多无人机网络中信息隐蔽传输保证的频谱资源分配方法

针对多无人机网络中信息隐蔽传输的频谱分配问题,构建了多无人机网络隐蔽传输中继选择、频谱分配和块长度分配多维度优化模型,将无人机的中继选择问题转化为无人机联盟选择问题,以最大化多无人机网络中信息传输满意度为目标,提出了一种联合无人机联盟选择和频谱资源分配的优化方法。由于无人机联盟选择、频谱分配和块长度分配的联合优化是一个复杂的NP问题和非凸问题,利用降维处理方式将问题划分为两个子问题,一是无人机的中继选择,二是无人机的带宽分配和块长度分配。通过构建联盟形成博弈来优化无人机联盟选择,同时优化无人机的频谱分配和块长度分配。所提博弈被证明是个精确势能博弈(Exact Potential Game,EPG),即,所提博弈至少存在一个纯策略纳什均衡。考虑到对频谱分配和块长度分配联合优化也是一个复杂的NP问题和非凸问题,通过块坐标下降法将联合优化问题分解为带宽分配和块长度分配两个子问题迭代优化,采用粒子群优化算法求解上述两个子问题。仿真结果表明,所提联合优化方法可以有效提高多无人机网络信息传输的满意度,同时使得无人机可以隐蔽地将信息传输到地面控制站。

面向数据传输稳定性的无人机群频谱接入方法

针对频繁变化的无线通信环境中无人机群频谱资源使用问题,在保障无人机数据传输稳定的前提下,以降低无人机间用频冲突率、提升信道利用率和系统吞吐量为目标,设计了基于多用户非耦合排队频谱接入方法。该方法中无人机之间不需要信息交互和中心控制节点,仅需根据自身数据传输需求、互扰功率和历史信道使用状态信息来构建学习效益函数,生成频谱使用策略。仿真结果表明,所提方法在确保无人机数据传输稳定和兼顾无人机用频公平性的前提下,能有效降低无人机间用频冲突,提升无人机群吞吐量。

多无人机辅助通信中用户匹配与频谱资源联合优化方法

针对多无人机作为空中基站为地面设备提供临时服务的动态频谱分配问题,主要考虑无人机与地面用户匹配、子信道分配和功率分配三个方面。为了保证用户通信的公平性,在考虑频谱复用和共信道干扰的情况下,以最大化地面用户最小传输速率为目标,提出了一种用户匹配与频谱资源联合优化算法来解决上述混合整数非线性优化问题,通过聚类算法优化无人机与地面用户的最佳匹配,通过块坐标下降法迭代优化子信道分配和功率分配。仿真实验分析表明,提出的求解方法可以有效提升用户的传输速率,保证用户通信公平性。

混合频谱共享方式下多用户动态频谱分配算法

为解决混合overlay/underlay频谱共享方式下多用户动态频谱分配问题,构建了混合频谱共享方式下动态频谱分配模型,提出了基于Q学习的多用户动态频谱分配算法.该算法在不对主用户产生有害干扰的前提下,以最大化次用户总吞吐量为目标,构建了与次用户相对应的虚拟次用户作为智能体.通过与环境交互学习,进行信道和共享方式初选;频谱分配系统根据冲突情况和各智能体的学习结果调整信道分配策略直至次用户间无冲突.仿真结果表明,该算法在无信道检测和信道先验知识的条件下,能根据前一时隙信道状态和次用户传输速率需求,实现动态信道分配和频谱共享方式确定,避免次用户间冲突,减少主次用户间冲突,有效提升次用户总吞吐量.

面向泛在频谱信息实时更新与安全传输的动态频谱分配方法

针对动态频谱管理中泛在频谱信息更新策略和安全传输要求下频谱分配效益低问题,考虑一种泛在频谱信息动态更新策略限制下动态频谱分配场景,建立应对恶意节点侦收威胁的频谱信息安全传输模型,通过优化信道和功率资源配置来实现频谱信息的安全传输,提出了一种基于频谱信息更新策略和频谱信息隐蔽传输的动态频谱分配方法.利用降元处理将复杂的非线性非严格凸优化问题分解为简单的严格凸优化问题和混合整数线性优化问题,通过差分凸优化、整数线性优化的联合运用来实现动态频谱分配的最优化.仿真结果表明,所提方法能确保异构无线网络在满足特定频谱信息最低传输要求的前提下,快速找到近似最优的频谱分配策略,获得最优的和传输速率.

面向感知任务的无人机数量编配与频谱资源联合规划方法

为了减少执行协同感知任务的无人机数量和消除通信干扰问题,考虑到无人机电池容量的限制,提出了一种无人机数量编配、目标关联和频谱资源分配的联合规划方法.该方法利用无人机数量、目标感知顺序和频谱资源的耦合关系,将其联合规划问题转化为能耗优化问题,并设计了遗传禁忌混合算法求解此混合整数非线性规划问题.该算法结合了遗传算法的大范围探索能力和禁忌搜索算法的精细搜索优势,具有更高的全局寻优能力.仿真结果表明,与其他启发式算法相比,所提算法完成相同感知任务需要的无人机最少,能耗也最少,具有更好的鲁棒性.

恶意干扰下基于斯坦伯格博弈的无人机动态频谱分配

针对恶意干扰场景下无人机群动态频谱分配问题,构建了基于斯坦伯格博弈的动态频谱分配模型,干扰机为斯坦伯格博弈的领导者,无人机群为斯坦伯格博弈的跟随者,设计了不同博弈参与者的效益函数,并证明了该博弈存在稳定的斯坦伯格均衡解。在此基础上设计了一种分层动态频谱分配算法,针对领导者采用Q学习选择干扰信道的场景下,跟随者采用随机学习自动机来确定信道分配策略。仿真结果表明,所提算法能够得到无人机用户的最优信道分配策略,有效提升无人机用户的总呑吐量性能,实现效益最大化。

基于多智能体强化学习的动态频谱分配方法

针对认知无线电网络中多个异质用户具有不同的服务质量(QoS)要求,提出一种基于多智能体强化学习的动态频谱分配方法。该方法从用户满意度角度出发,以用户体验质量(QoE)作为系统的评价指标,构建多个虚拟智能体,模拟多个用户以合作方式与环境进行交互学习,融合各个用户的学习和频谱决策结果,实现频谱资源优化分配。仿真结果表明,在未知主要用户使用规律和信道动态特性条件下,相比基于传统强化学习的动态频谱分配方法,提出的方法能有效提高次用户的QoE,降低用户间的冲突概率。

基于联盟博弈的无人机集群任务分配与频谱资源联合规划方法

针对无人机集群在执行多任务时不合理的任务与频谱资源分配会导致整体效益低下的问题,文中提出了一种基于联盟博弈的无人机集群任务与资源联合规划方法。考虑无人机数量与可用频谱资源受限,无人机集群无法同时开展所有任务的场景,提出将无人机集群任务分别分配到不同阶段先后执行的方案,将每个任务执行阶段作为一个联盟,建立各阶段任务分配问题的联盟博弈模型,引入利他准则提高无人机集群任务完成的整体效益。同时,文中利用粒子群算法优化各阶段任务的无人机数量编配与带宽分配,实现阶段内的无人机任务效益最大。仿真结果验证了联合规划算法收敛性。同时,与传统的帕累托准则和自私准则下构建的联盟博弈模型相比本文提出的方法能够获得更好的收益。