基于强化学习的多机协同干扰资源分配方法研究.pdfVIP

摘要

摘要

组网雷达利用多源信息融合和协同资源调度等技术，极大地提高了其抗干扰

能力，对传统单节点干扰方法提出了巨大挑战。为了降低组网雷达协同探测性能，

研究人员不断探索针对组网雷达的多机协同干扰技术。多机协同干扰资源分配作

为其中一种关键手段，可以有效提升对组网雷达的干扰效果，被国内外学者广泛

研究。

目前，面向组网雷达的协同干扰技术正朝着认知智能化方向发展，利用智能

学习方法解决多机协同干扰资源分配问题成为当前重点研究方向。强化学习凭借

其出色的序贯决策能力，为开发智能化干扰资源分配技术提供了一种新的解决方

案。本文针对基于强化学习的多机协同干扰资源分配技术进行了研究。主要工作

如下：

1.解释了多机协同干扰资源分配的概念和内涵，指出了其在雷达电子对抗中

的重要性。介绍了面向组网雷达的协同干扰技术，包括组网雷达协同探测原理和

压制干扰方式。对多机协同干扰资源分配问题的数学模型和求解算法进行了阐述。

2.针对突防组网雷达的协同干扰作战任务，提出了基于改进双延迟深度确定

性策略梯度的干扰资源分配方法。通过对智能体动作进行密钥编码，将混合整数

优化问题转化为连续变量优化问题，克服了双延迟深度确定性策略梯度算法无法

直接输出干扰资源优化变量的问题。仿真结果表明，所提方法有效提升了干扰资

源分配策略的干扰效能和稳定性。

3.针对环境中量测噪声对干扰资源分配的影响，研究了基于对抗性训练的干

扰资源鲁棒分配方法。在智能体训练过程中，通过对环境状态施加扰动以模拟突

防场景的量测误差，缓解了网络模型在输入状态波动时性能恶化的问题，降低了

量测误差对干扰策略的影响。仿真结果表明，所提方法有效提升了干扰资源分配

策略的鲁棒性。

关键词：组网雷达，干扰资源分配，强化学习，鲁棒性

I

ABSTRACT

ABSTRACT

Nettedradarhasgreatlyimproveditsanti-jammingcapabilitybyutilizingtechnolo-

giessuchasmulti-sourceinformationfusionandcooperativeresourcescheduling,which

posesagreatchallengetothetraditionalsingle-nodejammingmethod.Inordertore-

ducethecooperativedetectionperformanceofnettedradar,researchershavecontinuously

exploredmulti-jammercooperativejammingtechniquesfornettedradar.Asoneofthe

keymeans,multi-jammercooperativejammingresourceallocationcaneffectivelyim-

provethejammingeffectonnettedradar,whichiswidelystudiedbyscholarsathome

andabroad.

Atpresent,thecooperativejammingtechnologyfornetworkradarisdevelopingin

thedirectionofcognitiveintelligence,andtheuseofintelligentlearningmethodtosolve

theproblemofmulti-jammercooperativejammingresourceallocationhasbecomeakey

researchdirection.Reinforcementlearning,withitsexcellentsequentialdecision-making

ability,providesanewsolut