[发明专利]一种基于深度强化学习的信息聚合短波选频方法在审
| 申请号： | 201811122164.6 | 申请日： | 2018-09-26 |
| 公开（公告）号： | CN109309539A | 公开（公告）日： | 2019-02-05 |
| 发明（设计）人： | 徐煜华;刘鑫;李洋洋;程云鹏;赵磊;张晓博 | 申请（专利权）人： | 中国人民解放军陆军工程大学 |
| 主分类号： | H04B17/382 | 分类号： | H04B17/382;H04W72/08;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210007 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度强化学习的信息聚合短波选频方法。该方法为：将高动态的短波环境下的选频问题，转化为高动态短波通信环境下的信道增益、用户间的互扰和环境中的干扰三个子问题；对于高动态短波通信环境下的信道增益问题，把短波信道情况输入神经网络，对短波下一个时刻的信道增益进行预测，并将输出记为G；对于用户间的互扰和环境中的干扰问题，通过深度强化学习网络训练得到下一个时刻选择每一个信道的通信干扰情况，并将输出记为R；把训练的到的G与R输入到信息聚合深度强化学习网络，通过数据的不断训练，深度强化学习网络得到下一个时刻信道选择的最优解，指导下一个时刻选频。本发明提升了复杂环境下的短波通信能力。 | ||
| 搜索关键词： | 强化学习 短波通信 短波 选频 信道增益 信息聚合 高动态 互扰 输入神经网络 输出 短波信道 复杂环境 通信干扰 网络训练 信道选择 最优解 信道 网络 预测 转化 | ||
【主权项】：
1.一种基于深度强化学习的信息聚合短波选频方法，其特征在于，包括以下步骤：步骤1，将高动态的短波环境下的选频问题，转化为高动态短波通信环境下的信道增益、用户间的互扰和环境中的干扰三个子问题；步骤2，对于高动态短波通信环境下的信道增益问题，通过神经网络的预测功能，把短波信道情况输入神经网络，对短波下一个时刻的信道增益进行预测，并将输出记为G；步骤3，对于用户间的互扰和环境中的干扰问题，通过一个深度强化学习网络训练得到在互扰环境下，预测下一个时刻可以选择信道的情况值，并将输出记为R；步骤4，把训练得到的G与R输入到信息聚合深度强化学习网络里，通过数据的训练，深度强化学习网络得到下一个时刻信道选择的最优解；步骤5，循环步骤3～步骤4，深度强化学习网络和信息融合深度强化学习网络两个网络同步进行更新，用户通过探索学习进行策略选择，直至所有用户的抗干扰策略实现收敛，或者达到设定的迭代次数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军陆军工程大学，未经中国人民解放军陆军工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811122164.6/，转载请声明来源钻瓜专利网。
