论文摘要
在认知抗干扰系统中,智能决策是其核心,根据干扰环境,对系统的干扰抑制方式、频谱资源分配、调制编码方式和功率调整信息进行最优决策。人工蜂群算法(Artificial Bee Colony,ABC)相较于其他群体智能算法全局寻优速度更快,设置参数少、灵活,易与其他技术结合改进原算法,实用性更广泛,但ABC算法同样有其局限性,如局部搜索能力较弱、后期收敛速度慢等。针对复杂干扰环境下对离散参数的决策,本文设计了一种基于改进人工蜂群算法的认知抗干扰智能决策引擎,分析了引擎模型,根据系统效能设计了目标函数和染色体,阐述了决策实现步骤,优化了决策参数,提出了按基因组搜索的改进算法;通过对系统抗干扰性能的仿真,验证了与未采用智能决策的抗干扰系统相比,采用本文提出的智能决策引擎的认知抗干扰系统在干扰环境中不仅具有强抗干扰性能,而且在保证通信传输可靠性的前提下,具有较低的发射功率和高传输效率,与采用传统人工蜂群算法和遗传算法的决策引擎相比,基于改进人工蜂群算法的决策引擎平均收敛代数更少且最优解概率更高。
论文目录
文章来源
类型: 期刊论文
作者: 冉雨,陈大勇,程郁凡,王小青
关键词: 认知抗干扰,智能决策引擎,人工蜂群算法
来源: 信号处理 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 武器工业与军事技术,电信技术,自动化技术
单位: 电子科技大学通信抗干扰技术国家级重点实验室,海军研究院
基金: 国家预研项目(3020103,9020302),国家重点研发计划项目(2018YFC0807101),通信抗干扰技术国家级重点实验基金项目
分类号: TN973.3;TP18
DOI: 10.16798/j.issn.1003-0530.2019.02.009
页码: 240-249
总页数: 10
文件大小: 1399K
下载量: 366