在空域目标角度估计中, 分辨率受阵列孔径的限制, 依靠增加阵元数量提高分辨率会增加系统成本。为了在受限阵列尺寸中减少阵元数量, 基于压缩感知(compressive sensing, CS)理论, 提出了一种超分辨角度估计算法。首先建立阵列接收信号模型并构造冗余字典, 然后利用目标空间域稀疏先验信息将目标角度估计问题建模为优化问题, 最后设计低复杂度算法对优化问题求解。所提算法通过贝叶斯CS理论推导了正则化系数, 保证了算法的噪声抑制性能, 通过共轭梯度运算及Hadamard乘积提高了算法效率。所提算法可利用较少快拍在信号数目未知的条件下, 实现高精度角度估计。仿真结果和实测数据验证了所提算法的有效性。

为了解决现有方法难以对宽带跳频时分多址(frequency hopping-time division multiple access, FH-TDMA)辐射源网群定位的问题, 提出一种仅利用波达方向(direction of arrival, DOA)信息的多站定位及网群划分方法。首先通过模拟滤波对各站接收到的信号进行频段划分, 通过基于多相滤波的数字信道化方法把信号输出到多个信道中; 然后通过直接定位(direct position determination, DPD)算法计算得出各时隙辐射源的位置; 最后先通过不同参数的基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法选择出最佳的辐射源定位结果, 再根据提出的基于先验信息的改进K-means聚类算法进行网群划分。所提方法实现了采样率和信号处理速率的降低, 且无需站间严格的时间同步。结果表明, 所提方法有效估计出了辐射源的数量、位置, 以及网群划分情况。

针对大规模阵列对样本需求量大、计算复杂度高的问题, 提出一种应用于大规模阵列的Kronecker自适应稳健波束形成器。首先, 将期望信号导向矢量分解成两个导向矢量的Kronecker乘积, 将原始导向矢量的失配问题转化为两个低维导向矢量的失配问题; 然后, 基于最坏情况性能最优原理建立双二次代价函数, 并利用双迭代算法求解该代价函数, 每次迭代过程只需求解两个低维的二阶锥规划问题。理论分析和仿真实验结果表明, 与传统全维稳健算法相比, 所提方法能够有效降低计算复杂度和样本需求量, 与现有的降维稳健算法相比, 由于具有更多自由度, 所提方法具有更高的输出信干噪比。

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)与发射信号之间具有强相关性，若在接收端采用匹配滤波处理则会产生多个数量可控的高逼真假目标，对雷达的检测性能具有极大的干扰。针对上述问题，提出了一种抗ISRJ的发射波形和接收滤波器联合优化算法，将失配滤波体制下的信噪比(signal to noise ratio, SNR)损失、发射信号恒模约束以及滤波器能量约束考虑在内，以最小化干扰信号归一化脉压后峰值、失配滤波输出信号积分副主比以及输出干信比，并采用主分量最小化(majorization-minimization, MM)方法与平方迭代加速算法提高算法运行速度。仿真结果表明, 与其他同类方法相比，所提算法能在保证可靠抗干扰性能的同时，极大缩短运行时间，具有较好的实时性。

在工业生产中, 待抓取物体往往具有种类众多、摆放位置杂乱、形状不规则等特点, 使得难以准确获取物体抓取位姿。针对以上问题, 提出一种基于深度学习的两阶段抓取位姿估计方法。第1阶段, 提出一种基于YOLOv4(you only look once version4)改进的轻量级旋转目标检测算法, 提高目标的检测速度和检测精度。首先, 使用轻量化网络GhostNet和深度可分离卷积对原始网络进行重构, 降低整个模型参数。然后, 在颈部网络中增加自适应空间特征融合结构和无参注意力模块, 提高对感兴趣区域的定位精度; 最后, 使用近似倾斜交并比(skew intersection over union, SkewIoU)损失解决角度的周期性问题。第2阶段, 制作与原始图片尺寸一样的掩膜提取感兴趣区域; 同时, 提出一种改进的DeepLabV3+算法, 用以检测感兴趣区域中物体的抓取位姿。实验结果表明, 改进后的YOLOv4网络检测精度达到92.5%, 改进的DeepLabV3+算法在Cornell抓取数据集上的图像拆分和对象拆分精度分别达到94.6%, 92.4%, 且能准确检测出物体的抓取位姿。

