本文属于类型a，即报告了一项原创性研究的科学论文。以下是对该研究的学术报告：
主要作者及研究机构
本文的主要作者为Pu Xie和Yang Huang，均来自南京航空航天大学电子信息工程学院。该研究发表于2024年IEEE/CIC国际通信会议（ICCC）。
学术背景
随着6G移动通信技术的发展，感知、通信和阵列信号处理等技术的融合使得情境感知能力得到了显著提升。然而，这种进步也带来了隐私和安全方面的重大挑战，特别是那些具备雷达式感知能力的恶意设备。传统的物理层安全方法，如安全编码，仅通过预编码信号处理来确保通信安全，无法有效防止非法感知。因此，本文提出了一种基于Actor-Critic（AC）方法的频率选择方案，用于噪声干扰，以有效对抗恶意多功能频率敏捷感知设备。同时，为了避免干扰合法但非合作用户的上行传输，本文还提出了一种鲁棒的动作校正机制，能够学习和预测频谱利用状态，从而找到可行但接近最优的干扰频率配置。
研究流程
- 系统模型：本文研究了一个典型的6G移动网络场景，其中整个频段由N个频域信道组成。恶意感知设备R通过雷达式感知信号检测用户U，而干扰器J则通过噪声干扰来保护用户免受恶意检测。
- 问题建模：本文将安全干扰问题建模为一个马尔可夫决策过程（MDP），目标是在每个时隙中动态配置频域资源，以有效干扰恶意感知设备，同时避免干扰非合作用户的上行传输。
- AC方法：本文提出了一种基于AC方法的频率选择算法，通过交替改进状态值函数和参数化策略来优化干扰策略。AC方法包括一个生成频率选择的Actor和一个评估动作的Critic。
- 鲁棒动作校正机制：为了确保在每个时隙中不违反频率冲突约束，本文提出了一种鲁棒动作校正机制。该机制通过构建约束函数的近似来预测频谱利用状态，并在存在潜在冲突时计算接近最优的频率选择动作。
- 仿真实验：本文通过仿真实验验证了所提出方法的有效性。实验结果表明，集成了鲁棒动作校正机制的AC方法能够在干扰恶意感知设备的同时，最大限度地减少对非合作用户的干扰。
主要结果
- 干扰成功率：仿真结果表明，集成了鲁棒动作校正机制的AC方法能够在离线训练和在线推理阶段均实现100%的干扰成功率。
- 模式转换：恶意感知设备在干扰下始终保持在搜索模式，无法进入跟踪或锁定模式，表明干扰有效。
- 频率冲突：鲁棒动作校正机制显著减少了频率域冲突，最终将冲突数降至零。
结论与意义
本文研究了6G移动通信系统中的物理层安全问题，提出了一种基于AC方法的频率选择方案，并结合鲁棒动作校正机制，有效干扰了恶意感知设备，同时避免了对非合作用户的干扰。该研究具有重要的科学价值和应用价值，为6G网络的安全防护提供了新的解决方案。
研究亮点
- 创新性方法：本文首次将AC方法与鲁棒动作校正机制结合，解决了动态配置频域资源的复杂问题。
- 高效干扰：所提出的方法能够在干扰恶意感知设备的同时，最大限度地减少对合法用户的干扰。
- 广泛适用性：该方法不仅适用于6G网络，还可推广到其他需要动态资源分配的通信系统中。
其他有价值的内容
本文还详细讨论了相关领域的研究现状，并引用了大量文献支持其研究方法和结论。此外，本文提出的鲁棒动作校正机制为解决其他约束优化问题提供了新的思路。