【无人机通信】基于Stackelberg博弈方法无人机边缘计算中的抗干扰信道分配研究附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

针对无人机边缘计算（UAV-Edge Computing, UEC）场景中信道资源稀缺、干扰复杂导致的通信性能下降问题，提出一种基于 Stackelberg 博弈的抗干扰信道分配策略。首先构建包含无人机用户、边缘节点与干扰节点的 UEC 通信模型，明确信道容量、干扰抑制及能耗约束；其次设计 “边缘节点 - 无人机用户” 的双层 Stackelberg 博弈框架，将边缘节点作为领导者优化信道分配收益，无人机用户作为追随者最大化通信效用；最后通过纳什均衡求解实现干扰感知的最优信道分配。仿真结果表明，该策略相比传统信道分配算法，在信道利用率、抗干扰能力及用户通信速率方面均有显著提升，能有效适配 UEC 动态通信场景的需求。

关键词

无人机边缘计算；抗干扰；信道分配；Stackelberg 博弈；纳什均衡；资源优化

1 引言

1.1 研究背景与意义

随着 5G/6G 技术与边缘计算的深度融合，无人机边缘计算（UEC）凭借高机动性、广覆盖性优势，已广泛应用于智能巡检、应急通信、物联网数据采集等领域 [1]。UEC 系统中，无人机作为移动用户终端，通过接入地面边缘节点（Edge Node, EN）实现计算任务卸载与数据传输，其通信性能直接决定任务执行效率 [2]。然而，UEC 场景面临三大核心挑战：

1. 信道资源稀缺：无人机用户动态移动导致信道环境时变，有限的无线信道资源难以满足多用户并发传输需求；

2. 干扰复杂多样：存在同频干扰、多径干扰及恶意干扰节点的主动干扰，严重影响通信链路稳定性；

3. 资源分配矛盾：边缘节点需平衡信道利用率与用户服务质量（QoS），无人机用户需在抗干扰与能耗开销间寻求折中 [3]。

信道分配作为 UEC 通信资源优化的核心技术，其目标是在复杂干扰环境下，为无人机用户合理分配信道资源，实现干扰抑制与通信性能提升。传统信道分配算法（如贪婪算法、图着色算法）缺乏对干扰动态性与用户异构性的考量，抗干扰能力有限；而博弈论作为解决多主体利益冲突与资源分配的有效工具，能通过建模参与者策略互动实现最优决策 [4]。Stackelberg 博弈作为双层非合作博弈，适用于 “领导者 - 追随者” 的层级决策场景，与 UEC 中边缘节点主导资源分配、无人机用户自主选择信道的模式高度契合，为抗干扰信道分配提供了新的解决思路。

1.2 研究现状

当前 UEC 信道分配与博弈论应用的相关研究主要集中在以下方面：

• 信道分配算法

  ：文献 [5] 提出基于强化学习的动态信道分配算法，通过环境感知自适应调整分配策略，但未充分考虑干扰节点的主动攻击；文献 [6] 采用粒子群优化算法优化信道分配的信道容量与能耗，但收敛速度慢，难以适配无人机动态移动场景；

• 博弈论应用

  ：文献 [7] 基于纳什博弈实现无人机用户间的信道竞争分配，提升了信道利用率，但忽略了边缘节点的资源调度主导权；文献 [8] 采用 Stackelberg 博弈优化边缘计算任务卸载与信道分配联合问题，但未针对干扰场景设计专用的效用函数与均衡求解机制；

• 抗干扰技术

  ：现有抗干扰信道分配多聚焦于被动避扰（如信道切换），缺乏对主动干扰的建模与抑制策略，难以应对复杂干扰环境 [9]。

本文针对现有研究不足，构建融合干扰感知的 Stackelberg 博弈模型，设计兼顾边缘节点收益与无人机用户抗干扰需求的效用函数，通过均衡求解实现全局最优信道分配，为 UEC 系统的抗干扰通信提供技术支撑。

2 系统模型与问题描述

4 结论与展望

本文针对无人机边缘计算中的抗干扰信道分配问题，提出一种基于 Stackelberg 博弈的优化策略。通过构建 “边缘节点 - 无人机用户” 的双层博弈框架，设计融合抗干扰因素的效用函数与收益函数，利用纳什均衡与梯度下降法求解最优信道分配策略。仿真实验验证了该策略在抗干扰能力、信道利用率及动态适应性方面的优越性。

未来研究方向可包括：

1. 考虑多边缘节点协作场景，构建分布式 Stackelberg 博弈模型，解决跨区域信道资源调度问题；

2. 引入恶意干扰节点的动态攻击策略，设计鲁棒性更强的博弈效用函数与均衡求解算法；

3. 结合深度学习技术，实现信道状态与干扰模式的精准预测，进一步提升信道分配的实时性与优化性能。

⛳️ 运行结果

🔗 参考文献

[1] 蒋宇娜.面向虚实融合服务的无线网络资源分配博弈研究[D].华中科技大学,2023.

[2] 尤静月.面向车载边缘计算任务卸载策略研究[D].沈阳大学,2022.

[3] 孙伟峰,张渊櫆,江贺,等.基于双层Stackelberg博弈的MEC计算卸载方案[J].软件学报, 2023, 34(9):4275-4293.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