基于深度强化学习的干扰资源分配方法

作     者：李健涛 王轲昕 刘凯 张天贤 LI Jiantao;WANG Kexin;LIU Kai;ZHANG Tianxian

作者机构：电子科技大学信息与通信工程学院四川成都611731 

基　　金：国家自然科学基金资助面上项目(61971109) 国防科技创新特区支持项目(重点项目) 中央高校其本科研业务费资助项目(ZYGX2018J009) 

出 版 物：《现代雷达》 (Modern Radar)

年 卷 期：2023年第45卷第10期

页      码：44-51页

摘      要：针对干扰机群掩护目标突防组网雷达场景下的干扰资源分配的问题,提出了一种基于深度强化学习的干扰资源分配方法。该文将干扰资源分配模型描述为一个马尔可夫决策过程,并提出了一种基于动作密钥编码的双延迟深度确定性策略梯度(AKE-TD3)网络训练算法,将混合整数优化问题转化为连续变量优化问题,解决了算法难以收敛的问题。仿真结果表明,文中所设计的干扰资源分配方法对组网雷达有更好的干扰效果,且稳定性更高,有效地提升了干扰机群的作战性能。

主 题 词：组网雷达系统 干扰资源分配 马尔科夫决策过程 深度强化学习 动作密钥编码 

学科分类：11[军事学] 080904[080904] 0809[工学-计算机类] 08[工学] 110503[110503] 0810[工学-土木类] 1105[1105] 1104[1104] 082601[082601] 081105[081105] 0826[工学-生物医学工程类] 081001[081001] 081002[081002] 0811[工学-水利类] 

D　O　I：10.16592/j.cnki.1004-7859.2023.10.005

馆 藏 号：203124569...