CN115022952A - 一种对抗条件下的卫星通信功率资源分配方法 - Google Patents
一种对抗条件下的卫星通信功率资源分配方法 Download PDFInfo
- Publication number
- CN115022952A CN115022952A CN202210946839.9A CN202210946839A CN115022952A CN 115022952 A CN115022952 A CN 115022952A CN 202210946839 A CN202210946839 A CN 202210946839A CN 115022952 A CN115022952 A CN 115022952A
- Authority
- CN
- China
- Prior art keywords
- interference
- party
- game
- strategy
- interference party
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18513—Transmission in a satellite or space-based system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/06—Airborne or Satellite Networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本申请涉及一种对抗条件下的卫星通信功率资源分配方法。所述方法包括:基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡,再采用双隐喻算法进行迭代计算得到双方最优的功率资源分配策略。采用布洛托博弈资源分配模型,并使用双隐喻的均衡求解算法对卫星通信功率资源分配问题进行建模和求解,能够达到在博弈对抗中收敛到纳什均衡的要求,省去了一般解法中构造联合分布的复杂过程,并且结合卫星通信的实际应用需求,设计以信道数量为优化目标的效用函数,相较于以通信容量为优化目标的方法,该设计更符合实际,进一步实现卫星通信中高效的频谱利用率的现实问题。
Description
技术领域
本申请涉及智能卫星通信抗干扰技术领域,特别是涉及一种对抗条件下的卫星通信功率资源分配方法。
背景技术
目前主流的卫星通信抗干扰技术是以宽带高速跳频为主,结合不同的调制、编码方法实现抗干扰效果。虽然这类宽带高速跳频卫星通信系统已经具备一定的抗干扰能力,但其本质依然是一种盲抗干扰系统,不能基于干扰认知做出最优决策,各种抗干扰性能的提升均以消耗卫星通信系统的频率资源、功率资源为代价,从香农信息论的角度看,这些方法最终都将损失通信系统的总容量或者导致系统的复杂性提升,这种抗干扰技术难以有效应对人工智能背景下日益智能化的对抗态势。因此,有必要探索人工智能技术支撑背景下的卫星通信智能抗干扰技术研究。
发明内容
基于此,有必要针对上述技术问题,提供一种能够结合实际需要,计算简单但有效的对抗条件下的卫星通信功率资源分配方法。
一种对抗条件下的卫星通信功率资源分配方法,所述方法包括:
获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
在其中一实施例中,根据该模型以及所述初始策略集求解当前抗干扰方和干扰方的混合纳什均衡包括:将信干噪比作为评判标准对所述初始策略集中各功率分配策略进行概率赋值。
在其中一实施例中,所述信干噪比表示为:
一种对抗条件下的卫星通信功率资源分配装置,所述装置包括:
策略集获取模块,用于获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
子博弈混合纳什均衡计算模块,用于基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
子博弈最佳策略获取模块,用于根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
最佳策略获取模块,用于若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
上述对抗条件下的卫星通信功率资源分配方法,通过利用布洛托博弈资源分配模型对用户方和干扰方在多信道上分配有限功率资源问题进行建模,基于双隐喻算法,结合卫星通信的实际应用需求,设计以信道数量为优化目标的效用函数进行求解,获取双方博弈对抗的近似纳什均衡。
附图说明
图1为一个实施例中对抗条件下的卫星通信功率资源分配方法的应用环境图;
图2为一个实施例中功率资源分配博弈对抗示意图;
图3为一个实施例中对抗条件下的卫星通信功率资源分配方法的流程示意图;
图4为一个实施例中对抗条件下的卫星通信功率资源分配方法的算法流程示意图;
图5为一个实施例中卫星通信功率资源分配装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的对抗条件下的卫星通信功率资源分配方法,可以应用于如图1所示的应用环境中。其中,抗干扰方也就是用户方,包括信号发射终端、信号接收终端(卫星),以及两者之间的通信链路,且该通信链路包括多个信息传输信道,用户方可以使用多个信道进行传输,也可以存在空闲信道。而干扰方通过侦查设备、干扰设备对用户方实施跟踪干扰或阻塞式干扰,但受限于总干扰功率的限制,不能同时阻塞用户方所有的信道。对于用户方占用的每一个信道而言,如果接收机接收到的信干噪比(Signal to Interference plusNoise Ratio,SINR)满足公式:
本方法主要解决在上述对抗应用背景下,面对可能采取任意卫星通信功率资源分配策略的干扰方,用户方如何在各个传输信道上分配有限的功率资源,以获取更多数量的传输信道完成信息传输,增大通信容量,进一步实现卫星通信中高效的频谱利用率的现实问题。
用户方在上行链路信息传输时使用多个信息传输信道,而干扰方通过侦查手段获知用户方所占用的信道,双方在这些信道上按照各自的策略进行功率资源分配,以最大化各自的目的。该博弈对抗过程可以使用布洛托博弈资源分配模型进行建模,用户方和干扰方功率资源分配博弈对抗示意图如图2所示,左边的用户方采用合适的功率分配策略,使其满足公式(1),以最大化成功传输信息的信道数量,进一步成功完成信息传输,右边的干扰方发射一定的干扰功率以阻止用户方的信息传输。
