基于强化学习的水下能源采集中继网络隐私优化
信号处理
2026-03-09 v1
摘要
本文探讨了支持混合光声传输的水下能源采集（EH）中继网络中的安全通信问题。光路使用带有指向误差的 Gamma-Gamma 湍流信道建模，可能偶尔被水下障碍物阻塞。同时，假设存在窃听者监控声路，形成隐私问题。为此，我们将中继功率分配问题建模为一个永续马尔可夫决策过程（MDP）。提出一种基于模型的强化学习（RL）驱动的最优功率分配（OPA）策略，以最大化网络停止工作前的长期累积隐私性能。为提供低复杂度备选方案，我们还开发了贪心算法（GA）和朴素算法（NA）。仿真结果表明，基于RL的OPA能够有效适应电池动力学、变化信道条件以及光链路可用性，实现最高的安全数据传输，而GA表现良好，NA因短视决策表现较差。
引用
@article{arxiv.2603.06046,
title = {Reinforcement Learning for Secrecy Optimization in Underwater Energy Harvesting Relay Network},
author = {Shalini Tripathi and Ankur Bansal and Chinmoy Kundu},
journal= {arXiv preprint arXiv:2603.06046},
year = {2026}
}