水声通信环境多径效应严重,传输时延长,受到干扰攻击的威胁,导致接收信号质量严重下降甚至通信中断。水声通信中继技术提高抗干扰能力,其中继发射功率等策略的优化方案取决于水声信道模型和干扰攻击策略等时变因素,显著影响水声通信的误码率和能量损耗等性能。因此,论文采用博弈论和强化学习研究水下通信抗敌意干扰中继技术,增强水下通信的抗干扰能力,提高水下通信质量,延长水下传感网的生命周期。首先,论文采用前景理论建立水下中继抗敌意干扰博弈模型,揭示攻击者主观性对通信性能的影响;分析水声信道模型和干扰策略对抗干扰博弈的纳什均衡的影响,揭示干扰能量损耗和信道增益等对水下通信的误码率和中继能耗的影响。相较于基于期望效用理论的传统水下抗干扰博弈研究,论文建立了干扰攻击者的主观性决策模型,揭示了利用主观性提高水下通信抗干扰通信性能的可能性。在此基础上,论文提出基于强化学习的水下抗敌意干扰中继机制,无需预知水下信道和干扰攻击模型,优化水下中继发射功率和轨迹移动策略,提高水下抗干扰通信性能,降低通信误码率和中继能耗。针对能够承受深度学习计算复杂度的水下中继节点,进而提出基于深度强化学习的中继机制,利用卷积神经网络压缩中继的状态空间,进一步提升水下通信抗干扰能力。基于非消声水池的实验结果表明,与基于Q学习的中继功率控制方案相比,所提抗干扰中继机制节约了26.4%的能量损耗,降低了 14.5%的通信误码率,提高了 27.1%的中继效益。所提基于深度强化学习的中继方案进一步节约了 48.4%的能量损耗,降低了 3 1.5%的误码率,提高了 44.1%的中继效益。