公开(公告)号：CN119789144A

公开(公告)日：2025-04-08

申请号：CN202411961184.8

申请日：2024-12-30

Applicant: 哈尔滨工程大学 ,  上海无线电设备研究所

Inventor： 陈涛 ,  辛祺 ,  雷舒杰 ,  肖易寒 ,  孙冠宇

IPC: H04W28/02 ,  H04W28/06 ,  H04W72/044 ,  H04W72/541 ,  G06N3/006 ,  G06N3/092

Abstract: 本发明公开了一种基于多智能体强化学习的多域联合干扰资源分配方法及系统，其中方法步骤包括：基于多干扰机协同干扰任务，构建多对多对抗环境模型；基于多对多对抗环境模型，定义多干扰机联合状态空间；基于多对多对抗环境模型，设计多干扰机联合动作空间；基于多干扰机联合状态空间和多干扰机联合动作空间，构造多域信息联合表征的全局奖励函数；基于全局奖励函数，进行最优策略学习；多智能体系统根据学习到的最优策略做出决策。本发明通过采用值分解网络算法，并设计多干扰机联合状态空间、多干扰机联合动作空间和全局奖励函数，实现了对我方多干扰机的干扰波束分配和干扰功率大小的动态调整，从而能够提高对敌方雷达系统的干扰效率和灵活性。

公开(公告)号：CN117609886A

公开(公告)日：2024-02-27

申请号：CN202311742024.X

申请日：2023-12-18

Applicant: 哈尔滨工程大学

Inventor： 陈涛 ,  孙冠宇 ,  余玉威 ,  辛祺 ,  蒋伊琳

IPC: G06F18/2415 ,  G06F16/36 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于GraphSAGE的舰艇编队个体目标识别方法，它属于信息与通信工程的电子侦察领域。本发明解决了当目标自身属性信息缺失的情况下，现有方法对舰艇编队中个体目标识别的准确率低的问题。本发明方案为：步骤一、根据获取的舰艇编队中每个目标的属性信息以及目标间的通信链路信息构建知识图谱，将构建的知识图谱转化为图模型；步骤二、对图模型中的节点特征进行预处理得到预处理后的节点特征，根据预处理后的节点特征构造特征矩阵；步骤三、利用特征矩阵对模型进行训练，直至在特征矩阵的已知节点上识别准确率达到阈值时停止训练，获得训练好的模型；同时得到对未知节点的目标识别结果。本发明可以应用于舰艇编队个体目标识别。