相位编码脉冲压缩雷达通过采用抗干扰波形和数据后处理技术, 可以有效识别和抑制间歇采样转发干扰。为了避免间歇采样转发干扰的不连续性和周期性, 进一步提升对雷达的干扰效果, 在介绍了相位编码雷达脉冲压缩原理及回波处理技术, 分析同一连接方式移存器不同初始状态、不同连接方式移存器不同初始状态生成序列之间相关性的基础上, 提出一种基于调制序列相关特性的干扰方法。通过从序列表中随机选取干扰序列, 采取直接调制发送, 可产生随机假目标欺骗干扰或噪声干扰效果。通过仿真实验验证了所分析的结论, 结果表明所提干扰方法具有较好的干扰效果。

为了在视域(field of view, FOV)不同的条件下实现对数量时变的不确定目标的最优跟踪, 提出一种高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GM-PHD)滤波器的去相关算术平均(arithmetic average, AA)融合算法。鉴于多目标AA融合被分解为多组单目标分量的合并, 先通过重构贝叶斯融合推导出最优去相关估计融合, 后将其用作单目标分量的合并方法。由于推导的去相关估计融合需要先验估计, 设计了一个包含主滤波器的分层结构, 以自动提供需要的先验估计。为了解决不同FOV导致的目标势低估问题, 融合节点利用FOV补偿单目标分量的权重。仿真结果证实了提出的算法在各种场景中的最优性, 提升了多目标跟踪的精度。

针对水下阵列波达方位(direction of arrival, DOA)估计在少快拍情况下对相邻声源分辨能力差的问题，提出了基于迭代原子范数最小化的均匀圆环阵DOA快速估计方法。所提方法利用模态域处理方法对阵列流形进行预处理，将均匀圆环阵转换为虚拟直线阵，然后通过对角重构估计无噪接收信号协方差矩阵，消除模态域处理引入的非均匀噪声的影响。为了充分利用接收信号稀疏性，同时避免字典网格搜索带来的误差，在模态域引入迭代原子范数最小化稀疏恢复方法，提出均匀圆环阵迭代原子范数最小化(uniform circular array-iterative atomic norm minimization, UCA-IANM)方位估计方法。原子范数最小化稀疏恢复问题一般采用内点法求解，该方法随接收信号快拍数增加，计算量急剧上升，不适用于水下计算资源受限的场景。在交替方向乘子法(alternating direction multiplier method, ADMM)的基础上，针对正则化参数难以选择的问题，提出了基于参数优化ADMM的UCA-IANM(UCA-IANM assisted by ADMM with parameter optimization, UCA-IANM-APO)DOA快速估计算法。仿真实验与实测数据分析表明，UCA-IANM-APO DOA快速估计方法的角度分辨能力和估计精度均优于传统DOA估计方法，求解速度较内点法提升了两个数量级。

现有的物理对抗攻击方法大多数局限于平面补丁, 即使是可以执行多角度攻击的对抗样本也存在鲁棒性不足、泛化性不够、在数字域和物理域的攻击效果差距较大等问题。基于此, 提出一种白盒车辆对抗纹理生成方法: 在训练数据集中添加不同亮度和对比度的图像, 并在每一代训练后生成的纹理上添加模拟现实环境的噪声, 利用贝叶斯优化算法来优化不同损失项权重, 最后添加正则化项减小模型过拟合。针对现有数据集模型和掩码无法完全重合的问题, 提出一种修复方法用于修复图像来缩小数字仿真和现实拍摄的差距。通过数字仿真实验和物理世界实验表明, 与现有对抗纹理生成算法相比, 此算法实现了更高的平均攻击成功率和更低的平均精确率。

低副瓣, 尤其是超低副瓣一直是天线设计中的难题。对于毫米波天线, 还有可能存在加工困难、加工精度难以保障和损耗大等问题。论文从天线实现方式、馈源、反射面结构及配置等方面进行特殊设计, 研制一种可以同时工作于w(51.26~58.0 GHz)和Ka频段(22.24~31.4 GHz)的反射面天线, 实测副瓣电平在w和Ka频段分别小于-50 dB和-35 dB, 中心频率的天线增益分别达到40.1 dBi和35.0 dBi。给出了设计原理和设计过程, 提供了仿真与实测结果, 并对结果进行分析和对比, 两者的基本吻合证明了设计过程的正确性和设计结果的实用性。

