基于深度强化学习的雷达智能抗干扰决策FPGA加速器设计

作     者：李梓瑜 葛芬 张劲东 赵家琛 LI Ziyu;GE Fen;ZHANG Jindong;ZHAO Jiachen

作者机构：南京航空航天大学电子信息工程学院南京211106 

出 版 物：《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期：2023年第38卷第5期

页      码：1151-1161页

摘      要：针对高动态环境下的雷达连续智能抗干扰决策和高实时性需求问题,本文构建了一种适用于雷达智能抗干扰决策的深度Q网络(Deep Q network,DQN)模型,并在此基础上提出了一种基于现场可编程门阵列(Field programmable gate array,FPGA)的硬件决策加速架构。在该架构中,本文设计了一种雷达智能决策环境交互片上访问方式,通过片上环境量化存储和状态迭代计算简化了DQN智能体连续决策时的迭代过程,在实现智能体深度神经网络的并行计算与流水控制加速的同时,进一步提升了决策实时性。仿真和实验结果表明,在保证决策正确率的前提下,所设计的智能抗干扰决策加速器相比已有的基于CPU平台的决策系统,在单次决策中实现了约46倍的速度提升,在连续决策中实现了约84倍的速度提升。

主 题 词：深度强化学习 深度Q网络 加速器 现场可编程门阵列 雷达智能决策 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 

D　O　I：10.16337/j.1004-9037.2023.05.013

馆 藏 号：203124135...