面向能源收集网络的秘密信道下联合发射和干扰功率优化：基于强化学习的方法
信号处理
2025-08-05 v2
摘要
本文针对在窃听者存在的情况下，提高能源收集无线通信系统在功能停止前的长期累积保密性能的问题，提出联合分配发射方和接收方功率的方案。发射方和接收方均配备有限电池容量的能源收集装置，接收方还具备全双工收发器，用于发射干扰信号以实现保密。我们将问题建模为无限时域马尔可夫决策过程(MDP)，并提出一种基于强化学习(RL)的联合功率分配(OJPA)算法，采用策略迭代(PI)算法。由于最优算法计算成本高昂，我们开发了一种低复杂度的亚最优联合功率分配(SJPA)算法，即简化状态联合功率分配(RSJPA)。另外，我们还实现了两种其他SJPA算法，即贪心算法(GA)和naive算法(NA)，作为基准。此外，OJPA算法优于分别优化的individual power allocation(IPA)算法，即分别进行individual transmit power allocation(ITPA)和individual jamming power allocation(IJPA)，其中分别优化发射功率和干扰功率。结果表明，OJPA算法也更具能源效率。结果还表明，OJPA算法在所有SJPA算法中显著提升了保密性能。OJPA算法也优于基于遗传算法的RL算法和有限时域RL算法的保密性能。所提出的RSJPA算法在计算复杂度大幅降低的情况下实现了接近最优的性能，成为复杂度与性能之间平衡的理想选择。
引用
@article{arxiv.2407.17435,
title = {Joint Transmit and Jamming Power Optimization for Secrecy in Energy Harvesting Networks: A Reinforcement Learning Approach},
author = {Shalini Tripathi and Chinmoy Kundu and Animesh Yadav and Ankur Bansal and Holger Claussen and Lester Ho},
journal= {arXiv preprint arXiv:2407.17435},
year = {2025}
}