舷外有源诱饵是应对主动雷达制导反舰导弹的重要干扰手段之一, 但在使用上, 其存在干扰响应时间短且干扰态势要求高的时空局限性。针对这一问题, 本文基于无人艇平台, 提出了多舷外有源诱饵组合干扰样式, 通过无人化与集群化提升舷外有源诱饵的作战效能。首先, 根据反舰导弹单脉冲主动雷达导引头的测角原理, 从信号层面推导了多诱饵干扰下的角度响应。其次, 从态势层面, 分析了多诱饵组合干扰的有效性临界条件; 接着, 结合信号与态势, 提出了多诱饵组合干扰评估方法。最后, 通过仿真与数值分析, 验证了多诱饵对干扰效果的提升作用以及评估方法的可行性, 为舷外有源诱饵的集群化干扰提供了理论支撑。

针对单枚被动全向声纳浮标多目标信号的分离问题, 提出联合非负矩阵分解(non-negative matrix factorization, NMF)和快速独立成分分析(fast independent component analysis, FastICA)的多目标信号盲分离算法。首先, 基于空间与谱间相关性优化NMF算法, 以增强NMF算法对水声信号调制线谱特征的适应性, 提高对线谱的保持优势; 然后, 以NMF基矩阵优势结合FastICA算法实现水声多目标信号的盲分离。仿真信号实验结果表明, 所提算法取得了较高的信号分离精度, 可以较好地保持信号的调制特征, 同时对分离信号进行了一定的降噪增强, 更好地保证了后续目标识别的特征支撑。

针对当前算法在实现双基地电磁矢量传感器多输入多输出(electromagnetic vector sensors multiple input multiple output, EMVS-MIMO)雷达的多维参数估计时计算代价较高的问题, 通过利用降维变换技术来实现低复杂度的角度参数和极化参数求解。针对阵列接收数据维度较大问题, 通过设计相应的波束空间变换矩阵来实现对阵列接收数据的降维处理。针对算法本身的较高计算复杂度问题, 采用低计算复杂度的平行因子分解算法。所提算法能够精确地实现对发射因子矩阵和接收因子矩阵的求解。同时, 通过新的旋转不变关系构建新的估计信号参数, 可以实现对发射/接收俯仰角的求解。进一步, 发射/接收方位角、发射/接收极化角和发射/接收极化相位差的估计可以通过发射/接收空间响应矩阵的重构来实现。仿真实验结果表明, 所提算法在降低计算复杂度的同时能够保持优越的多维参数估计性能。

低截获概率(low probability of intercept, LPI)雷达已成为新时代雷达装备中关键的技术体制或工作模式，针对LPI雷达信号调制识别及参数估计方法的研究是当前雷达对抗侦察领域的热点。首先, 分析了几种典型LPI雷达信号的脉内特征，梳理了LPI雷达信号调制识别及参数估计的传统和主流方法，并说明其原理、优缺点和研究现状。最后，总结了现有LPI雷达信号调制识别及参数估计方法尚存的问题，并指出其未来发展趋势，旨在为今后的研究提供参考。

复杂电磁环境下驻留转换雷达的信号分选是制约电子侦察技术发展的瓶颈, 由于其复杂多变的成形规律, 信号子周期难以被检测; 脉冲重复周期调制类型不明, 脉冲序列无法成功提取; 提取的多个子周期脉冲序列无法合并为一部雷达信号, 造成虚警。针对以上问题, 提出一种针对驻留转换雷达的信号分选算法, 利用双门限提高子周期检测概率, 通过霍夫变换结合迭代自组织聚类判断信号是否属于驻留转换雷达, 改进搜索算法以提取脉冲序列, 依据排列熵指标将多脉冲序列合并为一部驻留转换雷达信号。仿真实验结果表明, 所提算法在25%脉冲丢失率的复杂电磁环境下, 可以将三部驻留转换雷达信号成功分选。

