為解決無人機(jī)集群網(wǎng)絡(luò)在復(fù)雜通信環(huán)境中對抗智能性干擾能力較弱的問題,基于智能決策理論,提出一種多域聯(lián)合的認(rèn)知抗干擾算法。該算法在優(yōu)勢演員-評論家算法的基礎(chǔ)上,將無人機(jī)視作智能體,并由感知到的環(huán)境頻譜狀態(tài)決策出干擾信道�；赟tackelberg博弈理論,利用功率域壓制中度干擾等級的信道干擾信號,減少切換信道的時(shí)間開銷。通過引入簇頭協(xié)助的方法,解決由于單個(gè)智能體局部頻譜感知能力較弱而導(dǎo)致信道決策成功率較低的問題。仿真結(jié)果表明,相比QL-AJ算法與AC-AJ算法,該算法能夠給出簇內(nèi)最佳節(jié)點(diǎn)個(gè)數(shù),提高接收信號信干噪比,且網(wǎng)絡(luò)整體抗干擾性能較好。 

【文章來源】：計(jì)算機(jī)工程. 2020,46(12)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

無人機(jī)集群網(wǎng)絡(luò)對抗智能干擾機(jī)示意圖

由于實(shí)際環(huán)境態(tài)勢的多變性以及信息的局部性,存在單個(gè)節(jié)點(diǎn)局部頻譜感知能力有限的問題,為此引入簇頭協(xié)助從節(jié)點(diǎn)決策方法�；诖仡^協(xié)助的無人機(jī)集群網(wǎng)絡(luò)抗干擾示意圖如圖2所示。簇頭協(xié)助從節(jié)點(diǎn)決策方法可描述為:各節(jié)點(diǎn)進(jìn)行局部環(huán)境感知與信道決策時(shí),若某節(jié)點(diǎn)所得結(jié)果無法達(dá)到期望值,則向簇頭發(fā)出Help信息,簇頭收到求助信息后,則向其傳輸無干擾信道數(shù)據(jù)信息,使其能夠進(jìn)行可靠通信。需要說明的是,所有節(jié)點(diǎn)和簇頭均采用MDJC-AJ算法進(jìn)行抗干擾。為了不失一般性,圖2中僅詳細(xì)說明第一個(gè)簇頭內(nèi)部抗干擾算法的實(shí)現(xiàn)流程。

仿真1 為驗(yàn)證本文所提算法的信道選擇性能,考慮干擾機(jī)采用智能性干擾,即不同時(shí)間段干擾機(jī)干擾的信道和功率均不同,為便于分析將環(huán)境狀態(tài)的時(shí)變點(diǎn)分別設(shè)在tchange=1 500和tchange=3 300,網(wǎng)絡(luò)中節(jié)點(diǎn)個(gè)數(shù)為4,編隊(duì)及所選簇頭已最優(yōu)。實(shí)驗(yàn)對文獻(xiàn)[4]Q學(xué)習(xí)抗干擾(QL-AJ)算法、文獻(xiàn)[8]演員-評論家抗干擾(AC-AJ)算法與本文算法的信道干擾情況決策成功率進(jìn)行比較,結(jié)果如圖3所示。從圖3可以看出,在各個(gè)階段內(nèi),相比QL-AJ算法與AC-AJ算法,本文所提MDJC-AJ算法的信道干擾情況決策成功率更高。為進(jìn)一步說明MDJC-AJ算法在智能性干擾情況下信道決策有效性,由仿真所得信道干擾情況判決結(jié)果,如圖4所示。從圖4可以看出,MDJC-AJ算法在決策出可用信道索引情況下,對信道干擾功率情況進(jìn)行判決,可為功率域抗干擾提供依據(jù)。


本文編號：3299123