Comunicación antijamming utilizando aprendizaje Q cruzado ranurado
Autores: Niu, Yingtao; Zhou, Zhanyang; Pu, Ziming; Wan, Boyu
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Comunicación antijamming utilizando aprendizaje Q cruzado ranurado
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Algoritmos de comunicación antiinterferencias inteligentes existentes
Detección
Aprendizaje
Transmisión
Interferencias variables en el tiempo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 38
Citaciones: Sin citaciones
La mayoría de los algoritmos de comunicación inteligente anti-interferencias existentes modelan la percepción, el aprendizaje y la transmisión como un proceso en serie, y asumen idealmente que la duración de los intervalos de tiempo de percepción y aprendizaje es muy corta, casi insignificante. Sin embargo, cuando el entorno de interferencias cambia rápidamente, el tiempo de percepción y aprendizaje ya no puede ser ignorado, y la adaptabilidad del sistema de comunicación inalámbrica al entorno de interferencias variable en el tiempo se verá significativamente reducida. Para resolver este problema, este documento propone un algoritmo de Q-learning paralelo (PQL). En el caso de un largo tiempo de percepción y aprendizaje, al modelar la percepción, el aprendizaje y la transmisión como procesos paralelos, se reduce el tiempo en que el transmisor permanece en silencio durante la percepción y el aprendizaje. Con el objetivo de abordar la situación en la que el algoritmo PQL es susceptible a interferencias cuando estas cambian más rápido, este documento propone un algoritmo inteligente anti-interferencias para comunicación inalámbrica basado en el Q-learning de Cruce de Intervalos (SCQL). En el caso de un cambio rápido en el canal de interferencias, el sistema puede percibir y aprender los patrones de interferencias en múltiples periodos de interferencias sucesivos al mismo tiempo en el mismo intervalo de tiempo, y utilizar múltiples tablas Q para aprender los patrones de interferencias en diferentes periodos de interferencias, con el fin de lograr el efecto de comunicación confiable en un entorno con cambios rápidos de interferencias. Los resultados de la simulación muestran que la tasa de colisión de interferencias del algoritmo propuesto bajo la condición de bloqueo inteligente de interferencias es equivalente a la del Q-learning tradicional (QL), pero la tasa de utilización del intervalo de tiempo es mayor. En comparación con PQL, el algoritmo propuesto tiene la misma utilización de intervalos y una tasa de colisión de interferencias más baja. En comparación con el anti-interferencias de salto de frecuencia aleatorio (RFH), el algoritmo propuesto no solo tiene una mayor utilización de intervalos de tiempo, sino también una tasa de colisión de interferencias más baja.
Descripción
La mayoría de los algoritmos de comunicación inteligente anti-interferencias existentes modelan la percepción, el aprendizaje y la transmisión como un proceso en serie, y asumen idealmente que la duración de los intervalos de tiempo de percepción y aprendizaje es muy corta, casi insignificante. Sin embargo, cuando el entorno de interferencias cambia rápidamente, el tiempo de percepción y aprendizaje ya no puede ser ignorado, y la adaptabilidad del sistema de comunicación inalámbrica al entorno de interferencias variable en el tiempo se verá significativamente reducida. Para resolver este problema, este documento propone un algoritmo de Q-learning paralelo (PQL). En el caso de un largo tiempo de percepción y aprendizaje, al modelar la percepción, el aprendizaje y la transmisión como procesos paralelos, se reduce el tiempo en que el transmisor permanece en silencio durante la percepción y el aprendizaje. Con el objetivo de abordar la situación en la que el algoritmo PQL es susceptible a interferencias cuando estas cambian más rápido, este documento propone un algoritmo inteligente anti-interferencias para comunicación inalámbrica basado en el Q-learning de Cruce de Intervalos (SCQL). En el caso de un cambio rápido en el canal de interferencias, el sistema puede percibir y aprender los patrones de interferencias en múltiples periodos de interferencias sucesivos al mismo tiempo en el mismo intervalo de tiempo, y utilizar múltiples tablas Q para aprender los patrones de interferencias en diferentes periodos de interferencias, con el fin de lograr el efecto de comunicación confiable en un entorno con cambios rápidos de interferencias. Los resultados de la simulación muestran que la tasa de colisión de interferencias del algoritmo propuesto bajo la condición de bloqueo inteligente de interferencias es equivalente a la del Q-learning tradicional (QL), pero la tasa de utilización del intervalo de tiempo es mayor. En comparación con PQL, el algoritmo propuesto tiene la misma utilización de intervalos y una tasa de colisión de interferencias más baja. En comparación con el anti-interferencias de salto de frecuencia aleatorio (RFH), el algoritmo propuesto no solo tiene una mayor utilización de intervalos de tiempo, sino también una tasa de colisión de interferencias más baja.