对多功能雷达的DQN认知干扰决策方法

发布时间：2022-12-09 02:23

　　基于Q-Learning的认知干扰决策方法随着多功能雷达（multifunctional radar,MFR）可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络（deep Q network,DQN）干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。 

【文章页数】：7 页

【文章目录】：
0 引言
1 干扰库构建
2 DQN认知干扰决策方法
    2.1 DQN基本原理
    2.2 DQN认知干扰决策方法概述
3 仿真试验
    3.1 DQN决策方法仿真
    3.2 DQN与Q-Learning的性能对比
    3.3 IDQN与DQN决策性能对比
    3.4 PK-IDQN干扰决策性能
4 结束语


【参考文献】：
期刊论文
[1]基于Q-学习的智能雷达对抗[J]. 邢强,贾鑫,朱卫纲.  系统工程与电子技术. 2018(05)
[2]基于Q-学习算法的认知雷达对抗过程设计[J]. 李云杰,朱云鹏,高梅国.  北京理工大学学报. 2015(11)
[3]基于D-S证据理论的电子干扰模式选择[J]. 孙宏伟,童宁宁,孙富君.  弹箭与制导学报. 2003(S2)

博士论文
[1]多功能雷达电子情报信号处理关键技术研究[D]. 马爽.国防科学技术大学 2013

硕士论文
[1]复杂电磁环境下基于博弈论的机载雷达对抗仿真研究[D]. 张永顺.西安电子科技大学 2011



本文编号：3714623