.png){kind=icon}
返回
3D UAV Localization Optimization Under Jamming Attacks: A Mixture Gaussian Distribution Based Collaborative Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3628889.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了在干扰攻击下无人 aerial vehicle (UAV) 定位优化问题。在所考虑的网络中，一个基站 (BS) 与一架主动 UAV 协作对目标 UAV 进行定位。在定位过程中，一架干扰 UAV 向被动 UAV 发送间断信号以干扰距离信息测量。为在干扰攻击下对目标 UAV 进行定位，基站联合使用两种定位方法：1) 基于 generative adversarial network (GAN) 的定位方法；2) 基于 time difference of arrival (TDOA) 的定位方法。由于 GAN 基于的方法无法防御强干扰信号，而 TDOA 基于的方法可能消耗更多能量并牺牲定位精度，基站必须选择合适的定位方法（GAN 基于或 TDOA 基于方法）以及被动 UAV 的四组距离测量信息以定位目标 UAV。该问题被表述为一个优化问题。此问题的目标是在考虑干扰攻击和被动 UAV 轨迹的情况下，最小化目标 UAV 估计位置与真实位置之间的定位误差。为解决此问题，我们提出了一种基于混合高斯分布模型的协同强化学习 (RL) 方法，该方法使主动 UAV 能够优化其发射功率和轨迹，并使基站能够根据 UAVs 的运动和未知的干扰攻击模式选择最合适的距离测量信息子集和最优定位方法。仿真结果表明，与未考虑 GAN 基于定位方法的方法相比，所提出的方法可将目标 UAV 的定位误差最多降低 36.5%。
Keyword:
UAV localization
jamming attacks
GAN-based positioning method
TDOA-based positioning method
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
Machine Learning Empowered Trajectory and Passive Beamforming Design in UAV-RIS Wireless Networks
OAAI
.png){kind=icon}
OAAI分享收藏Deep Reinforcement Learning-Based Resource Management for UAV-Assisted Mobile Edge Computing Against Jamming基于深度强化学习的无人机辅助移动边缘计算抗干扰资源管理
PREAI
分享收藏Cooperative Localization for UAV Systems From the Perspective of Physical Clock Synchronization
PREAI
分享收藏
查看更多内容