买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于深度强化学习的多用户通信抗干扰智能决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115103446B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210579127.8，技术领域涉及：H04W72/541；该发明授权一种基于深度强化学习的多用户通信抗干扰智能决策方法是由田峰;马亮;张嘉华;吴晓富设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于深度强化学习的多用户通信抗干扰智能决策方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的多用户通信抗干扰智能决策方法，包括步骤：构建一个多用户无线通信抗干扰系统模型，首先基站将感知到的多用户和干扰机的当前频谱信息作为深度强化学习的策略神经网络的输入，然后根据动态贪婪算法选择联合动作，通过基站反馈帮助用户智能选择通信频段；同时，计算当前时隙联合动作产生的立即奖励，并将经验存入经验回放池中。当经验回放池中的经验数量达到给定值时，从经验池中随机抽取一定数量的经验更新策略神经网络的参数，并每间隔固定时隙更新一次目标神经网络的参数；重复训练过程，完成多用户通信抗干扰智能决策方法。本发明能实现多用户通信抗干扰，有效避免了外部干扰机和内部用户造成的通信干扰。

本发明授权一种基于深度强化学习的多用户通信抗干扰智能决策方法在权利要求书中公布了：1.一种基于深度强化学习的多用户通信抗干扰智能决策方法，首先构建多个用户的无线通信抗干扰系统模型，再通过基站的反馈帮助各个用户智能选择最优通信频段，其特征在于，包括步骤如下： S1，构建由多个用户、一个基站和一个干扰机组成的多用户无线通信抗干扰系统模型，用户、基站和干扰机随机分布在一个开放区域内，共享一个频谱空间； S2，基站获取感知到的多用户和干扰机的当前频谱信息； S3，建立两个卷积神经网络模型，将当前频谱信息作为卷积神经网络模型的输入，然后根据动态贪婪算法选择联合动作，并通过基站反馈帮助用户智能选择通信频段； S4，计算当前时隙联合动作产生的立即奖励，并将经验存入经验回放池中；所述经验包括当前频谱选择状态、联合动作、立即奖励和下一个频谱选择信息； S5，当经验回放池中的经验数量达到给定值时，从经验池中随机抽取一定数量的经验，更新策略神经网络的参数，并每间隔固定时隙更新一次目标神经网络的参数；直至达到设定迭代次数时停止迭代； 所述步骤S2中，基站根据所接收到用户u的信干噪比SINRu判断用户u是否通信成功，若通信成功，归一化门限ruf为1，否则为0； 基站所接收到用户u的信干噪比SINRu为： 其中，Gu表示用户u到基站的信道增益，Gj表示干扰机到基站的信道增益，Ujf表示干扰机的功率谱密度，f表示信号频率，fk表示为用户u选择信道k的中心频率，fl表示某一用户选择信道l的干扰频率，nf表示噪声的功率谱密度，表示用户u选择信道k时来自用户集中其他用户的同信道干扰；δ为指示函数，如果·为真则为1，否则为0；表示用户集； 定义βth为信噪比传输的阈值，当接收到用户u的信干噪比SINRu大于βth时，表示传输成功；当接收到用户u的信干噪比SINRu小于或等于βth时，传输失败；则归一化门限guf为： 所述步骤S3中，所述两个卷积神经网络，一个是权值参数为θ的策略神经网络，另一个是权值参数为θ-的目标神经网络，并随机初始化权值参数；将二维的频谱瀑布Ot作为神经网络的输入，经过四个卷积层，然后通过展开层将卷积后的输出扁平化处理为一维数据，再经过四个全连接层得到最终的输出值； 采用动态ε-greedy算法选择联合动作at如下： 在每次迭代随机选择动作at的概率为ε，而选择令策略网络Qpolicy最大的动作a′＝argmaxaQpolicyOt,a；θi的概率为1-ε，其中ε0为初始的贪婪概率，decay为衰退系数，i为迭代次数，ε随着迭代次数i的增加以指数级别降低，e为自然常数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。