CN110913484A - 一种基于环境辅助的短波干扰资源运用规划方法 - Google Patents
一种基于环境辅助的短波干扰资源运用规划方法 Download PDFInfo
- Publication number
- CN110913484A CN110913484A CN201910996580.7A CN201910996580A CN110913484A CN 110913484 A CN110913484 A CN 110913484A CN 201910996580 A CN201910996580 A CN 201910996580A CN 110913484 A CN110913484 A CN 110913484A
- Authority
- CN
- China
- Prior art keywords
- interference
- short
- wave
- target
- station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/60—Jamming involving special techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于环境辅助的短波干扰资源运用规划方法,包括如下步骤:步骤1,建立短波干扰链路可用频段、干扰落区信息预测模型:步骤2,多源信息编码,建立短波干扰资源运用规划目标函数优化模型;步骤3,基于建立的短波干扰链路可用频段、干扰落区信息预测模型和短波干扰资源运用规划目标函数优化模型,规划短波干扰资源的分配方案。本发明所公开基于环境辅助的短波干扰资源运用规划方法,利用已知电离层环境信息、短波天波传播等模型对短波干扰链路可用频段和干扰落区进行预测,对短波干扰资源进行合理的规划,自动实现对短波干扰资源的任务分配,进一步提高对干扰目标的干扰效益。
Description
技术领域
本发明属于短波电离层传播研究及应用领域,特别涉及该领域中的一种基于环境辅助的短波干扰资源运用规划方法。
背景技术
短波干扰台站对远距离目标进行干扰时,短波干扰信号以电离层为媒介进行传播,电离层的分层、时空变化、不均匀结构的存在以及受太阳风暴的影响等特性对干扰链路是否存在和干扰效能产生影响。因此在规划短波干扰台站对远距离干扰目标的分配时,要考虑电离层环境效应的影响,基于资源运用规划技术、电离层传播效应预测技术和短波天波传播可用频段预测技术,利用电离层环境、短波天波传播模型,对短波干扰链路的可用频段、干扰落区等进行预测。
发明内容
本发明所要解决的技术问题就是提供一种基于环境辅助的短波干扰资源运用规划方法。
本发明采用如下技术方案:
一种基于环境辅助的短波干扰资源运用规划方法,其改进之处在于,包括如下步骤:
步骤1,建立短波干扰链路可用频段、干扰落区信息预测模型:
根据短波干扰台站和干扰目标的方位、工作频率,基于电离层环境、短波天波传播模型可预测出短波干扰链路的可用频段f1~f2;
假设干扰目标期望信号功率为Es,根据压制性干扰的功率准则,到达干扰目标处的干扰信号Eg与干扰目标期望信号Es的功率比需满足:
Eg≥10lgK+Es (1)
式(1)中,K为需要压制的压制系数,根据干扰目标期望信号功率Es及干信比要求,可求出所需干扰信号功率Eg,基于电离层环境、短波天波传播模型可计算短波干扰台站对干扰目标的最低发射功率Ep;
步骤2,多源信息编码,建立短波干扰资源运用规划目标函数优化模型:
步骤21,对干扰目标威胁系数、短波干扰资源分配决策和干扰效益进行编码:
若某一时间内干扰目标数量为n,短波干扰台站数量为m,则威胁系数可归一化后定义为ωj;
短波干扰台站的分配决策矩阵根据是否对干扰目标进行干扰定义为:
式(2)中,sij表示第i个短波干扰台站是否对第j个干扰目标进行干扰;
干扰效益矩阵根据短波干扰台站对干扰目标的干扰效果定义为:
式(3)中,eij表示第i个短波干扰台站对第j个干扰目标的干扰效益值;
步骤22,计算短波干扰资源对干扰目标的干扰效益:
干扰效益函数包括干扰时机效益函数、干扰频率效益函数、干扰功率效益函数和干扰空域效益函数,计算干扰效益时,需要判断短波干扰台站的工作频率是否在可用频段范围内,若不在可用频段f1~f2内,则干扰效益为0;
干扰时机效益函数Etij代表短波干扰台站对干扰目标的有效压制时段长度对整体干扰效果的影响,定义如下:
式(4)中,t1~t2是干扰目标的威胁时间,tj为短波干扰台站开始干扰的时间;
干扰频率效益函数Efij代表短波干扰台站对干扰目标的频率瞄准程度对整体干扰效果的影响,定义如下:
式(5)中,(fRj1,fRj2)、(fJi1,fJi2)分别代表干扰目标和短波干扰台站的工作频率范围;
干扰功率效益函数Epij代表短波干扰台站对干扰目标的功率压制程度对整体干扰效果的影响,定义如下:
式(6)中,Eji表示第j个干扰目标能接收到第i个短波干扰台站的干扰信号功率,Ejs表示第j个干扰目标的期望信号功率,Kj表示第j个干扰目标正常工作所需的最小干信比;
干扰空域效益函数Esij定义为单位时间内短波干扰台站天线波束的覆盖范围:
Esij=(Ωi+θi)/T (7)
式(7)中,T表示短波干扰台站天线的旋转周期,Ωi表示短波干扰台站天线的最大指向范围,θi表示任意时刻短波干扰台站的干扰波束范围;
将以上4个干扰效益指标函数的计算结果进行归一化处理后,得到短波干扰台站对干扰目标的指标效益矩阵,再根据实际情况分析配置权重ω,可以计算出各短波干扰台站对第j个干扰目标Rj的干扰效益矩阵Ej:
则每个干扰台站的干扰效益的总和E为:
步骤23,基于干扰资源运用规划原则,建立短波干扰资源运用规划目标函数优化模型:
短波干扰台站数目m和干扰目标数目n之间存在三种关系:m=n、m>n、m<n,对短波干扰台站的分配随时间的变化呈现动态性,需要在时域上动态分配短波干扰台站,并遵循干扰资源的运用规划原则:
1)当m=n时,短波干扰台站与干扰目标数目相等,短波干扰台站与干扰目标进行一一对应分配,干扰时机的选择随干扰目标威胁系数的变化而调整;
2)当m>n时,短波干扰台站数目大于干扰目标数目,首先确保每个干扰目标都有一个短波干扰台站进行干扰,保证当前时刻短波干扰台站的占用率尽量低,如有需要再对多余的短波干扰台站进行合理分配,优先分配给威胁系数高的干扰目标,干扰时机的选择随干扰目标威胁系数的变化而调整;
3)当m<n时,短波干扰台站数目小于干扰目标数目,先对干扰目标的频域、空域和时域进行匹配,将满足时间一致、空间一致和频段一致的原则的干扰目标进行整合,转化成一对一、多对少的情况进行短波干扰台站分配,若干扰目标不能整合,则优先选取威胁系数高的干扰目标分配短波干扰台站;
基于以上原则,计算加权威胁系数的干扰效益值总和,使得短波干扰台站对干扰目标的总干扰效益值最大:
式(10)中,sij表示短波干扰台站的分配决策,ωj表示干扰目标的威胁系数,eij表示干扰效益值,将总干扰效益值最大作为粒子群优化算法的目标函数,构建短波干扰资源运用规划目标函数优化模型;
步骤3,基于建立的短波干扰链路可用频段、干扰落区信息预测模型和短波干扰资源运用规划目标函数优化模型,规划短波干扰资源的分配方案:
步骤31:预测短波干扰链路的可用频段f1~f2,计算所需干扰信号功率Eg和短波干扰台站对干扰目标的最低发射功率Ep;
步骤32:对干扰目标威胁系数进行编码,得到威胁系数矩阵ω,对短波干扰台站分配决策进行编码并初始化,得到分配决策矩阵S;
步骤33:对干扰效益进行编码,判断短波干扰台站的工作频率是否在可用频段f1~f2范围,若在可用频段范围内,继续执行步骤34,否则干扰效益值为0,直接执行步骤35;
步骤34:计算干扰时机效益函数Etij、干扰频率效益函数Efij、干扰功率效益函数Epij和干扰空域效益函数Esij,归一化处理并分配权重后,得到短波干扰台站对干扰目标的干扰效益矩阵E;
步骤35:设定粒子种群大小M和最大迭代次数N,初始化粒子种群;
步骤36:基于粒子群优化算法,第一次规划得到对短波干扰台站的分配方案S(1),计算得到对应的目标函数适应值,即总干扰效益最大值为Z(1),重复执行步骤36;
步骤37:N次迭代后,达到最大迭代次数,终止迭代,得到规划方案S(N)为短波干扰资源规划的最终方案,此时对应的目标函数适应值,即总干扰效益值为Z(N)。
进一步的,步骤21中,0≤ωj≤1,威胁系数ωj越高,干扰目标的威胁程度越大。
进一步的,步骤21中,sij=0或1,sij=1表示第i个短波干扰台站干扰第j个干扰目标,sij=0表示第i个短波干扰台站不干扰第j个干扰目标。
进一步的,步骤21中,0≤eij≤1,当eij=0时表示干扰不起作用,eij=1时表示干扰使得目标完全失去功能。
进一步的,步骤22中,Eji可利用电离层环境、短波天波传播模型计算得到。
进一步的,步骤23中,
uij表示加权威胁系数后的干扰效益值,通过下式计算:
uij=ωjeij。
本发明的有益效果是:
本发明所公开基于环境辅助的短波干扰资源运用规划方法,利用已知电离层环境信息、短波天波传播等模型对短波干扰链路可用频段和干扰落区进行预测,对短波干扰资源进行合理的规划,自动实现对短波干扰资源的任务分配,进一步提高对干扰目标的干扰效益。
