基于多天线抗干扰通信模型及动态空间谱抗干扰方法技术

本发明专利技术公开了一种基于多天线抗干扰通信模型及动态空间谱抗干扰方法，考虑一对具有多天线的发射端和接收端的用户进行通信，一个无人机干扰对用户通信进行干扰，将接收端获取的具有无人机干扰信号到达方向角信息的空间谱图作为学习的状态输入，获取无人机干扰的空间运动特征，并准确地对干扰信号进行消除。算法为：用户通过感知获得干扰信号的到达方向角，并构建空间谱图；根据空间谱图，深度强化学习中的深度神经网络拟合得到对应的Q值函数并输出每个动作的Q值；根据Q值，用户依概率进行信号消除方向的决策，根据该决策的回报值和下一步环境状态对深度神经网络进行训练并更新网络权重，优化决策策略；当达到最大循环次数时，算法结束。

【技术实现步骤摘要】
基于多天线抗干扰通信模型及动态空间谱抗干扰方法
本专利技术属于无线通信抗干扰
，包括一种基于多天线抗干扰通信模型和一种基于深度强化学习的动态空间谱抗干扰方法。
技术介绍
利用天线增益与分集增益，多输入多输出(MIMO)通信在信道状态信息已知的前提之下可以有效地抑制干扰信号。随着无人机应用的普及，高机动性的无人机干扰可以在短时间内压制大片区域，对军用和民用无线通信造成严重威胁。然而传统的MIMO抗干扰通信方法大多针对静态干扰。由于无人机干扰的高速移动与信号处理的时延，造成估计的干扰信道的状态信息过时，此时传统的MIMO抗干扰通信方法无法适用。因此，迫切需要研究对抗高机动干扰机的通信方法。人工智能中强化学习方法(参考文献：C.J.WatkinsandP.Dayan,“Q-learning,”Machinelearning,vol.8,no.3-4,pp.279–292,1992)可以在动态未知的环境中学习环境变化规律，获取最优的决策策略。通过强化学习方法，在无人机飞行特性(如轨迹、速度、高度等)先验信息未知的前提下，学习干扰信号到达角本文档来自技高网...

【技术保护点】
1.一种基于多天线抗干扰通信模型，其特征在于：对该模型做如下刻画：一个天线数为N

【技术特征摘要】
1.一种基于多天线抗干扰通信模型，其特征在于：对该模型做如下刻画：一个天线数为Nt的发射端和一个天线数为Nr接收端的用户进行通信，一个天线数为Nt的无人机干扰对用户通信进行干扰；在动态未知环境中，将接收端获取的具有无人机干扰信号到达方向角信息的动态空间谱图作为学习算法的输入状态，获取无人机干扰的空间运动特征，并基于抗干扰波束成形方法准确地对干扰信号进行消除。


2.根据权利要求1所述的基于多天线抗干扰通信模型，其特征在于，考虑用物理信道模型描述多天线信号传输，令和θa,b分别表示信号从a节点到b节点的信号离去角和信号到达角，μa,b为信号传播的路径损耗，则a节点到b节点之间的信道Ha,b如公式(1)所示：



其中da,b为发送天线到接收天线之间的距离，λc为载波波长，eb(θa,b)和分别为接收机和发送机的天线阵列响应矢量，为的共轭转置，天线阵列响应矢量的表达式如公式(2)所示：



其中j为虚数因子，e为自然常数，Δa和Δb分别为天线之间的物理间隔，Na和Nb分别为a节点和b节点的天线数，xT为对x取转置运算；在信号传输阶段，接收机接收到的信号y如公式(3)所示：



其中Pt和Pj分别为发射端和干扰机的发送功率，Ht,r和Hj,r分别表示表示发射端到接收端的和干扰端到接收端的信道系数矩阵，wt和wj分别为发送机和干扰机的发送波束成形向量(预编码)，st和sj分别为用户和干扰发送的符号，其功率满足其中为对x求期望，n表示加性高斯白噪声矢量，其元素服从独立同分布的均值为0、方差为的复高斯分布；
接收机通过接受波束成形向量对信号进行处理，获得接收端的信干噪比SINR如公式(4)所示：



其中，为对随机变量x求期望，|x|为对x取模运算，xH表示对x取共轭转置；f为接收端的接收波束成形向量(滤波)，I代表单位对角阵；令根据公式(4)可知接收到的干扰加噪声的功率为fHRjf；定义传输速率r如公式(5)所示：



用λth表示成功解调信号所需要的SINR门限。


3.根据权利要求1所述的基于多天线抗干扰通信模型，其特征在于，用户接收端通过感知干扰信号并估计干扰加噪声的自相关矩阵，根据估计出的自相关矩阵获得最优的抗干扰波束成形方法，具体如下：
对于抗干扰通信而言，用户的优化目标如公式(6)所示：



其中为接收端天线阵列响应矢量，θt,r为发送端发射的信号到接收端的信号到达角，Δr为接收端天线之间的间隔；公式(6)的目标为设计最优的抗干扰接收波束成形向量，使得在保证接收到的有用信号功率一定的条件下，最小化接收到的干扰信号；
当用户发送端不发射信号时，接收端接收到的干扰与噪声叠加的信号为yj＝Hj,rwjsj+n，那么干扰噪声叠加信号的自相关矩阵为通过对接收到的信号进行快拍采样，得到估计的自相关矩阵为其中K为快拍数，k为第k次采样；利用拉格朗日乘数法，对公式(6)进行求解，求得最优的抗干扰接收波束成形向量为如公式(7)所示：



其中er(θt,r)为接收端天线阵列响应矢量。接收端的波束成形向量确定之后，发送端的发送波束成形向量则由最大比传输方案获得，即如公式(8)所示：



其中||x||为对x进行欧几里得范数运算。


4.根据权利要求1所述的基于多天线抗干扰通信模型，其特征在于，无人机干扰的高速运动导致干扰到达用户接收端的信号到达角快速变化，进行了“感知-传输-学习-决策”的通信时隙一体化设计，具体如下：
用户通信以时隙的方式实施，一个通信时隙划分成四个阶段：感知阶段、传输数据阶段、学习阶段、ACK传输阶段，感知阶段，用户发射端保持沉默，接收端通过感知干扰信号来估计干扰加噪声的自相关矩阵；传输数据阶段，发射端向接收端发送数据，接收端利用上一时隙决策的抗干扰接收波束成形向量接收信号；学习阶段，接收端运行抗干扰方法并产生下一时刻接收端的抗干扰接收波束成形向量；ACK传输阶段，接收端向发送端发送信号是否成功接收的确认信息，并携带接收端的决策信息，以供发送端生成发送波束成形向量。


5.根据权利要求1所述的基于多天线抗干扰通信模型，其特征在于，具有无人机干扰信号到达方向角信息的动态空间谱图包含了一定历史时间长度内干扰信号的到达角度信息，具体构建方法如下：
对...

【专利技术属性】
技术研发人员：徐煜华，汪西明，刘典雄，徐逸凡，杨晓琴，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：江苏;32