基于数字孪生和强化学习的低空智联网协同认知干扰

针对低空智联网协同认知干扰决策过程中,多架电子干扰无人机对抗多部多功能雷达的干扰资源分配问题,提出了一种基于数字孪生和深度强化学习的认知干扰决策方法。首先,将协同电子干扰问题建模为马尔可夫决策问题,建立认知干扰决策系统模型,综合考虑干扰对象、干扰功率和干扰样式选择约束,构建智能体动作空间、状态空间和奖励函数。其次,在近端策略优化（Proximal policy optimization, PPO）深度强化学习算法的基础上,提出了自适应学习率近端策略优化（Adaptive learning rate proximal policy optimization, APPO）算法。同时,为了以高保真的方式提高深度强化学习算法的训练速度,提出了一种基于数字孪生的协同电子干扰决策模型训练方法。仿真结果表明,与已有的深度强化学习算法相比,APPO算法干扰效能提升30%以上,所提训练方法能够提高50%以上的模型训练速度。     

适用于水声传感网络的多链路传输MAC协议

针对水声传感网络存在的高时延、低信道利用率等问题,提出一种新的多链路传输介质访问控制协议.该协议节点通过RTS/CTS握手协议交互时延信息和传输计划,实现多条链路传输数据.在汇聚节点接收多个节点的数据时,汇聚节点根据节点的时延和接收的数据帧大小规划节点之间的发送顺序,避免传输冲突造成的能量损失和低信道利用率,同时为得到...