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。     

多信道无线系统中时频机会频谱接入改进算法

在一个多信道无线通信系统中,节点可以通过控制包的交互过程探测各无线信道,机会地利用拥有高传输效率的信道,而信道探测过程会消耗用于真正数据包传输的时间和能量。文中详细介绍了最优停止时间理论的基本原理,分析了该理论在慢衰落环境下的局限性,并通过引入有限状态马尔可夫信道模型,提出了一种时频二维的机会频谱接入算法。     

多层弹道导弹防御体系射击策略研究

主要利用离散马尔可夫链(DTMC)对多层弹道导弹防御系统反导作战射击策略问题进行了研究.定义了多层弹道导弹防御体系防御层识别矩阵、拦截矩阵、综合防御能力矩阵等描述多层弹道导弹防御体系防御层作战能力的相关概念,建立了多层弹道导弹防御体系的DTMC模型.在此基础上,应用多层弹道导弹防御体系的DTMC模型对多层弹道导弹防御体系射击策略对作战效能的影响进行了预测分析,最后应用实例验证了模型的有效性及实用性.研究结果可为制定多层弹道导弹防御体系射击策略问题提供决策依据.     

基于马尔可夫预测的低消耗弹药库存仿真建模分析

应用马尔可夫方法的无后效性原理,建立了低消耗弹药库存的预测模型,为该类弹药的年度供应提供依据。在模型建立的基础上,对其仿真算法进行了描述,并应用计算机进行了仿真实现。     

基于Markov Logic的军事系统效能评估

由于军事系统中存在不同的体制编制和多变的网络结构,并且军事单元能力发挥不稳定,信息延时不确定,因此为完成特定军事任务,系统中会存在诸多OODA过程,以至于难以评估军事系统的效能.针对目前效能评估方法人为定性评估成分较大,或者评估过程忽视军事实体间的相关联系而仅在统计意义上进行评估,将军事系统的不确定性纳入评估体系,基于统计关系学习框架Markov logic以OODA军事策略为基础对不同军事规则进行一阶逻辑建模,并以当前网络态势为先验条件,应用Alchemy工具对表示最终作战效能的原子谓词进行条件概率推理,求得该网络作战效能期望,突出了模型对不确定信息的处理能力.最后研究了军事单元和军事体制对系统效能的影响,实验结果验证了本模型的有效性,表明其具有一定的实践和理论意义.     

基于马尔可夫过程的介电函数理论研究

基于马尔可夫过程,研究电介质分别在阶跃电场、方波电场和交变电场条件下的极化过程,并给出了介电函数的一般表达式．     

基于马尔可夫过程的武器系统相关失效分析

利用马尔可夫过程分别对共因失效和载荷共享失效两种相关失效的系统平均失效时间进行了建模分析。针对同时出现两种相关失效的武器系统进行了实例分析,并将结果和不考虑相关失效时的计算结果进行了对比,对相关失效分析在可靠性分析和评价中的重要作用进行了阐述。     

外场维护指挥控制系统可靠度模型

分析了影响外场指挥控制系统可靠性的主要因素,以指挥人员为主体,根据战时的实际,对指挥关系进行了重构,将串联指挥关系变为并联关系,通过利用马尔可夫链给出了指挥控制系统状态转移图,建立了计算外场指挥系统可靠性的数学模型。并且进一步给出了计算指挥控制系统的可靠性的方法。     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

用户偏好提取MDP建模研究

将马尔可夫判决过程和智能强化学习算法相结合,给出了异构无线网络环境下用户业务偏好评估模型的技术框架。为动态环境下用户需求的感知、量化和适配特征的研究提供了基本的数学描述,对解决用户体验的评价问题和业务与业务环境的适配问题提供了新的研究思路。仿真结果表明所构建的MDP模型能够在多状态条件下学习用户偏好,根据用户需求智能选择业务。