[发明专利]一种雷达智能认知抗干扰策略的生成方法

权利要求书

1.一种雷达智能认知抗干扰策略的生成方法，其特征在于，包括：

步骤1：构建干扰机的多个干扰策略；

步骤2：基于预先的模仿学习模型对多个干扰策略进行参数化，获得每个干扰策略的参数化表达；

步骤3：对每个干扰策略的参数化表达进行参数摄动，获得参数摄动后的干扰策略；

步骤4：构建基于WR²L的抗干扰策略生成网络，将其作为FA雷达的代理；

步骤5：利用所述参数摄动后的干扰策略，对所述抗干扰策略生成网络训练，以使所述抗干扰策略生成网络按照奖励递增的方向在动作数据中选择动作执行，直至所述抗干扰策略生产网络的执行动作的奖励不再变化，得到训练好的抗干扰策略生成网络；

其中，所述奖励根据一个雷达相干处理时间CPI中FA雷达代理的检测概率计算得到；

步骤6：将干扰机的实时干扰策略输入所述训练好的抗干扰策略生成网络，生成抗干扰策略。

2.根据权利要求1所述的生成方法，其特征在于，所述步骤2包括：

步骤2.1，在所述多个干扰策略中选定一个干扰策略

步骤2.2，构建映射函数f_φ(·)，初始化一个雷达相干处理时间CPI内的脉冲数T，专家轨迹数量N_E，和D_ω的初始抗干扰策略和蒙特卡洛估计法中判别器的参数ω₀，初始化雷达的干扰策略π_pre，定义空表τ_E；

其中，τ_E存储样本轨迹τ，τ＝s₀,a₀,r₁,s₁,a₁,r₂,...s_n,a_n,r_n；

步骤2.3，令循环数n＝1；

步骤2.4，根据给定的分布p₀(s₀)得到样本s₀；

步骤2.5，令时间步t＝0；

步骤2.6，通过映射函数f_φ(·)得到干扰机状态s′_t；

步骤2.7，雷达根据策略π_pre(a_t|s_t)采取行动a_t；

步骤2.8，干扰机根据预先设定的干扰策略采取行动a′_t，并转换状态到s_t+1；

步骤2.9，在τ_E中存储s′_t和a′_t；

步骤2.10，令t＝t+1，返回步骤2.5，直至t＝N-1；

步骤2.11，令n＝n+1，直至n＝N_E；

步骤2.12，令循环数i＝0；

步骤2.13，当终止条件不满足时执行步骤2.14，否则执行步骤2.18；

其中，所述终止条件为：生成器的累积奖励收敛；

步骤2.14，从策略中得到样本轨迹τ′_i；

步骤2.15，根据蒙特卡洛估计法估计判别器的梯度，并更新其参数ω_i到ω_i+1；

步骤2.16，利用强化学习算法TRPO根据奖励函数更新生成器参数到

其中，s′表示状态，a′表示执行动作，为判别分类器，它将输入{s′,a′}映射到一个0到1之间的实数；

步骤2.17，令i＝i+1；

步骤2.18，获得干扰策略参数φ。

3.根据权利要求1所述的生成方法，其特征在于，所述步骤3包括：

步骤3.1，从均值为方差为的高斯分布独立抽取样本Δφ；

步骤3.2，将干扰策略参数φ₀与抽样数据Δφ进行累加，得到随机干扰策略φ；

其中，φ＝φ₀+Δφ；

步骤3.3，计算原干扰策略参数φ₀与经过摄动的干扰策略参数φ之间的Wasserstein距离；

步骤3.4，将预设范围内的随机干扰策略参数作为摄动后的干扰策略的参数；获得参数摄动后的干扰策略。