基于多智能体深度强化学习的多域协同抗干扰方法研究

TN973.3%TP181; 动态的传输需求和有限的缓存空间给恶意干扰环境下的无线数据传输带来巨大挑战.针对上述问题,从频域和时域的角度出发,研究了面向分布式物联网的协同抗干扰信道选择和数据调度联合决策方法,构建了基于多用户马尔可夫决策过程的数据传输模型,提出了基于多智能体深度强化学习的协同抗干扰信道和数据联合决策算法.仿真表明,所提算法可有效避开恶意干扰并避免同频互扰.相较于对比算法,网络吞吐量显著提高,丢包数量明显降低....

Full description

Saved in:
Bibliographic Details
Published in物联网学报 Vol. 6; no. 4; pp. 104 - 116
Main Authors 张彪, 汪西明, 徐逸凡, 李文, 韩昊, 刘松仪, 陈学强
Format Journal Article
LanguageChinese
Published 陆军工程大学通信工程学院,江苏南京 210007%国防科技大学信息通信学院,湖北武汉 430010 2022
Subjects
协同抗干扰
数据调度
深度学习
多智能体强化学习
信道选择
Online AccessGet full text
ISSN2096-3750
DOI10.11959/j.issn.2096-3750.2022.00293

Cover

More Information
Summary:TN973.3%TP181; 动态的传输需求和有限的缓存空间给恶意干扰环境下的无线数据传输带来巨大挑战.针对上述问题,从频域和时域的角度出发,研究了面向分布式物联网的协同抗干扰信道选择和数据调度联合决策方法,构建了基于多用户马尔可夫决策过程的数据传输模型,提出了基于多智能体深度强化学习的协同抗干扰信道和数据联合决策算法.仿真表明,所提算法可有效避开恶意干扰并避免同频互扰.相较于对比算法,网络吞吐量显著提高,丢包数量明显降低.
ISSN:2096-3750
DOI:10.11959/j.issn.2096-3750.2022.00293