本申请提供的一种基于强化学习的WSN抗干扰方法、装置、设备和介质,通过预设初始跳频序列;初始化预设神经网络模型中的权重和偏置,并定义强化学习方法的参数;令待测WSN网络中所有节点依据所述初始跳频序列以测试数据进行发送或接收,并获取对应各所述节点传输情况的观察值;依据观察值采用随机梯度下降法、及反向传递放算法更新权重和参数、及参数,据以调整初始跳频序列并重复上一步骤,直至获得稳定的对应待测WSN网络的最终跳频序列。本申请能够针对无线传感网中节点的受干扰情况,逐渐学习到最佳的跳频序列以用于避开环境中干扰较强的信道,达到抗干扰的效果,同时可以将源节点的信息用尽量少的时间传递到目的节点,同时保证传输的可靠性。
声明:
“基于强化学习的WSN抗干扰方法、装置、设备和介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)