针对传统空频自适应处理(space frequency adaptive processing, SFAP)算法在快速傅里叶变换(fast Fourier transform, FFT)点数较大时出现计算量大、点数较少时出现在干扰来向的其他频段产生寄生零陷的问题，提出一种基于短时傅里叶变换(short-time Fourier transform, STFT)的SFAP方法。首先通过STFT将采样信号转换到时频域，并利用恒虚警门限检测方法检测干扰频点，然后仅在干扰频点进行空域滤波，相较于传统SFAP算法在所有频点进行空域滤波处理，所提方法有效提升了SFAP的计算效率和抗干扰能力。所提方法除了能够应对平稳干扰，也能够有效抑制威胁更大的非平稳干扰。

全息合成孔径雷达(holographic synthetic aperture radar, HoloSAR)成像是一种SAR三维成像模式, 通过不同空间维度的观测提供丰富的目标散射信息。相位梯度自聚焦(phase gradient autofocus, PGA)是一种高效的相位误差补偿方法, 其缺陷在于无法估计相位误差中的线性分量, 会造成HoloSAR子孔径成像结果高度偏移。因此, 提出一种改进的PGA方法, 将图像偏置算法拓展至三维成像, 用于估计PGA中的残余线性相位误差, 从而解决HoloSAR子孔径图像之间的高度偏移问题。所提方法能够在回波域和图像域联合校正相位误差, 相比于现有方法更加简便、高效。仿真目标和GOTCHA实测数据的处理结果证实了所提方法的有效性和实用性。

针对标签训练样本稀缺时半监督合成孔径雷达(synthetic aperture radar, SAR)自动目标识别(automatic target recognition, ATR)中噪声伪标签导致识别精度受限的挑战, 提出一种噪声伪标签容忍的半监督SAR ATR方法。该方法包括两个阶段: 第一阶段通过残差网络(residual network, ResNet)和多分类器融合实现高可靠性伪标签的生成与选择, 从而扩充标签训练数据集; 第二阶段基于WideResNet骨干网络构建具有噪声伪标签容忍特性的鲁棒一致性学习网络, 设计噪声伪标签平滑机制和噪声伪标签容忍的分段损失函数, 实现高精度ATR。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)SAR数据集上开展实验。实验结果表明, 所提方法在10类目标且每类目标仅有5个标签训练样本的情况下, 能达到93.37%的平均识别准确率, 显著提升了目标识别性能和泛化能力。

空天双基雷达系统具有收发平台距离远、收发波束覆盖尺度以及平台速度差异大且发射-接收几何构型复杂的特点。收发分离以及地球自转等因素的影响, 导致空天双基雷达系统杂波谱严重扩展且空时耦合非均匀性更加突出。对此, 建立空天双基雷达空时杂波模型, 该模型适用于任意轨道高度的天基发射平台。主要分析发射/接收天线方向图的波束覆盖差异性, 推导多普勒频率和空间频率的表达式, 并且通过仿真实验讨论不同轨道高度的天基平台对应的发射多普勒分布以及空天双基杂波的空时耦合特性与距离依赖性。仿真结果表明, 所提建模方法适用于任意空天双基构型下的杂波特性分析。

