基于多域联合的无人机集群认知抗干扰算法

发布时间：2021-07-23 10:30

　　为解决无人机集群网络在复杂通信环境中对抗智能性干扰能力较弱的问题,基于智能决策理论,提出一种多域联合的认知抗干扰算法。该算法在优势演员-评论家算法的基础上,将无人机视作智能体,并由感知到的环境频谱状态决策出干扰信道。基于Stackelberg博弈理论,利用功率域压制中度干扰等级的信道干扰信号,减少切换信道的时间开销。通过引入簇头协助的方法,解决由于单个智能体局部频谱感知能力较弱而导致信道决策成功率较低的问题。仿真结果表明,相比QL-AJ算法与AC-AJ算法,该算法能够给出簇内最佳节点个数,提高接收信号信干噪比,且网络整体抗干扰性能较好。 

【文章来源】：计算机工程. 2020,46(12)北大核心CSCD

【文章页数】：8 页

【部分图文】：

无人机集群网络对抗智能干扰机示意图

由于实际环境态势的多变性以及信息的局部性,存在单个节点局部频谱感知能力有限的问题,为此引入簇头协助从节点决策方法。基于簇头协助的无人机集群网络抗干扰示意图如图2所示。簇头协助从节点决策方法可描述为:各节点进行局部环境感知与信道决策时,若某节点所得结果无法达到期望值,则向簇头发出Help信息,簇头收到求助信息后,则向其传输无干扰信道数据信息,使其能够进行可靠通信。需要说明的是,所有节点和簇头均采用MDJC-AJ算法进行抗干扰。为了不失一般性,图2中仅详细说明第一个簇头内部抗干扰算法的实现流程。

仿真1 为验证本文所提算法的信道选择性能,考虑干扰机采用智能性干扰,即不同时间段干扰机干扰的信道和功率均不同,为便于分析将环境状态的时变点分别设在tchange=1 500和tchange=3 300,网络中节点个数为4,编队及所选簇头已最优。实验对文献[4]Q学习抗干扰(QL-AJ)算法、文献[8]演员-评论家抗干扰(AC-AJ)算法与本文算法的信道干扰情况决策成功率进行比较,结果如图3所示。从图3可以看出,在各个阶段内,相比QL-AJ算法与AC-AJ算法,本文所提MDJC-AJ算法的信道干扰情况决策成功率更高。为进一步说明MDJC-AJ算法在智能性干扰情况下信道决策有效性,由仿真所得信道干扰情况判决结果,如图4所示。从图4可以看出,MDJC-AJ算法在决策出可用信道索引情况下,对信道干扰功率情况进行判决,可为功率域抗干扰提供依据。


本文编号：3299123