-
题名认知雷达中基于Q学习的自适应波形选择算法
被引量：7
- 1
-
-
作者
王彬
汪晋宽
宋昕
韩英华
-
机构
东北大学信息科学与工程学院
东北大学秦皇岛分校工程优化与智能天线研究所
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2011年第5期1007-1012,共6页
-
基金
国家自然科学基金(60874108)
中央高校基本科研业务费专项资金(N090604006)资助课题
-
文摘
自适应波形选择器是认知雷达中智能发射器的重要组成部分。有效的波形选择能够在不同的环境下选择发射最优的波形序列,从而以更高的精度追踪目标。针对雷达目标转移概率未知这一特点,把自适应波形选择问题建模为随机动态规划模型,提出应用Q学习的方法来解决这个问题。仿真结果说明,该算法接近于最优波形选择方案,并且状态估计的不确定性低于固定波形。
-
关键词
波形选择
Q学习
空间划分
认知雷达
-
Keywords
waveform selection
Q-learning
space division
cognitive radar
-
分类号
TN951
[电子电信—信号与信息处理]
-
-
题名基于二次型约束的鲁棒最小二乘恒模算法
- 2
-
-
作者
宋昕
汪晋宽
王彬
-
机构
工程优化与智能天线研究所
-
出处
《电波科学学报》
EI
CSCD
北大核心
2010年第1期104-108,共5页
-
基金
国家自然科学基金资助项目(60874108)
中央高校基本科研业务费资助(N090323002)
-
文摘
阵列指向性偏差会导致线性约束最小二乘恒模算法(LSCMA)的性能急剧下降,为此提出了一种基于二次型约束的鲁棒LSCMA算法。该算法通过对期望信号波达方向附近小区域内的方向向量的误差模值进行约束来构造一种新的代价函数,并在此函数下迭代更新权重向量,以提高算法的鲁棒性。该算法收敛速度快,稳态性能好,能够有效地解决干扰捕获问题,对阵列指向性偏差具有很强的鲁棒性,从而改善了阵列输出的信干噪比,使其更接近最优值。仿真结果表明:与线性约束最小二乘恒模算法相比,所提鲁棒算法提高了输出性能,降低了计算量,易于实时实现,且能适应实际复杂的通信环境。
-
关键词
自适应波束形成
信干噪比
最小二乘恒模算法
信号方向向量偏差
-
Keywords
adaptive beamforming
signal-to-interference-plus-noise ratio（SINR）
least square constant modulus algorithm（LSCMA）
array directivity mismatches
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
