一种基于双深度Q网络的在线车载雷达抗干扰波形设计方法.pdf
书生****12
亲,该文档总共25页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于双深度Q网络的在线车载雷达抗干扰波形设计方法.pdf
一种基于双深度Q网络的在线车载雷达抗干扰波形设计方法,本发明涉及车载雷达抗干扰波形设计方法。本发明的目的是为了解决现有车载雷达抗干扰处理技术不稳定,鲁棒性差的问题。过程为:一、估计车载雷达接收信号的信干比;二、构建车载雷达马尔可夫决策过程;三、构建并训练双深度Q网络模型;四、突变的电磁干扰环境下基于双深度Q网络模型参数在线自适应调整,得到突变条件下的电磁干扰环境下双深度Q网络模型;五、获取车载雷达所处的状态空间,输入突变条件下的电磁干扰环境下双深度Q网络模型,输出最优动作价值函数值对应的最优动作,即为车载
MIMO雷达波形在线设计方法.pdf
本发明公开了一种集中式MIMO雷达波形在线设计方法,主要解决现有方法不能在线设计发射方向图和不能在线合成发射信号波形的问题。其过程是:(1)对MIMO雷达阵列进行幅度加权,离线构造出具有低空域旁瓣的基波束库;(2)基于序列二次规划,离线构造出各种比例的并具有低自相关峰值旁瓣电平和低峰值互相关电平的“正交”基波形库;(3)利用线性规划,在线求解出合成给定发射方向图的基波束发射比例;(4)根据基波束的发射比例,从“正交”基波形库中在线挑选满足要求的基波形;(5)由挑选出的基波束和基波形分别在线合成发射方向图和
基于自回归模型的车载雷达抗干扰方法研究.docx
基于自回归模型的车载雷达抗干扰方法研究摘要:车载雷达在复杂环境中往往受到干扰,导致雷达性能下降甚至失效。本文基于自回归模型,探究了一种抗干扰方法。该方法通过建立自回归模型对雷达信号进行预测,并利用该预测结果对实际信号进行修正,从而达到抗干扰的目的。实验结果表明该方法可以有效减小干扰对雷达性能的影响,提高雷达检测的准确性和鲁棒性。关键词:车载雷达;干扰;自回归模型;预测修正Abstract:Vehicle-mountedradarisofteninterferedincomplexenvironments,
基于EMD的车载雷达抗干扰研究.docx
基于EMD的车载雷达抗干扰研究随着汽车发展的进步,车载雷达系统已经成为汽车行业的重要组成部分,并被广泛应用于车辆驾驶辅助、自动驾驶等领域。然而,由于行车环境的复杂性,车载雷达系统往往会受到各种各样的干扰,导致其性能受到影响。因此,如何提高车载雷达系统的抗干扰性能,是研究者们一直关注的热点问题。EMD(EmpiricalModeDecomposition)作为一种基于组合数据的信号处理方法,可以将非线性、非平稳的信号进行一次分解,从而可以有效地提取信号中的特征。将EMD应用于车载雷达抗干扰中,可以帮助我们有
一种基于深度双Q网络的蜂窝网络功率分配方法.pdf
本发明公开了一种基于深度双Q网络的蜂窝网络中功率分配算法,算法采用双神经网络结构,有效解决传统强化学习算法无法处理大规模状态‑动作空间的问题,并降低两个神经网络之间的相关性,解决值函数过估计问题。算法使用状态信息作为神经网络的输入,并对状态、动作及奖赏函数根据仿真蜂窝网络情境分别进行设计,其中将上一时刻的干扰信息及速率信息作为当前时刻状态信息的组成部分,使智能体可以更加有效的进行自主学习,经过多次迭代后,得到最优的功率分配策略。该方法可以有效解决蜂窝网络中的功率分配问题,且在不同用户数量及小区数量下均具备