一种基于深度强化学习与气象数据的抗衰耗策略决策方法

本发明公开了一种基于深度强化学习与气象数据的抗衰耗策略决策方法，属于卫星通信技术领域。该方法构建了融合链路状态、网络业务状态、气象状态和系统资源状态的状态空间；设计了包含功率控制、自适应编码调制选择及站点分集切换的动作空间；并采用近端策略优化算法训练智能体学习最优抗衰耗策略。核心在于通过深度神经网络处理具有时序关联的多源状态信息，并利用裁剪目标函数确保训练稳定性，使智能体能够预测衰耗事件并协同多种抗衰耗手段，实现从被动响应到主动预测的根本转变。本发明在强降雨场景下将链路可用性提升至99.2%，平均频谱效率达到3.45bps/Hz，同时功率效率和切换成功率均得到显著优化，为构建下一代智能卫星通信系统提供了有效解决方案。