深度多意图逆强化学习用于认知多功能雷达的逆认知
信号处理
2024-08-29 v2
摘要
近年来，雷达系统取得了显著进展，提供了环境适应能力和多任务能力。这些发展对电子情报和电子支援措施提出了新的挑战，后者需要识别和解释复杂的雷达行为。本文提出了一种深度多意图逆强化学习（DMIIRL）方法，用于认知多功能雷达（CMFR）的识别与逆认知。传统逆强化学习（IRL）方法主要针对单一奖励函数，但CMFR的复杂性需要多个奖励函数来充分描述其行为。为此，我们开发了一种将IRL与期望最大化（EM）相结合的方法，以并发处理多个奖励函数，提供更好的轨迹聚类和奖励函数估计。仿真结果表明，所提方法优于基线方法。
引用
@article{arxiv.2408.08478,
title = {Deep multi-intentional inverse reinforcement learning for cognitive multi-function radar inverse cognition},
author = {Hancong Feng and KaiLI Jiang and Bin tang},
journal= {arXiv preprint arXiv:2408.08478},
year = {2024}
}