针对目前无源模拟技术无法实现目标动态电磁特征模拟的问题, 提出了一种利用相位调制表面(phase-switched screen, PSS)进行空中目标动态高分辨距离像(high resolution range profile, HRRP)特征可重构的模拟方法。以无人直升机旋翼为例, 对旋翼的运动状态进行了建模, 并详细分析了其动态HRRP特征。另外, 通过建立PSS的周期调制信号模型, 详细分析了PSS对雷达入射波的调控效果。在此基础上, 提出了一种调制频率时变的PSS可重构模拟方法, 该方法能够生成随时间变化的可控谐波分量, 模拟产生的谐波分量与无人直升机旋翼的动态HRRP特征变化规律相似。通过仿真数据对比分析, 调制频率时变的PSS可重构模拟方法能够实现无人直升机旋翼的动态HRRP特征模拟效果。
从综合孔径微波辐射成像技术实际需求和技术特点出发, 首先简要回顾了综合孔径微波辐射成像技术的整个发展历程; 然后, 从地球被动微波遥感和目标被动探测两个应用领域较为全面地介绍了综合孔径微波辐射成像技术的发展现状, 包括综合孔径微波辐射成像系统研制和相关重要研究进展等; 最后, 从高空间分辨率和多手段联合等方面总结了综合孔径微波辐射成像技术的发展趋势。随着综合孔径微波辐射成像技术的发展,其在地球被动微波遥感和目标探测领域将会得到更广泛的应用。
针对水下目标探测中使用的正交频分复用信号, 提出了一种针对高速微弱目标的相参积累算法, 以解决多脉冲积累下由目标机动引起的较大相位变化和由水下环境中信噪比低导致的相参积累增益不足的问题。所提算法利用分数阶傅里叶变换来估计目标的运动参数并进行补偿, 并结合Keystone变换, 实现对高速微弱目标的多脉冲相参积累。理论推导和仿真实验结果表明, 所提算法能够有效补偿高速目标脉冲间的相位移动, 并在低信噪比环境下取得较好的能量积累效果。
高分辨率遥感影像中,传统的道路提取方法存在着精度低、鲁棒性低的问题,提出基于高分辨率网络(high-resolution net, HRNet)实现高分辨率遥感影像道路分割。对HRNet进行改进,将相同分辨率的HRNet子网的输出与输出层结果进行拼接并输入非局部块,两个损失函数Cross-entropy Loss和Dice Loss用来解决道路数据集样本不平衡问题。实验结果表明,改进的HRNet在公开的CHN6-CUG道路数据集上的分割性能与其他方法相比对道路的提取效果更好,在召回率、均交并比和F1分数3个方面分别达到了97.65%、84.91%和97.25%。
介绍了一种基于轻量化CenterNet的多教师联合知识蒸馏方案。所提方案能有效解决模型轻量化带来的性能恶化问题,可以显著缩小教师模型和学生模型之间的性能差距。将大规模复杂模型作为教师模型,指导训练轻量化学生模型。相比于模型的传统训练方案,使用所提知识蒸馏训练方案可以在相同的训练轮数后使轻量化模型达到更优的检测性能。主要贡献是提出了适用于CenterNet目标检测网络的新型知识蒸馏训练方案——多教师联合知识蒸馏。在后续实验中,进一步引入了蒸馏注意力机制,从而优化了多教师联合知识蒸馏的训练效果。在VOC2007数据集(Visual Object Classes 2007 Dataset)上,以MobileNetV2轻量化网络作为主干网络为例,相较于传统的CenterNet(主干网络为ResNet50),所提方案在参数量指标上压缩了74.7%,推理速度提升了70.5%,在平均精度上只有1.99的降低,取得了更好的“性能-速度”平衡。实验证明,同样经过100轮训练,使用多教师联合知识蒸馏训练方案的轻量化模型相较于普通训练方案,平均精度提升了11.30。
针对机载电子战中经常遇到的地形遮蔽问题,定量分析了遮蔽条件下电磁波绕射效应对机载电子战设备的影响。首先基于传统刃形单峰绕射模型提出了在地球曲率下山峰绕射高度的计算方法;然后基于Picquenard刃形多峰绕射模型提出了地球曲率下的主峰迭代搜索算法;最后利用构建的电磁波绕射模型,提出了机载电子战在地形遮蔽情况下的对抗策略。将算法嵌入模型后,通过比对仿真结果与真实试验数据,表明所提算法可适用于计算地形遮蔽对机载电子战设备的影响。
