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。

    干扰环境下大规模无人机群通信网络拓扑控制方法

    公开(公告)号:CN118158686A

    公开(公告)日:2024-06-07

    申请号:CN202410259822.5

    申请日:2024-03-07

    Abstract: 本申请提供干扰环境下大规模无人机群通信网络拓扑控制方法,方法包括:步骤1,确定任意两个无人机之间的信道容量;步骤2,计算给定网络拓扑情况下的系统容量;步骤3,设定无人机与汇聚中心的信息传输路径,随机选择m个距离最远的无人机采取中继模式,更新网络拓扑,并计算新网络拓扑的网络容量;步骤4,比较初始网络容量与新网络容量的大小,如果新网络容量大于或等于初始网络容量,则更新初始网络容量,否则,转入步骤5;步骤5,将现有无人机按照距离排序,随机选择m‑1个距离最远的无人机采取中继模式;从其余无人机集合中选择一个无人机作为中继节点,并更新网络拓扑;转入步骤3。本申请提升无人机群通信网络容量的问题。

Patent Agency Ranking