一种面向多用户多目标的通信和干扰一体化方法及系统

    公开(公告)号:CN117155441A

    公开(公告)日:2023-12-01

    申请号:CN202311208975.9

    申请日:2023-09-19

    摘要: 本发明公开了一种面向多用户多目标的通信和干扰一体化方法及系统;包括:构建面向多用户多目标的通信和干扰一体化模型;根据所述通信和干扰一体化模型,建立最大发射功率约束、通信约束和干扰约束下的合法通信及速率最大化波束赋形优化问题;结合零空间、一阶泰勒展开的及分式规划的算法,对完美CSI条件下的波束赋形优化问题进行简化;结合三角不等式、柯西‑施瓦茨不等式和相位旋转的算法,对不完美CSI条件下的波束赋形优化问题进行简化;通过求解器分别对两所述条件下简化后的问题进行求解,输出通信和干扰波束赋形矩阵。本发明实现了与多个合法用户进行通信,同时对多个非法通信目标进行有效的干扰,提高了合法用户的通信质量和通信速率。

    智能飞行器航迹规划系统及其方法

    公开(公告)号:CN111006693A

    公开(公告)日:2020-04-14

    申请号:CN201911289037.X

    申请日:2019-12-12

    IPC分类号: G01C25/00

    摘要: 一种智能飞行器航迹规划系统及其方法,包括描述模块、建立模块、马尔可夫模块、强化学习模块以及设计模块;描述模块用于对多定位误差约束下航迹快速规划的优化问题进行描述;建立模块用于建立多定位误差约束下航迹快速规划数学模型;马尔可夫模块用于将快速规划数学模型通过引入马尔可夫性、马尔可夫过程这样的特征表述为马尔可夫决策过程的形式;强化学习模块用于对马尔可夫决策过程的形式引入强化学习;设计模块用于对强化学习后的马尔可夫决策过程的形式设计出基于强化学习的智能飞行器航迹快速规划算法并求解。结合其它结构或方法有效避免了现有技术中航迹规划算法具有一定的随机性、复杂度高、在大规模、广域条件下无法高效求解的缺陷。

    面向多辐射源追踪的无人机群飞行轨迹优化方法

    公开(公告)号:CN114337875B

    公开(公告)日:2024-04-02

    申请号:CN202111676592.5

    申请日:2021-12-31

    摘要: 一种面向多辐射源追踪的无人机群飞行轨迹优化方法,包括建立模块、估计模块、匹配模块、定位模块以及追踪模块。建立模块用于建立多约束条件下无人机群轨迹优化问题;估计模块采用深度神经网络得到接收信号强度和距离之间的映射关系;匹配模块采用交互式矩阵生成方法得到无人机与辐射源匹配方案;定位模块采用多球交会定位方法得到辐射源的参考位置;追踪模块采用深度强化学习方法设计无人机群的飞行轨迹优化算法。相对于传统方法,所提方法在平均追踪时间、任务完成率以及收敛速度等指标方面都具有明显的优势。

    一种基于速率拆分的通扰一体化稳健波束形成方法

    公开(公告)号:CN117713887A

    公开(公告)日:2024-03-15

    申请号:CN202311586350.6

    申请日:2023-11-27

    摘要: 本发明公开了一种基于速率拆分的通扰一体化稳健波束形成方法,包括:基于应用场景构建通信和干扰一体化模型,添加发射功率约束、干扰约束、检测约束以及合法接收机的接收公共速率约束;在时隙ts内持续感知并确认正在工作的可疑通信组数量和合法接收机数量,在时隙tcj内控制基站与K个合法接收机进行通信,并同时对N个可疑通信组进行干扰;以时隙T内合法通信平均和速率最大化为目标建立优化问题P1,对优化问题P1进行优化求解获得波束赋形矩阵;显著提高系统合法通信平均和速率,并且保证一定的干扰性能。

