-
公开(公告)号：CN114545343A
公开(公告)日：2022-05-27
申请号：CN202210156832.7
申请日：2022-02-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于量子认知的雷达干扰决策方法，其具体步骤包括：1、设置接收的相控阵雷达信号特征的置信度，2、生成相控阵雷达各个工作状态的联合置信度，3、生成相控阵雷达的转移矩阵，4、预测当前环境下的相控阵雷达工作状态，5、选择干扰收益最大的干扰样式。本发明可以实现非合作条件下的干扰决策，提高了决策的效率和决策的可信度。
-
Patent Agency Ranking
公开(公告)号：CN115062790B
公开(公告)日：2024-07-02
申请号：CN202210690657.X
申请日：2022-06-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于隐马尔可夫模型的Q学习干扰决策方法。其具体步骤包括：生成训练集，训练隐马尔可夫模型，构建雷达工作模式识别器，设置威胁度值，构造判决器，搭建干扰决策系统，生成特征参数矩阵，将其作为干扰决策系统的输入，系统识别雷达工作模式，将识别结果输入到判决器，判断输入的雷达工作模式威胁度是否为所有威胁度中的最小值，若是，干扰过程结束，若否，干扰方通过Q学习算法进行干扰决策。本发明解决现有技术下雷达工作模式识别准确率低与决策依赖先验知识的不足，提高决策的时效性和有效性。
-
公开(公告)号：CN114545343B
公开(公告)日：2024-06-07
申请号：CN202210156832.7
申请日：2022-02-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于量子认知的雷达干扰决策方法，其具体步骤包括：1、设置接收的相控阵雷达信号特征的置信度，2、生成相控阵雷达各个工作状态的联合置信度，3、生成相控阵雷达的转移矩阵，4、预测当前环境下的相控阵雷达工作状态，5、选择干扰收益最大的干扰样式。本发明可以实现非合作条件下的干扰决策，提高了决策的效率和决策的可信度。
-
公开(公告)号：CN112904294B
公开(公告)日：2023-06-30
申请号：CN202110241763.5
申请日：2021-03-04
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于直觉梯形模糊多属性决策的干扰效果评估方法，实现步骤为：构造雷达干扰属性决策矩阵；构造直觉梯形模糊决策矩阵；基于熵权法计算受干扰雷达每个属性的权重；采用直觉梯形模糊多属性决策方法计算干扰效果评价值。本发明通过五级语言变量{极差，差，中，好，极好}中的一种对每次干扰时雷达的每个属性进行评价得到评价结果，并与直觉梯形模糊多属性决策方法计算得到每次干扰的干扰效果评估结果，解决了已有技术不能用于评估系统无法获取受干扰雷达属性的实数参数的干扰效果评估场景的问题。
-
公开(公告)号：CN115062790A
公开(公告)日：2022-09-16
申请号：CN202210690657.X
申请日：2022-06-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于隐马尔可夫模型的Q学习干扰决策方法。其具体步骤包括：生成训练集，训练隐马尔可夫模型，构建雷达工作模式识别器，设置威胁度值，构造判决器，搭建干扰决策系统，生成特征参数矩阵，将其作为干扰决策系统的输入，系统识别雷达工作模式，将识别结果输入到判决器，判断输入的雷达工作模式威胁度是否为所有威胁度中的最小值，若是，干扰过程结束，若否，干扰方通过Q学习算法进行干扰决策。本发明解决现有技术下雷达工作模式识别准确率低与决策依赖先验知识的不足，提高决策的时效性和有效性。
-
公开(公告)号：CN112904294A
公开(公告)日：2021-06-04
申请号：CN202110241763.5
申请日：2021-03-04
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于直觉梯形模糊多属性决策的干扰效果评估方法，实现步骤为：构造雷达干扰属性决策矩阵；构造直觉梯形模糊决策矩阵；基于熵权法计算受干扰雷达每个属性的权重；采用直觉梯形模糊多属性决策方法计算干扰效果评价值。本发明通过五级语言变量{极差，差，中，好，极好}中的一种对每次干扰时雷达的每个属性进行评价得到评价结果，并与直觉梯形模糊多属性决策方法计算得到每次干扰的干扰效果评估结果，解决了已有技术不能用于评估系统无法获取受干扰雷达属性的实数参数的干扰效果评估场景的问题。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
