基于深度强化学习的无人机通信抗干扰算法
针对军用无人机通信环境恶劣、信息传输可靠性要求较高的问题,提出一种基于深度双Q学习网络(DDQN)的多域联合认知抗干扰智能决策算法.首先通过能量检测法识别干扰信息,将干扰判别信息结果输入学习算法.然后利用DDQN算法与干扰环境交互感知,引入动态ε机制,根据奖励值与回合数动态调整ε值,如果决策失败则减小ε值,ε值可根据奖励和回合数计算,增加智能体选择最优动作的概率,如果决策成功则ε值不变,保持原有随机性,提高算法收敛速度.最后根据动态DDQN算法选择接入信道以及传输时间长度,传输时间长度根据当前信道受干扰程度进行动态调整.仿真结果表明,在不同传输时间和不同ε值的条件下,所提算法通信安全容量提升15％左右,收敛后平均决策成功率保持在95％左右,无人机通信系统整体抗干扰性能较好.
多域联合、认知抗干扰、深度强化学习、智能决策、无人机通信
43
TN975
国家自然科学基金;装备发展部领域基金一般项目
2022-11-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
27-34
