南京邮电大学学报(自然科学版)

作者：赵国兴,刘富辉,晏子祥,吴伟,田峰

单位：1. 南京邮电大学 通信与信息工程学院，江苏 南京 2100032. 南京邮电大学 理学院，江苏 南京 2100233. 东南大学 移动通信全国重点研究实验室，江苏 南京 210096

关键词：智能反射面；增强无人机；机会接入；认知无线电；物理层安全；深度强化学习算法

基金：国家自然科学基金（62271267）、广东省自然资源厅海洋经济发展重点专项基金（GDNRC［2023］24）和东南大学移动通信全国重点实验室开放研究基金（2024D16）资助项目

提出了一种智能反射面（Intelligent Reflecting Surface，IRS）增强的无人机（Unmanned Aerial Vehicle，UAV）机会接入宽带认知无线电（Cognitive Radio，CR）系统，以提升系统频谱效率并确保物理层安全（Physical Layer Security，PLS）。通过联合优化UAV的波束赋形和飞行轨迹、IRS的反射系数、用户和IRS的关联选择、子载波选择及感知时间，在满足主用户可容忍最大干扰和次级用户最小安全速率需求的前提下，最大化次级网络的和安全速率。由于包含整数规划约束、非线性约束以及优化变量之间的相互耦合，因此导致问题高度非凸。为此，采用了深度强化学习（Deep Rein?forcement Learning，DRL）算法，包括决斗双重深度Q网络（Dueling Double Deep Q Network，D3QN）算法和软性演员-评论家（Soft Actor?Critic，SAC）算法。该方法能够高效处理复杂的混合变量优化问题，以提高算法的稳定性和收敛速度，确保在动态环境中获得更优的资源分配和通信安全性能。仿真结果表明，所提方法在通信安全和频谱效率方面显著优于基准方案。IRS、UAV和 CR技术的引入显著提升了系统的频谱利用率和用户的安全速率。此外，所提方法在动态环境中展现了较高的稳定性和快速的收敛速度。

来源：2025年第03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2025年第03期