Erzielung von Verstecken und intelligenter Anti-Störkommunikation: Ein paralleler DRL-Ansatz gegen bewegliche reaktive Störer

Dieses Papier beschäftigt sich mit der Herausforderung der Anti-Störung in beweglichen reaktiven Störungsszenarien. Der bewegliche reaktive Störer initiiert eine Hochleistungsverfolgungsstörung, sobald er jegliche Übertragungsaktivität erkennt, und wenn er ein Signal nicht erkennt, greift er auf indiscriminierte Störung zurück. Dies stellt zwei imperativen Herausforderungen dar: Verstecken, um die Entdeckung durch den Störer zu vermeiden, und gleichzeitig der indiscriminierte Störung auszuweichen. Sprektrumtechniken reduzieren effektiv die Sendeleistung, um eine Entdeckung zu entgehen, sind jedoch nicht in der Lage, die indiscriminierte Störung zu bekämpfen. Umgekehrt kann das Ändern der Kommunikationsfrequenzen helfen, der indiscriminierte Störung zu entkommen, macht die Übertragung jedoch anfällig für Verfolgungsstörung, wenn keine Sprektrumtechniken angewendet werden, um verborgen zu bleiben. Aktuelle Methoden haben Schwierigkeiten mit der Komplexität, diese beiden Anforderungen gleichzeitig zu optimieren, aufgrund der umfangreichen gemeinsamen Aktionsräume und der Dynamik beweglicher reaktiver Störer. Um diese Herausforderungen anzugehen, schlagen wir eine parallelisierte Strategie des tiefen verstärkenden Lernens (DRL) vor. Der Ansatz umfasst eine parallelisierte Netzwerkarchitektur, die entwickelt wurde, um den Aktionsraum zu zerlegen. Ein paralleler Auswahlmechanismus für Exploration und Ausbeutung ersetzt den -gierigen Mechanismus und beschleunigt die Konvergenz. Simulationen zeigen eine nahezu 90%ige Steigerung des normalisierten Durchsatzes.