典型文献
基于深度强化学习的无人机通信抗干扰算法
文献摘要：
针对军用无人机通信环境恶劣、信息传输可靠性要求较高的问题,提出一种基于深度双Q学习网络(DDQN)的多域联合认知抗干扰智能决策算法.首先通过能量检测法识别干扰信息,将干扰判别信息结果输入学习算法.然后利用DDQN算法与干扰环境交互感知,引入动态ε机制,根据奖励值与回合数动态调整ε值,如果决策失败则减小ε值,ε值可根据奖励和回合数计算,增加智能体选择最优动作的概率,如果决策成功则ε值不变,保持原有随机性,提高算法收敛速度.最后根据动态DDQN算法选择接入信道以及传输时间长度,传输时间长度根据当前信道受干扰程度进行动态调整.仿真结果表明,在不同传输时间和不同ε值的条件下,所提算法通信安全容量提升15％左右,收敛后平均决策成功率保持在95％左右,无人机通信系统整体抗干扰性能较好.
文献关键词：
多域联合;认知抗干扰;深度强化学习;智能决策;无人机通信
中图分类号：
作者姓名：
张惠婷;张然;刘敏提;丁元明
作者机构：
辽宁省通信网络与信息处理重点实验室, 辽宁 大连 116622;大连大学信息工程学院, 辽宁 大连 116622;西安电子科技大学雷达信号处理国家实验室, 西安 710071
文献出处：
引用格式：
[1]张惠婷;张然;刘敏提;丁元明-.基于深度强化学习的无人机通信抗干扰算法)[J].兵器装备工程学报,2022(10):27-34
A类：
B类：
深度强化学习,通信抗干扰,抗干扰算法,军用无人机,通信环境,环境恶劣,信息传输,传输可靠性,学习网络,DDQN,多域联合,认知抗干扰,智能决策,决策算法,能量检测法,干扰环境,交互感知,奖励值,回合,果决,智能体,随机性,收敛速度,算法选择,信道,干扰程度,通信安全,安全容量,无人机通信系统,系统整体,抗干扰性能
AB值：
0.393903
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
