Anti-intercepts conjoints basés sur l’énergie et la corrélation pour les véhicules de combat terrestres
Kim Khoa Nguyen
Abstract or Summary
Aujourd’hui, les véhicules de combat terrestres (GCV) des systèmes WIN-T (Warfighter Information Network-Tactical) sont fortement interconnectés et autonomes. Toutefois, la protection d’un grand nombre de liaisons de communication sans fil contre l’interception de l’ennemi dans un environnement dynamique est un véritable défi. En raison de la mobilité du GCV, la capacité de faible probabilité d’interception (LPI) est facilement violée, en particulier lorsque plusieurs techniques d’interception sont utilisées simultanément. Dans cet article, nous étudions le problème de la préservation de la capacité de l’IPV dans le cadre des approches traditionnelles d’optimisation et d’apprentissage par renforcement profond (DRL). Contrairement aux travaux antérieurs, nous proposons une stratégie anti-interception contre les techniques d’interception basées sur l’énergie et la corrélation. Notre stratégie optimise conjointement l’allocation de puissance (PA) et l’affectation du facteur d’étalement (SA) du WIN-T afin d’éviter ces intercepteurs. Le problème est formulé mathématiquement comme un modèle d’optimisation non convexe, et nous le résolvons donc à l’aide de techniques avancées telles que la décomposition et la différence de fonctions convexes (DC). Pour obtenir la solution optimisée en temps quasi réel, nous concevons une stratégie d’apprentissage par renforcement profond multi-agents (MADRL). Nos résultats numériques montrent que la performance de la stratégie MADRL proposée est proche de la solution optimale, ce qui la rend applicable aux systèmes pratiques.
