基于联邦学习的无人艇集群干扰抑制技术研究

摘要

针对无人艇集群在复杂海洋电磁环境下易受多源干扰，导致链路不稳定的问题，本文提出了一种基于联邦学习的干扰识别与抑制方法。该方法通过“节点本地训练—参数聚合—全局模型迭代”框架，实现多节点分布式建模，结合卷积神经网络(CNN)与长短期记忆(LSTM)网络进行干扰模式识别，并通过实时干扰监测与响应策略更新模型和调整控制参数。实验结果表明：相较于集中式学习与传统方法，本方法在多源干扰场景下，识别准确率(Acc)提升至85.3%,丢包率(PLR)降至10.2%,干扰消除率(ICR)提升至83.2%,显著改善了通信稳定性和集群协同控制效率，为无人艇集群在复杂海域的安全通信与稳定协同提供了可行的技术路径。

关键词

无人艇集群 / 联邦学习 / 干扰抑制 / 协同控制

基金资助

2024年度太原学院院级科研项目“基于机器学习的软件缺陷预测研究”(24TYQN13)