阵元域杂波补偿和抑制算法在阵元数增加时运算量急剧增大, 采用同时多波束接收的空域降维方案能够显著降低系统复杂度, 但波束域的机载双基雷达杂波非平稳性给杂波抑制带来了很大的困难, 且波束域的补偿方法目前没有相关研究。针对上述问题, 本文提出了一种适用于波束域的机载双基雷达非平稳杂波抑制方法。通过构造一个距离空变插值矩阵, 对不同距离门的回波数据做不同的插值处理, 实现了波束域距离非平稳性补偿, 针对补偿后的数据采用波束域空时自适应处理方法, 在降低复杂度的同时实现了有效的杂波抑制。仿真实验验证了该方法的有效性和可行性。

多通道合成孔径雷达(synthetic aperture radar, SAR)能够利用方位向多通道重构处理去除多普勒模糊, 获得高分宽幅SAR图像。针对此特殊的多通道重构处理方式, 研究了传统SAR方位向调制干扰对高分宽幅多通道SAR的影响, 包括多普勒调制干扰和脉冲延迟转发干扰两种类型的方位向调制干扰方式, 为高分宽幅多通道SAR干扰决策提供理论基础。理论分析指出, 多普勒调制干扰信号经成像处理后将在方位向生成等间隔分布的虚假目标, 并且幅度受与多普勒调制频率相关的正弦函数和匹配滤波损失联合调制; 而脉冲延迟转发干扰信号在成像后将只有单个干扰目标出现, 且目标的方位位置仅与延迟的脉冲数有关。仿真实验验证了理论分析的正确性。

在组网雷达系统中, 由于节点间通信信号传播存在路径衰落等问题, 雷达量测数据与资源调度数据的传输接收存在随机性。引入随机丢包变量, 用以表征数据接收的随机性, 建立丢包状态下组网雷达多目标跟踪功率分配模型, 推导了该模型多目标跟踪误差期望下界, 最终建立了总功率一定条件下, 以最小化目标威胁度加权期望跟踪误差下界的数学优化模型, 并通过凸优化算法求解。仿真结果表明, 与不考虑随机丢包变量的功率分配算法相比, 所提算法在多种场景下均能有效提高目标跟踪精度。

主瓣欺骗式干扰给雷达在电子对抗中的应用带来了挑战。为了解决电子对抗中主瓣距离欺骗干扰的到达方向(direction of arrival, DOA)估计问题, 基于均匀圆阵的频率分集阵列(uniform circular array-frequency diverse array, UCA-FDA)雷达, 提出了一种利用距离补偿的DOA估计方法。所提方法通过对雷达接收信号进行距离补偿, 消除距离维度上的影响, 并将角度联合导向矢量和处理后的协方差矩阵代入多重信号分类(multiple signal classification, MUSIC)算法, 从而获得目标的方位角和俯仰角。此外, 所提方法还增加了分辨来自同一方向的多个目标的功能, 具有角度估计精度高、抗干扰性能好、适用低快拍情景的优点。仿真实验也证明了所提方法的有效性。

武器装备体系执行任务复杂多样, 其可靠性直接影响装备战备完好性与效能。传统可靠性建模与预计方法未充分考虑装备体系组成系统之间的资源共享与信息融合特征, 难以满足现代化装备体系化和集群化需求。因此, 分析给出装备体系可靠性相关概念, 并提出了一种基于广义有效OODA(observation, orientation, decision, action)环的装备体系可靠性建模与预计方法。首先, 对装备系统与体系可靠性相关概念进行辨析, 分析装备体系可靠性、维修性、测试性、保障性和安全性概念内涵。其次, 考虑装备体系节点异质性与连边有向性, 建立资源与信息共享条件下的装备体系OODA网络模型。然后, 考虑装备体系节点与通信链路的随机、蓄意攻击失效和重构策略, 提出基于广义OODA环的装备体系可靠性建模与预计方法。最后, 以100个无人机组成的无人装备体系为对象验证所提方法的有效性与实用性, 进而提升其作战效能。

