基于强化学习的智能反射面辅助抗干扰通信
信号处理
2020-12-24 v1
摘要
智能干扰机发起的恶意干扰攻击合法传输，已被视为无线通信中的关键安全挑战之一。因此，本文利用智能反射面（IRS）通过调整 IRS 处的表面反射单元来增强抗干扰通信性能并减轻干扰。为提升针对智能干扰机的通信性能，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是动态且未知的，提出了一种赢或快速学习策略爬山（WoLF-PHC）学习方法，在无需干扰模型知识的情况下联合优化抗干扰功率分配与反射波束成形策略。仿真结果表明，与现有方案相比，所提出的基于学习的抗干扰方法能有效提升 IRS 辅助系统速率与传输保护水平。
引用
@article{arxiv.2012.12761,
title = {Intelligent Reflecting Surface Assisted Anti-Jamming Communications Based on Reinforcement Learning},
author = {Helin Yang and Zehui Xiong and Jun Zhao and Dusit Niyato and Qingqing Wu and Massimo Tornatore and Stefano Secci},
journal= {arXiv preprint arXiv:2012.12761},
year = {2020}
}
备注
This paper appears in the Proceedings of IEEE Global Communications Conference (GLOBECOM) 2020. A full version appears in IEEE Transactions on Wireless Communications. arXiv:2004.12539