面向抗干扰跳频通信的混合改进DQN决策算法

来源：电子测量技术杂志2023年第20期北京时间：

作者：夏重阳，张剑书，吴晓富，靳越

单位：1.南京邮电大学通信与信息工程学院 南京 210003; 2.南京工程学院计算机工程学院 南京 211167

摘要：针对复杂电磁环境下的跳频抗干扰通信决策问题，提出了一种新的混合深度循环Q网络（MixDRQN）决策算法。该深度决策算法有效集成了双深度Q网络（DoubleDQN）和对决深度Q网络（DuelingDQN）两种决策机理的优点，并在信号处理前端引入长短时记忆（LSTM）层，以增强决策网络对输入频谱瀑布信号的时间相关特征提取能力。研究表明，所提出的混合决策算法通过引入DoubleDQN解决了基于ε-greedy算法导致的Q值估计偏高的问题，同时通过DuelingDQN和前端增加的LSTM层，能有效学习输入频谱瀑布信号的时间相关特征。实验结果显示，所提方法在多种干扰信号下的收敛速度及抗干扰性能均显著提升，收敛速度较已有算法提升8倍以上。

关键词：通信抗干扰;强化学习;深度Q网络;长短时记忆

基金资助：国家自然科学基金（61771256）项目资助