双基地宽带成像雷达由于不同源会产生时间同步误差和调频率同步误差。针对这一问题, 面向低成本、小型化雷达接收机设计同步方法。针对时间同步问题, 提出了直达波触发的收发脉宽非一致时间同步方案, 通过使用直达波触发接收窗启用时刻, 同时增加接收窗长度和低通匹配滤波, 以完成时间同步。针对调频率同步问题, 提出了采用吕氏分布对调频率误差进行估计, 进而进行补偿, 以完成调频率同步。该时间及调频率同步方法基本不需要增加接收机硬件成本, 可以适应小型化接收雷达需求。基于小型宽带雷达搭建室内的双基宽带雷达模型, 实验实现了双基雷达同步以及数据采集、成像。实验结果验证了所提方法的有效性。
针对目前基于深度学习的合成孔径雷达(synthetic aperture radar, SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题, 提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhancement network, AA-MSE-Net)的SAR舰船检测方法。首先, AA-MSE-Net引入了锚框自适应机制, 来生成适应目标形态的高质量锚框, 增强了舰船形态描述能力。其次, AA-MSE-Net提出了多尺度增强金字塔网络, 来融合增强多尺度特征, 增强了多尺度描述能力。最后, AA-MSE-Net在骨干网络中引入了可变形卷积, 来提取舰船形变特征, 进一步提高检测精度。实验证明, AA-MSE-Net在公开SAR舰船检测数据集上的平均精度高于8种对比方法。
针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题, 结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先, 采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息, 并利用HGM结果提升量测与预测状态之间的关联性能。其次, 通过图理论计算邻接矩阵, 获取群结构信息和子群数目。随后, 利用群结构信息估计协作噪声, 进而校正目标的预测状态。最后, 通过平滑算法改善滤波效果, 并设置轨迹长度阈值, 使其在平滑状态达到消除短轨迹的目的。仿真实验表明, 所提算法在线性系统下能有效提升群目标跟踪性能。
针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题, 提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先, 在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后, 挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后, 使用高性能分类器对降维后的数据进行区分, 实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明, 所提方法具有更好的分类准确率和对孤立点的鲁棒性。
近场高分辨率成像的需求日益增加, 传统的后向投影成像算法忽略了周围复杂电磁环境给成像带来的不良影响, 在对回波进行相干积累的过程中不可避免地将周围杂波映射到目标图像网格上, 导致图像质量较差。针对这一问题, 提出一种基于天线方向图波束补偿的后向投影成像增强技术。该技术通过提前生成自适应能量衰减系数矩阵, 对目标回波幅度进行衰减补偿, 能有效抑制复杂电磁环境下强散射点给成像过程带来的不良影响。实测及实验结果表明, 所提方法不仅在抑制杂波的前提下增强了图像质量, 也能降低成像过程中相干积累的次数, 提高了成像效率。
受瞬态干扰影响和空海同时探测的需求,在长相参积累时间条件下,天波超视距雷达(over-the-horizon radar, OTHR)回波信号的有效采样点往往缺损且非均匀,严重影响目标检测性能。针对此问题, 提出了一种基于压缩感知的OTHR频谱重构方法。首先, 建立了OTHR频域信号的稀疏模型; 然后, 提出了快速自适应复近似消息传递(fast adaptive complex approximate message passing, FACAMP)频谱重构算法并给出了算法实现步骤; 最后, 利用FACAMP算法实现了OTHR频谱重构并分析了重构性能。与现有重构算法相比, FACAMP算法具有重构精度高、运算复杂度低、可自适应调整参数和保留背景噪声高斯性的优势。理论分析和仿真实验均验证了所提算法的有效性。
