买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工程大学申请的专利一种针对组网雷达对抗的多干扰机智能频域干扰决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116542317B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310346205.4，技术领域涉及：G06N3/092；该发明授权一种针对组网雷达对抗的多干扰机智能频域干扰决策方法是由张文旭;赵桐;曹舒雅;王亚洁;张铭昊;安林;苑梦斯;赵忠凯设计研发完成，并于2023-04-03向国家知识产权局提交的专利申请。

本一种针对组网雷达对抗的多干扰机智能频域干扰决策方法在说明书摘要公布了：本发明公开了一种针对组网雷达对抗的多干扰机智能频域干扰决策方法，构建多干扰机智能协同干扰模型，将对抗过程建立为多智能体强化学习的马尔可夫决策过程，采用集中学习范式建立对抗整体系统；按照分层强化学习的思想将频域干扰参数决策器的总任务进行分解，每个子任务的策略由划分的任务层次学习获得，将多个子任务的策略进行组合，形成有效的全局策略；分别定义决策引擎的三个空间模块，采用PER‑DDQN作为网络基础结构，输出决策策略；在网络优化模块引入优先级辅助经验回放，采用SumTree数据结构作为样本回放的经验池，依据函数、参数更新公式对深度神经网络参数进行更新。本发明采用带有优先经验重放的深度强化学习算法提高了网络的训练速度。

本发明授权一种针对组网雷达对抗的多干扰机智能频域干扰决策方法在权利要求书中公布了：1.一种针对组网雷达对抗的多干扰机智能频域干扰决策方法，其特征在于：具体步骤如下： 步骤1：构建多干扰机智能协同干扰模型； 将对抗过程建立为多智能体强化学习的马尔可夫决策过程，在预设的智能体数量下给出决策元组元素表示；采用集中学习范式建立对抗整体系统，通过共享经验池和价值函数实现各干扰机之间的相互通信与配合； 步骤2：按照分层强化学习的思想将频域干扰参数决策器的总任务进行分解； 按照时间轴的顺序划分强化学习的结构层次，制定每层的子任务；部署干扰频段与干扰带宽双干扰决策引擎；建立全局决策过程，给出按时间轴划分的各子任务执行流程； 将多智能体强化学习的马尔可夫决策过程M按照时间轴的顺序分解成具有第一层的子任务“选定攻击目标”和第二层的子任务“决策频域干扰参数”；其中第二层结构中部署了两个干扰决策引擎，二者分别控制每个时步对干扰频段与干扰带宽的选择，决策的干扰参数共同组合为：载频，带宽；干扰频段决策对干扰带宽的参数选择有约束作用，干扰带宽决策辅助频段选择进行参数优化； 建立全局决策过程，子任务执行流程为： 1初始化预备过程； 预设带宽库中的带宽备选参数，将攻击对象的所有目标频率点划分为子带；前后频率点按频率顺序排列后，其频率差大于预设最大带宽，将两个频率点分为前后两个不同的子带，直至将所有的频率点划分为每个子带； 2全局决策过程表示为多个子任务的分解{M0,M1t,M2t,M3t,…,M1T,M2T,M3T}；其中M0为根任务，即输出多干扰机协同干扰频域参数全局策略，具有最高级别层次；其余子任务Miki＝1,2,3表示相应的任务在当前时间k上需要形成的策略；M1表示攻击目标子任务，位于分层结构的第一层；M2表示决策干扰频段，M3表示决策干扰带宽，位于分层结构的第二层； 3各层子任务在所属分层结构中按时步依次进行； 首先选定攻击目标，然后决策干扰频段及干扰带宽；每时步内完成一个既定动作将得到一个即时奖励，直至网络训练优化结果达到最佳； 步骤3：分别定义决策引擎的三个空间模块； 定义各决策引擎的状态空间模块；建立干扰效果评估模块，即奖励空间模块给予每时步下的即时奖励；将输出的子策略联合组成全局策略，建立动作空间模块； 步骤4：在网络优化模块引入优先级辅助经验回放； 采用SumTree数据结构作为样本回放的经验池，在结构体存放抽取PER-DDQN的训练样本，自上至下检索树结构；依据函数、参数更新公式对深度神经网络参数进行更新；给出基于PER-DDQN的整体算法决策流程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。