南京邮电大学学报(自然科学版)

作者：张兰,张彪,梁天一,朱辉杰

单位：电磁空间安全全国重点实验室，浙江 嘉兴 314033；中国电子科技集团第36研究所，浙江 嘉兴 314033电磁空间安全全国重点实验室，浙江 嘉兴 314033；中国电子科技集团第36研究所，浙江 嘉兴 314033电磁空间安全全国重点实验室，浙江 嘉兴 314033；中国电子科技集团第36研究所，浙江 嘉兴 314033电磁空间安全全国重点实验室，浙江 嘉兴 314033；中国电子科技集团第36研究所，浙江 嘉兴 314033

关键词：深度强化学习；跳频通信；智能干扰决策；部分可观测马尔可夫决策过程

基金：国家自然科学基金（61772287）资助项目

随着人工智能技术的不断发展，强化学习技术在提高电磁频谱控制和干扰对抗效率方面展现出巨大潜力。针对跳频通信系统抗干扰能力强、传统干扰方法效果不佳的问题，利用深度强化学习技术实现在动态频谱环境下的电磁智能干扰。首先引入部分可观测马尔可夫决策过程对干扰机与跳频通信用户之间的通信对抗过程进行建模，然后基于卷积神经网络和长短期记忆网络设计了一个具有频谱特征挖掘和记忆回溯功能的干扰决策网络，实现基于深度强化学习的动态频谱智能干扰(Dynamic Spectrum Intelligent Jamming, DSIJ)算法。仿真实验结果表明，相较于传统DQN算法，所提DSIJ算法的干扰成功率提升了约18%。与传统的扫频干扰方法相比，其干扰成功率更是提升了约68%，从而充分证明了所提出的算法在动态频谱环境下实现智能干扰策略的有效性与显著优势。

来源：2024年第06期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第06期