10.16182/j.issn1004731x.joss.20-0253
基于双Q学习算法的干扰资源分配策略
在现代战争中雷达发展趋于多功能化,甚至多个雷达一起探测目标,使得雷达的抗干扰能力增强.而传统的干扰系统仍遵循着固定的干扰策略,面临需要干扰的雷达数目多时决策的实时性较差,故亟需对认知干扰进行研究.阐述了强化学习的概念并比较了Q学习算法和双Q学习算法的差异,利用强化学习算法在认知电子战的基础上建立模型来实现雷达干扰策略的分配.通过对决策方法进行仿真验证了两种强化学习算法都能完成干扰策略分配任务,并且双Q学习算法在多雷达环境下效果更好.表明了强化学习算法可以进行自主学习,完成对干扰资源分配的认知决策.
多功能雷达;自适应干扰;双Q学习;干扰决策
33
TN974;TP391
2021-09-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
1801-1808