本书系统地介绍了博弈学习通信抗干扰理论与方法，主要介绍作者近年来在博弈学习通信抗干扰领域中的研究工作，主要内容包括基于Stackelberg博弈的功率控制抗干扰、基于分层学习的信道选择抗干扰、面向QoE的信道选择抗干扰、面向动态业务需求的信道选择抗干扰、面向动态频谱环境的多域抗干扰、基于多智能体强化学习的协作抗干扰以及基于干扰利用的协作抗干扰等。

前 言 由于无线环境的开放特性，无线通信能够方便地提供用户接入，同时容易遭受敌方实施的各种类型的攻击，如恶意干扰攻击、窃听者攻击等。其中，为了应对干扰攻击，通信抗干扰应运而生，得到了国内外许多学者和用户的广泛关注。通信抗干扰能力作为决定现代战争胜负的重要因素，是军事无线通信最基本的要求，也是战场生存能力的重要特征。在民用通信领域，基本的通信抗干扰能力也是用户适应复杂使用环境，提高信息传输可靠性的一种必要手段。如何在复杂电磁环境条件下确保通信的可靠性是一项艰巨的任务。 随着无线业务需求的日益增长，无线设备的数量急剧增加，使得频谱资源显得非常紧缺。同时，由于各种用频设备的密集部署，不仅需要应对外部恶意干扰的威胁，还需面临用频设备间由于使用相同信道而产生的同频互扰问题，使得通信抗干扰问题变得更加复杂。在抗干扰问题的研究过程中，需同时应对外部恶意干扰和己方同频互扰问题。此外，随着电子进攻技术的不断发展，智能化程度的不断提升，使得无线通信面临的电磁环境日益复杂。因此，未来的新型干扰环境呈现出“干扰智能”“构成复杂”等典型特征。 在新型干扰环境中，通信抗干扰问题面临对抗性、不完全性、不确定性、动态性、密集性等技术挑战，传统的主流通信抗干扰方法，如常规的跳频、直扩等，面对新型干扰环境，其性能难以满足其使用需求。因此，为了确保无线通信的可靠传输，亟需研究新的抗干扰方法。为了提升无线通信的抗干扰能力，借鉴认知无线电以及人工智能相关技术的智能抗干扰将是抗干扰领域的必然趋势。 本书围绕博弈学习通信抗干扰展开，在总结国内外相关研究现状的基础上，综合运用博弈论、博弈学习、多智能体强化学习等理论和方法，着重介绍了作者近年来在博弈学习通信抗干扰方面的研究成果，主要包括基于Stackelberg博弈的功率控制抗干扰、基于分层学习的信道选择抗干扰、面向QoE的信道选择抗干扰、面向动态业务需求的信道选择抗干扰、面向动态频谱环境的多域抗干扰、基于多智能体强化学习的协作抗干扰以及基于干扰利用的协作抗干扰等。作者希望将这些研究成果与国内外同行一起分享，以进一步推动通信抗干扰技术的研究与发展。 作者在国家自然科学基金青年基金（61901523）的资助下，对博弈学习通信抗干扰进行了较为深入地研究，对博弈学习通信抗干扰算法进行了积极探索。结合作者近年来的研究工作，在博弈学习通信抗干扰模型架构以及算法设计方面获得了初步研究成果，这些工作一定程度上丰富了智能抗干扰的理论与方法，并且为其他领域中的决策优化问题提供了新的研究思路。希望本书能够起到抛砖引玉的作用，欢迎各界学者不吝赐教，提出意见建议。 作者特别感谢国防科技大学第六十三研究所的姚富强院士百忙之中抽出时间阅读了本书的初稿，为本书的撰写提供了很多有价值的修改意见，并为本书作序。特别感谢国防科技大学第六十三研究所的李永贵研究员阅读了本书书稿，并提出了许多有价值的修改意见。 特别感谢研究生张云鹏，在他攻读硕士学位期间，作者指导他完成了本书第6章涉及的部分工作。 感谢电子工业出版社王羽佳编辑为本书的出版做出了大量工作。此外，感谢所有曾经、正在或将要帮助和鼓励我们研究通信抗干扰的单位和个人。 通信抗干扰问题是一项复杂的系统工程，并且随着技术进步不断发展变化，其理论和方法还有许多问题值得进一步探索研究，由于作者水平有限，本书难免存在错误和缺点，恳请广大读者提出宝贵意见。 作者 2022年1月

目 录 第1章 概述 1 1.1 博弈学习通信抗干扰的研究 背景 1 1.2 博弈学习通信抗干扰的来源 4 1.3 本书的主要研究内容 7 第2章 博弈学习通信抗干扰的基础知识 9 2.1 通信抗干扰的基础知识 9 2.1.1 基本概念 9 2.1.2 通信干扰的内涵 12 2.1.3 通信抗干扰的内涵 13 2.1.4 通信抗干扰技术的分类 14 2.1.5 通信抗干扰技术的发展 16 2.2 博弈论的基础知识 17 2.2.1 博弈论简介 17 2.2.2 均衡分析 18 2.3 典型博弈模型 19 2.3.1 势能博弈 19 2.3.2 Stackelberg博弈 19 2.3.3 马尔可夫博弈 20 2.4 博弈学习框架 20 2.4.1 博弈学习的一般框架 20 2.4.2 Stackelberg博弈架构中 的博弈学习框架 22 2.5 国内外相关研究动态 23 2.5.1 功率控制抗干扰的研究 现状 23 2.5.2 信道选择抗干扰的研究 现状 24 2.5.3 多域抗干扰的研究现状 