采用BP神经网络的智能抗干扰决策引擎研究

论文摘要

在认知抗干扰通信系统中,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。现有的抗干扰通信系统的智能决策多采用遗传算法、人工蜂群算法等,面对日益复杂的电磁环境,通常这些算法不具有对新干扰的泛化能力。BP神经网络算法简单、具有一定的容错能力和泛化能力,本文设计并分析了一种基于BP神经网络的抗干扰实时决策引擎模型,根据系统性能设计了输入输出数据的预处理方式和判别标准,阐述了决策实现步骤,分析了算法参数;通过系统性能仿真,验证了文中提出的实时决策引擎的强抗干扰性能。与采用遗传算法和人工蜂群算法的决策引擎相比,本文提出的决策引擎决策速度更快且具有泛化能力和容错能力。

论文目录

• 1 引言
• 2 基于BP抗干扰实时决策引擎模型
• 3 基于BP神经网络的抗干扰决策原理
•   3.1 输入输出和判别标准设计
•     3.1.1 输入输出设计
•     3.1.2 判别标准设计
•   3.2 决策实现步骤
•   3.3 参数分析
•     3.3.1 网络大小
•     3.3.2 初始化方式
•     3.3.3 小批量数据量
•     3.3.4 学习率
• 4 性能仿真分析
•   4.1 抗干扰能力
•   4.2 容错能力
•   4.3 泛化能力
•   4.4 不同决策引擎性能比较
• 5 结论

文章来源

类型: 期刊论文

作者: 冉雨,程郁凡,陈大勇,王小青

关键词: 认知抗干扰,决策引擎,神经网络

来源: 信号处理 2019年08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室基金项目

分类号: TN973.3;TP183

DOI: 10.16798/j.issn.1003-0530.2019.08.009

页码: 1350-1357

总页数: 8

文件大小: 856K

下载量: 192