智能感知辅助的快速动态频谱抗干扰方法

机器学习赋能的动态频谱抗干扰方法能够通过频谱感知学习干扰规律，自主优化抗干扰策略，适应动态复杂的频谱环境。然而，现有大部分研究假设环境中仅有恶意干扰而不考虑其他通信系统的存在，且所提算法复杂度和算力要求较高。针对以上问题，考虑主用户和恶意干扰同时存在且用频规律未知的场景，设计了基于并行学习的智能感知算法和基于预先学习的动态频谱接入算法，无须通过随机探索频谱环境即可学习可用信道变化规律。仿真结果表明，所提算法在动态干扰攻击下能在线快速找到最优信道选择策略，在完美避开动态干扰的同时不对主用户造成无意干扰。     

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.     

基于潜在博弈的认知无线电频谱分配研究

为解决认知无线电网络中认知用户、授权用户共存情况下的频谱分配问题,提出了一种基于潜在博弈的认知无线电频谱分配模型,该模型以最小化系统总干扰水平为目标,认知用户采用避免机会浪费的改进型策略动态调整规则进行频谱选择,经过有限改进路径快速收敛到博弈的纳什均衡点。在30个认知用户和2个授权用户共存的场景下进行仿真实验,算法以较快的收敛速度实现了频谱分配的目标,证明了模型及算法的可行有效。     

基于强化学习的频控阵-多输入多输出雷达发射功率分配方法

当前电磁环境日益复杂多变,新式干扰手段层出不穷,对雷达系统带来了极大的挑战和威胁。该文引入频谱干扰模型并提出了一种在频控阵-多输入多输出(FDA-MIMO)雷达与干扰机动态博弈框架下基于强化学习(RL)的发射功率分配优化方法,使雷达系统能够获得最大的信干噪比(SINR)。在此基础上,构造了频谱干扰模型。其次,雷达和干扰机之间存在一种Stackelberg博弈关系,且将雷达作为领导者,干扰机作为跟随者,建立动态博弈框架下的发射功率分配优化模型。采用深度确定性策略梯度(DDPG)算法,结合功率约束设计了奖赏函数,对雷达发射功率进行实时分配来获得最大的输出SINR。最后,仿真结果表明,在雷达与干扰机博弈的框架下,所提优化算法能够有效地对雷达发射功率进行优化,使雷达具备较好的抗干扰性能。     

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。     

利用部分重叠信道的多无人机自主协同优化抗干扰

针对多无人机通信网络抗干扰中的功率和信道联合优化问题,考虑多无人机通信网络中的部分重叠信道切换、外部恶意干扰与网络内部互扰问题,通过构建Stackelberg博弈抗干扰模型,设计无人机用户和干扰机的效用函数,并提出了基于次梯度迭代的算法求解博弈的均衡解,获得无人机用户在干扰条件下的部分重叠信道选择和功率选择联合优化结果。仿真结果表明,所提算法能使多无人机用户获得良好的信道选择和传输功率策略,优化多无人机通信网络抗干扰性能。     

认知无线多跳网中保证信干噪比的频谱分配算法

为解决无线多跳网络在固定频谱分配方式下所固有的信道冲突等问题,利用认知无线电的动态频谱分配技术,提出了一种适用于次用户组成的无线多跳网络的、underlay方式下的全分布式频谱分配算法。该算法将频谱分配问题建模成静态非合作博弈,证明了纳什均衡点的存在,并给出了一种求解纳什均衡点的迭代算法。大量仿真实验证明,该算法能实现信道与功率的联合分配,在满足主用户干扰功率限制的同时,保证次用户接收信干噪比要求。     

一种认知无线电网络频谱分配策略

频谱分配技术是认知无线电的关键技术之一,为适应认知无线电系统的时变特性,频谱分配算法必须有较快的收敛速度。在干扰温度模型下,提出一种基于Kuhn-Munkras算法的认知无线电频谱分配策略。该策略利用Kuhn-Munkras算法可以实现最佳匹配并且收敛速度快的特性,根据不同的用户在不同信道上所产生的效益的差异性,实现认知用户和信道的最佳匹配。仿真表明,基于Kuhn-Munkras算法的频谱分配在性能上优于传统的配对算法和greedy算法。     

基于智能天线和资源预留的抗基站间干扰DCA分配算法

本文针对TD-SCDMA系统在次叉时隙间快速动态信道分配算法的不足,提出了一种基于智能天线和优级信道预留的快速动态信道分配算法。该算法在进行资源整合的基础上将信道条件较好的用户分配于交叉时隙,同时尽量分配多址干扰小的时隙给用户,从而达到减少交叉时隙干扰,提高频谱效率的目的,仿真结果表明该算法能够有效增加系统容量,改善系统性能。     

