【技术实现步骤摘要】
本专利技术属于雷达对抗自主决策领域，具体涉及一种基于强化学习的雷达对抗自主决策方法。
技术介绍
1、雷达系统因其在目标探测、追踪与识别等关键任务中的核心作用而日益受到重视。高效且可靠的雷达系统可以为指挥提供实时、准确的情报，使雷达技术及其对抗措施成为目前的关键因素。然而，随着对抗技术的进步和对抗环境复杂性的增加，传统干扰技术面临诸多挑战。这些技术大多基于固定干扰参数和经验规则，过分依赖预设的知识和静态的决策模型，缺乏灵活性和适应性，且无法有效应对多变的电磁威胁，因此干扰效果较差。此外，传统干扰技术通常需要大量时间来收集和分析非合作方雷达的信号特性，这进一步限制了其在高压力和快速响应场景下的应用效率。
2、综上所述，现有干扰方法仍然存在干扰效果差以及干扰效率低的问题，因此，提出一种新的雷达干扰方法以解决上述问题是十分必要的。
技术实现思路
1、本专利技术的目的是为解决现有干扰方法存在的干扰效果差以及干扰效率低的问题，而提出了一种基于强化学习的雷达对抗自主决策方法。
2...
【技术保护点】
1.一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述雷达辐射源信号的特征参数包括载波频率、脉冲重复周期、脉冲宽度、脉幅和脉冲到达时间；
3.根据权利要求1所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述支持向量机的训练方法为：
4.根据权利要求3所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述跟随者进行位置更新的具体过程为：
5.根据权利要求3所述的一种基于强化学习的雷达对抗自主决策...
【技术特征摘要】
1.一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述方法具体包括以下步骤：
2.根据权利要求1所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述雷达辐射源信号的特征参数包括载波频率、脉冲重复周期、脉冲宽度、脉幅和脉冲到达时间；
3.根据权利要求1所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述支持向量机的训练方法为：
4.根据权利要求3所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述跟随者进行位置更新的具体过程为：
5.根据权利要求3所述的一种基于强化学习的雷达对抗自主决策方法，其特征在于，所述生产者进行位置更新的具体过程为：
6....
【专利技术属性】
技术研发人员：杨柱天，李嘉霖，赵延龙，李玉恒，周欣然，陈柯含，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。