    面向多辐射源追踪的无人机群飞行轨迹优化方法

    公开(公告)号:CN114337875A

    公开(公告)日:2022-04-12

    申请号:CN202111676592.5

    申请日:2021-12-31

    摘要: 一种面向多辐射源追踪的无人机群飞行轨迹优化方法,包括建立模块、估计模块、匹配模块、定位模块以及追踪模块。建立模块用于建立多约束条件下无人机群轨迹优化问题;估计模块采用深度神经网络得到接收信号强度和距离之间的映射关系;匹配模块采用交互式矩阵生成方法得到无人机与辐射源匹配方案;定位模块采用多球交会定位方法得到辐射源的参考位置;追踪模块采用深度强化学习方法设计无人机群的飞行轨迹优化算法。相对于传统方法,所提方法在平均追踪时间、任务完成率以及收敛速度等指标方面都具有明显的优势。

    一种基于深度强化学习的认知通扰一体化波束形成方法

    公开(公告)号:CN117614501A

    公开(公告)日:2024-02-27

    申请号:CN202311586370.3

    申请日:2023-11-27

    摘要: 本发明公开了一种基于深度强化学习的认知通扰一体化波束形成方法,包括:以合法接收机通信速率之和最大化为目标建立优化问题;将优化问题映射为马尔可夫决策过程,利用深度强化学习网络模型对合法收发机的波束赋形矩阵进行预测,将训练样本作为输入深度强化学习网络模型进行训练,重复迭代训练过程直到深度强化学习网络模型收敛;采集通信环境的状态信息输入至训练后的深度强化学习模型获得最优的决策策略,所述决策策略为通扰一体化的波束赋形矩阵;本发明能够在未知信道状态信息的状态下,所述合法收发机与L个合法接收机通信同时干扰非合作对抗网络,通过训练提升了通信的可靠性、干扰的精准性以及通扰一体化的认知水平。

    一种感知增强的通扰一体化稳健波束形成方法及系统

    公开(公告)号:CN117318781A

    公开(公告)日:2023-12-29

    申请号:CN202311340104.2

    申请日:2023-10-17

    IPC分类号: H04B7/06 H04B7/08

    摘要: 本发明公开了一种感知增强的通扰一体化稳健波束形成方法及系统,包括:基于应用场景构建通信和干扰一体化模型;在时隙TS内持续感知并确认正在工作的可疑通信组数量和合法接收机数量,在时隙TCJ内控制基站与K个合法接收机进行通信,并同时对Q个可疑通信组进行干扰;以基站在时隙T内传输所消耗的总能量最小为目标,建立最坏情况下的能量最小化优化问题P1;通过对能量最小化优化问题P1进行优化求解获得最小传输能耗E(l)及其对应的通信波束形成矩阵 和干扰波束形成矩阵 本发明平衡了通信性能和干扰性能,能够显著降低系统传输能耗,且可以拓展至大规模场景。

    能量约束下的无人机数据分发优化方法

    公开(公告)号:CN110730495B

    公开(公告)日:2022-07-19

    申请号:CN201910979732.2

    申请日:2019-10-15

    摘要: 本发明提出一种能量约束下的无人机数据分发优化方法。本方法步骤如下:基于能量约束下的无人机数据分发的优化问题建模;将原始优化问题一解耦转变为新优化问题二;问题二分为两个子问题:轨迹优化问题三和发射功率优化问题四,轨迹优化通过固定无人机发射功率来更新无人机飞行状态;发射功率优化通过固定无人机飞行状态来更新无人机发射功率分配;交替解决轨迹优化问题三和发射功率优化问题四并输出结果。另外,对上述方法进行改进,通过替换发射功率优化问题四的目标函数将其转变为问题五,然后交替解决问题三和问题五并输出结果。本发明可较好地解决地面物联网设备无法远距离传输信息以及通信稳定性较差时,无人机辅助下进行数据分发的问题。