龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：桂林理工大学
摘要：本发明涉及一种轻量化强化学习动态频谱抗干扰方法及装置,包括：第一阶段：收集训练无人机与基站通信过程中所感知的频谱状态，得到频谱瀑布图；将训练无人机的频谱瀑布图作为状态输入到DQN算法中，利用DQN算法对频谱瀑布图进行分析，得到N个Q值向量；通过K‑means方法对Q值向量进行聚类分析，得到K个独立的簇，并对频谱数据进行标记，通过标记后的频谱数据对状态聚类网络进行训练；最后将训练好的状态聚类网络模型部署在任务无人机上。第二阶段：获取任务无人机的频谱瀑布图；将其作为状态聚类网络的输入进行聚类，得到状态聚类结果；将状态聚类结果输入到Q‑learning中，基于Q‑learning学习在线抗干扰策略。本发明用于无人机通信领域。
主权项：1.一种轻量化强化学习动态频谱抗干扰方法,其特征在于，包括：S1：收集训练无人机与基站通信过程中所感知的环境频谱状态，得到频谱数据，利用所述频谱数据构建训练无人机的频谱瀑布图；S2：将训练无人机的频谱瀑布图作为状态输入到DQN算法中，利用DQN算法对所述训练无人机的频谱瀑布图进行分析，得到N个Q值向量；S3：基于K-means方法，对所有所述Q值向量进行聚类分析，得到K个独立的簇；其中，K≤N；S4：基于K个独立的簇，分别对所述训练无人机的频谱瀑布图中的频谱数据进行标记，对应得到标记频谱数据；S5：通过所有所述标记频谱数据对状态聚类网络进行训练，得到训练好的状态聚类网络；S6：对任务无人机部署训练好的状态聚类网络，获取任务无人机的频谱瀑布图，通过训练好的状态聚类网络对所述任务无人机的频谱瀑布图进行处理，得到状态聚类结果；S7：基于所述状态聚类结果，利用Q-learning学习方法计算得到任务无人机的在线抗干扰策略。
全文数据：
权利要求：
百度查询： 桂林理工大学 一种轻量化强化学习动态频谱抗干扰方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号