剩余使用寿命(remaining useful life, RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory, LSTM) 网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预测方法, 采用随机森林(random forest, RF) 算法筛选输入特征, 以主动选取关键特征; 采用双重自注意力机制分别从特征维度和时间维度完成权重自适应分配, 使模型在学习过程中关注主要特征和历史时间点; 通过融合统计特征, 以提高RUL预测精度。以航空发动机数据集为例完成案例分析, 验证方法有效性。结果表明, 所提方法能有效提高基于复杂数据集的RUL预测精度。

针对航空安全事故风险识别与评估问题, 基于2019年航空安全事故, 通过事件树分析方法分析风险事件间的因果关系, 建立了有向加权航空安全风险网络模型。面对航空安全风险传播的情况, 引入传染病模型对航空安全风险网络风险传播进行建模, 对风险事件进行排序以实现航空安全风险识别, 提出了航空安全风险网络风险指标与航空安全事故发生风险指标, 以评估航空系统安全风险。结果发现, 能见度差、飞机系统故障、设备维护不足、违规操作、疲劳、资源配置不当、应急响应措施不当、飞行准备不足、教育培训不足等应当引起管理者的关注。

作战环推荐是依靠优化算法从作战网络中为指挥员推荐最优的作战环, 以对目标形成高质量打击。未来作战中的作战环推荐面临体系规模大、决策节奏快的特点。对此, 提出了一种集成改进的蚁群算法, 能够实现高效、高质的作战环推荐优化求解。首先, 将作战环推荐问题转换为一种基于多仓库路径规划的数学模型。然后, 针对原始蚁群算法前期收敛速度慢、算法参数对结果影响大和容易陷入局部最优的问题分别提出了3种改进策略: 基于边权重信息的信息素初始化、基于差分进化的蚁群算法参数自适应优化和基于遗传算子的全局搜索能力提升, 并进行了集成改进。最后, 在案例分析中对集成改进蚁群算法进行了分析和对比, 验证了所提算法在不需要大幅提高耗时的情况下, 优化结果要优于未集成改进的蚁群算法, 且相比于原始蚁群算法提升效果显著。

具有复杂工艺路线的装备产品, 其生产系统设计的待决策变量之间通常相互耦合、相互影响, 对产品最终的批产成本产生着影响, 构成了较为复杂的组合优化问题。对此，提出一种基于动态成本卷积的复杂产品批产路径优化模型。该模型考虑了复杂产品工艺路线的各节点均可能存在多种生产设计选项, 在各选项对应着不同生产投入和批量效率的情况下, 以最终交付产品的批产成本最小化为目标输出生产系统设计和成本卷积路径。同时，建立了混合整数规划模型, 并通过对模型中非线性成分实施可控精度线性化, 将模型换化为可最优求解的线性模型。最后, 针对某连续生产行业设计了小、中、大规模实验算例, 验证了所提模型的可行性、合理性和求解效率。

针对智能航电系统在非线性耦合运行场景下产生的预期功能安全(safety of the intended functionality, SOTIF)问题, 提出一种将系统理论过程分析(systematic theory process analysis, STPA)与决策试验与评价实验法(decision-making trial and evaluation laboratory, DEMATEL)相结合的致因分析框架。首先, 在定义系统级危险的基础上构建安全控制结构, 识别其不安全控制行为并提取与智能化缺陷相关的STPA致因要素。接下来, 引入毕达哥拉斯模糊加权平均算子和闵可夫斯基距离对传统DEMATEL方法进行优化, 专家根据控制反馈回路对致因要素进行评价并计算其中心度与原因度。最后, 分析STPA致因要素与SOTIF致因属性之间的映射关系, 给出关键致因要素的风险减缓措施。以单一飞行员驾驶(single-pilot operation, SPO)模式下的虚拟驾驶员助理系统为例说明了所提方法的可行性与有效性。研究结果表明，改进的STPA-DEMATEL方法可以有效识别关键致因要素, 且能够克服专家评价的模糊性与不确定性, 为智能航电系统的安全性设计提供了参考依据。

