基于强化学习的实时频谱监测——Q学习与启发式方法的比较
系统与控制
2023-07-13 v1 机器学习
系统与控制
摘要
由于无线电技术领域的技术进步及其普及，无线电频谱中的干扰信号数量持续增加。必须及时检测干扰信号，以维护标准并保持应急频率畅通。为此，专门的多通道接收机被用于频谱监测。本文比较了两种用于控制可用接收机资源的不同方法的性能。用于资源管理（ReMa）的方法包括作为启发式方法的线性频率调谐，以及来自强化学习领域的Q学习算法。为测试待研究方法，设计了一个简化场景：两个接收机通道监测十个非重叠频带，且信号活动不均匀。在该设置下，结果表明所使用的Q学习算法以较小的探索率为代价，获得了显著高于启发式方法的检测率。特别地，Q学习方法可进行参数化，以在检测率与探索率之间实现合适的权衡。
引用
@article{arxiv.2307.05763,
title = {Realtime Spectrum Monitoring via Reinforcement Learning -- A Comparison Between Q-Learning and Heuristic Methods},
author = {Tobias Braun and Tobias Korzyzkowske and Larissa Putzar and Jan Mietzner and Peter A. Hoeher},
journal= {arXiv preprint arXiv:2307.05763},
year = {2023}
}
备注
5 pages, 6 figures