针对V形布置深水多波束测深声呐(multibeam echo sounder, MBES)相较于同尺度平面T形布置声呐接收波束宽度变宽, 导致海底镜像回波区域测深效果欠佳的问题, 提出一种基于分扇区反卷积和目标回波区间确定的改进测深方法。该方法通过分扇区反卷积算法对常规波束形成(conventional beamforming, CBF)输出进行处理, 缩小接收波束宽度和降低旁瓣级, 从而提升海底镜像回波区域的测深精度和测深分辨力。另外, 在CBF输出的基础上采用多次检测算法确定发射扇区的目标回波区间, 降低由分扇区反卷积算法所带来的高计算负载。仿真实验表明, 所提方法一方面可提升测深分辨力, 相较于传统测深方法能够获得更清晰的海底目标形状及图像；另一方面可提高测深精度, 在不同海底地形场景下, 相比于传统测深方法均能提高70%以上。采用多次检测算法预先确定目标回波区间大幅度提高了计算效率, 在不同海底地形场景下计算时间提升率均在96%以上, 方便方法后续实时化应用。此外, 海试数据进一步证明该方法在实际工程应用的可行性, 测深精度相较于传统测深方法提升了37.66%。

针对弹道中段目标高分辨距离像(high resolution range profile, HRRP)的时序特征提取和识别问题, 提出一种基于优化双向门控循环单元(bidirectional gate recurrent unit, BiGRU)的弹道目标识别方法。首先, 将HRRP数据处理为双向序列, 建立BiGRU网络并提取目标HRRP的双向时序特征。然后，使用双权重策略鲸鱼优化算法(double weight strategy whale optimization algorithm, DWSWOA)优化BiGRU模型的参数, 引入的双权重因子在鲸鱼优化算法(whale optimization algorithm, WOA)快速收敛的同时又可有效避免陷入局部最优解。基于优化BiGRU模型的目标HRRP识别实验结果表明, 所提算法相较于其他4种算法, 目标识别准确度更高, 并在噪声数据集上表现出更好的鲁棒性和可靠性。

随着各种新型雷达的出现或战时预留模式的采用, 真实的战场电磁环境将越加复杂, 大概率会出现种类未知且参数突变的雷达调制信号, 对现有的调制方式识别算法带来严峻挑战。对此，分析雷达调制方式“未知”对识别结果的影响机理, 将开集差分分布对齐(distribution alignment with open set difference, DAOD)算法引入雷达调制方式识别领域, 设计具体应用的技术方案, 并针对DAOD算法所需参数依靠先验知识或者试探选取问题, 利用蜣螂优化(dung beetle optimizer, DBO)算法进行参数优化。仿真结果表明: 在单个雷达调制方式未知情形下, 精确度Accuracy和F-measure分值的平均值分别可达91.34%和95.11%;在多个雷达调制方式未知情形下, Accuracy和F-measure的平均值分别可达91.37%、93.69%;与DAOD算法相比, 上述结果分别提升了3.77%、1.83%、21.17%和12.06%。因此，DBO-DAOD算法可有效提升未知雷达调制方式的识别率。

应用窄带逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像处理方法有助于空间群目标的精确检测。然而, 由于群目标运动状态存在差异, 成像结果可能存在较严重的模糊, 进而限制对群内目标检测的能力。为此, 针对空间群目标提出一种基于ISAR处理架构的场景成像及目标检测方法。首先, 基于运动特征一致性关联, 从不同距离单元提取出Chirplet分量, 确保目标与分量间的对应关系。然后, 通过建立代价函数实现逐个目标解速度模糊, 获得目标运动参数有效估计。最后, 数值仿真的实验结果验证了所提方法的有效性以及对群目标检测性能的提升效果。

为应对人工智能时代作战样式的变化带来的不确定性, 提出一种基于区间值球形模糊集(interval-value spherical fuzzy set, IVSFS)的作战威胁人机协同评估框架。IVSFS通过隶属度、非隶属度、犹豫度和弃权度的区间数来更加详细地描述决策信息。首先, 提出一种将多态时序区间数融合为IVSFS的方法, 来处理目标的客观数据; 然后, 通过模糊术语集获取专家对目标主观属性的IVSFS; 针对两套数据, 通过模糊熵获取指标权重, 并建立基于灰色关联度分析-累计前景理论-逼近理想解排序法的评估框架来对目标的威胁程度进行人机协同的评估与决策。仿真结果表明, 所提方法具有可行性与有效性, 能够综合考虑目标的固有属性与动态特征, 更符合作战实际。