针对舰船三维摆动和海尖峰制约高海情环境弹载雷达探测性能的问题, 面向高海情探测环境提出了一种新的成像检测思路。首先, 基于高海情环境分别建立舰船与海杂波回波模型;其次,将改进离散调频傅里叶变换算法(modified discrete chirp Fourier transform, MDCFT)引入回波多普勒成像,消除了高阶项相位导致的散焦现象;在此基础上,利用水平集算法分割目标与背景区域,然后利用聚类算法确定每个目标区域;最后,基于提取的目标特征判决每个区域对应的目标身份。利用仿真数据的实验结果验证了所提算法的有效性。所提方法综合考虑了成像与检测环节性能的提升,为高海情环境下的弹载雷达制导提供了一种可行思路。
针对当前均匀分布的仪表着陆系统(instrument landing system, ILS)信号无法反映出真实安全性变化的问题, 提出了基于高斯量化的ILS安全性信号设计方法。首先, 基于运行安全性确定安全范围并在此基础上进行逆向设计, 对飞行安全性进行高斯量化。然后, 从提高飞行员情景意识出发, 提出在安全范围内的不同偏移角度下, 仪表刻度变化率与安全性变化率保持一致的安全性信号设计方法。最后, 构建了飞行员认知模型, 在民机最后进近场景中, 对不同初始偏航角度进行了仿真实验。仿真实验结果表明, 所提方法提升了民机进近着陆阶段的安全性。
针对航空母舰飞行甲板上舰载机弹药保障面临的调度效率不高的问题, 提出了一种改进灰狼优化(grey wolf optimizer, GWO)算法。根据甲板上多升降机多运输车的场景特点, 建立了由多车场出发、向多目标转运的问题模型。融合遗传算法算子交叉思想实现了对灰狼种群初始解的初步优化, 并通过直线转运路径中间点定义、整数编码、负整数标志分组等方法实现了对GWO算法求解过程的改进。同时, 增加了灰狼个体自由狩猎流程, 有效克服了结果陷入局部最优和早熟的问题。最终, 通过对场景实例的优化求解, 验证了所提方法的有效性和可行性。
针对无人集群自主作战体系设计中的关键问题, 提出基于Multi-Agent的无人集群自主作战系统设计方法。建立无人集群各节点的Agent模型及其推演规则; 对于仿真系统模块化和通用化的需求, 设计系统互操作式接口和无人集群自主作战的交互关系; 开展无人集群系统仿真推演验证。仿真结果表明, 所提设计方案不仅能够有效开展并完成自主作战网络生成-集群演化-效能评估的全过程动态演示验证, 而且能够通过重复随机试验进一步评估无人集群的协同作战效能, 最后总结了集群协同作战的策略和经验。
针对空间机械臂系统执行器鲁棒故障诊断问题, 提出一种基于改进的自适应超螺旋观测器故障诊断方法。为抑制复杂空间环境引起的外部干扰对故障诊断结果的影响, 在经典超螺旋观测器的基础上引入观测器参数自适应调整算法, 同时解决观测器参数过估计问题与噪声扩展问题。此外, 引入小于1的分数幂和线性比例项来提高观测器的平滑性和快速性, 进一步改善故障诊断效果。基于Moreno-Lyapunov函数算法分析了观测器的有限时间稳定性, 证明了观测器的估计误差可以在有限时间内收敛至包含原点的邻域内, 提出残差生成方法并设计了基于自适应阈值的故障诊断策略。最后, 结合小行星采样空间三连杆机械臂算例, 通过仿真验证了所提方法的有效性。
随着大数据、云计算、物联网等一系列新兴技术的大量涌现, 人工智能技术不断取得突破性进展。深度强化学习(deep reinforcement learning, DRL)技术作为人工智能的最新成果之一, 正被逐渐引入军事领域中, 促使军事领域走向信息化和智能化。在未来战争作战模式及军队发展建设中, 网络化、信息化、智能化和无人化形成重要特征, 已经成为不可逆转的趋势。因此, 在回顾了DRL基本原理和主要算法的基础上, 对当前DRL在武器装备、网络安全、无人机(unmanned aerial vehicle, UAV)编队、智能决策与博弈等方面的应用现状进行了系统的梳理与总结。最后, 针对实际推进DRL技术在军事领域应用落地所面临的一系列问题和挑战, 提供了未来进一步研究的思路。