针对传统无人集群对抗评估指标分配方法仅能选出相关性较好的评估指标, 存在指标混淆和虚假相关问题，提出因果熵概念，用于度量评估指标和对抗任务完成效果间的确定性程度, 从而滤除评估指标之间的混淆效应。以仿真环境下的无人集群空地协同围捕试验为例, 通过评估指标因果分配和约简优选出更能反映无人集群对抗能力且相对独立的评估指标。仿真结果表明, 所提方法可以有效地优化评估指标体系, 获取更具代表性的评估指标, 具有一定的普适性。

多星协同任务规划方法是天基卫星系统管控的关键支撑。围绕多星协同对地观测任务展开分析, 首先建立多星协同任务规划模型, 包括卫星轨道参数、约束条件和待观测目标点等; 其次设计了遗传-演进双层求解架构, 将多星任务规划问题拆解为顶层多星任务分配问题和底层单星任务调度问题, 上层采用基于引导的多种群遗传算法(multi-population genetic algorithm, MPGA), 将启发式结果融入到任务分配算法中, 下层采用改进遗传算法对单星任务调度问题进行求解; 最后针对适用性问题, 设定随机和均匀分布两组目标, 采用不同卫星数量设计实验验证了遗传-演进双层求解框架的有效性。

维修器材是有效实施维修保障的物质基础, 携行器材品种确定是开展维修器材携行决策的关键。针对执行阶段任务武器装备维修器材品种多、影响因素复杂且关联关系不明确造成的携行器材品种确定困难的现实问题, 提出了一种将改进稀疏核主成分分析(sparse kernel principal component analysis, SKPCA)算法与长短时记忆(long short-term memory, LSTM)神经网络模型相结合的阶段任务携行器材品种确定方法。在分析与任务阶段时序相关的携行器材影响因素及特征指标的基础上, 运用基于弹性惩罚的SKPCA降维算法, 对器材特征进行降维分析并得到低维稀疏特征向量, 通过缩减数据容量增强特征指标的可解释性; 运用混沌序列改进花授粉算法(flower pollination algorithm, FPA)优化LSTM超参数, 构建混沌FPA-LSTM预测模型, 精准进行携行器材品种确定。通过对演习携行器材品种确定算例分析验证了所提方法的科学性和可行性。

针对多倾斜转弯(bank-to-turn, BTT)导弹在姿态约束下的滚转通道一致性安全控制问题, 提出一种分布式固定时间姿态协调控制器。BTT导弹气动参数变化强烈、对机动要求高, 对控制器提出了响应速度快、抗干扰能力强、且需满足姿态受限约束等要求。针对上述问题, 基于固定时间控制技术、障碍Lyapunov函数, 结合多智能体系统协调控制理论, 对多枚BTT导弹滚转通道提出一种分布式固定时间姿态协调控制律。在所提协调控制律下, 所有BTT导弹的滚转角可在固定时间一致收敛至给定的参考指令信号, 且在控制过程中满足姿态约束条件。仿真结果表明了所提方法的有效性。

为快速、精确地求解高原环境下的航空炸弹弹道, 在经典弹道模型的基础上, 面向高原环境提出一种基于改进Runge-Kutta的航空无控炸弹弹道解算(improved Runge-Kutta based uncontrolled bombs trajectory calculation, IRK-UBTC)方法。首先, 针对炸弹下落过程中时刻变化的环境参数, 提出了基于起飞点的空气比重函数估算方法。然后, 引入战斗机所处环境的温度、湿度、纬度、科尔奥利力等信息对经典炸弹质心运动微分方程组进行重构。最后, 在三阶Runge-Kutta算法的基础上, 提出了带误差控制机制的微分方程组实时解算方法。实验结果表明, 该方法在1.4 GHz主频的嵌入式计算机中的解算周期小于5 ms, 且最大射程误差小于0.2%, 能够被有效应用于高原地区航弹弹道的实时解算。

