Multi-agent collaboration based UAV clusters multi-domain energy-saving anti-jamming communication

作者：吴志娟, 未知的动态环境和日趋复杂的作战任务需求促使无人机系统向着集群化、自主化和智能化的方 向发展, 无人机簇群网络具有高可靠性、抗毁能力强 通过构建灵活、高效的无人机编队, 以及覆 盖范围广等特点, 无线电波在传播过程中会面临恶意干扰信号 稀缺的 频谱资源也使得簇群内部通信链路可能遭受到其他簇群的同信道干扰 . 然而在复杂的电磁环境下, 如何构建抗干扰性 强、传输可靠性高 以及适应复杂环境的无人机簇群通信系统 成为当前无人机应用亟待解决的关键 问题之一 . 因此, 无人机抗干扰技术可分为频谱域的跳频 目前, 、功率域的功率, 然而在实际场景中单智能体抗干扰方法因无法适用部分可观测环境而存在容错性、鲁棒性和可扩展 性差等问题, 为此 Yao, 提出了一种基于多智能体协同, Q. 学习的频域抗干扰算法, 实现各智能体 仅需共享本地训练信息以获得部分可观测环境下的联合最优抗干扰策略 . 但该方案因未考虑网络拓扑 的高动态变化故不能适用于无人机簇群场景, Ye, 针对无人机通信场景, 提出了一种基于多 智能体联邦深度, 其中各智能体通过学习并训练本地网络 再将各网络参数聚合 训练成全局网络参数 实现利用全局网络参数完成本地跳频决策训练更新 最终解决部分可 Q 学习的抗干扰方案, Jia 针对功率域抗干扰, 利用对偶优化理论和贝叶斯斯坦伯格, Bayesian Stackelberg, 提出了一种最优传输功率的抗干扰算法 实现用户信干噪比的效用 函数最大化 博弈方法, 但并未考虑无人机簇群场景的高动态性 . Li, 利用领域知识压缩高维的状态空间以提高算法收敛性 实现在干扰环境下更有 效地完成探测任务并降低能量损耗 . 然而上述研究均仅针对信道选择或功率控制等单 提出了一种基于知识的无人机簇群协 同功率域抗干扰算法 · 被引用次数：7