公开(公告)号：CN113341383B

公开(公告)日：2023-06-30

申请号：CN202110601114.1

申请日：2021-05-31

Applicant: 西安电子科技大学

Inventor： 张娟 ,  段燕辉 ,  张林让 ,  丁彤

IPC: G01S7/36 ,  G06N3/0464 ,  G06N5/00

Abstract: 本发明公开了一种基于DQN算法的雷达抗干扰智能决策方法，主要用于用于解决Q学习方法人工分离信号特征识别信号、处理步骤复杂、计算量很大，导致的选择效率低、准确率低、稳定性差、不能处理大数据级任务的问题，其实现步骤为：(1)干扰机发射一种有源干扰信号；(2)雷达识别其所接收的有源信号的类型；(3)构建两个卷积神经网络；(4)生成雷达状态矩阵；(5)构建损失函数；(6)训练估计值网络；(7)使用DQN算法选择最佳抗干扰方法。本发明能有效针对有源干扰信号选择最佳的抗干扰方法，具有实时性强、准确率高、稳定性好的优点，可用于有源干扰信号对应的最佳抗干扰方法的智能选择。

公开(公告)号：CN113341383A

公开(公告)日：2021-09-03

申请号：CN202110601114.1

申请日：2021-05-31

Applicant: 西安电子科技大学

Inventor： 张娟 ,  段燕辉 ,  张林让 ,  丁彤

IPC: G01S7/36 ,  G06N3/04 ,  G06N5/00

Abstract: 本发明公开了一种基于DQN算法的雷达抗干扰智能决策方法，主要用于用于解决Q学习方法人工分离信号特征识别信号、处理步骤复杂、计算量很大，导致的选择效率低、准确率低、稳定性差、不能处理大数据级任务的问题，其实现步骤为：(1)干扰机发射一种有源干扰信号；(2)雷达识别其所接收的有源信号的类型；(3)构建两个卷积神经网络；(4)生成雷达状态矩阵；(5)构建损失函数；(6)训练估计值网络；(7)使用DQN算法选择最佳抗干扰方法。本发明能有效针对有源干扰信号选择最佳的抗干扰方法，具有实时性强、准确率高、稳定性好的优点，可用于有源干扰信号对应的最佳抗干扰方法的智能选择。