针对3维空间对抗环境下, 具有非线性二阶积分器动力学模型的多智能体系统(multi-agents system, MAS)时变编队机动与队形变换控制问题, 提出一种可抑制外部干扰的MAS时变编队机动与队形变换策略。首先, 根据空间对抗环境分析常见编队队形的效用, 设计一种基于应力矩阵和领导-跟随策略的24机编队立体构型, 通过灵活地仿射变换队形, 提高MAS编队空间对抗效率。其次, 基于一致性理论、滑模理论和鲁棒性控制, 利用时变编队应力矩阵, 设计了一种鲁棒一致性跟踪控制器, 以在外部未知扰动条件下, 确保MAS时变编队在机动与仿射变换时跟随者对领导者的精确协同跟踪。然后, 通过构造Lyapunov函数证明了外界未知扰动下3维MAS时变编队连续机动和队形变换的稳定性。最后, 通过仿真实验验证了所提出的控制器能够使时变编队在机动和队形变换过程中实现精确协同跟踪。

针对连续系统在闭环条件下进行辨识, 由于将来输入和噪声的相关性, 会导致辨识方法产生有偏估计结果的问题, 提出一种基于广义泊松矩泛函的闭环子空间辨识算法。首先, 采用广义泊松矩泛函变换得到输入输出信号的滤波器模型, 从而得到连续系统的输入输出矩阵方程。然后, 利用故障诊断领域中的等价空间代替子空间辨识过程中的观测空间进行辨识。最后, 为了解决闭环辨识中由反馈控制器产生的估计偏差辨识问题, 采用主成分分析法和辅助变量法, 达到辨识系统一致性估计的目的。仿真结果验证了所提方法的有效性和精确性。

为了提高车载捷联航姿系统的长航时定姿精度, 提出利用载车的运动约束条件对航姿系统误差进行在线自主补偿。首先, 对航姿系统的传感器误差、安装误差等进行分析与建模, 选取航姿系统的各项误差作为误差补偿滤波的系统状态, 建立系统状态方程。然后, 根据发射车等特种车辆的运动特点, 利用车辆运动约束条件, 将载车行驶过程中航姿系统的速度输出在车体坐标系横向和垂向上的投影分量作为误差补偿滤波的量测, 推导获得误差补偿滤波的量测方程。最后, 采用卡尔曼滤波设计航姿系统误差在线估计算法。实验结果表明, 所提方法能够自主有效地补偿航姿系统的积累误差, 经过1 200 s的跑车实验, 系统的航姿误差始终保持有效收敛, 其中航向精度优于3.4′, 水平姿态精度优于0.4′。

系统地研究了不同波束可用情况下的多普勒计程仪(Doppler velocity logger, DVL)/捷联惯性导航系统(strapdown inertial navigation system, SINS)紧组合导航算法。证明了3个或4个波束可用情况下, DVL/SINS波束域紧组合的定位精度与三维速度松组合系统具有等价性, 并给出了松组合中量测协方差阵的确定方法。针对紧组合系统定位精度随可用波束减少而降低的问题, 考虑DVL的误差参数, 基于载体运动约束和压力深度计提出一种改进的虚拟波束辅助紧组合算法。实验结果表明, 3个或4个波束可用时的松组合与紧组合的定位精度等价; 改进的虚拟波束辅助紧组合算法可以准确跟踪故障的波束速度, 有效提升了不同波束可用情况下紧组合的定位精度。

本文研究了航天器入轨状态和入轨偏差传播问题。推导了火箭熄火时的入轨速度平方比率及速度仰角与主要轨道参数之间的关系, 从而分析航天器的入轨状态。建立了航天器转移轨道的偏差传播矩阵, 得到入轨偏差对转移轨道的影响。将本文的偏差传播分析方法与传统轨道误差分析方法进行对比以验证本文方法的正确性。最后, 通过仿真算例分析了航天器入轨状态和入轨偏差对转移轨道的影响。