附图说明
图1是短波干扰台站干扰目标示意图;
图2是本发明实施例1所公开方法的流程示意框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1,如图2所示,本实施例公开了一种基于环境辅助的短波干扰资源运用规划方法,包括如下步骤:
步骤1,建立短波干扰链路可用频段、干扰落区信息预测模型:
短波干扰台站干扰目标示意图如图1所示。根据短波干扰台站和干扰目标的方位、工作频率等已知信息,基于电离层环境、短波天波传播模型可预测出短波干扰链路的可用频段f1~f2;
假设干扰目标期望信号功率为Es,根据压制性干扰的功率准则,到达干扰目标处的干扰信号Eg与干扰目标期望信号Es的功率比需满足:
Eg≥10lgK+Es (11)
式(1)中,K为需要压制的压制系数,根据干扰目标期望信号功率Es及干信比要求,可求出所需干扰信号功率Eg,基于电离层环境、短波天波传播模型可计算短波干扰台站对干扰目标的最低发射功率Ep;
步骤2,多源信息编码,建立短波干扰资源运用规划目标函数优化模型:
步骤21,对干扰目标威胁系数、短波干扰资源分配决策和干扰效益进行编码:
若某一时间内干扰目标数量为n,短波干扰台站数量为m,则威胁系数可归一化后定义为ωj(0≤ωj≤1),威胁系数ωj越高,干扰目标的威胁程度越大。
短波干扰台站的分配决策矩阵根据是否对干扰目标进行干扰定义为:
式(2)中,sij表示第i个短波干扰台站是否对第j个干扰目标进行干扰,sij=0或1,sij=1表示第i个短波干扰台站干扰第j个干扰目标,sij=0表示第i个短波干扰台站不干扰第j个干扰目标。
干扰效益矩阵根据短波干扰台站对干扰目标的干扰效果定义为:
式(3)中,eij表示第i个短波干扰台站对第j个干扰目标的干扰效益值,0≤eij≤1,当eij=0时表示干扰不起作用,eij=1时表示干扰使得目标完全失去功能。
步骤22,计算短波干扰资源对干扰目标的干扰效益:
干扰效益函数包括干扰时机效益函数、干扰频率效益函数、干扰功率效益函数和干扰空域效益函数,计算干扰效益时,需要判断短波干扰台站的工作频率是否在可用频段范围内,若不在可用频段f1~f2内,则干扰效益为0;
干扰时机效益函数Etij代表短波干扰台站对干扰目标的有效压制时段长度对整体干扰效果的影响,定义如下:
式(4)中,t1~t2是干扰目标的威胁时间,tj为短波干扰台站开始干扰的时间;
干扰频率效益函数Efij代表短波干扰台站对干扰目标的频率瞄准程度对整体干扰效果的影响,定义如下:
式(5)中,(fRj1,fRj2)、(fJi1,fJi2)分别代表干扰目标和短波干扰台站的工作频率范围;
干扰功率效益函数Epij代表短波干扰台站对干扰目标的功率压制程度对整体干扰效果的影响,定义如下:
式(6)中,Eji表示第j个干扰目标能接收到第i个短波干扰台站的干扰信号功率,可利用电离层环境、短波天波传播模型计算得到;Ejs表示第j个干扰目标的期望信号功率,Kj表示第j个干扰目标正常工作所需的最小干信比;
干扰空域效益函数Esij定义为单位时间内短波干扰台站天线波束的覆盖范围:
Esij=(Ωi+θi)/T (17)
式(7)中,T表示短波干扰台站天线的旋转周期,Ωi表示短波干扰台站天线的最大指向范围,θi表示任意时刻短波干扰台站的干扰波束范围;
将以上4个干扰效益指标函数的计算结果进行归一化处理后,得到短波干扰台站对干扰目标的指标效益矩阵,再根据实际情况分析配置权重ω,可以计算出各短波干扰台站对第j个干扰目标Rj的干扰效益矩阵Ej:
则每个干扰台站的干扰效益的总和E为:
步骤23,基于干扰资源运用规划原则,建立短波干扰资源运用规划目标函数优化模型:
短波干扰台站数目m和干扰目标数目n之间存在三种关系:m=n、m>n、m<n,对短波干扰台站的分配随时间的变化呈现动态性,需要在时域上动态分配短波干扰台站,并遵循干扰资源的运用规划原则:
1)当m=n时,短波干扰台站与干扰目标数目相等,短波干扰台站与干扰目标进行一一对应分配,干扰时机的选择随干扰目标威胁系数的变化而调整;
2)当m>n时,短波干扰台站数目大于干扰目标数目,首先确保每个干扰目标都有一个短波干扰台站进行干扰,保证当前时刻短波干扰台站的占用率尽量低,如有需要再对多余的短波干扰台站进行合理分配,优先分配给威胁系数高的干扰目标,干扰时机的选择随干扰目标威胁系数的变化而调整;
