基于近端策略优化的智能抗干扰决策算法OA北大核心CSTPCD
Intelligent anti-jamming decision algorithm based on proximal policy optimization
针对现有基于深度强化学习的智能抗干扰方法应用于天地测控通信链路时,用于决策的深度神经网络结构复杂,卫星等飞行器资源受限,难以在有限的复杂度约束下独立完成复杂神经网络的及时训练,抗干扰决策无法收敛的问题,提出了一种基于近端策略优化的智能抗干扰决策算法.分别在飞行器和地面站部署决策神经网络和训练神经网络,地面站根据飞行器反馈的经验信息进行最优化离线训练,辅助决策神经网络进行参数更新,在满足飞行器资源约束的同时实现有效的抗干扰策略选择.仿真结果表明,与…查看全部>>
The existing intelligent anti-jamming methods based on deep reinforcement learning are applied to space-ground TT&C and communication links,in which the deep neural network used for decision-making has a complex structure,and the resources of satellites and other vehicles are limited,making it difficult to independently complete the timely training of complex neural network under the constraints of limited complexity,and the decision-making of anti-jammi…查看全部>>
马松;李黎;黎伟;黄巍;王军
中国西南电子技术研究所,四川 成都 610036||电子科技大学通信抗干扰全国重点实验室,四川 成都 611731中国西南电子设备研究所,四川 成都 610036电子科技大学通信抗干扰全国重点实验室,四川 成都 611731电子科技大学通信抗干扰全国重点实验室,四川 成都 611731电子科技大学通信抗干扰全国重点实验室,四川 成都 611731
电子信息工程
近端策略优化深度强化学习智能抗干扰抗干扰决策
proximal policy optimizationdeep reinforcement learningintelligent anti-jamminganti-jamming decision
《通信学报》 2024 (8)
249-257,9
国家自然科学基金资助项目(No.62131005,No.62071096) The National Natural Science Foundation of China(No.62131005,No.62071096)
评论