买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华侨大学

摘要：本发明公开了一种基于强化学习的无人机辅助物联网抗敌意干扰方法，包括：建立抗敌意干扰攻防Stackelberg博弈模型，其中地面传感器节点、无人机和智能干扰机为博弈的三个参与者；推导所述抗敌意干扰攻防Stackelberg博弈模型中的博弈均衡点及其存在条件，所述博弈均衡点包括智能干扰机的最优干扰功率、无人机的最优发射功率、无人机的最优移动距离以及地面传感器节点的最优发射功率；在未知干扰模型的条件下，引入WoLF‑PHC算法动态优化地面传感器节点的发射功率、无人机的发射功率和无人机的移动轨迹。本发明公开了一种基于强化学习的无人机辅助物联网抗敌意干扰方法和系统，通过及时调整无人机轨迹或者发射功率来抵抗干扰信号强度可变的智能干扰。

主权项：1.一种基于强化学习的无人机辅助物联网抗敌意干扰方法，其特征在于：包括：步骤10、建立抗敌意干扰攻防Stackelberg博弈模型，在所述抗敌意干扰攻防Stackelberg博弈模型中地面传感器节点、无人机和智能干扰机为博弈的三个参与者；步骤20、推导所述抗敌意干扰攻防Stackelberg博弈模型中的博弈均衡点及所述博弈均衡点的存在条件，所述博弈均衡点包括智能干扰机的最优干扰功率、无人机的最优发射功率、无人机的最优移动距离以及地面传感器节点的最优发射功率；步骤30、在未知干扰模型的条件下，引入WoLF-PHC算法动态优化地面传感器节点的发射功率、无人机的发射功率和无人机的移动轨迹；所述步骤10具体包括：步骤11、在时隙k内，无人机在初始位置收到地面传感器节点发送的信息，然后以速度直线飞行到目标位置Lk，将信息转发给位于LB的基站，智能干扰机对基站实施干扰；步骤12、定义Ai为功率集，i∈s,u,j，其中s表示地面传感器节点，u表示无人机，j表示智能干扰机，D为无人机飞行距离动作集，|Ai|表示功率集中元素的个数，|D|表示动作集中元素的个数；步骤13、地面传感器节点首先以发射功率将信息传给无人机，无人机通过信号功率与飞行轨迹控制策略提高转发质量，无人机设置当前信号发射功率之后控制目标飞行距离飞到和LB之间的最优位置转发信息，其中Du是无人机的最大可达飞行距离，智能干扰机在地面固定的位置，以功率向基站持续发送干扰信号，降低无人机与基站之间的通信质量；步骤14、将地面传感器节点定为领导者，无人机为副领导者，智能干扰机为追随者，三个参与者的目的均为最大化自己的效用函数，地面传感器节点、无人机和智能干扰机之间的先后行为建模为抗敌意干扰攻防Stackelberg博弈模型；所述步骤20中，推导出的博弈均衡点及所述博弈均衡点的存在条件，具体包括：智能干扰机的最优干扰功率，公式如下： 其中，hs为地面传感器节点的信道增益，hu为无人机的信道增益，hj为智能干扰机的信道增益，ps为地面传感器节点的发射功率，pu为无人机的发射功率，pj为智能干扰机的发射功率，Cj为单位干扰信号功率损耗系数，σ为噪声功率；无人机的最优发射功率，公式如下： 其中，Cu表示无人机的单位信号功率损耗系数，Ω1:Ω2:其他:无人机的最优移动距离，公式如下： 其中，Du是无人机的最大可达飞行距离，DB是无人机起始位置和基站位置之间的欧氏距离，Ω1: Ω2:其他:地面传感器节点的最优发射功率，公式如下： 其中，Cs表示地面传感器节点的单位信号功率损耗系数，Cr表示无人机的单位飞行距离损耗系数，Dr表示系统的参考距离，hr表示无人机或者智能干扰机与基站的距离为参考距离Dr时的参考信道增益。

全文数据：

权利要求：

百度查询： 华侨大学 基于强化学习的无人机辅助物联网抗敌意干扰方法和系统