一种基于贝叶斯Q学习的无人机集群网络智能跳频方法

摘要

本发明公开了一种基于贝叶斯Q学习的无人机集群网络智能跳频方法，该方法采用Myopic‑VPI决策策略选择无人机集群上行链路的无线信道，在无人机和干扰机均处于未知移动状态的场景下实现对干扰信道的规避；同时在基于对信道环境的数据观测下，运用矩更新方法，逐步修正基于高斯‑伽马分布模型的Q值分布，最终学习到干扰机的干扰策略并智能选择可用的传输信道，最大程度上降低干扰。本发明针对无人机集群网络分别处于单音随机干扰、多音扫频干扰和马尔科夫干扰三种场景下，通过无人机自主交互的协同认知能力规避干扰，实现智能抗干扰通信；相较于传统Q学习能够更快地学习到最优的跳频方法，有效提升了信息传输速率且降低了功率消耗。