针对意图驱动数据链网络中多条意图策略冲突问题, 提出一种基于优先级的意图协商算法, 实现网络资源受限条件下意图策略最优配置。所提算法综合考虑时间、带宽两个维度的资源, 通过回收已配置低优先级意图资源间接增多可用的网络资源, 提高待配置高优先级意图业务质量。同时, 利用最优化求解得到待配置高优先级意图、被回收低优先级意图的最佳资源分配方式, 避免意图因资源不足强行降级而导致服务质量急剧下降的问题。实验结果表明, 所提算法提高了数据链网络资源规划能力, 相较于已有的协商算法，在意图服务质量上有6.0%和5.5%的提升。

针对无线通信信道易受到蓄意射频信号干扰问题，提出了一种从混合信号中识别干扰类型的方法。通过改进经典Transformer结构, 形成新型网络模型Multidomain-former, 以提取多域特征和识别信号干扰类型。首先, 通过特定的序列划分机制对输入频谱进行预处理, 并通过线性嵌入和位置编码保留原始顺序特征; 其次, 设计了逆傅氏变换和傅氏变换结合的编码模块, 使Multidomain-former能同时提取频域和时域特征。使用通用仪器和收发天线搭建了无线收发信道, 在不同干信比条件下对混合信号频谱进行采集, 得到训练集和测试集。干扰对比实验通过所提Multidomain-former网络模型完成, 并将经典的Transformer结构和其他常见的深度学习模型与所提网络模型进行了对比。对比实验结果表明, 在干信比小于10 dB时, 所提模型性能相较于经典Transformer在识别正确率方面有2%~3%的提升; 在干信比等于-5 dB时, 所提模型以最少参数量和次低计算复杂度获得了比另外5种基准网络高3.0%~9.3%的识别率。

针对认知无线电网络中的频谱感知数据伪造(spectrum sensing data falsification, SSDF)攻击问题, 提出一种基于哈里斯鹰优化(Harris hawks optimization, HHO)算法和支持向量机(support vector machine, SVM)的抗SSDF攻击协作频谱感知方法。首先从报告信息矩阵中提取用于区分次用户(secondary users, SU)类别的特征向量。其次通过HHO算法优化SVM内核参数, 通过优化的SVM模型检测恶意SU, 提高了在复杂感知环境中对SU分类的准确率。最后根据优化的SVM模型计算获得SU的可信度, 并以可信度为权重融合感知数据, 进一步加强系统的抗攻击性。仿真结果表明, 所提方法能够对不同的SSDF攻击场景实现有效防御, 相比现有的方法具有更好的频谱感知性能。

针对复杂电磁环境下, 传统电子干扰方法对目标信号识别困难、干扰效能弱化等问题, 提出了一种基于自注意力边界平衡生成对抗网络的干扰信号生成模型。所提模型利用上采样模块来增强生成数据的适应度, 引入自注意力机制来兼顾信号特征提取的局部性与全局性, 既使结果更精准, 又降低了计算复杂度。同时, 利用基于自编码器架构的判别器来促进模型快速稳定地收敛。实验结果表明, 该模型能对非合作目标信号进行自适应识别与学习, 自动生成对应的干扰信号, 且干扰效能优于传统干扰算法及经典生成对抗网络模型算法, 为基于机器学习的通信对抗技术提供了新的研究思路。

高效、准确的网际协议(internet protocol, IP)网络流量流向分析预测是网络规划建设的基础。通过部署流量采集分析系统, 运营商可轻松获取网络总流量、节点流量、节点分方向流量等较完备的历史基础数据, 为流量分析预测提供关键的输入。IP网络流量分析预测方法主要包括两类: 传统统计模型和神经网络模型, 近年提出的NeuralProphet模型因结合两者优点而得到广泛关注和应用。首次基于NeuralProphet模型对大型运营级IP网络源节点到目的节点的流量流向进行直接预测, 并采用改进的损失函数优化模型训练, 预测结果表明NeuralProphet模型能够更科学、准确地预测IP网络流量矩阵, 整体预测精度提升了8.7%, 同时模型扩展性和鲁棒性也具有更佳的表现, 可以更好地满足IP网络规划建设和运行维护的实际需求。