费用预测是复杂装备成本管理的核心内容。在同类型复杂装备仅有少量样本信息的情况下, 为提高估算预测精度, 解决贫信息下费用影响要素筛选困难、要素间由于协同效应导致的权重分配不合理、费用预测误差较大等问题, 提出了一种基于灰色关联协同效应贡献度分配的要素权重配置方法。首先通过灰色关联度分析筛选相似样本及费用关键影响要素; 然后, 依据各要素在协同效应下对灰色关联度提高的贡献程度大小, 参考Shapley值思想计算各要素的灰色比较关联重要性, 以此确定权重; 最后, 构建相应的异阶参数灰色分数阶预测模型, 对目标装备进行费用预测。通过与已有文献中的方法进行对比, 结果表明所提方法有较高的预测精度且具有一定的适用性, 能够挖掘小样本下费用影响要素间的潜在信息, 更可以合理地分配要素权重, 提高费用预测精度。
为增强指挥信息系统韧性, 提升资源使用效费比, 必须把有限资源投入到对系统韧性影响最为显著的重要节点上。分析指挥信息系统韧性过程, 以攻击发生后指挥信息系统在规定恢复时间内的平均功能水平来评估其韧性; 建立指挥信息系统模型和节点模型, 根据各个节点韧性增加/减少相同比率时, 对系统韧性的影响程度来度量节点重要性, 提出基于蒙特卡罗仿真的节点重要性计算方法; 通过仿真实验对指挥信息系统韧性过程, 节点重要性度量方法及其性能、应用场景等进行验证。实验结果表明, 该度量方法能有效区分指挥信息系统节点的重要性, 且在单调性和精确性方面具有一定优势, 可应用于指挥信息系统规划设计、运维管理、应急抢修等阶段的韧性增强。
针对相控阵雷达作战效能评估中战场环境等不确定因素的影响, 采用改进Dempster-Shafer(D-S)证据理论对其进行作战效能评估方法的优化。首先, 通过构建相控阵雷达作战效能评估指标体系, 明确评估指标并赋值权。其次, 引入Kulsinski差异和模糊熵方法, 对传统的D-S证据理论进行改进, 减少指标在融合过程中的融合权重不确定性的影响。最后, 通过改进D-S证据理论对评估指标进行数据融合, 建立评估准确性较高的相控阵雷达作战效能评估模型。通过算例验证分析, 所提方法能够有效减少融合过程中的不确定性影响, 可实现相控阵雷达作战效能评估的目的, 提高作战效能评估精度。
针对舰载机机群出动离场效率问题, 提出了一种改进的粒子群优化(improved particle swarm optimization, IPSO)算法。首先,基于舰载机的出动离场流程及约束建立了舰载机出动离场数学模型,并根据出动离场问题特点设计了一种连续编码形式以表示出动规划方案。然后, 通过在参数自适应粒子群优化算法的基础上引入基于莱维飞行扰动的模拟退火机制, 提出了将IPSO用于对出动离场规划问题进行求解。最后, 分别针对8、10、12机的出动离场规划场景进行了仿真验证。仿真结果表明, 所提算法较已有的优化算法而言具有更好的寻优能力。
为提高规划主体在复杂环境中运动的通过可行性和安全可靠性, 解决路网环境通常不连续和主体大小普遍未计算的问题, 基于连续路网环境提出了一种实体化主体路径规划算法。首先根据环境信息和主体大小, 采用融合膨胀的策略构建实体化主体连续环境模型(model continuous environment with subject objective, MCESO), 然后采取路网优先(road network priority, RNP)策略, 在实体化主体连续环境下利用骨架提取技术得到路网信息, 最后以经典A* 算法为例, 将上述模型融合改进, 提出一种路径规划MCESO-RNP-A* 算法。仿真实验结果表明, 建模方案和规划算法能够使得实体化主体在连续路网环境下安全顺利到达规划指定目标点, 并且在大范围环境下相较MCE-A* 算法生成路径的时间可降低约30%, 验证了算法的可行性和有效性。
针对重力扰动引起惯性水平基准姿态测量误差进而导致天文/惯性组合导航系统定位精度下降的问题, 提出天文/惯性组合系统中的重力扰动补偿方法。首先, 基于导航误差模型分析了影响天文/惯性组合导航系统定位精度的主要因素。其次, 推导了重力扰动、惯性水平基准姿态测量误差与天文导航定位误差之间的传播机理。然后, 研究了重力扰动建模与修正方法, 并将重力扰动补偿方法应用于惯性水平基准的导航解算回路中, 实现重力扰动的有效补偿。跑车试验结果表明, 所提重力扰动补偿方法可以将天文/惯性组合导航系统中定位误差的振荡幅值由1.6 n mile降低至0.5 n mile。
