[发明专利]基于深度强化学习的专用自组网抗干扰方法在审
申请号: | 201910431474.4 | 申请日: | 2019-05-22 |
公开(公告)号: | CN110213025A | 公开(公告)日: | 2019-09-06 |
发明(设计)人: | 徐莹莹;雷鸣;赵民建;王婵;李旻 | 申请(专利权)人: | 浙江大学 |
主分类号: | H04L1/16 | 分类号: | H04L1/16;H04L1/00;H04L12/24 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 郑海峰 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提出了一种基于深度强化学习的专用自组网抗干扰方法,该方法包括如下步骤:(1)将发送端的历史动作和对应观察结果组成的序列作为模型的输入;(2)模型通过对历史样本的不断学习,调整神经网络的参数,直至收敛,从而得到最优的DQN抗干扰模型;(3)在当前时刻的输入下,模型将不同动作对应的Q值作为一个序列输出;(4)若干扰状况会发生改变,则模型重新训练以得到最优的DQN抗干扰模型。本发明将深度强化学习应用于专用自组网中,构建的抗干扰模型可以通过对历史样本的学习优化模型,从而指导发送端避开干扰成功发包。由于引入了深度强化学习,该方法能够更智能、更快速地指导发送端发包,并降低网络的丢包率。 | ||
搜索关键词: | 抗干扰 强化学习 自组网 历史样本 发送端 发送端的 干扰状况 历史动作 神经网络 序列输出 优化模型 丢包率 构建 收敛 避开 智能 学习 引入 应用 网络 成功 | ||
【主权项】:
1.一种基于深度强化学习的专用自组网抗干扰方法,其特征在于,具体包括如下步骤:(1)在基于DQN的抗干扰模型中,将发送端先前M个单位时间的历史动作和对应观察结果组成的序列作为输入;(2)基于DQN的抗干扰模型通过对历史样本的不断学习,调整神经网络的参数,直至收敛,从而得到最优的DQN抗干扰模型;(3)在当前时刻的输入状态下,模型计算得到不同动作对应的Q值,并将其作为一个序列输出。发送端再从DQN模型的输出序列中选择最大Q值所对应的动作作为下一时刻的动作;(4)模型不断地计算先前一段时间的平均累积回报,当干扰状况不变时,模型会最终收敛,平均累积回报达到稳定;当干扰状况改变时,平均累积回报开始震荡,若性能下降到一定程度,则模型重新进行步骤(1)、(2)和(3)的训练直到收敛。
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浙江大学,未经浙江大学许可,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/201910431474.4/,转载请声明来源钻瓜专利网。
- 上一篇:数据包重传方法、装置及设备
- 下一篇:通信系统中反馈信息的传输方法及装置