3)当m<n时,短波干扰台站数目小于干扰目标数目,先对干扰目标的频域、空域和时域进行匹配,将满足时间一致、空间一致和频段一致的原则的干扰目标进行整合,转化成一对一、多对少的情况进行短波干扰台站分配,若干扰目标不能整合,则优先选取威胁系数高的干扰目标分配短波干扰台站;
基于以上原则,构建短波干扰资源运用规划的目标函数优化模型,使得加权威胁系数的干扰效益值总和(短波干扰台站对干扰目标的总干扰效益值)最大:
式(10)中,sij表示短波干扰台站的分配决策,ωj表示干扰目标的威胁系数,eij表示干扰效益值,uij表示加权威胁系数后的干扰效益值,通过下式计算:
uij=ωjeij。
将总干扰效益值最大作为粒子群优化算法的目标函数,构建短波干扰资源运用规划目标函数优化模型;
步骤3,短波干扰资源分配方案规划:
基于上述建立的短波干扰链路可用频段、干扰落区信息预测模型和短波干扰资源运用规划目标函数优化模型,实现基于环境辅助的短波干扰资源分配方案规划,主要步骤如下:
步骤31,根据短波干扰台站和干扰目标已知信息,基于电离层环境、短波天波传播模型预测短波干扰链路的可用频段f1~f2;
步骤32,根据干扰目标期望信号功率Es,由式(1)计算所需干扰信号功率Eg,并根据电离层环境、短波天波传播模型计算短波干扰台站对干扰目标的最低发射功率Ep;
步骤33,编码干扰目标威胁系数,得到威胁系数矩阵ω,由式(2)编码并初始化得到短波干扰台站分配决策矩阵S;
步骤34,由式(3)对干扰效益进行编码,判断短波干扰台站的工作频率是否在可用频段f1~f2范围,若在可用频段范围内,继续执行步骤35,否则干扰效益值为0,直接执行步骤36;
步骤35,由式(4)计算干扰时机效益函数Etij,由式(5)计算干扰频率效益函数Efij,由式(6)计算干扰功率效益函数Epij,由式(7)计算干扰空域效益函数Esij,对干扰指标效益矩阵归一化处理并根据实际情况分析配置权重ω,由式(8)和式(9)计算得到干扰效益矩阵E;
步骤36,设定粒子种群大小M和最大迭代次数N,初始化粒子种群;
步骤37,基于粒子群优化算法,第一次规划得到对短波干扰台站的分配方案S(1),由式(10)计算得到对应的目标函数适应值(总干扰效益最大值)Z(1),重复执行步骤37;
步骤38,N次迭代后,达到最大迭代次数,终止迭代,得到规划方案S(N)为短波干扰资源运用规划的最终方案,此时对应的目标函数适应值(总干扰效益最大值)为Z(N)。
Claims (6)
1.一种基于环境辅助的短波干扰资源运用规划方法,其特征在于,包括如下步骤:
步骤1,建立短波干扰链路可用频段、干扰落区信息预测模型:
根据短波干扰台站和干扰目标的方位、工作频率,基于电离层环境、短波天波传播模型可预测出短波干扰链路的可用频段f1~f2;
假设干扰目标期望信号功率为Es,根据压制性干扰的功率准则,到达干扰目标处的干扰信号Eg与干扰目标期望信号Es的功率比需满足:
Eg≥10lgK+Es (1)
式(1)中,K为需要压制的压制系数,根据干扰目标期望信号功率Es及干信比要求,可求出所需干扰信号功率Eg,基于电离层环境、短波天波传播模型可计算短波干扰台站对干扰目标的最低发射功率Ep;
步骤2,多源信息编码,建立短波干扰资源运用规划目标函数优化模型:
步骤21,对干扰目标威胁系数、短波干扰资源分配决策和干扰效益进行编码:
若某一时间内干扰目标数量为n,短波干扰台站数量为m,则威胁系数可归一化后定义为ωj;
短波干扰台站的分配决策矩阵根据是否对干扰目标进行干扰定义为:
式(2)中,sij表示第i个短波干扰台站是否对第j个干扰目标进行干扰;
干扰效益矩阵根据短波干扰台站对干扰目标的干扰效果定义为:
式(3)中,eij表示第i个短波干扰台站对第j个干扰目标的干扰效益值;
步骤22,计算短波干扰资源对干扰目标的干扰效益:
干扰效益函数包括干扰时机效益函数、干扰频率效益函数、干扰功率效益函数和干扰空域效益函数,计算干扰效益时,需要判断短波干扰台站的工作频率是否在可用频段范围内,若不在可用频段f1~f2内,则干扰效益为0;
干扰时机效益函数Etij代表短波干扰台站对干扰目标的有效压制时段长度对整体干扰效果的影响,定义如下:
式(4)中,t1~t2是干扰目标的威胁时间,tj为短波干扰台站开始干扰的时间;
干扰频率效益函数Efij代表短波干扰台站对干扰目标的频率瞄准程度对整体干扰效果的影响,定义如下:
式(5)中,(fRj1,fRj2)、(fJi1,fJi2)分别代表干扰目标和短波干扰台站的工作频率范围;
干扰功率效益函数Epij代表短波干扰台站对干扰目标的功率压制程度对整体干扰效果的影响,定义如下:
式(6)中,Eji表示第j个干扰目标能接收到第i个短波干扰台站的干扰信号功率,Ejs表示第j个干扰目标的期望信号功率,Kj表示第j个干扰目标正常工作所需的最小干信比;
