基于强化学习的自适应干扰波形设计

针对传统干扰算法无法适应信号环境变化的问题,提出将Q-Learning算法与“切割”假设法相结合应用到干扰波形设计中,使干扰波形能够达到自适应雷达信号长度变化的效果。该算法主要针对雷达检测环节进行干扰,其中采用恒虚警概率(constant false alarm rate,CFAR)作为环境交互模型,通过强化学习自适应地调整间歇采样信号的采样时间与转发时间,在此基础上对未知长度雷达信号进行“切割”处理以达到最佳干扰的目的。最后进行仿真,实现了对未知雷达信号的干扰。仿真结果表明:在信号模型不定的条件下,强化学习算法在决策时可以充分利用历史数据,相对于传统算法,强化学习算法可以达到更好的干扰效果。