中文引用格式: 李沛珊,杨健,刘玮. 雷达抗干扰策略的增量Q学习生成方法[J]. 电子技术应用,2026,52(11):143-147.
英文引用格式: Li Peishan,Yang Jian,Liu Wei. Incremental Q-learning based generation method for radar anti-jamming strategies[J]. Application of Electronic Technique,2026,52(11):143-147.
引言
随着现代雷达进入认知抗干扰新阶段,雷达与干扰机的博弈呈现出干扰样式迭代、雷达状态动态变化的特征[1]。雷达抗干扰策略的动态适配能力决定了目标探测、跟踪任务的成败,当前雷达抗干扰策略研究主要围绕博弈论与强化学习两大技术路径展开。
博弈论技术主要在于搭建雷达与干扰机之间的博弈模型,把抗干扰策略生成问题转换为求均衡解问题[2],如贝叶斯纳什均衡解[3]、斯塔克尔伯格博弈和平框架[4-5]、双人零和同时行动扩展型[6]、基于关键时间节点[7-8]等,这类方法由于需预设固定的干扰状态与抗干扰动作集合,难以动态适配增量场景。
相较于博弈论方法,强化学习因具备更强的动态学习与自适应能力,成为当前雷达智能抗干扰策略生成的主流技术路径,但现有研究多局限于单一类型抗干扰策略的增量优化,例如频率策略优化[9-10]与雷达发射信号设计优化[11-12]等。频率策略主要针对频率捷变雷达的载频捷变实现抗干扰,文献[13]针对频率捷变雷达运用D3QN(Dueling Double Deep Q Network)强化学习方法对载频捷变策略进行生成优化,文献[14]提出一种基于知识辅助的强化学习方法,提升频率捷变雷达抗干扰子载波的选择策略,文献[15]通过划分子频段与改进双深度Q网络,解决了多雷达共存抗干扰问题。针对雷达发射信号波形设计的优化,文献[16]提出了一种基于深度Q网络(Deep Q-Network,DQN)的斜率变化线性调频信号抗干扰策略生成方法,郑泽新等[17]将Q学习应用于对空雷达抗干扰波形设计,文献[18]通过双深度Q学习网络对雷达发射功率、调制类型和载波频率进行联合优化与动态决策,提升雷达抗干扰与生存能力。
为解决现有强化学习方法在动态增量场景中计算开销大、训练效率低、动态适配性差的问题,本文提出基于增量Q学习的雷达抗干扰策略生成方法,核心创新点包括三方面:(1)设计状态与动作双增量扩展机制,实现新状态、新动作的快速接入;(2)构建分块更新与经验复用策略,在增量学习过程中保留历史训练信息,避免模型重复训练;(3)设计多维度自适应奖励函数,有效解决算法收敛速度慢的问题。
本文详细内容请下载:
https://www.chinaaet.com/resource/share/2000007360
作者信息:
李沛珊,杨健,刘玮
(中国运载火箭技术研究院,北京 100076)

