基于优势行动-评论的雷达自主干扰决策方法

随着认知电子战技术的不断发展，传统雷达干扰决策方法效率低、准确性差等缺点日益凸显。为解决该问题，提出了一种基于优势行动-评论（A2C）的雷达自主干扰决策方法。该方法以A2C强化学习算法为基础构建干扰决策智能体，智能体通过观察环境状态并不断与敌方雷达进行交互以学习自身的干扰策略，最终实时给出有效的干扰决策。最后通过仿真实验对比分析了Deep Q Network (DQN)算法和A2C算法在实时性和准确率等方面的优劣。仿真结果表明，A2C算法具有在未知环境下的干扰策略快速学习和决策的能力，可有效支撑认知电子战背景下的干扰策略选择。