一种基于策略学习的认知雷达动作预测方法技术

本发明专利技术公开了一种认知雷达动作预测方法，可以通过认知雷达动作状态序列挖掘其行为策略，然后根据其策略预测其动作；结合条件深度动态生成模型，长短时记忆网络，利用深度网络强的函数映射能力和表征能力，能够有效提取认知雷达动作间特征，并映射到变分概率空间，从而完成认知雷达策略学习任务；根据变分概率空间的随机变量，通过在概率空间中采样后通过结合长短时记忆网络和注意力机制的模块，可以完成对认知雷达动作的预测；本发明专利技术方法不需要对环境信息进行较强的假设，并在1500条随机生成的认知雷达行为轨迹，预测准确率超过90％。

【技术实现步骤摘要】

本专利技术属于雷达电子侦察，具体涉及一种基于策略学习的认知雷达动作预测方法。

技术介绍

1、自从2006年加拿大教授simon haykin首次直接提出认知雷达(cognitive radar,cr)概念以来，认知雷达便作为下一代雷达技术得到了国内外雷达研究者的广泛关注和深入研究。认知雷达利用从操作环境中获取的信息、知识与对环境的理解，提升雷达的信息提取、数据处理和雷达管理性能。认知雷达与传统雷达最显著的区别在于认知雷达所具有的感知-动作环路(perception action cycle,pac)。以雷达跟踪pac为例，接收机获得对环境场景的分析后，将对环境场景的感知转换成反馈信息反馈至环境场景执行器，然后雷达动态调整或优化发射机下一时刻的发射信号以增强性能。认知雷达的场景执行器通常采取随机优化模型实现上述感知-动作环路，以在存在不确定性信息的情况下获得最优动作策略，进行最优动作决策。

2、认知雷达感知-动作环路所带来的发射机自由度提升、发射信号复杂多样，动作策略随机优化过程(以下简称随机优化过程)导致雷达行为动作具有动态捷变、行为动作在可观本文档来自技高网...

【技术保护点】

1.一种基于策略学习的认知雷达动作预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于策略学习的认知雷达动作预测方法，其特征在于，在步骤一，步骤二，步骤三中，根据雷达信号的层次化信号生成机制和变量间的相互作用过程，可以将预测方法扩展到包括多层隐变量的形式：

3.如权利要求1或2所述的一种基于策略学习的认知雷达动作预测方法，其特征在于，预测算法搜索时间步t的前k个似然值最大的路径，每一条路径对应大小为|A|的预测分布，具体为：

【技术特征摘要】

1.一种基于策略学习的认知雷达动作预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于策略学习的认知雷达动作预测方法，其特征在于，在步骤一，步骤二，步骤三中，根据雷达信号的层次化信号生成机制和变量间的相互作...

【专利技术属性】
技术研发人员：朱梦韬，鲍加迪，李云杰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：