在多无人机对抗中, 无人机通信范围内的友方数量不定, 导致其获得的信息量存在变化。而深度强化学习中神经网络的输入维度是固定的, 很多算法只考虑距离较近的固定数量友方无人机的交互信息, 导致信息丢失且不符合实际战场环境。对此, 基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法, 结合注意力机制, 提出注意力状态深度确定性策略梯度(attention state-deep deterministic policy gradient, ASDDPG)算法, 将变化的信息转化为固定长度的特征向量, 解决信息量与输入维度不匹配的问题, 并通过编解码结构进行状态特征提取, 增强无人机的决策能力。通过仿真实验对算法的性能进行对比分析, 验证该算法控制下的无人机具有更高胜率, 且泛化性良好, 在提升无人机对抗决策能力和泛化性方面具备优势。

发展基于气路的航空发动机健康管理技术, 对于提高发动机安全和降低维修成本具有重要意义。首先介绍基于气路的航空发动机健康管理技术发展的总体概况。其次, 以模型驱动、数据驱动和混合驱动分类方式, 系统总结气路故障诊断方法的研究现状, 并介绍基于数模混合驱动的故障诊断方法。同时，综述航空发动机建模方法、航空发动机传感器故障诊断方法和航空发动机气路性能预测技术, 并讨论这些方法的特点、优势及不足。最后，总结航空发动机气路故障诊断技术的发展趋势和所面临的挑战。混合驱动方法在提升气路故障诊断精度、泛化性以及工程适用性方面展现出显著潜力，为复杂工况下的健康管理提供了新的发展方向。

可靠性冗余设计优化是提高系统可靠度的重要方法之一。在协同平衡优化算法的基础上提出基于方向协同的优化算法, 引入优化方向的概念, 更新寻优流程。所提算法在充分考虑冗余结构变化对系统整体的可靠度、成本、质量、体积与能耗等多方面参数影响的同时, 可显著减少计算量, 更高效地实现复杂系统冗余设计优化目标。研究表明, 基于方向协同的可靠性冗余设计优化算法适用于各类冗余设计优化任务, 同时具备结果准确、优化效果好、效率高等优点。

空中交通流量的持续增长导致航路拥堵和空域资源紧张。为缓解空中管制员的工作压力, 提高空域的使用效率, 基于自由航路空域的背景, 提出无冲突轨迹规划的方法。建立一个多目标混合整数线性规划模型, 该模型的核心是生成飞行高度剖面满足离域协议高度, 并为冲突航空器找到最近、最优的中间改航点。将空域离散化为菱形, 以固定航向调整幅度并提高模型计算速度, 使用分层序列法求解多目标问题。以真实的空域结构和高于当前运行态势的交通流量, 生成具有连续交通流的场景样本。实验结果表明, 94.625%的样本可以在120 s内得到无冲突轨迹, 所提无冲突轨迹规划方法对于未来自由航路空域发展具有重要意义。

个性化个体语义体现不同决策者对语言术语理解的差异, 而二元语义在表征这种个性化个体化语义方面具有更大的优势。针对二元语义距离测度及其属性权重设计的难点, 系统研究基于二元语义距离测度的特性, 提出一种距离测度公式。首先, 基于证据理论和模糊测度分别设计属性内部不确定和外部交互作用下的双目标线性规划模型，以求解综合属性权重。接着, 基于备选方案的效用值矩阵和排序矩阵, 给出一种二元语义评估值的群决策求解方法。算例和对比分析验证所提出的方法可以有效处理属性的不确定信息和属性交互行为, 所提方法具有较强的鲁棒性, 使排序结果更加准确和稳定。

