【技术实现步骤摘要】
本专利技术涉及一种频谱共享安全通信网络的智能资源分配方法，属于人工智能与通信技术交叉领域。本专利技术涉及无线通信领域和人工智能算法领域，具体来说是一种频谱共享以减弱主用户仿真攻击通信网络的智能资源分配方法。提出了一种基于双重深度dueling q网络算法(dueling double deep q-network,d3qn)和深度确定性梯度算法(deepdeterministic policy gradient,sac)的混合智能资源分配算法，可以快速解决具有耦合变量和非线性规划的非凸最大化传输速率分配问题，并满足大规模系统实时需求。此外，本专利技术提出的智能反射面辅助下的频谱共享安全通信网络的智能资源分配方法可以在确保主网络通信服务质量同时，显著提高智能反射面辅助下的频谱共享安全通信中的次网络数据传输速率。
技术介绍
1、第六代(6g)无线通信具有超高连接容量、超大传输流量、超大规模智能应用等特点，目前已开展了大量研究工作。然而，频谱稀缺问题给未来无线通信网络的发展带来了巨大挑战，迫切需要发展频谱高效的新型解决方案。在过去几十年中，正交频分复用(orthogonal frequency division multiplexing,ofdm)技术和频谱共享技术作为高效的频谱利用技术得到了广泛应用。ofdm通过将信道划分为多个正交子信道来缓解信道间干扰，从而确保高效、无干扰传输。频谱共享通过允许次级网络共享主网络频段来优化频谱利用率，从而减少频谱开销。
2、认知无线电网络(crn)被认为是一种提高频谱效率的有效手段。在
3、主用户仿真攻击(puea)和频谱感知数据证伪(ssdf)是认知无线电网络中最常见的问题。crn中最常见的攻击是主用户仿真攻击，即恶意用户阻止次级用户利用可用的频谱进行通信，从而允许攻击者利用该频谱。如果检测到主要用户，次级用户必须在主要用户需要时腾出光谱。攻击者试图通过传输具有类似于主要用户信号的特性的信号来伪装成为主要用户。在频谱感知数据伪造攻击中，恶意用户向中央控制器发送错误的感知报告，提供关于次级用户存在或不存在的错误信息，此攻击显著降低了系统中的信任值。然而，值得注意的是，现有依赖传统凸优化方法解决复杂问题的资源分配研究，由于数学方案固有的计算复杂性，难以满足大规模系统实时性需求。l.wang,f.yang,y.chen,s.lai,andw.wu等人在“intelligent resource allocation for transmission security on irs-assistedspectrum sharing systems with ofdm”(physical communication(2023))中提出采用深度强化学习对通信系统进行资源分配优化。
4、智能反射面是一个由许多低成本的无源反射元件组成的阵列。它直接反射电磁波，几乎没有或没有时延，避免了热噪声的引入，从而提高了目标网络的和吞吐量。通过将智能反射面反射元件的相移调整到实时信道条件，反射信号可以在接收机处相干组合，提高传输速率。
技术实现思路
1、本专利技术目的在于针对通信频谱共享机制下在主用户仿真攻击下的资源分配问题，提出了一种基于深度强化学习的智能资源分配方法，该方法利用d3qn-sac算法，以最大化次级通信网络传输速率。本专利技术可以高效地解决包含耦合变量的非凸优化问题，且可以显著地降低仿真攻击对于次级网络的影响。
2、本专利技术解决其技术问题所采用的技术方案是：一种智能反射面辅助下的频谱共享通信网络的智能资源分配方法，该方法包括如下步骤：
3、步骤1：建立智能反射面辅助频谱共享通信网络模型；
4、步骤1-1：建立智能反射面辅助频谱共享通信网络模型。该网络由一个具有m个被动反射元件的智能反射面组成，次级基站为配备n根天线。主用户集合次用户集合恶意用户集合总带宽b。
5、步骤2：提出资源分配优化问题和约束条件，以最大化次网络数据传输速率
6、步骤3：次网络数据传输速率最大化问题转化为马尔可夫决策问题，设定次级基站控制中心为智能体，智能反射面频谱共享安全通信网络为交互环境，设计状态空间为设计动作空间为设计回报函数为建立深度强化学习模型；
7、步骤4：在智能反射面频谱共享安全通信网络下，利用基于d3qn-sac的智能资源分配算法联合优化智能反射面反射相移、次级基站发送功率、子信道分配和中央控制器在次级基站上选择的波束形成向量，在保证主网络通信服务质量同时，最大化次网络数据传输速率。具体包括以下步骤：
8、步骤4-1：基于d3qn-sac对智能反射面频谱共享安全通信网络建模，提出联合优化智能反射面反射相移、次级基站发送功率、子信道分配和中央控制器在次级基站上选择的波束形成向量的智能资源分配算法和数学模型。
9、步骤4-2：智能体与智能反射面辅助频谱共享通信网络进行交互，获得训练样本。智能体决策智能反射面的反射相移、次级基站发送功率、子信道分配和中央控制器在次级基站上选择的波束形成向量，并输入智能反射面辅助下的频谱共享安全通信网络，进入新环境状态，得到对应奖励值。智能体将每轮迭代产生的新旧频谱共享安全通信网络状态、决策动作、奖励值存入经验回放池；
10、步骤4-3：算法参数更新。当智能体与环境交互满足给定迭代次数后，随机在经验回放池中采样，得到训练样本。智能体通过训练样本，计算损失值和反向梯度，以最小化损失为目标，对网络参数进行更新，重复步骤4-3至训练结束；
11、步骤4-4：d3qn-sac算法在给定周期内达到收敛，将全体神经网络参数进行本地保存。
12、步骤5：利用基于d3qn-sac智能资源分配算法联合优化智能反射面反射相移、次级基站发送功率、子信道分配和中央控制器在次级基站上选择的波束形成向量，在仿真环境中进行数值试验。
13、有益效果：
14、1、本专利技术考虑了智能反射面辅助下的通信系统，为提高数据传输速率，频谱共享机制引入智能反射面。在频谱共享机制下，智能反射面能够为次级网络提供频谱高效安全的通信服务，同时考虑到主用户通信服务需求。
15、2、本专利技术提出了基于d3qn-sac的智能语义资源分配算法，通过联合优化智能反射面反射相移、次级基站发送功率、子信道分配和中央控制器在次级基站上选择的波束形成向量，最大化次级网络数据传输速率。仿真结果表明，本专利技术提出的智能算法具有q值精确估计能力，同时具备良好的收敛性且能高效处理非凸问题。
16、3、本专利技术将智能反射面和频谱共享技术应用于安全通信，可以为用户提供安全、频谱高效的通信服务。此外，本专利技术提出的智能反射面智能资源分配方法可以显著提升次网本文档来自技高网...
【技术保护点】
1.一种智能反射面辅助下的频谱共享安全通信网关智能资源分配算法以减弱主用户仿真攻击对于次网络的影响，其特征在于智能反射面在频谱共享机制下为次级网络提供安全通信服务，所述方法包括如下步骤：
2.根据权利要求1所述的一种智能反射面辅助的智能安全通信系统资源分配方法，其特征在于。
【技术特征摘要】
1.一种智能反射面辅助下的频谱共享安全通信网关智能资源分配算法以减弱主用户仿真攻击对于次网络的影响，其特征在于智能反射面在频谱共享机制下为次级网...
【专利技术属性】
技术研发人员：潘亚刚，杨俊，王凌奕，吴伟，
申请(专利权)人：南京协鼎网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。