干扰空域效益函数Esij定义为单位时间内短波干扰台站天线波束的覆盖范围:
Esij=(Ωi+θi)/T (7)
式(7)中,T表示短波干扰台站天线的旋转周期,Ωi表示短波干扰台站天线的最大指向范围,θi表示任意时刻短波干扰台站的干扰波束范围;
将以上4个干扰效益指标函数的计算结果进行归一化处理后,得到短波干扰台站对干扰目标的指标效益矩阵,再根据实际情况分析配置权重ω,可以计算出各短波干扰台站对第j个干扰目标Rj的干扰效益矩阵Ej:
则每个干扰台站的干扰效益的总和E为:
步骤23,基于干扰资源运用规划原则,建立短波干扰资源运用规划目标函数优化模型:
短波干扰台站数目m和干扰目标数目n之间存在三种关系:m=n、m>n、m<n,对短波干扰台站的分配随时间的变化呈现动态性,需要在时域上动态分配短波干扰台站,并遵循干扰资源的运用规划原则:
1)当m=n时,短波干扰台站与干扰目标数目相等,短波干扰台站与干扰目标进行一一对应分配,干扰时机的选择随干扰目标威胁系数的变化而调整;
2)当m>n时,短波干扰台站数目大于干扰目标数目,首先确保每个干扰目标都有一个短波干扰台站进行干扰,保证当前时刻短波干扰台站的占用率尽量低,如有需要再对多余的短波干扰台站进行合理分配,优先分配给威胁系数高的干扰目标,干扰时机的选择随干扰目标威胁系数的变化而调整;
3)当m<n时,短波干扰台站数目小于干扰目标数目,先对干扰目标的频域、空域和时域进行匹配,将满足时间一致、空间一致和频段一致的原则的干扰目标进行整合,转化成一对一、多对少的情况进行短波干扰台站分配,若干扰目标不能整合,则优先选取威胁系数高的干扰目标分配短波干扰台站;
基于以上原则,计算加权威胁系数的干扰效益值总和,使得短波干扰台站对干扰目标的总干扰效益值最大:
式(10)中,sij表示短波干扰台站的分配决策,ωj表示干扰目标的威胁系数,eij表示干扰效益值,将总干扰效益值最大作为粒子群优化算法的目标函数,构建短波干扰资源运用规划目标函数优化模型;
步骤3,基于建立的短波干扰链路可用频段、干扰落区信息预测模型和短波干扰资源运用规划目标函数优化模型,规划短波干扰资源的分配方案:
步骤31:预测短波干扰链路的可用频段f1~f2,计算所需干扰信号功率Eg和短波干扰台站对干扰目标的最低发射功率Ep;
步骤32:对干扰目标威胁系数进行编码,得到威胁系数矩阵ω,对短波干扰台站分配决策进行编码并初始化,得到分配决策矩阵S;
步骤33:对干扰效益进行编码,判断短波干扰台站的工作频率是否在可用频段f1~f2范围,若在可用频段范围内,继续执行步骤34,否则干扰效益值为0,直接执行步骤35;
步骤34:计算干扰时机效益函数Etij、干扰频率效益函数Efij、干扰功率效益函数Epij和干扰空域效益函数Esij,归一化处理并分配权重后,得到短波干扰台站对干扰目标的干扰效益矩阵E;
步骤35:设定粒子种群大小M和最大迭代次数N,初始化粒子种群;
步骤36:基于粒子群优化算法,第一次规划得到对短波干扰台站的分配方案S(1),计算得到对应的目标函数适应值,即总干扰效益最大值为Z(1),重复执行步骤36;
步骤37:N次迭代后,达到最大迭代次数,终止迭代,得到规划方案S(N)为短波干扰资源规划的最终方案,此时对应的目标函数适应值,即总干扰效益值为Z(N)。
2.根据权利要求1所述基于环境辅助的短波干扰资源运用规划方法,其特征在于:步骤21中,0≤ωj≤1,威胁系数ωj越高,干扰目标的威胁程度越大。
3.根据权利要求1所述基于环境辅助的短波干扰资源运用规划方法,其特征在于:步骤21中,sij=0或1,sij=1表示第i个短波干扰台站干扰第j个干扰目标,sij=0表示第i个短波干扰台站不干扰第j个干扰目标。
4.根据权利要求1所述基于环境辅助的短波干扰资源运用规划方法,其特征在于:步骤21中,0≤eij≤1,当eij=0时表示干扰不起作用,eij=1时表示干扰使得目标完全失去功能。
5.根据权利要求1所述基于环境辅助的短波干扰资源运用规划方法,其特征在于:步骤22中,Eji可利用电离层环境、短波天波传播模型计算得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910996580.7A CN110913484B (zh) | 2019-10-19 | 2019-10-19 | 一种基于环境辅助的短波干扰资源运用规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910996580.7A CN110913484B (zh) | 2019-10-19 | 2019-10-19 | 一种基于环境辅助的短波干扰资源运用规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110913484A true CN110913484A (zh) | 2020-03-24 |
