本发明提供了一种基于深度强化学习的电磁辐射源辨识方法,采用深度Q学习算法,构造一个DQN网络模型,依据网络最大动作价值函数和当前动作价值函数计算损失函数,更新网络参数,最终使得动作价值最大化,进而得到一个最优策略,输入电磁信号数据,DQN网络模型会依据最优策略输出预测的动作,即预测的调制方式,实现对电磁辐射信号调制方式的智能识别。本发明深度强化学习算法构建的DQN网络模型在训练阶段能够自主学习,在模型内部,神经网络会不断与环境进行交互,并根据输入的电磁辐射源信号数据输出动作价值函数和调制方式,使得动作价值能最大化,从而得到一个最优策略,实现对电磁辐射源信号调制方式的智能准确识别。
声明:
“基于深度强化学习的电磁辐射源辨识方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)