申请/专利权人：厦门大学

申请日：2024-01-26

公开（公告）日：2024-04-16

公开（公告）号：CN117896765A

主分类号：H04W24/06

分类号：H04W24/06;H04W28/08;H04W84/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：一种干扰攻击下无人机辅助空天地海通信网络的高能效资源管理方法，属于无人机通信、空天地海一体化网络、无人机轨迹优化、抗干扰安全通信等领域，结合无人机当前飞行位置、剩余能量和用户信道状态等重要信息数据，考虑空天地海一体化网络中的安全通信要求、无人机飞行角度、无人机能量等多方面约束，提出基于深度强化学习的，以双延迟深度确定性策略梯度算法为基础的无人机节能和资源调度方案，旨在最大程度地平衡无人机的能量效率和用户公平指数。在确保无人机抗干扰效果的前提下，提高无人机能量效率并增大用户的公平性。

主权项：1.一种干扰攻击下无人机辅助空天地海通信网络的高能效资源管理方法，其特征在于包括以下步骤：1构建三个主神经网络及其对应的目标神经网络，所述三个主神经网络为神经网络A、神经网络S和神经网络V；2初始化网络参数并清空经验回放缓冲池，获取系统对环境的初始观测值；3将目标神经网络的网络参数设置为与主神经网络的网络参数相同；4观察无人机当前状态，构建状态向量输入神经网络A，输出当前动作；所述无人机当前状态包括无人机当前位置、无人机当前剩余能量、传输速度、信道状态信息；5无人机执行步骤4输出的当前动作，选择飞到下一个位置或进行悬停，收集用户数据发送给低轨卫星；6计算系统当前的通信速率、用户公平性指数、当前时隙的能耗以及无人机当前的奖励值；7将经验存储至经验回放缓冲池中；8判断经验回放缓冲池数据个数是否大于采样个数，若否，则返回步骤4；9从经验回放缓冲池中随机采样数据，计算目标值；10异步更新各主神经网络参数：使用步骤9计算的目标值，通过随机梯度下降更新神经网络S和神经网络V；神经网络S和神经网络V更新d次后，通过策略梯度算法更新神经网络A；11软更新目标神经网络参数；12重复步骤4-11，直至算法收敛。

全文数据：

权利要求：

百度查询： 厦门大学 一种干扰攻击下无人机辅助空天地海通信网络的高能效资源管理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD