来源：期刊VIP网 时间：
作者：刘淼;龚玉萍;任国春;崔丽;罗屹洁;徐逸凡;李欣然;
单位：陆军工程大学通信工程学院;
摘要：传统直接序列扩频(Direct Sequence Spread Spectrum, DSSS)技术在无线通信抗干扰中应用广泛，能够通过扩展频谱带宽改善接收端的输入信噪比，提升通信过程的安全性。随着干扰样式日趋智能化，此类技术在应对未知且动态变化的干扰时，产生了一定的使用缺陷。基于干扰对抗思想，提出一种基于强化学习的动态扩频抗干扰策略，在确保收发端可靠通信的前提下，最大化信息传输速率。区别于大部分以规避干扰方式来抗干扰的策略，所提策略将抵抗干扰问题建模为马尔可夫决策过程(Markov Decision Process, MDP),优化目标为在保证固定信道可靠通信的前提下，同时最大化系统吞吐量。提出一种基于退火Q学习的动态扩频通信抗干扰策略，平衡环境探索与经验学习，提高收敛速度和决策成功率。仿真结果表明，在可变强度的随机窄带干扰模式下，所提算法的吞吐量性能优于基于LT码的DSSS通信系统、基于频谱感知的随机扩频因子选择策略和固定扩频因子策略。
关键词：扩频抗干扰;;Q学习;;马尔可夫决策
基金资助：江苏省青年科技基金(BK20231027)~~
