《为移动环境中的战术异构网络开发频谱感知合作与融合策略》105页

在受到干扰器攻击的战术无线网络中，频谱感知是确保部署的军事人员安全和高效的一个重要考虑因素。这些网络的成员有必要了解频谱中哪些信道受到攻击，哪些可安全用于数据传输。组成这些网络的无线发射机可以通过感知不同信道的能量水平来确定这些信道上是否存在干扰器。然后，它们可以与同伴共享这一信息，以便协同识别和避开干扰器。目前有几种基于强化学习的解决方案，允许无线发射机根据对干扰者活动的观察制定传输策略，但当干扰者的行为是随机的，从而使强化学习算法无法学习和预测其行为时，这些解决方案往往会失效。

在本文中，首先讨论协作频谱感知以及认知无线电、干扰和反干扰背后的理论。接下来，详细介绍了用于表示多智能体反干扰问题的系统模型。然后，介绍了一种协作式伪随机信道选择算法和一种基于超级决策向量的数据协作与融合方案，以提高对整个网络频谱利用率的认识。仿真结果表明，该方案可提高干扰器的检测率，并增加未被干扰信道上的传输次数。

频谱中可用频率的缺乏正迫使工业界、学术界和政府当局探索新的频谱分配模式，以满足当前和未来因联网设备数量无止境增长而产生的频谱需求。认知无线电（CR）自出现以来，已成为解决频谱稀缺问题的可行方案。认知无线电技术并不严格限制许可用户使用频段，而是建议允许非许可用户也使用这些频率，只要他们不干扰信道许可用户的传输。一旦获得许可的主用户（PU）开始在信道上传输，这些次级用户就可以停止在信道上传输，或者将其传输功率调制到不会对主用户的传输造成干扰的程度。

协作频谱感知是指认知无线电网络独立扫描频谱，寻找可用带宽，并与同伴共享感知信息，以提高整个网络的吞吐量。除了增加每个节点在频谱占用率方面所拥有的数据点数量外，协同频谱感知（CSS）还允许 CR 补偿路径损耗、阴影和衰减等可能对每个节点观测可靠性产生负面影响的物理现象（Roozgard 等人（2012））。

将这些可能不可靠的本地观测数据合并成一个可用于决策的可靠数据被称为数据融合。认知无线电网络（CRN）的成员可利用数据融合将其通过协作频谱传感接收到的观测数据合并成一组决策，给出频谱中每个信道的占用率。然后，节点可以查阅该决策集，并确定它们可用于传输数据的空闲信道。

与许多现代技术一样，世界各地的军队也迅速找到了认知无线电的用途。军用协作频谱感知与民用频谱感知大体相似，都是由认知无线电组成网络，共同寻找可用于传输数据的闲置带宽，直到外部用户进入该频率并开始传输数据。不过，两者之间有一个重要的区别：民用 CSS 主要关注的是次要用户伺机利用主要（许可）用户留下的空闲带宽，而主要（许可）用户并不一定关注次要用户的活动，只要他们能使用自己的许可频段而不受非许可用户的阻碍即可；而军用认知无线电则积极与试图阻碍其传输的实体竞争频谱使用权。这些用户被称为干扰者，因为他们的主要目的是禁止访问信道，阻止军用认知无线电设备访问频谱并与同行通信。

我们可以将民用和军用 CSS 作如下类比：军用 CR（类似于次级用户）必须避免在被敌对干扰者（类似于主要用户）占用的信道上传输。然而，一个重要的区别在于，民用有证通信设备必须注意不对许可用户的传输造成干扰，而在干扰器频率上传输的军用有证通信设备则有可能被窃听或扰乱其传输，以至于其目标接收器无法解码所传输的信息。这将使 CR 的用户面临人身危险，因为军事 CSS 可能发生在包括武装战斗在内的军事行动期间。同样，某些干扰技术会主动寻找军用 CR 正在使用的信道，以占据这些信道并阻断 CR 的传输。因此，战术网络必须与对抗性干扰器抗衡，并通过采用频谱感知和数据融合技术来克服干扰器，这些技术应考虑到干扰器为破坏这些网络成员的传输而使用的策略。

问题描述

战术无线网络中的频谱感知用于为组成这些网络的战术无线电设备提供有关不同信道占用情况的信息，而这些信道正被敌对势力（即我们这里的敌方干扰器）访问。在这些对手正在使用的信道上传输数据可能会产生负面影响。因此，我们希望开发一种技术，让这些网络的成员能够检测到什么时候传输信道是不安全的。

然而，仅靠战术无线网络中的单个节点来感知敌方干扰器对频谱的利用是不够的。为了确保同级节点不在被破坏的信道上传输，察觉到干扰器攻击特定信道的节点需要与邻居共享这一感知信息，以提高整个网络传输的安全性。

本项目的重点是开发一种信道选择算法，部署在现场的战术通信系统可利用该算法识别受到干扰器攻击的信道。这样，各个节点就能知道在广播数据时哪些信道不能使用。该算法基于对干扰器活动的观察，以及对邻近无线电的感应观察。此外，这种信道选择算法鼓励网络成员相互协作，以共同提高观测结果的可靠性，因为恶劣的环境条件可能导致节点的观测结果不正确，而如果两个或更多相邻节点协调其传感行动，同时观测同一信道，则可降低出错概率。因此，这种算法将使节点检测到更多的主动干扰器。

除信道选择算法外，我们还引入了一种使用超级决策向量的数据协作和融合方案，允许节点相互共享其感知信息，并将其合并为一组与每个信道占用率相关的决策。这样，网络中的每个成员都能更好地识别空闲信道，从而提高无干扰传输率。

目标和方法

本文的主要目标是提出一种解决方案，使战术无线网络成员能够更好地了解敌方干扰器对频谱的使用情况，以确保他们不会在会导致其传输被拦截或干扰到无法被目标接收器解码的信道上进行传输。建议的解决方案考虑到了敌对干扰者的不可预测行为，以确保我们不会偏向于干扰者的表述。换句话说，我们对干扰器的建模方式使其行为无法被学习、预测或可靠预期。此外，我们的解决方案还引入了数据协作和融合方案，使战术无线网络成员能够更好地利用同伴的感知观测结果。

为了实现这一目标，我们采取了以下措施：

• 首先介绍认知无线电背后的理论以及开发认知无线电的动机。然后，我们将注意力转向数据融合技术，包括集中式和分布式策略。接下来，我们详细回顾了干扰和抗干扰技术，然后将重点转向战术无线网络特定背景下的协作频谱感知。

• 接下来，将详细介绍我们用来表示多用户抗干扰问题的系统模型，以及模拟战术无线网络成员、攻击网络的干扰器和两组实体进行传输的频谱之间相互作用的随机博弈。然后，我们介绍我们的解决方案，让网络成员更好地了解干扰器的频谱使用情况，从而提高网络内未被干扰的传输率。

• 最后，进行了仿真，以测试我们的解决方案与文献中发现的现有解决方案的有效性，后者使用多智能体强化学习来构建决定每个节点将感知哪些信道的策略。具体来说，我们根据干扰器被检测到的次数以及在未被干扰的信道上进行传输的次数来评判这些解决方案。为了建立性能基准线，我们还将把这两种解决方案的有效性与随机选择的行动进行比较。