[发明专利]一种基于贝叶斯Q学习的无人机集群网络智能跳频方法

说明书

本发明公开了一种基于贝叶斯Q学习的无人机集群网络智能跳频方法，该方法采用Myopic‑VPI决策策略选择无人机集群上行链路的无线信道，在无人机和干扰机均处于未知移动状态的场景下实现对干扰信道的规避；同时在基于对信道环境的数据观测下，运用矩更新方法，逐步修正基于高斯‑伽马分布模型的Q值分布，最终学习到干扰机的干扰策略并智能选择可用的传输信道，最大程度上降低干扰。本发明针对无人机集群网络分别处于单音随机干扰、多音扫频干扰和马尔科夫干扰三种场景下，通过无人机自主交互的协同认知能力规避干扰，实现智能抗干扰通信；相较于传统Q学习能够更快地学习到最优的跳频方法，有效提升了信息传输速率且降低了功率消耗。

技术领域

本发明属于无线通信技术领域，特别是一种基于贝叶斯Q学习的无人机集群网络智能跳频方法。

背景技术

近年来随着移动式终端设备的普及，无线通信业务呈现快速增长的趋势，基于对通信系统灵活性、及时性以及可靠性的综合考虑，无人机通信技术应运而生[Song Q,ZengY,Xu J,et al.A survey of prototype and experiment for UAV communications[J].Sciece China.Information Sciences,2021,64(4):140301.]。无人机网络具有移动迅速、低成本以及便于控制的特点，同时多架无人机可以通过协同共享网络资源，相互配合完成通信任务，因此目前有关无人机群协作通信的研究更多的是关注无人机网络节点如何在复杂电磁环境下实现实时通信、信息共享和协同工作。鉴于无人机网络开放的特性使它容易受到物理层的三种攻击，包括欺骗，窃听和干扰，而各类攻击都会对无人机网络通信安全造成严重威胁，因此提出有效的无人机集群网络智能抗干扰方法具有重要意义。

传统扩频技术[Xue C.Anti-interference performance of multi-path directsequence spread spectrum wireless communication system.IEEE,2010:461-464.]将传输的波形扩展到更宽的频谱来实现抗干扰能力，而跳频通信系统作为扩频通信系统的一个分支，具有抗干扰能力强、抗多径衰落等突出优点[Zhang Y,Zheng X,Yang S,etal.Modeling and performance analysis of frequency hopping spread spectrumcommunication system.IEEE,2010.]。其中跳频扩频技术(Frequency Hopping SpreadSpectrum,FHSS)主要通过借助于发射机和接收机己知的伪随机序列快速改变载波频率[Rubenstein D,Ganguly S,Bohra A,et al.Using Channel Hopping to Increase802.11Resilience to Jamming Attacks[C]//Proceedings of the IEEE INFOCOM 2007-26th IEEE International Conference on Computer Communications.IEEE,2007.]主动规避干扰攻击。然而实际中由于每个节点具有高移动性和能量受限性，这种规避干扰的方式对能量的利用非常有限，难以发挥集群网络之间可通过信息共享进行协同对抗的作用。