CN110913484B CN110913484B (zh) | 2022-03-18 |
Family
ID=69815681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910996580.7A Active CN110913484B (zh) | 2019-10-19 | 2019-10-19 | 一种基于环境辅助的短波干扰资源运用规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110913484B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698743A (zh) * | 2013-12-13 | 2014-04-02 | 国家无线电监测中心 | 基于电离层反射的短波辐射源时差定位方法 |
CN104253660A (zh) * | 2014-10-17 | 2014-12-31 | 中国舰船研究设计中心 | 舰船短波系统间干扰矩阵快速生成方法 |
WO2016165281A1 (zh) * | 2015-04-16 | 2016-10-20 | 深圳大学 | 一种雷达通信方法与系统 |
CN106788475A (zh) * | 2016-12-09 | 2017-05-31 | 中国人民解放军重庆通信学院 | 短波区域应急机动通信半盲选频系统及其方法 |
CN107135544A (zh) * | 2017-04-06 | 2017-09-05 | 杭州电子科技大学 | 一种基于干扰动态更新的能效资源分配方法 |
CN108363037A (zh) * | 2018-02-27 | 2018-08-03 | 武汉大学 | 一种基于广域分布式单天线接收的短波远程辐射源一步定位法 |
CN109872009A (zh) * | 2019-03-14 | 2019-06-11 | 西安电子科技大学 | 一种改进粒子群算法的干扰资源分配方法 |
-
2019
- 2019-10-19 CN CN201910996580.7A patent/CN110913484B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698743A (zh) * | 2013-12-13 | 2014-04-02 | 国家无线电监测中心 | 基于电离层反射的短波辐射源时差定位方法 |
CN104253660A (zh) * | 2014-10-17 | 2014-12-31 | 中国舰船研究设计中心 | 舰船短波系统间干扰矩阵快速生成方法 |
WO2016165281A1 (zh) * | 2015-04-16 | 2016-10-20 | 深圳大学 | 一种雷达通信方法与系统 |
CN106788475A (zh) * | 2016-12-09 | 2017-05-31 | 中国人民解放军重庆通信学院 | 短波区域应急机动通信半盲选频系统及其方法 |
CN107135544A (zh) * | 2017-04-06 | 2017-09-05 | 杭州电子科技大学 | 一种基于干扰动态更新的能效资源分配方法 |
CN108363037A (zh) * | 2018-02-27 | 2018-08-03 | 武汉大学 | 一种基于广域分布式单天线接收的短波远程辐射源一步定位法 |
CN109872009A (zh) * | 2019-03-14 | 2019-06-11 | 西安电子科技大学 | 一种改进粒子群算法的干扰资源分配方法 |
Non-Patent Citations (2)
Title |
---|
WENLING GUO,XUE LI: ""Short-wave line-of-sight detection system ionospheric clutter Analysis and suppression methods"", 《IEEE》 * |
