基于深度强化学习的无线网络抗干扰算法研究
国际学院
无线通信技术的快速发展和广泛应用，使得无线网络在日常生活和工作中扮演了至关重要的角色。然而，随着无线设备的数量和密度不断增加，无线网络面临的干扰和冲突问题也日益严重。传统的抗干扰技术难以适应复杂多变的无线环境，因此，如何利用先进的算法和技术来提升无线网络的抗干扰能力，成为了一个亟待解决的问题。在此背景下，本项目构旨在利用深度强化学习（Deep Reinforcement Learning, DRL）技术，通过与环境的交互学习来优化干扰规避策略，以提升无线网络在高密度组网条件下的传输性能。