在一个实施例中,如图3和4所示,基于上述技术背景提供了一种对抗条件下的卫星通信功率资源分配方法,包括以下步骤:
步骤S100,获取抗干扰方和干扰方的初始策略集,初始策略集中包括针对卫星通信信道的多个功率分配策略;
步骤S110,基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
步骤S120,根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
步骤S130,用于若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
在本方法中,使用基于双隐喻的均衡求解算法对卫星通信功率资源分配问题进行求解。
在步骤S100中,构建抗干扰方(也就是用户方)的初始策略集以及干扰方的初始策略集,该初始策略集中包括有多种不同的功率分配策略。其中,策略集是通过功率预算来构建的,抗干扰方的预算已知,干扰方的预算需要功率测量装置来进行测量获得。
在步骤S110中,再根据卫星通信功率资源分配模型以及初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡,并将信干噪比作为评判标准对所述初始策略集中各功率分配策略进行最优概率赋值。
具体的,基于布洛托博弈模型构建卫星通信功率资源分配模型,在模型的效用函数中引入信干噪比作为对抗双方分配策略的胜负标准,并根据所建模型以及所述初始策略集生成支付矩阵,对支付矩阵运用线性规划方法求解当前抗干扰方和干扰方子博弈的混合纳什均衡,该混合纳什均衡即为双方的初始策略集中各个策略的最优概率赋值。
在步骤S120中,根据当前用户方和干扰方子博弈的混合纳什均衡分别求解出针对对方策略集的最佳响应。
在步骤S130中,判断最佳响应是否符合准则,若符合,则说明求解得到的最佳响应至少有一方不在当前策略集中,根据用户方的最佳响应计算博弈上限值,根据干扰方的最佳响应计算博弈下限值,并求解上限值和下限值之间的差值,若差值符合准则,也就是两者之差小于预设值,则输出用户方和干扰方功率分配的近似纳什均衡。
若不符合准则,也就是两者之差大于预设值,则将计算得到的最佳策略增加到对应的策略集中去对策略集进行更新,并重复步骤S110到步骤S130进行迭代计算,直至博弈上限值和博弈下限值之间的差值符合准则,也就是小于预设值。在每一轮迭代过程中,求解子博弈的混合纳什均衡以及针对对方策略集的最佳响应,使得用户方和干扰方的策略集得到更新,这样不断迭代求解出针对当前更新策略集的最佳响应。
这里需要说明的是,在判断最佳响应是否符合准则时,只要有一方的最佳策略不在对应策略集中,则符合准则,并计算上限和下限值进行不断迭代,只有双方的最佳响应均在对应策略集中时,则不符合准则,说明求解得到的最佳响应均在当前对应策略集中,则将各自的该最佳响应作为当前抗干扰方和干扰方的最佳策略输出。这种情况发生的概率极低。
上述对抗条件下的卫星通信功率资源分配方法中,通过应用博弈论方法对卫星通信功率资源分配问题进行求解,对多信道博弈对抗条件下的卫星通信功率资源分配问题进行分析,基于布洛托博弈模型对该问题进行建模求解,探索博弈对抗条件下如何获得良好的卫星通信功率资源分配策略,支撑在对抗条件下进行卫星通信的有效实施。基于布洛托博弈资源分配模型,并使用双隐喻的均衡求解算法对卫星通信功率资源分配问题进行建模和求解,能够达到在博弈对抗中收敛到纳什均衡的要求,省去了一般解法中构造联合分布的复杂过程。结合卫星通信的实际应用需求,设计以信道数量为优化目标的效用函数,相较于以通信容量为优化目标的方法,该设计更符合实际,进一步实现卫星通信中高效的频谱利用率的现实问题。
应该理解的是,虽然图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种对抗条件下的卫星通信功率资源分配装置,包括:策略集获取模块500、子博弈混合纳什均衡计算模块510、子博弈最佳策略获取模块520和最佳策略获取模块530,其中:
策略集获取模块500,用于获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
子博弈混合纳什均衡计算模块510,用于基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;子博弈最佳策略获取模块520,用于根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
最佳策略获取模块530,用于若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
关于对抗条件下的卫星通信功率资源分配装置的具体限定可以参见上文中对于对抗条件下的卫星通信功率资源分配方法的限定,在此不再赘述。上述对抗条件下的卫星通信功率资源分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种对抗条件下的卫星通信功率资源分配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若所述最佳策略均在对应的策略集中,则将所述最佳策略作为当前抗干扰方和干扰方的最佳策略输出。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据该模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡包括:将信干噪比作为评判标准对所述初始策略集中各功率分配策略进行概率赋值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若所述最佳策略均在对应的策略集中,则将所述最佳策略作为当前抗干扰方和干扰方的最佳策略输出。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡包括:将信干噪比作为评判标准对所述初始策略集中各功率分配策略进行概率赋值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述信干噪比表示为:
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种对抗条件下的卫星通信功率资源分配方法,其特征在于,所述方法包括:
获取抗干扰方和干扰方的初始策略集,所述初始策略集中包括针对卫星通信信道的多个功率分配策略;
基于布洛托博弈模型构建卫星通信功率资源分配模型,并根据所建模型以及所述初始策略集求解当前抗干扰方和干扰方子博弈的混合纳什均衡;
根据所述子博弈的混合纳什均衡分别求解抗干扰方针对当前干扰方策略集的最佳策略,以及干扰方针对当前抗干扰方策略集的最佳策略;
若所述最佳策略均不在对应策略集中,或其中一方的最佳策略不在对应策略集中,则根据所述抗干扰方和干扰方对应的当前最佳策略分别计算博弈上限值以及博弈下限值,再计算所述博弈上限值和博弈下限值之间的差值,若差值大于设定值,则将所述最佳策略分别添加至对应的策略集中对策略集进行更新,并根据更新后的策略集进行新一轮子博弈迭代运算直至所述差值小于所述设定值,并输出抗干扰方和干扰方功率分配的近似纳什均衡。
2.根据权利要求1所述的卫星通信功率资源分配方法,其特征在于,若所述最佳策略均在对应的策略集中,则将所述最佳策略作为当前抗干扰方和干扰方的最佳策略输出。
3.根据权利要求1所述的卫星通信功率资源分配方法,其特征在于,根据该模型以及所述初始策略集求解当前抗干扰方和干扰方的混合纳什均衡包括:将信干噪比作为评判标准对所述初始策略集中各功率分配策略进行概率赋值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946839.9A CN115022952B (zh) | 2022-08-09 | 2022-08-09 | 一种对抗条件下的卫星通信功率资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946839.9A CN115022952B (zh) | 2022-08-09 | 2022-08-09 | 一种对抗条件下的卫星通信功率资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115022952A true CN115022952A (zh) | 2022-09-06 |
CN115022952B CN115022952B (zh) | 2022-10-25 |
Family
ID=83065560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210946839.9A Active CN115022952B (zh) | 2022-08-09 | 2022-08-09 | 一种对抗条件下的卫星通信功率资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115022952B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115913343A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 卫星通信功率资源在线分配方法、装置、设备及存储介质 |
CN117768010A (zh) * | 2024-02-21 | 2024-03-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于分层斯坦伯格博弈与匹配博弈的卫星抗干扰方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080167064A1 (en) * | 2006-12-11 | 2008-07-10 | Yeheskel Bar-Ness | Method and system for decentralized power control of a multi-antenna access point using game theory |
CN108616916A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种合作抗干扰分层博弈模型及抗干扰学习算法 |
CN108712188A (zh) * | 2018-05-25 | 2018-10-26 | 电子科技大学 | 基于博弈论的智能抗干扰方法 |
CN111275174A (zh) * | 2020-02-13 | 2020-06-12 | 中国人民解放军32802部队 | 一种面向博弈的雷达对抗策略生成方法 |
CN112423234A (zh) * | 2020-11-20 | 2021-02-26 | 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 |
CN113973362A (zh) * | 2021-10-08 | 2022-01-25 | 天津大学 | 强化学习非零和非合作多智能体安全通信功率控制方法 |
-
2022
- 2022-08-09 CN CN202210946839.9A patent/CN115022952B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080167064A1 (en) * | 2006-12-11 | 2008-07-10 | Yeheskel Bar-Ness | Method and system for decentralized power control of a multi-antenna access point using game theory |
CN108616916A (zh) * | 2018-04-28 | 2018-10-02 | 中国人民解放军陆军工程大学 | 一种合作抗干扰分层博弈模型及抗干扰学习算法 |
CN108712188A (zh) * | 2018-05-25 | 2018-10-26 | 电子科技大学 | 基于博弈论的智能抗干扰方法 |
CN111275174A (zh) * | 2020-02-13 | 2020-06-12 | 中国人民解放军32802部队 | 一种面向博弈的雷达对抗策略生成方法 |
CN112423234A (zh) * | 2020-11-20 | 2021-02-26 | 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 |
