一种基于部分可观测强化学习的雷达干扰决策智能体训练方法及雷达干扰决策方法

本发明公开一种基于部分可观测强化学习的雷达干扰决策智能体训练方法及雷达干扰决策方法，属于雷达电子对抗技术领域，方法包括构建对应雷达干扰决策场景的部分可观测马尔可夫决策过程模型；构建包括长短期记忆网络、策略网络和价值网络的智能干扰决策模型，其中，长短期记忆网络用于对含噪观测序列进行信念状态重构；策略网络和价值网络用于分别输出干扰动作和动作价值；使智能体基于上述模型进行交互，根据交互数据，采用近端策略优化算法优化所述智能干扰决策模型，得到训练完成的雷达干扰决策智能体，利用雷达干扰决策智能体在雷达电子对抗场景中获得最优干扰策略。本发明能够在不完备信息条件下输出最优干扰动作，显著提升复杂电磁环境下对雷达威胁的压制成功率。