基于Q学习的航空集群网络认知抗干扰策略

摘要：

为了增强复杂电磁环境中航空集群战术网络的抗干扰能力,文中针对部署同时收发电台的航空集群战术网络(ASN),提出改进能量检测的多时隙干扰感知方法,推导出电台干扰感知的虚警概率和检测概率的闭式表达.然后,以机载电台的吞吐量最大为目标并结合干扰感知结果,分别提出基于Stateless Q学习和Fairness Q学习的认知抗干扰策略,为电台配置最佳的发射功率和频率信道.仿真结果表明,所提认知抗干扰策略均能提高航空集群网络容量,且ASN采用Fairness Q学习抗干扰策略的公平性最高而适用于网络容量最大化的场景,Stateless Q学习抗干扰算法的平均吞吐量最高,故而适用于最大化各电台容量的应用场景.

关键词：航空集群网络;多时隙干扰感知;改进能量检测;Q学习;认知抗干扰

所属期刊栏目：16

分类号：TN92

资助基金：航空科学基金资助项目2018ZC15003

在线出版日期：2021-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：985-990,998