تسهیم طیف برای مقابله با تداخلگر با استفاده از یادگیری عمیق تقویتی چندعاملی

در تسهیم طیف بین کاربران مختلف، مقابله با تداخلگر موجود در شبکه بسیار حیاتی است. اهمیت این کار به ویژه زمانی دوچندان می‌شود که تداخلگر، هوشمند بوده و قادر به یادگیری الگوهای ارتباطی بین کاربران باشد. در این مقاله، روشی برای تسهیم طیف با هدف مقابله با تداخلگر شبکه پیشنهاد می گردد. شیوه پیشنهادی بر پایه یادگیری تقویتی چندعاملی است. در مرحله اول، طیف‌های مورد حمله تداخلگر توسط ایستگاه پایه به دست می آیند. در مرحله بعد، یک چارچوب یادگیری تقویتی عمیق طراحی می‌شود که به هرکدام از کاربران طیف امن و مناسب را پیشنهاد می‌دهد. برای این منظور از همبستگی بین سیگنال راهنمای ارسالی و سیگنال دریافتی در هر بازه فرکانسی، میزان تاثیر تداخلگر در آن زیرباند حاصل می شود. سپس ضریب تخفیف الگوریتم یادگیری تقویتی بر پایه مقدار همبستگی به صورت وفقی تنظیم می گردد. به این ترتیب، زیرباندهایی که کمتر تحت تاثیر تداخلگر واقع شده اند، به کاربران اختصاص می یابند. روش پیشنهادی در سناریوهای مختلف مورد شبیه سازی و ارزیابی قرار گرفته و نتایج حاکی از آن است که نرخ مجموع شبکه با سرعت بالایی به نرخ مطلوب همگرا می شود و شیوه پیشنهادی مقاومت خوبی در برابر تداخلگر از خود نشان می دهد.

spectrum sharing in anti-jamming using multi-agent reinforcement learning

in spectrum sharing among different users, it is very essential to deal with the jammers in the network. this work is more important when the jammer is intelligent and capable of learning the communication patterns between users. in this paper, a spectrum sharing method has been suggested to deal with the jammers of the network. the proposed method is based on multi agent reinforcement learning. in the first stage, the interfered sub-bands are obtained by the base station. in the next stage, deep reinforcement learning is designed to offer each user a safe and appropriate spectrum. for this purpose, the effect of the jammer in the sub-band is obtained from the correlation between the transmitted pilot and the received feedback in each frequency interval. then, the discount factor of the reinforcement learning algorithm is adjusted adaptively based on the correlation value. in this way, the sub-bands that are less affected by the jammer are assigned to the users. the proposed method has been evaluated in different scenarios and the results indicate that the sum rate of network converges to the desired level faster and the proposed method shows resistance against the jammer.