25 2.5.4 协作抗干扰的研究现状 25 2.6 本章小结 27 第3章 基于Stackelberg博弈的功率 控制抗干扰 28 3.1 系统模型 29 3.2 连续策略条件下的贝叶斯Stackelberg博弈功率控制 抗干扰 29 3.2.1 问题描述 29 3.2.2 博弈均衡分析与求解 30 3.3 离散策略条件下的分层功率 控制抗干扰 34 3.3.1 问题描述 34 3.3.2 博弈均衡分析 36 3.3.3 分层功率控制算法 36 3.4 仿真结果与分析 38 3.4.1 连续策略条件下的性能 分析 38 3.4.2 离散策略条件下的性能 分析 40 3.5 本章小结 43 第4章 基于Stackelberg博弈的多用户 功率控制抗干扰 44 4.1 系统模型和问题建模 45 4.1.1 系统模型 45 4.1.2 问题建模 46 4.2 不完全信息条件下的抗干扰 贝叶斯Stackelberg博弈 48 4.2.1 博弈模型 48 4.2.2 均衡分析与求解 51 4.3 仿真结果与分析 54 4.3.1 收敛性分析 55 4.3.2 不完全信息和观测误差 对效用的影响 56 4.3.3 位置变化对效用的影响 57 4.4 本章小结 59 第5章 基于分层学习的信道选择 抗干扰 60 5.1 系统模型和问题建模 61 5.1.1 系统模型 61 5.1.2 问题建模 61 5.2 信道选择抗干扰博弈 62 5.2.1 博弈模型 62 5.2.2 均衡分析 64 5.3 分层学习信道选择算法 66 5.3.1 算法描述 66 5.3.2 收敛性分析 68 5.4 仿真结果与分析 69 5.4.1 算法收敛性 69 5.4.2 性能比较 71 5.5 本章小结 75 第6章 面向QoE的信道选择抗干扰 76 6.1 系统模型和问题建模 77 6.1.1 系统模型 77 6.1.2 路径损耗模型 77 6.1.3 问题建模 78 6.2 信道选择抗干扰博弈 80 6.2.1 博弈模型 80 6.2.2 均衡分析 80 6.3 信道选择抗干扰算法 82 6.3.1 算法描述 82 6.3.2 收敛性分析 84 6.3.3 基于同步对数线性学习 的信道选择抗干扰算法 85 6.4 仿真结果与分析 86 6.4.1 算法收敛性 87 6.4.2 性能比较 89 6.4.3 用户需求分集增益评估 91 6.5 本章小结 92 第7章 面向动态业务需求的信道选择 抗干扰 93 7.1 系统模型和问题建模 94 7.1.1 系统模型 94 7.1.2 问题建模 98 7.2 信道选择抗干扰博弈 98 7.2.1 博弈模型 98 7.2.2 均衡分析 99 7.3 信道选择抗干扰算法 100 7.3.1 算法描述 100 7.3.2 收敛性分析 101 7.4 仿真结果与分析 102 7.4.1 算法收敛性 103 7.4.2 性能比较 103 7.5 本章小结 106 第8章 面向动态频谱环境的多域 抗干扰 107 8.1 系统模型 108 8.2 多域抗干扰架构 109 8.3 多域抗干扰算法分析 112 8.3.1 功率控制抗干扰博弈 112 8.3.2 基于MAB的信道选择 115 8.4 仿真结果与分析 117 8.4.1 悔恨值性能分析 117 8.4.2 长期回报性能分析 120 8.5 本章小结 122 第9章 基于多智能体强化学习的协作 抗干扰 123 9.1 多用户协作抗干扰算法 124 9.1.1 系统模型 124 9.1.2 问题建模 125 9.1.3 算法描述 126 9.2 动态拓扑条件下的多用户协作 抗干扰算法 128 9.2.1 系统模型 128 9.2.2 问题建模 130 9.2.3 算法描述 132 9.3 仿真结果与分析 134 9.3.1 多用户协作抗干扰决策 算法性能分析 134 9.3.2 动态拓扑条件下的多用户协作抗干扰算法性能分析 138 9.4 本章小结 144 第10章 基于干扰利用的协作抗干扰 145 10.1 系统模型和问题建模 146 10.1.1 系统模型 146 10.1.2 问题建模 146 10.2 多用户抗干扰接入博弈模型 147 10.2.1 博弈模型 147 10.2.2 均衡分析 148 10.3 基于协调学习的动态频谱 接入抗干扰算法 149 10.3.1 MAC层协议 150 10.3.2 算法描述 151 10.3.3 算法复杂度、公平性 和可行性分析 152 10.4 仿真结果与分析 154 10.4.1 干扰设置 155 10.4.2 仿真分析 156 10.4.3 移动性场景讨论 161 10.5 本章小结 162 第11章 未来研究方向展望 163 11.1 本书工作总结 163 11.2 未来展望 164 参考文献 167