基于强化学习的二维抗干扰移动通信
密码学与安全
2017-12-20 v1 机器学习
摘要
利用智能无线电设备，干扰机可基于对抗性安全机制动态改变其干扰策略；它甚至可诱导移动设备进入特定通信模式，进而据此发起干扰策略。另一方面，移动设备可利用扩频与用户移动性来应对干扰与同频干扰。本文提出一种二维抗干扰移动通信方案，其中移动设备离开受严重干扰/同频干扰的频率或区域。研究表明，通过应用强化学习技术，移动设备可在动态博弈框架中无需知晓干扰与同频干扰模型及无线信道模型即可获得最优通信策略。更具体地，提出一种基于热启动深度 Q 网络 (hotbooting deep Q-network) 的二维移动通信方案，其利用相似场景中的经验以减少博弈初期的探索时间，并应用深度卷积神经网络与宏动作技术以加速动态情形下的学习速度。我们模拟了若干真实场景以评估所提方法。仿真结果表明，相较于基准方案，我们所提方案在协同干扰下同时提升了信号的信干噪比与移动设备的效用。
引用
@article{arxiv.1712.06793,
title = {Two-dimensional Anti-jamming Mobile Communication Based on Reinforcement Learning},
author = {Liang Xiao and Guoan Han and Donghua Jiang and Hongzi Zhu and Yanyong Zhang and H. Vincent Poor},
journal= {arXiv preprint arXiv:1712.06793},
year = {2017}
}