一种基于深度强化学习的低同步开销的智能跳频块级决策方法

本申请提供一种基于深度强化学习的低同步开销的智能跳频块级决策方法，方法包括：步骤1，建立块级跳频模式决策抗干扰系统模型和确定优化目标；步骤2，以频谱瀑布图为状态，以跳频模式的选择和动态块长为动作，将块级跳频模式决策抗干扰过程建模为马尔可夫决策过程；步骤3，发射机选择动作，确定跳频模式和块长，执行选择的动作之后，获得线性缩放区间奖励，感知当前频谱，状态转移到下一状态，并将当前数据为经验，存储到经验池中；步骤4，从经验池中随机批量采样训练神经网络，并计算目标Q值，更新目标网络参数；步骤5，训练直至到最大次数；本申请实现了同步开销降低、交互频率减少及算法复杂度下降三重优化。