带动作集合的强化学习干扰波形生成、评价方法及装置

摘要

本发明公开了带动作集合的强化学习干扰波形生成、评价方法及装置，建立干扰波形库；构建干扰波形决策网络，包括策略网络和价值网络；探索阶段使用跟踪算法进行干扰，填充经验池；从经验池中随机选取一组数据；根据当前通信状态的干扰动作，通过策略网络预测下一时刻相应干扰动作；根据策略网络输出的干扰动作，生成离散化干扰动作，从干扰波形库中选取干扰动作，并结合策略网络输出的干扰动作，共同输入价值网络，得到价值最高的干扰动作作为实际的干扰动作；再进行干扰效果评价。针对干扰动作和干扰参数庞大的情况，对通信方的抗干扰行为进行学习，解决了现有干扰波形算法收敛速度慢、准确率不高的问题，实现了精准干扰。