一种基于隐式对手建模的强化学习抗干扰通信方法技术

本发明专利技术提出一种基于隐式对手建模的强化学习抗干扰通信方法。该方法包括：搭建一对一通信抗干扰模型，通信节点获取强化学习智能干扰节点干扰频段信息，将此信息与通信节点通信频段信息结合为隐含干扰节点建模信息的环境状态，将此环境状态送至神经网络处理，根据贪婪算法选出通信频段，通信完成后将选择的频段，此时的奖励，环境状态与下一时隙环境状态组成经验元组输入到经验回放池中，按照样本新旧优先级产生不等概率，依概率抽取经验，优化神经网络参数。本发明专利技术利用干扰节点历史干扰信息，对其隐式建模，结合深度强化学习算法以获取抵抗该智能干扰的能力。取抵抗该智能干扰的能力。取抵抗该智能干扰的能力。

【技术实现步骤摘要】
一种基于隐式对手建模的强化学习抗干扰通信方法


[0001]本专利技术属于通信抗干扰
，特别是涉及一种基于隐式对手建模的强化学习抗干扰通信方法。

技术介绍

[0002]随着通讯技术的迅猛发展和无线通信应用领域的不断扩大，通讯空间的电磁环境日益复杂。在无线通信的频段中，经常伴随着各种环境干扰或是恶意的人为阻塞攻击，这对通信质量和可靠性产生了严重的影响。因此，越来越多的科学家和工程师开始关注无线通信中的抗干扰技术，并致力于研究如何智能且高效地规避存在干扰的频段，以提高通信系统的性能和可靠性。为了解决这个问题，研究人员采用了多种方法来进行研究和实践。其中一个重要的方法是利用人工智能和机器学习技术，开发出智能化的无线通信系统，使其能够自动地适应复杂的电磁环境和干扰情况。这些系统可以通过对无线信号的监测和分析，快速识别和定位干扰源，并采取相应的措施来避免或抵抗干绕。
[0003]2018年天津大学的马永涛等人公开了一种基于强化学习的认知无线电抗干扰智能决策的方法(中国专利申请号：CN201810325152.7)，该方法将通信过程本专利技术提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于隐式对手建模的强化学习抗干扰通信方法，其特征在于：所述方法包括以下步骤：步骤1:构建含有两个节点一对一进行通信的无线通信模型，同时干扰节点使用强化学习算法选择频段对通信节点干扰，三个节点处在同一个频谱空间中；步骤2:通信节点获得当前频谱空间被干扰节点干扰的情况，结合当前通信频段对干扰节点隐式建模，对建模整理成的数据加以处理送至神经网络中处理；步骤3:选择合适的通信频段进行通信并且将得到的信息储存到经验回放池；步骤4:当经验回放池中的经验数量达到给定值时，对经验池中的样本按照样本新旧生成被抽取概率，在经验池中抽取一定数量的经验更新神经网络的参数，并定时更新。2.根据权利要求1所述的方法，其特征在于，步骤1中，干扰节点的强化学习决策算法使用Q
‑
learning算法，干扰节点维护一张Q
ler
表格，Q
ler
表格一个维度代表通信频段，另一个维度代表干扰频段，每次干扰后都对Q
ler
表格更新。3.根据权利要求1所述的方法，其特征在于，步骤2中，一共分为10个通信频段，通信节点感知当前时刻被干扰的频段，干扰状态用一个向量[p1,p2,p3,...,p
10
]表示，其中p
n
表示第n个频段的干扰信号功率；设通信节点此时的通信频段为m，故设置向量[a1,a2,a3,...,a
10
]代表此刻通...

【专利技术属性】
技术研发人员：侯长波，马鹏，周志超，林佳昕，刘秦，蒋睿，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：