[发明专利]基于对数线性算法的通信对抗中用频决策优化方法

说明书

本发明公开了一种基于对数线性算法的通信对抗中用频决策优化方法，包括：构建敌我双方用户通信场景，将我方用户和敌方用户设定为博弈双方；通过推测当前频谱环境调整己方选频策略以最大化其自身的效用为原则，将敌我双方用户的干扰对抗问题表述为Stackelberg博弈过程，构建博弈模型；证明所构建博弈模型为精确势能博弈；设计基于对数线性学习分布式信道选择算法，所述算法用于敌方用户和我方用户进行用频决策以求取所建模博弈问题均衡解；对设计的算法进行收敛性证明。本发明具有更好的收敛性，能够减少双方在用频决策所需要的时间，且收敛结果能够达到最大化博弈双方的效用。

技术领域

本发明涉及电子战场无线通信对抗技术领域，具体而言涉及一种基于对数线性算法的通信对抗中用频决策优化方法。

背景技术

近年来，由于频谱资源的稀缺性，导致其成为军事上争夺的必要资源，在复杂的电磁环境下，如何保障频谱使用安全是无线通信网络中的关键问题。同时电子战场形式复杂多变，军事双方掌握了不同程度的干扰技术以及抗干扰技术，双方用频安全面临着不同种类、程度的干扰威胁，如何通过己方的干扰攻击对方，抢夺敌方的频谱资源，或者通过抗干扰技术躲避对方的干扰，有效的保护我方用户的用频安全，使得己方在电子战场上占得先机是目前无线通信对抗方向上的研究热点。

目前在抗干扰的问题研究上，已经有了很多的成果。在用频决策方面，M.Strasser在2009 年中提出了非协调跳频通信抗干扰，但是这种方法抗干扰的效率比较低，如今频谱资源紧张的环境下，应该追求更高效的方法。E.K.Lee在2010年中提出了随机跳频的通信抗干扰方法，虽然该方法考虑到动态频谱环境，但是这种方法在没有考虑到用户以及干扰的智能性。H.Li在2010年对主用户模拟攻击条件下的信道选择策略进行研究，并将用户与攻击者之间的信道选择建模为零和博弈。Y.Wu在2012年研究了认知无线网络中的抗干扰问题，并提出了一种有效的用频决策方案。C.Chen在2013年提出在无人机自组网干扰场景下下一种博弈论抗干扰方案，并设计了一种抗干扰用频决策方案，该方案只考虑到无人机用户内部的干扰，但忽略了存在外部干扰机存在的恶意干扰。M.A.Aref在2017年利用标准的单用户学习方法，每个用户单独的学习，但是存在一定的缺陷，因为Q学习要求状态是平稳的，但是多用户情况下其状态转移会因为其他用户的学习不断改变，当用户数量增加，很难保证其Q学习算法的快速收敛。考虑到恶意干扰机的干扰，L.Jia在2017年提出了一种抗干扰用频决策的分层学习方法，该方案同时考虑了内部互扰和外部恶意干扰，但是该方案中未考虑到作为一个用户群中的干扰机，其用户群也会存在内部互扰和外部恶意干扰的问题。

在电子战场中，用频决策时刻决定对抗双方获得的目标收益，在高动态的电子战场中，动态用频决策必不可少。传统的通信抗干扰决策方法很难满足战场中的需求。总的来说，现有的电子战场无线通信对抗模型与方案主要存在以下问题：1)模型不够完备，在电子战场上，敌我用户之间的互扰以及控制干扰机去干扰敌方的任务必不可少，战场上存在着敌方和我方，我方干扰敌方的同时还需要考虑内部互扰。2)未考虑到所有用户的智能性，智能用户能根据频谱环境推测的结果做出更智能的用频决策。3)随着设备智能性升级，对战双方智能决策更快更优的一方将占据时间先发优势，有必要研究有效提升决策速度的算法。

发明内容

本发明针对现有技术中的不足，提供一种基于对数线性算法的通信对抗中用频决策优化方法，虑到实际对抗中敌我双方均为智能体，都能够推测对方的用频作为己方用频决策的参考。由于敌我双方博弈存在先后顺序，使用Stackelberg博弈模型能够作为一个框架对敌我双方依次做出用频决策过程进行问题建模，该博弈考虑两个方面的竞争：一为我方的干扰机与敌方用户之间的竞争，一为我方自己用户(含干扰机)之间的竞争。同时证明所提Stackelberg博弈均衡解的存在，且所得均衡解为全局或局部最优解。为求得所建立博弈问题均衡解，对于敌方以及我方的用户采用基于对数线性学习的算法进行用频决策，与基于随机学习机 SLA(Stochastic Learning Automata)算法相比，本发明所提出的对数线性学习分布式算法可以显著地提高算法收敛性。