随着卫星对地观测进入多卫星、高分辨率、实时响应、全球观测的时代, 卫星在轨数据处理已成为提高遥感数据处理实时性的主流手段之一。在卫星资源受限、数传链路信道资源受限、随遇观测任务具有不可预测性的场景下, 进行数据处理任务实时调度具有较大挑战。首先，构建以最大化系统平均数据处理吞吐率为目标的优化问题模型。然后，提出一种在线的结合深度强化学习(deep reinforcement learning, DRL)的任务调度算法, 采用DRL算法能够实时计算任务调度策略, 选取拉格朗日对偶优化算法能够准确计算最优资源分配量。最后，通过仿真实验对算法有效性和数据处理吞吐率进行评价, 结果表明算法能够收敛并接近最优解, 相比于已有算法将数据处理吞吐率提高了约8%, 且在卫星数据到达速率及卫星计算节点数量增大时具有一定扩展性。所提算法能够在最大化系统平均数据处理吞吐率的同时, 保障高动态环境下任务队列长度及平均能耗稳定收敛。

针对未来月球探测任务中探测器系统使用需求和综合设计难点, 为有效解决各型探测器使用兼容、网络通联、维护保障等问题, 以基于模型的系统工程(model-based systems engineering, MBSE)正向设计为指导, 结合互操作性设计思想, 提出基于“场景分析-需求分析-功能与架构分析-架构设计”的系统架构开发流程。以典型任务场景下探测器系统互操作能力需求为输入, 构建关键功能约束下的系统用例、活动、时序、状态等视图模型, 通过权衡分析, 形成探测器最小单元物理架构, 为多种构型探测器架构和功能配置设计提供可行性方法, 提升系统开发和验证效率。

航空航天产品在寿命周期内会经历多个任务阶段, 而现有加速寿命试验模型主要针对单个任务阶段, 难以建立不同阶段应力下产品失效分布之间的联系。对此, 提出一种基于Weibull分布的两阶段加速寿命试验模型。在加速寿命试验的两阶段, 假定产品寿命均服从Weibull分布且具有不同的形状参数和尺度参数, 在损伤失效率模型的基础上, 引入灵活失效率思想, 构建两阶段加速寿命试验模型, 连接不同阶段、不同应力下产品的失效分布。基于极大似然估计理论分析定时截尾下模型的参数估计, 得到模型参数的极大似然估计、渐近置信区间与Bootstrap置信区间。采用蒙特卡罗仿真和电连接器的两阶段加速寿命试验数据进行验证, 结果表明所提模型能够有效描述两阶段加速寿命试验中产品的寿命分布, 反映第一阶段试验对第二阶段试验的影响, 其寿命预测精度较单阶段加速寿命试验模型更高。该模型为分任务阶段产品的加速寿命试验研究提供一种新思路。

针对非平稳响应的稳健参数设计问题, 在树状高斯过程(treed Gaussian process, TGP)建模的框架下, 提出基于主动学习算法的稳健参数优化模型。首先, 综合运用D-optimal和Expected Improvement设计策略, 构建主动学习算法, 以改善设计点的空间填充性能和优化性能。然后, 利用贝叶斯分层建模方法构建模型结构, 以估计输入和输出之间的非平稳函数关系。最后, 利用TGP模型输出, 构建基于质量损失函数的稳健参数优化模型。利用遗传算法(Genetic algorithm, GA)进行全局优化, 以获得最优输入参数设置。仿真结果表明, 所提方法所得最优解具有更小的质量损失和预测偏差, 改善了最优解潜在区域的预测精度, 降低了预测响应的不确定性, 进而提升了非平稳响应稳健优化结果的有效性。

针对无人艇(unmanned surface vessel, USV)在障碍地图中的避碰路径规划问题, 提出一种基于改进蚁群算法的静态全局路径规划避碰方法, 并面向未知障碍给出一种局部路径重规划方案。运用栅格法对障碍环境进行建模; 通过设计复合启发函数, 提出一种信息素动态给予机制, 引入混沌优化算子, 解决传统蚁群算法易落入局部最优解和收敛性差的问题; 基于鱼群效应提出一种局部路径重规划方案, 解决USV编队在遭遇未知障碍时的路径重规划问题。对由5艘USV组成的分布式编队系统进行仿真实验, 验证了所提方法对编队避碰问题的有效性。

