基于深度强化学习的车联网安全速率性能研究

数据传输安全已经成为制约车联网产业发展的关键性问题，其中安全速率是衡量数据传输安全的核心指标。本文聚焦于由一个基站、多台蜂窝通信的车辆(vehicle-to-infrastructure, V2I)、多台直通通信(vehicle-to-vehicle, V2V)的车辆和一个窃听者组成的车联网，研究V2I链路的和安全速率最大化问题，其中和安全速率表示所有链路的安全速率之和。为此，本文首先建立最大化和速率目标函数的优化问题，约束条件为满足通信链路的基本服务质量。这是一个非线性非凸的优化问题，本文提出了深度强化学习算法求解这个问题。在该算法下，每个V2V链路被设计成强化学习代理，代理和通信环境相互交互，得到状态空间和奖励函数，并通过使用经验重发来学习改进频谱和功率分配以提升V2I通信中的安全速率。实验仿真结果展示了系统参数对和安全速率的影响。