针对双向快速搜索随机树(bidirectional rapidly-exploring random tree, BI-RRT)算法在全局路径规划时存在搜索效率低、路径拐点较多等问题, 提出一种改进BI-RRT的水面无人艇(unmanned surface vehicle, USV)全局路径规划算法。该算法采取了极度贪心的思想、高斯偏置随机点采样方法以及启发式的节点扩展策略, 同时对节点扩展和搜索树连接进行角度约束, 将生成的路径进行剪枝和3次B样条优化处理。结果表明, 相对于改进前, 改进的BI-RRT在平均时间、随机采样点和平均路径上分别减少了40.5%、65.0%和24.0%。改进后的算法时间、采样点和搜索树扩展大幅度减少, 路径平滑度提高且路径更短。
针对具有终端视线(line-of-sight, LOS)角约束的机动目标拦截问题, 提出一种基于径向基函数(radial basis function, RBF)神经网络干扰观测器的LOS角约束制导方法。首先, 考虑目标机动过程中加速度信息无法获取的情况, 给出了一种基于RBF神经网络的干扰观测器, 实现了对目标机动的高精度估计; 其次, 充分考虑终端角度约束, 结合超螺旋算法思想, 通过幂次项的引入设计了一种改进的滑模制导律, 从而有效提升了有限过载情况下的制导精度; 在此基础上, 通过Lyapunov定理对算法的收敛性和稳定性分别进行了证明; 最后, 通过仿真验证对比了3种不同方法在4种拦截场景下的制导性能, 同时针对所提方法进行了蒙特卡罗打靶仿真, 仿真结果表明所给出的LOS角约束制导律对机动目标拦截精度高、鲁棒性强。
针对地形跟随飞行中的航迹跟踪问题, 设计了航迹跟踪模型预测控制器, 并讨论了模型预测控制中时域参数切换的自适应方案设计。首先, 结合被控对象的特点, 设计了用于实现全局稳定跟踪参考航迹的模型预测航迹控制器, 并对控制器展开了稳定性分析。然后, 充分发挥模型预测控制的预测能力, 进行了航迹跟踪方法和综合误差评价策略设计。同时, 通过分析不同航迹段的跟踪需求, 设计了自适应调整模型预测控制中时域参数的优化方案。仿真验证结果表明, 自适应方案相比固定时域方案航迹跟踪精度更高、飞行颠簸小、稳定性好, 预设的评价指标函数能有效评估跟踪性能。
船用惯性导航系统(inertial navigation system, INS)通常采用与全球卫星导航系统(global navigation satellite system, GNSS)组合导航的方式提高其长时间工作的定位精度。当GNSS失效时, 其定位误差将随时间迅速发散。针对这一问题, 设计了采用反向传播神经网络(back propagate neural network, BPNN)、根据INS原始输出数据拟合修正经纬度的定位修正方案, 提出了基于Bayesian算法更新网络权重系数的方法, 结合理论分析和试验研究确定了神经元个数与训练数据集的分配方案。实船试验结果表明, 当GNSS失效时, 在后续2 h, 通过24 h历史数据训练得到的神经网络修正INS位置, 相比INS独立工作时的定位误差, 修正后误差均值下降了63%, 误差最大值下降约50%, 最小值下降至0。
针对传统基于灰色理论航迹关联算法未充分利用航迹历史信息, 在密集目标以及时变噪声协方差等场景下关联正确率下降问题, 在传统灰色分析法基础上增加了一种动态估计反馈机制。改进后的算法引入了Sage-Husa估计器来实时估计传感器的噪声协方差作为评估输出数据质量的依据, 并使用Critic赋权法将实时噪声协方差转换为各时刻序贯权重, 从而保证最大程度上的利用航迹历史信息。仿真证明, 在密集目标与时变噪声协方差等特殊关联场景下, 所提算法明显优于传统灰色分析法以及模糊法、加权法等经典算法, 充分证明了所提算法的性能优越性以及鲁棒性。
