具有反馈的认知雷达网络分散式_bandit_问题
信号处理
2022-07-21 v1
摘要
完全分散式多玩家_bandit_模型在认知雷达网络中以较长收敛时间为代价展示了高定位精度。本文不是将每个雷达节点建模为独立学习者、完全无法与网络中其他节点交换信息，而是构建了一个“中心协调器”以促进雷达节点间的信息交换。我们表明，在干扰受限频谱中，可用频带的信干噪比(SINR)可能随位置变化，认知雷达网络(CRN)能够利用来自中心协调器的信息减少达到给定定位误差所需的时步数。重要的是，每个节点仍能够分别学习。我们描述了一种在中心协调器和各个认知雷达节点中均具有混合认知的网络，并考察了可在此结构中实现的在线机器学习算法。
引用
@article{arxiv.2207.09904,
title = {Decentralized Bandits with Feedback for Cognitive Radar Networks},
author = {William Howard and R. Michael Buehrer},
journal= {arXiv preprint arXiv:2207.09904},
year = {2022}
}
备注
6 pages, 4 figures