针对气动偏心力矩严重干扰超低轨卫星姿态控制性能的问题, 提出一种基于质量矩技术的微纳卫星气动干扰力矩自适应动态补偿控制方法, 实现对气动偏心力矩的精确观测与快速补偿。针对基于滚珠丝杠副的质量矩驱动方式, 考虑机构传动摩擦, 建立质量矩卫星转动、平动和执行机构平动的完整动力学模型, 明确各项参数对扰动力矩的影响。针对气动环境不确定和卫星质心未知问题, 设计基于径向基函数(radial basis function, RBF)干扰观测器、滑模控制器与积分分离式比例-积分-微分(proportional-integral-derivation, PID)控制器的自适应动态补偿方案。仿真结果表明, 所提补偿控制方法能够精确估计并补偿气动力矩干扰, 有效消除质量矩机构摩擦力影响, 验证了气动补偿控制方法的有效性。

针对具有未知扰动和不可测状态的非严格反馈系统的优化控制问题, 提出一种自适应反步优化控制策略。首先, 构建一个复合观测器, 用以同时观测系统的未知状态和扰动。随后, 在每一步的反步法设计中引入包含扰动估计的非二次型代价函数, 并设计虚拟最优控制器及最终的实际优化控制器, 确保系统在实现控制优化的同时保持稳定性。在最优反步法的设计中, 仅引入单一的评价网络, 简化控制器的设计过程, 降低控制系统的复杂性。最终, 通过李雅普诺夫稳定性分析证明闭环系统的稳定性, 并通过数值仿真验证了所提方法的有效性。

针对智能船舶避碰决策面临反复训练、难以灵活适应多样化会遇场景等问题。提出一种深度Q-网络(deep Q-network, DQN)与规则结合的智能船舶动态自主避障决策算法, 设计融合规则评估的部分可观测自主避障模型, 并结合深度强化学习对深度网络进行改进和训练。通过选择随机起点和终点的训练方式, 算法使智能船舶在无需反复训练的情况下, 能在动态和静态场景相结合的环境中实现自主避碰。仿真实验验证了算法无需重复训练即可实现自主避碰决策, 降低训练成本, 具有一定的泛化能力和鲁棒性, 可为智能船舶在复杂航行环境中的自主避碰提供解决方案。

针对具有大惯性、低动态、飞行速度与环境风场在同一量级等特点的平流层飞艇航迹跟踪问题, 提出一种平流层飞艇航迹跟踪鲁棒控制方法。通过引入风干扰力和力矩模型, 建立精细化风场干扰影响的平流层飞艇动力学模型。针对平流层飞艇制导回路中的风干扰, 提出一种融合扩张状态观测器与模糊逻辑的视线制导律, 利用扩张状态观测器实时估计地速侧滑角, 消除观测误差对系统造成的干扰, 基于模糊逻辑自适应调整前视距离, 在不改变远离期望航迹时跟踪误差收敛速度的前提下, 进一步减小靠近期望航迹时的振荡。针对平流层飞艇姿态控制回路中的风干扰和气动参数摄动, 基于非奇异终端滑模面与模糊变系数双幂次趋近律设计偏航角跟踪控制律, 利用扩张状态观测器消除内外扰动对姿态控制回路造成的负面影响, 抑制抖振。基于李雅普诺夫理论证明制导律与姿态控制律的稳定性, 通过仿真验证所提方法的合理性与有效性, 并与传统方法进行仿真对比, 验证所提方法有利于提高航迹跟踪的鲁棒性。

针对低精度指示条件下远程防空多弹协同拦截任务中, 弹道散布大, 各弹拦截区差异明显问题, 提出一种基于拦截概率的多弹区域协同覆盖制导方法。首先, 通过对蒙特卡罗打靶得到的脱靶量落入概率分布进行非线性拟合, 建立覆盖拦截区的拦截概率模型, 作为区域覆盖优化问题中的覆盖节点, 将区域拦截概率最高作为覆盖优化指标。其次, 设计采用改进的Circle与Tent映射混合策略自适应粒子群优化(Circle and Tent mapping hybrid strategy adaptive particle swarm optimization, CT-HAPSO)区域覆盖算法, 在目标误差区域内对各弹的拦截区进行覆盖优化分配, 将分配后的各节点位置作为各弹中制导末段的导引点, 通过高概率拦截区拼接及低概率拦截区叠加, 扩大整体高概率拦截区, 提高覆盖区域的整体拦截概率。最后, 通过三维场景下的制导仿真, 验证了所提方法的有效性。

