-
题名一种通信对抗干扰资源分配智能决策算法
被引量:9
- 1
-
-
作者
许华
宋佰霖
蒋磊
饶宁
史蕴豪
-
机构
空军工程大学信息与导航学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第11期3086-3095,共10页
-
文摘
针对战场通信对抗智能决策问题,该文基于整体对抗思想提出一种基于自举专家轨迹分层强化学习的干扰资源分配决策算法(BHJM),算法针对跳频干扰决策难题,按照频点分布划分干扰频段,再基于分层强化学习模型分级决策干扰频段和干扰带宽,最后利用基于自举专家轨迹的经验回放机制采样并训练优化算法,使算法能够在现有干扰资源特别是干扰资源不足的条件下,优先干扰最具威胁目标,获得最优干扰效果同时减少总的干扰带宽。仿真结果表明,算法较现有资源分配决策算法节约25%干扰站资源,减少15%干扰带宽,具有较大实用价值。
-
关键词
智能干扰决策
分层强化学习
干扰资源分配
专家轨迹
-
Keywords
Intelligent interference decision
Hierarchical Reinforcement Learning(HRL)
Jamming resource allocation
Expert trajectory
-
分类号
TN975
[电子电信—信号与信息处理]
-
-
题名基于深度强化学习的智能干扰方法研究
被引量:2
- 2
-
-
作者
夏成龙
李祥
刘辰烨
杨旸
-
机构
中国人民解放军陆军工程大学通信工程学院
-
出处
《电声技术》
2022年第5期144-149,共6页
-
基金
国家自然科学基金青年项目“无人机运载通信网络自组织优化方法研究”(No.61901520)。
-
文摘
随着人工智能技术的发展,智能终端已经可以通过频谱感知、通信效果检测分析等方式智能地改变通信手段,进而实现高效率抗干扰,这给传统干扰带来了巨大挑战。而深度强化学习在复杂场景中的探索效率高,面对高难度任务的能力强大,在军事干扰领域应用前景广阔。基于此,介绍深度强化学习、智能干扰方法这两个基本问题的研究现状和存在的难点问题,总结并提出未来基于深度强化学习的智能干扰方法的研究前景和技术展望。
-
关键词
数字通信
深度强化学习
智能干扰决策
-
Keywords
digital communication
deep reinforcement learning
intelligent interference decision
-
分类号
TN929.5
[电子电信—通信与信息系统]
-