基于信道-带宽联合决策的多域智能通信模型及通信方法技术

本发明专利技术公开了一种基于信道‑带宽联合决策的多域智能通信模型及通信方法。在通信场景中包含一个主用户，一个次级用户，一个或多个干扰机，在动态干扰和信道衰落环境下，利用深度强化学习进行多域抗干扰通信。首先将抗干扰通信中的时隙、带宽和信道选择问题建模为马尔可夫过程，利用长短时记忆网络对深度强化学习网络结构进行了重新设计和优化。然后将次级用户接收端感知到的含有干扰源信息和信道衰落信息的二维时频空间谱矩阵输入到所设计的算法结构中，得到当前环境下的多域联合抗干扰决策。本发明专利技术模型完备，物理意义清晰，设计算法合理有效，能够很好地刻画基于信道‑带宽联合决策的多域智能抗干扰通信算法的抗干扰场景。

【技术实现步骤摘要】
基于信道-带宽联合决策的多域智能通信模型及通信方法
本专利技术属于无线通信
，特别是一种基于信道-带宽联合决策的多域智能通信模型及智能抗干扰方法。
技术介绍
随着通信对抗、认知无线电与人工智能等新兴技术的快速发展与深度融合，无线业务需求迅速增长、各种类型的无线设备密集部署。电磁环境日益复杂、干扰智能化水平不断提升、频谱资源日渐紧张，这也使得抗干扰决策问题需要面对“干扰动态”、“构成复杂”的新型干扰环境。因此，为了有效应对新型干扰环境下的抗干扰问题，在未来的通信抗干扰问题中，具有感知、学习和决策能力的智能抗干扰通信算法是研究的重点。此外，在实际的物理场景中，复杂的地形地貌、动态移动的物体以及自然气候、温度湿度等因素也会直接或间接影响无线信道的传输特性。这些因素导致了信号在传输过程中会产生多径衰落和阴影效应，在一定程度上增加了信道参数的随机性和不稳定性。因此，如何处理衰落信道条件下的智能抗干扰问题也成为迫切需要解决的难题。由于干扰攻击的快速变化，用户很难实时采用抗干扰策略。然而，现有的大多数抗干扰工作都需要获得干扰机的一些事先信息，才本文档来自技高网...

【技术保护点】
1.一种基于信道-带宽联合决策的多域智能通信模型，其特征在于，/n包括一个由基站构成的主用户、一组发射端和接收端对构成的次级用户、若干个干扰机，一个次级用户进行通信，一个或多个干扰机对次级用户通信进行干扰，系统的通信方式定义为时分多址，每个时间槽的长度用T

【技术特征摘要】
1.一种基于信道-带宽联合决策的多域智能通信模型，其特征在于，
包括一个由基站构成的主用户、一组发射端和接收端对构成的次级用户、若干个干扰机，一个次级用户进行通信，一个或多个干扰机对次级用户通信进行干扰，系统的通信方式定义为时分多址，每个时间槽的长度用Tf表示，将系统中的可用通道集表示为F＝f1,f2…fn，当主用户占用一个信道进行通信时，该信道对于次级用户是不可用的；主用户在通信中以一定的概率占用次级用户的通信信道，当主用户占据次级用户的信道时，会以一定概率继续占用当前信道或者切换到下一个信道。


2.根据权利要求1所述的基于信道-带宽联合决策的多域智能通信模型，其特征在于，将次级用户发送端和接收端之间的传输链路信道增益定义为：
Wt＝(d-α)PL*(z)shadowing1(1)
(d-α)PL表示通信信道由于信息传输时路径损耗所引起的大尺度衰落，d表示次级用户通信双方的距离，α为路径损耗因子取值范围在2～5.5；(z)shadowing1表示传输链路中由于外界障碍物的阻碍所产生的阴影损耗，也就是瞬时衰落系数；
阴影衰落zdB服从对数正态分布，其概率分布函数表示为：：



其中e就是自然对数函数的底数，为上述概率分布函数的方差，类似地，干扰和次级用户接收端之间的干扰链路信道增益可表示为
Wj＝(d-β)PL*(z)shadowing2(3)
其中，(d-β)PL，β和(z)shadowing2分别表示干扰和次级用户接收端之间的大尺度衰落、路径衰落因子和瞬时衰落系数；
根据干扰机的信号功率η(ζ)、干扰信道增益hj、干扰功率Pj定义接收机的信干噪比表示为：



其中Pt表示发射机的发射功率，Pj为干扰机的干扰功率，Wt为用户发送端和接收端之间的传输链路信道增益，Wj为干扰和用户接收端之间的干扰链路信道增益，Bt表示发射机的通信带宽，接收机处的噪声谱密度为N0，将次级用户所受到干扰的有效程度定义为有效干扰系数η(ζ)，有效干扰系数η(ζ)取决于次级用户的中心频点ft、干扰中心频点fj、干扰带宽Bj与通信带宽Bt，得到有效干扰系数η(ζ)的数学表达式为(0≤η(ζ)≤1)：



此外，用βth表示成功传输所需要的SINR门限，定义归一化门限如公式(2)所示：



在接收终端部署了一个代理，该接收终端的功率谱密度函数如式(3)所示：



其中，U(f)和bu分别表示次级用户的功率谱密度和基带信号带宽，gu表示次级用户发送端到接收端的信道增益，gj表示干扰机到次级用户接收端的信道增益，ftj表示干扰机选择的干扰频率，表示干扰的功率谱密度函数，n(f)表示噪声的功率谱密度函数；
模型中的离散频谱采样值定义为：



其中，Δf表示频谱分辨率；i表示采样数，S(f+fL)为式(3)所述功率谱密度函数、f表示采样频率、fL为所选频率的下界；
代理通过频谱向量st＝{st,1,st,2,...,st,N}决定传输频率，并通过可靠链路通知发送端；st,N为t时刻所决定的第N段传输频率。


3.根据权利要求2所述的基于信道-带宽联合决策的多域智能通信模型，其特征在于，当频段受到严重干扰或者频段不可用时，次级用户必须切换频段来躲避干扰；当次级用户受到的干扰较弱时，次级用户若仍在原频段通信，就需要调整信道带宽来应对干扰的攻击；次级用户在时隙t选择信道ρ(t)进行信息传输，当前通信链路的传输损失吞吐量，即通信传输效用函数定义为：



其中Oio表示当前信道是否处于可用状态，其中Oio∈{0,1}，0表示信道不可用，1表示信道可用；
次级用户切换信道的损耗公式为:



其中c为信道切换开销系数；
次级用户带宽改变的代价公式为：



v为传输信道改变损耗系数；根据所给出的通信传输效用函数，以及损耗公式以及代价公式，得到通信系统在当前时隙的通信评估函数为：
μ(mt,ft,Bt,t)＝mt[C(t,Bt,ft)-Cswitch(ft-1,ft)-Vswitch(Bt-1,Bt)](12)
其中mt表示当前时隙时候是否进行通信(mt∈{0,1})，0为表示当前时隙不进行通信行为，1为进行通信传输。


4.一种基于权利要求1-3任一项所述的基于信道-带宽联合决策的多域智能通信...

【专利技术属性】
技术研发人员：徐煜华，刘松仪，李文，崔丽，陈学强，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