苏重阳,李雪,蔚娜: ""DRM信号用于短波探通一体化的试验研究"", 《电波科学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110913484B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Deep reinforcement learning based latency minimization for mobile edge computing with virtualization in maritime UAV communication network | |
CN110401964B (zh) | 一种面向用户为中心网络基于深度学习的功率控制方法 | |
CN108924936B (zh) | 无人机辅助无线充电边缘计算网络的资源分配方法 | |
CN112134614B (zh) | 一种多波束通信卫星的下行载波资源分配方法及系统 | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN108958918B (zh) | 一种基于性能评估优化的多功能雷达资源自适应管理方法 | |
CN113965245A (zh) | 基于opgw接头盒的智能反射面通信系统资源优化方法 | |
CN115102592B (zh) | 一种基于联邦学习的多用户mimo波束成形方法 | |
CN113727371A (zh) | 一种irs辅助的mec网络无线与计算资源分配方法及装置 | |
Sui et al. | Jointly optimized extreme learning machine for short-term prediction of fading channel | |
CN114900897A (zh) | 多波束卫星资源分配方法及系统 | |
Wang | Collaborative task offloading strategy of UAV cluster using improved genetic algorithm in mobile edge computing | |
Xue et al. | Deep learning based channel prediction for massive MIMO systems in high-speed railway scenarios | |
CN110913484B (zh) | 一种基于环境辅助的短波干扰资源运用规划方法 | |
Abdulateef et al. | Performance analyses of channel estimation and precoding for massive MIMO downlink in the TDD system | |
CN107944080B (zh) | 一种舰船平台短波多天线空间资源优化分配方法 | |
US11646778B2 (en) | Method and apparatus for controlling beam adaptively in wireless communication system | |
CN111741478B (zh) | 一种基于大尺度衰落跟踪的业务卸载方法 | |
Li et al. | Value of service maximization in integrated localization and communication system through joint resource allocation | |
CN112866012A (zh) | 非线性能量收集无线供电mec中卸载和能量联合优化算法 | |
Shaodong et al. | Multi-step reinforcement learning-based offloading for vehicle edge computing | |
CN111930435A (zh) | 一种基于pd-bpso技术的任务卸载决策方法 | |
CN114697978B (zh) | 一种智能反射面辅助的上行移动边缘计算方法及系统 | |
CN115150781A (zh) | 一种基于任务优先级的无人机协助边缘计算的资源分配方法 | |
Zhang et al. | Thinning of antenna array via adaptive memetic particle swarm optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |