一种基于深度强化学习的多信道数据传输协同抗干扰方法

    公开(公告)号:CN118400053A

    公开(公告)日:2024-07-26

    申请号:CN202410556828.9

    申请日:2024-05-07

    Abstract: 本发明公开了一种基于深度强化学习的多信道数据传输协同抗干扰方法,建立多信道数据传输协同抗干扰系统模型、通信模型和数据传输模型;以频谱瀑布图为状态,以传输方式的选择和传输信道的选择为动作,将多信道数据传输协同抗干扰过程建模为多用户马尔可夫决策过程;发射机根据当前缓冲区数据量和数据传输模型初始化传输方式,根据状态和动作定义发射机的状态‑动作值函数,执行选择的动作之后,获得奖励,感知当前频谱,状态转移到下一状态,并将当前状态、动作、状态价值和下一时刻状态作为经验,存储到经验池中;从经验池中随机批量采样训练神经网络,所述神经网络引入mellowmax算子计算目标状态价值,并基于纯贪婪策略选择动作,确定传输方式和传输信道。本发明模型完备,物理意义清晰,能够避免恶意干扰和用户之间的互扰,提高网络吞吐量的同时降低平均数据传输时延。

    一种基于三维匹配的数据缓存与分发方法及系统

    公开(公告)号:CN117479237A

    公开(公告)日:2024-01-30

    申请号:CN202311431313.8

    申请日:2023-10-31

    Abstract: 本发明公开了一种基于三维匹配的数据缓存与分发系统及方法。考虑到卫星与地面通信时延相对较高的问题,本发明采用支持缓存的无人机集群作为中继平台,在卫星和地面用户之间传输数据,通过对无人机缓存数据的优化,最大化缓存利用率,进而提升用户对系统的满意度。为了达到该优化目标,本发明引入一种满意度指标,其主要影响因素为地面用户获取数据所需时延。通过优化无人机位置、无人机与地面用户的匹配关系及内容缓存放置,考虑联合优化内容缓存与三维匹配关系,本发明利用博弈论方法建模“内容‑帮助者‑请求者”匹配关系,通过在线学习方法优化无人机对数据内容的缓存放置。本发明通过优化三维匹配结果,逐步逼近最优结果,提高了用户满意度。

Patent Agency Ranking