低轨巨型星座网络抗毁性作为评估网络性能的关键指标而受到国内外学者的广泛关注。以低轨巨型星座网络抗毁性评估方法为研究对象, 概述低轨巨型星座网络的基本架构和特点, 归纳网络毁伤的威胁因素, 分析在此架构下抗毁性研究所面临的难题。在此基础上, 从图论、节点重要度和网络性能3个方面系统梳理了卫星网络抗毁性评估方法以及抗毁性优化策略, 重点分析了现有抗毁性评估方法的特点及其在低轨巨型星座场景下的局限性。最后, 从进一步增强低轨巨型星座网络抗毁性和优化评估策略的角度考虑, 对未来潜在的研究方向进行了展望。

受到战争等特殊环境下部分节点导航拒止、节点移动性与环境干扰所带来的影响, 快速进行测控网络拓扑重构是保证连续测控关键。为了解决上述问题, 针对多体制无人集群测控网络的场景, 提出一种基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)的分布式多智能体测控网络群切换算法。该算法运用局部可观测马尔可夫决策模型, 并考虑最小连通度、能耗与测控精度设计奖励函数, 构建可靠的测控定位系统。仿真结果表明, 该算法在不同的干扰环境下能有效抵抗外界干扰, 保证测控定位的正常运行, 与传统切换算法相比切换成功率提升12%以上。

针对传统频谱感知算法易受噪声不确定度影响, 提出一种基于采样协方差矩阵的最大特征值与信号能量之差(difference between maximum eigenvalue and signal energy, DMEE)的频谱感知算法。在存在噪声不确定度的高斯白噪声的环境下, 通过理论分析与仿真实验, 验证所提算法不存在信噪比墙的现象, 且不易受噪声不确定度的影响, 与基于次级用户接收端采样信号协方差矩阵的特征值的同类算法相比, 提升了存在噪声不确定度的高斯白噪声环境下的频谱感知性能。

针对高动态、强对抗场景下数据链整体抗干扰效应差和自主适变能力弱的问题, 提出意图态势双驱动的数据链抗干扰通信机制。从架构、协议和技术3个角度出发, 提出分域、分级、分布式的抗干扰网络架构, 构建意图态势双驱动的跨层自适应抗干扰协议模型, 设计意图态势双驱动的智能抗干扰决策算法。将动态干扰环境下的多域联合抗干扰问题建模为马尔可夫决策过程, 并采用深度强化学习算法求解时、空、频多维联合抗干扰传输策略。仿真结果表明, 所提机制的网络吞吐量和传输成功率相较于其他方法分别提高了26.7%和54.5%, 显著提升了抗干扰传输性能。

虽然目前许多网络流量入侵检测模型已具有较高的检测率, 但仍存在对不平衡异常网络流量的检测率低、泛化性差等问题。因此, 提出一种面向数据不平衡的二阶段网络入侵检测方法。在第一阶段, 训练随机森林集成模型, 对网络流量进行初步的正常和异常二分类检测, 初步缓解正常流量与异常流量分布不平衡对模型训练的影响; 在第二阶段, 使用原始异常流量数据训练一维卷积神经网络-双向长短期记忆模型, 在模型训练阶段聚焦学习异常流量的关键特征, 同时引入焦点损失函数, 使得模型能够同时关注异常流量中的难分类样本和少数类样本, 进一步缓解异常流量数据分布不平衡对检测精度的影响。为了验证方法的有效性, 在UNSW2015和CIC-IDS2017数据集上进行实验验证。实验结果表明, 所提算法可以更好地提取数据特征, 在一定程度上缓解数据分布不平衡问题。与其他同类方法相比, 所提方法的整体性能较好, 且加权平均F1分数的得分提高了0.9%, 宏平均F1分数的得分提高了2.7%。