基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。     

应用空气采样式火灾探测系统的分析与思考

通过对空气采样式火灾探测系统的质量跟踪,介绍该系统的工作原理、主要特点和应用范围,并对应用该系统进行分析与思考.     

基于Logistic映射的混沌序列扩频序列生成算法

直序扩频通信系统中,扩频序列的各项性能指标直接影响到通信系统的扩频增益、抗干扰性能以及多用户复用性能等。混沌序列具有良好的相关性、可重生性等特性,可作为理想的直序扩频码应用于低压电力线通信中。对混沌扩频技术在电力线通信中的应用进行了探讨,提出了一种利用Logistic映射得到大量适用于直序扩频系统的混沌扩频序列的算法,并在Matlab环境下编程实现了该算法。在此基础上分析了所得混沌序列的性能并与M序列、Gold序列加以比较,证明了算法的可行性。     

直接序列扩频数据通信系统的设计

应用zilog公司研制的新型直接序列扩频芯片-Z87200扩频收发器,设计实现用于战术电台数据传输的扩频通信系统研究.该系统设计以微型计算机作为数据终端,以高性能的16位单片微处理器80C196KB为控制核心,以新型超大规模集成电路Z87200直序扩频收发器为基础,组成-个具有一定智能,采用标准串行接口的直序扩频数据通信系统.该系统能够提供近20dB的处理增益,基本满足了战术电台数据通信的要求.     

一种基于加权DSmT的序列图像目标识别方法

通过对自动目标识别系统研究与分析,将DSmT引入到飞机序列图像识别中,构建基本置信指派及分类规则,提出了一种基于加权DSmT的序列图像目标识别方法,在分析权值选择特点的基础上,根据特征信息的置信指派组合有效权值,并且给出了基于加权DSmT融合规则的序列图像目标识别的流程,仿真结果表明,该方法提高了序列图像目标识别的准确性.     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

LFM-BC雷达信号的间歇采样转发干扰的研究

线性调频-二相编码(LFM-BC)信号是在二相编码信号脉内进行线性调频处理得到的组合信号。利用LFM-BC信号附加多普勒频移通过匹配滤波器的响应特点,研究了基于数字射频存储的间歇采样转发干扰方法对采用该信号的脉冲压缩雷达的干扰效果。分析了调制参数(占空比、间歇采样周期、正频调制)对干扰效果的影响以及干扰功率与干信比。根据调制参数的不同可以产生压制性干扰和欺骗性干扰,且相对于常规射频噪声干扰而言只需要较小的干扰功率。理论和仿真实验均证明了这种干扰方法的正确性和实际应用的可行性。     

可测同时到达信号的瞬时测频系统建模与仿真

根据傅里叶变换法测频原理,提出了一种可以测量同时到达多个信号的数字瞬时测频接收机方案,利用Matlab/Simulink工具对接收机进行了系统建模仿真。仿真结果表明,在同时到达多个信号的情况下,系统能准确测量各信号载频参数。最后研究了频率估计算法,结果显示,三次插值的方法既具有高的测频精度,又减少了测频时间。