该算法性能稳定,能找到逼近全局最优点的解。     

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。     

多目标的分布式协同进化MDO算法

通过引入非优超排序和排挤的多目标处理机制 ,将分布式协同进化MDO算法的能力扩展到多目标的多学科设计优化问题。多目标的分布式协同进化MDO算法在保持各学科充分自治和各学科并行设计优化协同的基础上 ,通过一次运行即可获得具有良好分布的多个Pareto最优解 ,逼近整个Pareto最优前沿。应用于导弹气动 /发动机 /控制三学科两目标设计优化问题 ,与约束法计算结果的对比表明算法能够有效逼近该问题的Pareto最优前沿 ,为设计决策提供了丰富的信息     

异步雷达组网协同跟踪动态传感器分配算法

针对异步雷达组网下的协同跟踪问题提出了一种基于异步顺序融合的动态传感器分配算法。该算法对异步雷达的量测值按采样时刻顺序滤波,根据滤波协方差和目标期望协方差的接近程度动态选择下一时刻跟踪的最优传感器集合。仿真分析表明该算法和基于伪量测的异步雷达组网协同跟踪传感器分配算法相比具有较少的计算量和较高的目标跟踪精度。     

改进的TOPSIS法在雷达干扰资源分配中的应用

对雷达进行侦查是干扰雷达的前提,由于侦查无法得到精确的实际雷达工作参数,而只能得到一个工作参数区间,因此属性值为确定值的多属性决策方法是不适用的.从多个属性出发,提出改进的基于逼近理想解排序的TOPSIS法,针对属性权重信息不完全且属性值为区间数的特征,将多属性决策问题运用到雷达干扰资源分配中来,对雷达干扰资源进行优选配置,通过多个无线传感器干扰节点协同干扰,使其达到最佳的干扰效果.     

改进蚁群算法求解多目标雷达干扰资源优化分配

蚁群算法是一种群智能优化算法,其理论来源于自然界中蚂蚁群的寻径行为。针对地对空多目标雷达干扰系统在实战中目标较多情况下的干扰资源分配问题,提出了一种基于蚁群算法的分配优化模型,为解决传统蚁群算法寻优速度慢,容易陷入局部最优解等缺点,在蚂蚁路径选择策略、信息素挥发、信息素更新和精英保留等方面提出相应改进策略,给出改进后算法的具体实现步骤,最后举出实际算例,通过仿真实验,证明了算法的优越性。     

干扰条件下基于MMSE准则的弹载雷达认知波形优化

针对杂波、噪声和干扰环境中弹载雷达扩展目标检测识别问题,结合认知理论,在频域基于最小均方误差(minimum mean-square error,MMSE)准则提出一种新的雷达发射波形优化算法,用以抑制杂波和对抗干扰。建立雷达信号时频模型,通过目标参数贝叶斯估计构造以均方误差为代价的功率受限目标函数,利用拉格朗日乘子法得出最小代价发射信号频域能量最优波形表达式。仿真结果表明,算法能够针对目标频率响应和杂波、干扰的相对强度合理分配发射信号的频域能量,提高目标估计精确度,优化雷达检测识别性能;仿真条件下,最小均方误差准则优化波形目标识别性能优于互信息量准则。     

模糊机会约束规划在雷达干扰资源优化分配中的应用

应用模糊机会约束规划理论,研究了不确定环境下的雷达干扰资源优化分配问题。在对雷达目标进行整合的基础上,综合考虑雷达干扰资源分配过程中的不确定因素,建立了双层模糊机会约束混合整数规划模型。并根据可能性测度理论得到双层混合整数规划模型,通过求解混合整数线性规划来获取模型的最优解。计算实例表明方法的优越性和有效性。     

电子对抗对空侦察雷达阵地配置优化研究

针对电子对抗对空侦察雷达阵地优化配置问题,通过分析雷达站的侦察范围与定位条件,提出双机定位和三机定位的最优配置模式,分别建立双机定位和三机定位的最优站距、定位纵深、配置间隔、阵地高度等相关参数的计算模型。通过对电子对抗对空侦察雷达阵地优化配置问题进行实例计算,表明模型实用、有效。     

面向多最优解组合优化问题的决策求解算法

针对具有固定物品总和、多最优解特征的组合优化问题,以固定总和实数子集问题和购买鸡翅问题为例,给出了这类多最优解组合优化问题的形式化表示。在分析枚举等经典算法基础上,提出了基于整数状态表示和实数状态表示的0-1决策递归搜索多最优解动态规划算法。针对该算法在最优解数量较大时,时间复杂度趋向O(mⁿ)的问题,提出了基于相同决策路径合并和基于0-x决策的两种改进算法。实验中两种改进算法的计算时间基本符合与O(nb+nm)的正比关系,表明对于这类多最优解组合优化问题具有良好的求解性能。     

远程空空导弹机弹协同无源定位技术研究

针对载机雷达被干扰或无源探测系统定位精度有限条件下空空导弹无法正常发射和制导攻击辐射源目标的问题,提出了一种战斗机机载无源雷达与机载远程反辐射导弹组网协同测时差定位策略。建立了机弹协同测时差无源定位算法及精度分析模型,对单纯采用时差定位误差较大的情况,引入了修正增益卡尔曼滤波算法提高系统预测精度。经过仿真验证,引入滤波器后系统的定位精度有了很大提高,可以对预警飞机等高价值电磁辐射目标远距离精确定位,为对辐射源进行打击和干扰提供了重要信息保障。     

基于改进粒子群算法的多机协同目标分配

针对多机协同空战目标分配的问题,提出了一种改进的粒子群算法,设计了新的粒子群位置和速度更新过程。充分利用粒子群算法的全局搜索能力以及利用贪婪策略的局部最优搜索能力进行混合搜索,显著地提高了搜索能力。仿真结果表明,改进的粒子群算法能够快速解决多机协同作战的目标分配问题,能够找到逼近全局最优点的解。     

多波束干扰系统雷达干扰资源优化分配方法

合理的干扰资源分配方法是干扰系统发挥效能的关键,传统的雷达干扰资源分配方法基于一对一或多对一原则,且分配时不考虑干扰样式。基于多波束干扰系统,考虑干扰样式的限制建立了干扰约束过滤模型,采用ISODATA算法实现了对目标雷达分群,将干扰样式纳入干扰资源进行了干扰参数设置。该分配方法,使得干扰决策更加合理,提升了系统的干扰效率和自适应能力。     

多机协同对空目标探测与攻击任务的最优分配

针对信息化条件下多机协同空战中需要协同制导的问题,建立了探测任务和攻击任务分配的模型。首先根据战场态势和雷达探测能力建立探测任务分配模型,然后根据战场态势和武器作战能力建立攻击任务分配模型,最后将此多目标决策问题转化为单目标优化问题。通过建立可行解到粒子间的映射,提出了粒子群优化算法对该优化问题进行求解。仿真实验表明了该模型与算法的可行性与有效性。     

时间和制导资源约束下的武器目标分配

针对防空作战过程中的武器-目标分配问题,以目标毁伤概率最大为目标函数,提出一种混合粒子群算法.该算法融合粒子群算法和遗传算法,首先利用粒子群算法找到不受时间和制导资源约束的一组解,再利用遗传算法对粒子群算法找到的解进行寻优,最终找到一组满足时间和制导资源约束的最优解.仿真结果表明,该算法收敛速度快,迭代次数少.