计算机应用研究

作者：杨翔宇,高贞贞,苗伟建,

单位：西安交通大学信息与通信工程学院,西安710049；

关键词：智能干扰,不完全信息,强化学习,无线通信,

基金：国家自然科学基金资助项目(62071367)；国家重点研发计划资助项目(2021YFB2900502)；国家重点实验室开放课题(CEMEE2023K0201)；；

随着现代军事体系对认知能力和干扰决策技术的需求日益增长，针对具备感知和决策能力的通信装备及作战网络的干扰方法面临严峻挑战。针对传统干扰决策方案在非合作场景下的局限性，提出了一种基于强化学习的干扰决策方法。所提方法采用多臂赌博机上置信界（multi-armed bandit upper confidence bound，MAB-UCB）算法，对干扰机的位置、发射角度和功率进行联合优化；并通过构建综合考虑功率代价与干扰效果的效用函数，在安全距离与最大功率等约束条件下实现干扰策略的自适应学习。仿真结果表明，在缺乏通信网络先验信息的条件下，所提方法能够达到已知先验信息时最优干扰策略效用的92.5%，传输阻断率为0.675 3；同时对网络拓扑变化表现出较强的适应性，当拓扑结构发生变化时该方法可在数秒内重新收敛，为非合作对抗场景下多链路通信干扰提供了有效的解决途径。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期