基于认知抗干扰模型的动态频谱多域抗干扰方法及系统

摘要

本发明公开了一种基于认知模型的动态频谱多域抗干扰方法，包括：认知服务器感知获得表征当前频谱状态的时频二维图；利用深度神经网络提取时频二维图中的特征，通过深度强化学习算法更新神经网络参数、拟合得到对应的策略价值函数并估计每个策略的长期累积奖励值；根据估计的长期累积奖励值，认知服务器决策使长期累积奖励值最大的通信策略，根据该决策的奖励值更新神经网络参数，直至达到最大循环次数时结束。该方法采用认知服务器辅助设备通信的框架，将频率与功率多域联合决策。利用深度神经网络的函数拟合能力对巨大状态空间进行特征提取和泛化，通过强化学习在动态未知的环境中获取最优抗干扰策略，有效提升了对抗恶意和无意干扰的能力。