针对可旋转翼式弹道修正组件滚转通道控制中存在的未建模摩擦干扰、参数不确定性和外部随机干扰造成的复合扰动问题, 提出一种基于扩张状态观测器(extended state observer, ESO)的滑模控制方法。首先建立弹道修正组件滚转通道模型, 将动力学模型中存在的外部干扰、未建模摩擦干扰和参数摄动整合为复合干扰, 然后设计ESO对修正组件滚转通道模型中难以直接测定的状态变量以及复合干扰进行估计, 并基于估计值结合滑模控制理论设计滚转通道控制器, 实现对滚转角指令的精确跟踪。综合考虑ESO和滑模控制器构成的闭环控制系统, 利用Lyaponov稳定性理论证明了所设计的闭环控制系统的稳定性。最后, 通过仿真实验分析, 证明所设计的修正组件滚转通道控制器, 对滚转角指令的瞬态响应和稳态性能优异, 同时可以有效抑制系统复合扰动, 具备较强的鲁棒性。
相比于传统分布式组阵接收采用的参数差异估计、信号校准合成以及符号检测的逐级处理结构, 直接利用多个观测信号进行符号检测能够抑制信号间校准精度不佳带来的性能损失问题, 但现有方法主要针对收发均静止或收发理想同步的情形。研究了一种最大似然准则下的分布式接收运动目标直接符号检测方法, 首先给出了直接符号检测求解模型, 针对模型中多组未知参数的优化问题, 推导分析了各参数近似闭式解, 采用基于迭代重估的闭环处理结构, 利用多个未知参数和信息符号进行联合寻优。仿真实验结果表明, 所提方法性能明显优于传统合成处理方法, 与现有联合处理结构相比, 在观测站数目较多时具有明显优势。
针对频谱资源短缺和传统的智能反射面无法实现全空间覆盖的问题,研究了同时透射和反射的可重构智能表面(simultaneously transmitting and reflecting reconfigurable intelligent surface, STAR-RIS)辅助通信感知一体化系统。通过分配功率和子载波资源并优化STAR-RIS系数矩阵, 使得在保证感知功能的前提下, 最大化通信和速率。设计了一种交替优化算法, 将多变量之间相互耦合的非凸问题解耦转化为3个凸的子问题。首先, 松弛子载波选择变量后使用惩罚函数和逐次凸逼近算法; 然后, 直接求解功率分配变量的凸子问题; 最后, 使用半正定规划并把秩一约束改写为核范数与谱范数之差, 将其作为惩罚函数, 使用逐次凸逼近以优化STAR-RIS系数矩阵。仿真结果表明, 与传统RIS相比,所提方案的性能取得了显著提升。
RaptorQ喷泉码是喷泉码的最新研究成果, 理论分析和仿真验证表明, RaptorQ喷泉码是性能最好的喷泉码, 同时也是编译码复杂度最高的喷泉码。针对RaptorQ喷泉码编译码复杂度高这一问题, 以国际标准RFC6330所设计的RaptorQ码编译码流程为基础, 提出一种RaptorQ编译码算法的优化版本。新的编译码流程通过固定生成矩阵的方式提前计算好生成矩阵并存储, 方便随时调用; 通过提前列变换的方式规避多次寻找标准行和高斯消去操作, 以及通过去稀疏化的方式, 减少编译码过程中的矩阵乘法和异或运算。仿真比较优化前后的编译码算法, 结果表明, 优化后的RaptorQ码编译码流程能够在保证传输性能不变的同时, 减少RaptorQ喷泉码编译码基本运算次数、缩短RaptorQ喷泉码编译码的时间, 降低了编译码的计算复杂度, 并保持了传输性能。
针对工业无线传感器网络物理层移动干扰攻击节点的攻击问题, 研究sink节点和簇头节点共同抵御攻击的两层协作博弈模型。在簇头节点中选择最佳协作节点, 共同抵御移动干扰攻击节点; 以网络安全速率为优化目标, 将sink节点、最佳协作节点和攻击节点之间的合作竞争关系建模为两层协作Stackelberg博弈模型, 采用逆向归纳法求解博弈均衡解。仿真实验结果表明, 与未采用协作节点的方案相比, 采用的最佳协作节点选择方案对移动攻击节点的抵御效果更佳, 且与其他协作博弈功率控制模型相比, 两层协作Stackelberg博弈模型可有效提高工业无线传感器网络的安全速率。
为解决非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统的单-混信号调制识别问题, 提出一种基于多特征融合和决策融合的调制识别方法。首先, 利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端恢复发送信号; 然后, 提取恢复后信号的四次方谱、循环谱和高阶累积量作为输入样本, 利用多特征融合网络对输入样本进行训练; 最后, 使用决策融合策略根据每条支路输出得到最终判决结果。仿真实验结果表明, 所提方法可以对MIMO-OFDM系统中的7种信号进行有效识别, 在信噪比为10 dB时识别精度可达99.4%。