基于深度强化学习的认知物联网资源分配的策略研究

作     者：丘航丁 林瑞全 刘佳鑫 鲍家旺 徐浩东 QIU Hangding;LIN Ruiquan;LIU Jiaxin;BAO Jiawang;XU Haodong

作者机构：福州大学电气工程与自动化学院福建福州350108 

基　　金：国家自然科学基金项目(No.61871133) 

出 版 物：《信息安全与通信保密》 (Information Security and Communications Privacy)

年 卷 期：2023年第3期

页      码：82-92页

摘      要：能量采集(Energy Harvesting,EH)和认知无线电(Cognitive Radio,CR)技术的组合可为物联网设备提供持续的能量,并有效地提高物联网系统的频谱效率。然而,在衬底模式下的认知物联网(Cognitive Radio IoT,CIoT)系统中,物联网设备之间的无线通信常常遭受窃听攻击。针对存在多窃听者条件下的CIoT系统无线通信场景,以保密速率作为系统保密性能指标。为解决所提的资源分配问题,将长短期记忆网络(Long-Term Memory Network,LSTM)、生成对抗网络(Generative Adversarial Networks,GAN)和深度强化学习(Deep Reinforcement Learning,DRL)算法相结合,设计一种联合能量采集时间和传输功率分配方案。数值仿真表明,与其他基准算法相比,所提方法能够有效地提高系统保密性能。

主 题 词：认知物联网 能量采集 物理层安全 深度强化学习 

学科分类：11[军事学] 1105[1105] 0839[0839] 08[工学] 110505[110505] 110503[110503] 

D　O　I：10.3969/j.issn.1009-8054.2023.03.008

馆 藏 号：203122438...