基于Q-Learning的認知干擾決策方法隨著多功能雷達（multifunctional radar,MFR）可執(zhí)行的任務越來越多,決策效率明顯下降。對此,提出了一種對MFR的深度Q神經(jīng)網(wǎng)絡（deep Q network,DQN）干擾決策方法。首先,分析MFR信號特點并構建干擾庫,以此為基礎研究干擾決策方法。其次,通過對DQN原理的簡要闡述,提出了干擾決策方法及其決策流程。最后,對該決策方法進行了仿真試驗并通過對比DQN和Q-Learning的決策性能,驗證了所提方法的必要性。為提高決策的實時性和準確率,對DQN算法進行了改進,在此基礎上,結(jié)合先驗知識進一步提高了決策效率。仿真試驗表明:該決策方法能夠較好地自主學習實際戰(zhàn)場中的干擾效果,對可執(zhí)行多種雷達任務的MFR完成干擾決策。 

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 干擾庫構建
2 DQN認知干擾決策方法
    2.1 DQN基本原理
    2.2 DQN認知干擾決策方法概述
3 仿真試驗
    3.1 DQN決策方法仿真
    3.2 DQN與Q-Learning的性能對比
    3.3 IDQN與DQN決策性能對比
    3.4 PK-IDQN干擾決策性能
4 結(jié)束語


【參考文獻】：
期刊論文
[1]基于Q-學習的智能雷達對抗[J]. 邢強,賈鑫,朱衛(wèi)綱.  系統(tǒng)工程與電子技術. 2018(05)
[2]基于Q-學習算法的認知雷達對抗過程設計[J]. 李云杰,朱云鵬,高梅國.  北京理工大學學報. 2015(11)
[3]基于D-S證據(jù)理論的電子干擾模式選擇[J]. 孫宏偉,童寧寧,孫富君.  彈箭與制導學報. 2003(S2)

博士論文
[1]多功能雷達電子情報信號處理關鍵技術研究[D]. 馬爽.國防科學技術大學 2013

碩士論文
[1]復雜電磁環(huán)境下基于博弈論的機載雷達對抗仿真研究[D]. 張永順.西安電子科技大學 2011



本文編號：3714623