智能反射面辅助抗干扰通信:一种快速强化学习方法
信号处理
2020-04-28 v1
摘要
智能干扰机发起的恶意干扰可攻击合法传输,被视为无线通信中的关键安全挑战之一。基于此,本文考虑利用智能反射面(IRS)通过调整其表面反射单元来增强抗干扰通信性能并抑制干扰。为提升针对智能干扰机的通信性能,在考虑合法用户服务质量(QoS)需求的同时,构建了联合优化基站(BS)功率分配与IRS反射波束成形的优化问题。由于干扰模型与干扰行为动态且未知,提出一种模糊赢或快速学习策略爬山(WoLFPHC)学习方法以联合优化抗干扰功率分配与反射波束成形策略;其中WoLFPHC能够在无需干扰模型知识的情况下快速获得最优策略,而模糊状态聚合可将不确定环境状态表示为聚合状态。仿真结果表明,相较于现有方案,所提出的基于抗干扰学习的方法能有效提升IRS辅助系统速率与传输保护水平。
引用
@article{arxiv.2004.12539,
title = {Intelligent Reflecting Surface Assisted Anti-Jamming Communications: A Fast Reinforcement Learning Approach},
author = {Helin Yang and Zehui Xiong and Jun Zhao and Dusit Niyato and Qingqing Wu and H. Vincent Poor and Massimo Tornatore},
journal= {arXiv preprint arXiv:2004.12539},
year = {2020}
}