典型文献
基于深度强化学习的协作非正交多址接入网络鲁棒安全传输
文献摘要：
该文针对电力线信道下协作非正交多址接入(non-orthogonal multiple-access,NOMA)网络中候选中继非可信的问题,在有界信道不确定性条件下,考虑目的节点的QoS要求和最大发射功率限制,以最大化系统的安全和速率为目标,提出联合最优中继选择和优化分配源节点处用于发送机密NOMA信号和干扰信号的功率的鲁棒安全传输方案,并给出基于量化信道状态信息(channel state information,CSI)的深度强化学习(deep reinforcement learning,DRL)求解方法.该DRL算法将联合优化问题分解成中继选择和功率分配2个子问题,并基于深度Q学习方法在分解的动作空间里学习每个子问题的最优策略,其中的DRL状态和动作均基于CSI的量化区间索引精心设计.仿真结果表明,所提算法能有效解决维度灾难问题,且时间复杂度低;能自适应调整动作策略应对网络规模的变动,扩展性能和泛化性能好.
文献关键词：
电力线通信;非正交多址接入;物理层安全;深度强化学习
中图分类号：
作者姓名：
蒲红红;刘晓胜;徐殿国
作者机构：
哈尔滨工业大学电气工程与自动化学院,黑龙江省 哈尔滨 150001
文献出处：
引用格式：
[1]蒲红红;刘晓胜;徐殿国-.基于深度强化学习的协作非正交多址接入网络鲁棒安全传输)[J].中国电机工程学报,2022(13):4760-4774
A类：
B类：
深度强化学习,协作非正交多址接入,接入网络,安全传输,orthogonal,multiple,access,NOMA,选中,非可信,有界,QoS,发射功率,和速率,中继选择,优化分配,发送机,机密,干扰信号,传输方案,信道状态信息,channel,state,information,CSI,deep,reinforcement,learning,DRL,求解方法,联合优化,优化问题,问题分解,分解成,功率分配,子问题,动作空间,最优策略,索引,精心设计,维度灾难,时间复杂度,自适应调整,策略应对,网络规模,扩展性,泛化性能,电力线通信,物理层安全
AB值：
0.403048
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。