多智能体强化学习驱动的无人机动态信道分配

针对无人机编队在进行远距离实时视频传输时频谱资源不足且利用效率低、吞吐量要求较高、传输任务难以完成等问题,提出了多智能体强化学习驱动的动态信道分配算法,使得无人机编队可以根据传输任务和信道环境动态地选择使用的信道,实现了频谱资源的高效利用。该算法使用了集中式训练分布式执行的架构,通过联合探索和联合学习的方式保证了无人机间的探索和合作能力,使得每架无人机均可以依据局部观测信息同时独立分配自身使用信道,提高了算法的灵活性和可行性,并减少了频谱分配用时。仿真结果表明,该算法训练过程性能更好,执行时相比于现有算法可以提高编队整体的平均任务传输成功率。     

Hierarchical game based spectrum access optimization for anti-jamming in UAV network

For the anti-jamming spectrum access optimization problem in unmanned aerial vehicle (UAV) communication networks,considering the complex and diverse malicious jamming from jammers,a Bayesian Stackelberg game was proposed to formulate the competitive relations between UAV users and jammers.Specifically,jammers acted as the leader,whereas users acted as followers of the proposed game.Based on their different utility functions,the jammer and users independently and selfishly selected their optimal strategies and obtained the optimal channels selection.Due to the NP-hard nature,it was challenging to obtain the Stackelberg Equilibrium of the proposed game.To this end,a hierarchical learning framework was formulated,and a hierarchical channel selection-learning algorithm was proposed.Simulations demonstrate that with the proposed hierarchical learning algorithm,UAV nodes can adjust their channel selection and obtain superior performance.     

基于Stackelberg博弈的多任务协作频谱感知算法

随着移动设备的增多,认知无线电技术诞生,而频谱感知是认知无线电技术中的重要一环。本文将群智感知和频谱感知结合,提出了一种基于Stackelberg博弈的多任务协作频谱感知算法。该算法将融合中心(平台)与次用户分别建模为Stackelberg博弈领导者和从属者。在领导者博弈中,平台给次用户发布最优的报酬值以获得最佳的效用;在从属者博弈中,本文着重考虑了剩余能量对次用户的影响,次用户在平台给的报酬下改变感知时间以获得最优的效用。仿真结果表明,该算法可以提高融合中心对频谱的检测概率。      

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。     

基于Stackelberg博弈的动态频谱接入控制

为了解决多主用户和多次级用户共存网络的频谱资源分配问题,提出了一种基于斯塔科尔伯格（Stackelberg）博弈的动态频谱接入控制算法。该算法通过三阶段Stackelberg博弈模拟主用户频谱竞价,博弈过程中次级用户以最大化传输速率为目的接入主用户频谱,同时设计了一种迭代过程来求解纳什均衡。实验计算与结果分析证明了纳什均衡唯一存在性的充要条件,并说明了迭代过程的收敛性以及主用户最佳效用的影响因素。     

基于强化学习的无人机辅助物联网抗敌意干扰算法

无人机充当中继辅助物联网节点传输信号时,易遭受干扰强度动态变化的智能干扰等敌意攻击,论文建立了抗敌意干扰攻防Stackelberg博弈模型,其中物联网节点、无人机和智能干扰机为博弈的3个参与者,推导出博弈均衡点及其存在条件,揭示了参与者的信道增益、距离等参数对物联网效用等性能的影响。在未知干扰模型的条件下,论文引入WoLF-PHC算法动态优化物联网节点的发射功率、无人机的发射功率和移动轨迹。仿真结果表明,与基于Q-learning的算法相比,所提算法将无人机的效用提升了84.8%。      

Distributed optimization of enhanced intercell interference coordination and resource allocation in heterogeneous networks

In two‐tier heterogeneous networks (HetNets), the cross‐tier interference caused by spectrum sharing between macrocell and small cells poses obstacle to ideal overall network performance. Both enhanced intercell interference coordination (eICIC) at the macrocell base station (MBS) and resource allocation (RA) at small cell base station (SBS) have been considered as efficient approaches to mitigate the cross‐tier interference. In this paper, we propose a distributed optimization framework to jointly optimize the eICIC and RA schemes at different tiers. In specific, an enhanced almost blank subframe (ABS) scheme is performed by the MBS to encourage SBSs to adopt hybrid access policy and admit the offloaded macrocell users (MUs) so as to guarantee their QoS requirements. To model the intricate interaction between two tiers, we formulate the joint optimization problem as a one‐leader multiple‐follower Stackelberg game. We prove the existence of Stackelberg equilibrium (SE) and obtain the optimal strategies for both tiers. Numerical results are presented to show that the proposed framework with hybrid access policy converges to a unique SE and utilities for both tiers is maximized, which creates a win‐win situation.