CN113973362A (zh) * | 2021-10-08 | 2022-01-25 | 天津大学 | 强化学习非零和非合作多智能体安全通信功率控制方法 |
Non-Patent Citations (5)
Title |
---|
YONGLE WU: "Optimal power allocation strategy against jamming attacks using the Colonel Blotto game", 《IEEE GLOBAL TELECOMMUNICATIONS CONFERENCE 2009》 * |
ZACHARIAH E. FUCHS: "A sequential Colonel Blotto game with a sensor network", 《2012 AMERICAN CONTROL CONFERENCE》 * |
徐瑨等: "5G网络空间安全对抗博弈", 《电子与信息学报》 * |
杨峻楠等: "基于不完全信息随机博弈的防御决策方法.", 《网络与信息安全学报》 * |
王龙等: "一种求有限零和博弈解的仿真方法", 《计算机仿真》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115913343A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 卫星通信功率资源在线分配方法、装置、设备及存储介质 |
CN115913343B (zh) * | 2023-03-09 | 2023-04-28 | 中国人民解放军国防科技大学 | 卫星通信功率资源在线分配方法、装置、设备及存储介质 |
CN117768010A (zh) * | 2024-02-21 | 2024-03-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于分层斯坦伯格博弈与匹配博弈的卫星抗干扰方法 |
CN117768010B (zh) * | 2024-02-21 | 2024-04-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于分层斯坦伯格博弈与匹配博弈的卫星抗干扰方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115022952B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115022952B (zh) | 一种对抗条件下的卫星通信功率资源分配方法 | |
Qian et al. | MAPEL: Achieving global optimality for a non-convex wireless power control problem | |
CN111586720B (zh) | 一种多小区场景下的任务卸载和资源分配的联合优化方法 | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
CN111132347B (zh) | 无线携能物理层安全传输的资源分配方法、装置及计算机 | |
CN111913723A (zh) | 基于流水线的云-边-端协作卸载方法和系统 | |
CN114698128B (zh) | 一种认知星地网络的抗干扰信道选择方法和系统 | |
CN112911587B (zh) | Mec-d2d环境下利用物理层安全防窃听任务卸载方法 | |
CN108712746A (zh) | 一种部分重叠信道聚合博弈模型及学习算法 | |
Lin et al. | Joint offloading decision and resource allocation for multiuser NOMA-MEC systems | |
Nouri et al. | NOMA-based energy-delay trade-off for mobile edge computation offloading in 5G networks | |
González et al. | Spatial mappings for planning and optimization of cellular networks | |
CN114885422A (zh) | 一种超密集网络中基于混合接入方式的动态边缘计算卸载方法 | |
CN114968404A (zh) | 一种位置隐私保护的计算任务分布式卸载方法 | |
Lakew et al. | Adaptive partial offloading and resource harmonization in wireless edge computing-assisted IoE networks | |
Ortín et al. | Joint cell selection and resource allocation games with backhaul constraints | |
CN115022331B (zh) | 边缘计算资源分配方法、装置、存储介质及电子设备 | |
CN113395684B (zh) | 一种基于可变带宽信道的分布式运算卸载方法 | |
CN114553662B (zh) | 一种雾物联网物理层安全的资源分配方法及装置 | |
CN115913343B (zh) | 卫星通信功率资源在线分配方法、装置、设备及存储介质 | |
CN113497816B (zh) | 一种智能物联网边缘网关服务器协作式任务卸载方法 | |
CN112422353B (zh) | 一种基于效用性的兵力配系网络生成方法 | |
CN111669760B (zh) | 认知无线电网络中基于协作干扰的安全传输方案 | |
Popławski et al. | Optimizing spectrum use in wireless networks by learning agents | |
CN116318325A (zh) | 应用于星地融合网络的noma抗干扰传输方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |