针对目前雷达干扰抑制决策智能化程度低的问题,提出了一种基于双深度优先经验回放和可变贪婪算法改进的双重竞争深度Q网络(double dueling deep Q network,D3QN)决策的雷达干扰抑制方法。首先对雷达目标回波和干扰混合信号进行特征提取...针对目前雷达干扰抑制决策智能化程度低的问题,提出了一种基于双深度优先经验回放和可变贪婪算法改进的双重竞争深度Q网络(double dueling deep Q network,D3QN)决策的雷达干扰抑制方法。首先对雷达目标回波和干扰混合信号进行特征提取;然后根据信号特征通过可变贪婪算法选择动作作用于干扰,并将动作前后的信号特征存储于双深度优先经验回放池后,经过学习决策出最优的干扰抑制策略;最后使用该策略抑制干扰后输出。实验结果表明,该方法有效改善了信号的脉压结果,显著提升了信号的信干噪比,相较于基于D3QN的传统干扰抑制方法,在策略准确率和收敛速度上分别提升了7.3%和8.7%。展开更多
舷外有源诱饵是应对反舰导弹的重要干扰手段之一,如何科学评估其干扰性能至关重要。为解决评估过程中电磁对抗过程动态化且描述困难和传统评估方法涉及较多主观因素这一问题,提出一种将模糊层次分析法(fuzzy analytical hierarchy proce...舷外有源诱饵是应对反舰导弹的重要干扰手段之一,如何科学评估其干扰性能至关重要。为解决评估过程中电磁对抗过程动态化且描述困难和传统评估方法涉及较多主观因素这一问题,提出一种将模糊层次分析法(fuzzy analytical hierarchy process,FAHP)和熵权法组合赋权,运用引入灰色关联法的改进TOPSIS(technique for order preference by similarity to ideal solution)模型评估的舷外有源诱饵干扰性能评估方法。首先,构建包含侦察能力和干扰能力的8项动态舷外有源诱饵干扰性能评估体系。其次,通过FAHP-熵权组合赋权法计算指标权重,解决数据模糊性和主观性对结果的干扰,再利用改进的TOPSIS模型对不同方案的干扰性能进行排序。最后,通过对照实验数据验证了评估模型的合理性和实用性。展开更多
文摘针对目前雷达干扰抑制决策智能化程度低的问题,提出了一种基于双深度优先经验回放和可变贪婪算法改进的双重竞争深度Q网络(double dueling deep Q network,D3QN)决策的雷达干扰抑制方法。首先对雷达目标回波和干扰混合信号进行特征提取;然后根据信号特征通过可变贪婪算法选择动作作用于干扰,并将动作前后的信号特征存储于双深度优先经验回放池后,经过学习决策出最优的干扰抑制策略;最后使用该策略抑制干扰后输出。实验结果表明,该方法有效改善了信号的脉压结果,显著提升了信号的信干噪比,相较于基于D3QN的传统干扰抑制方法,在策略准确率和收敛速度上分别提升了7.3%和8.7%。
文摘舷外有源诱饵是应对反舰导弹的重要干扰手段之一,如何科学评估其干扰性能至关重要。为解决评估过程中电磁对抗过程动态化且描述困难和传统评估方法涉及较多主观因素这一问题,提出一种将模糊层次分析法(fuzzy analytical hierarchy process,FAHP)和熵权法组合赋权,运用引入灰色关联法的改进TOPSIS(technique for order preference by similarity to ideal solution)模型评估的舷外有源诱饵干扰性能评估方法。首先,构建包含侦察能力和干扰能力的8项动态舷外有源诱饵干扰性能评估体系。其次,通过FAHP-熵权组合赋权法计算指标权重,解决数据模糊性和主观性对结果的干扰,再利用改进的TOPSIS模型对不同方案的干扰性能进行排序。最后,通过对照实验数据验证了评估模型的合理性和实用性。
