第3卷第1期2024年1月信息对抗技术InformationCountermeasureTechnologyVol.3No.1Jan.2024引用格式:李思达,徐逸凡,刘杰,等.基于深度迁移学习的动态频谱快速适配抗干扰方法[J].信息对抗技术,2024,3(1):33-45.[LISida,XUYifan,LIUJie,etal.Rapidadaptiontodynamicspectrumanti-jammingapproachbasedondeeptransferlearning[J].InformationCountermeasureTechnology,2024,3(1):33-45.(inChinese)]基于深度迁移学习的动态频谱快速适配抗干扰方法李思达1,徐逸凡1*,刘杰1,林凡迪1,韩昊1,易剑波2,徐煜华1(1.陆军工程大学通信工程学院,江苏南京,210000;2.海南宝通实业公司,海南海口,570100)摘要机器学习逐渐发展成为一种成熟强大的技术工具,并被广泛应用于无线通信抗干扰领域。其中,较为典型的有基于深度强化学习的抗干扰方法,通过与动态、不确定通信环境的不断交互来学习最优用频策略,有效解决动态频谱接入抗干扰的问题。然而,由于外界电磁频谱空间复杂、干扰模式样式动态多变,从头开始学习复杂的抗干扰通信任务往往时效性差,导致学习效率和通信性能显著下降。针对上述问题,提出基于深度迁移学习的动态频谱快速适配抗干扰方法。首先,通过构建预训练模型对已知干扰模式进行学习;其次,使用卷积神经网络提取现实场景下的感知频谱数据,重用过往经验优先启动加速适配;最后,运用微调策略辅助强化学习实施在线抗干扰信道接入。仿真结果表明,相较于传统强化学习算法,所提方法能够有效加快算法收敛速度,提升通信设备抗干扰性能。关键词动态频谱抗干扰;深度迁移学习;强化学习;快速适配中图分类号TN973.3+2文章编号2097-163X(2024)01-0033-13文献标志码ADOI10.12399/j.issn.2097-163x.2024.01.004Rapidadaptiontodynamicspectrumanti-jammingapproachbasedondeeptransferlearningLISida1,XUYifan1*,LIUJie1,LINFandi1,HANHao1,YIJianbo2,XUYuhua1(1.CollegeofCommunicationsEngineering,ArmyEngineeringUniversityofPLA,Nanjing210000,China;2.HainanBaotongIndustrialCompany,Haikou570100,China)AbstractMachinelearninghasbecomeamatureandpowerfultechniqueandhasbeenwidelyusedinthefieldsofwirelessanti-jammingcommunication.Deepreinforcementlearning(DRL),oneofthetypicalanti-jammingapproaches,thatenablesanagenttolearnanoptimalfrequency-usingpolicybyconstantlyinteractingwithdynamicanduncertaincommunicationsenvironments,hasbeenproposedaseffec...
