利用具备序列处理能力的深度强化学习进行多目标雷达搜索与跟踪
机器学习
2025-02-20 v1 系统与控制
系统与控制
摘要
本研究探讨了雷达系统的传感器任务管理，重点在于利用强化学习高效搜索和跟踪多个目标。该方法开发了一个配备有源电子扫描阵列雷达的 3D 仿真环境，并使用多目标跟踪算法来提高观测数据质量。比较了三种神经网络架构，包括一种结合了带有多头自注意力的门控循环单元的方法。应用了两种预训练技术：用于近似随机搜索策略的行为克隆，以及用于预训练特征提取器的自编码器。实验结果表明，大多数方法的搜索性能相对一致。真正的挑战在于同时搜索和跟踪目标。多头自注意力架构展示了最有希望的结果，突显了具备序列处理能力的架构在处理动态跟踪场景中的潜力。关键贡献在于展示了强化学习如何优化传感器管理，从而有可能提升雷达系统在复杂环境中识别和跟踪多个目标的能力。
引用
@article{arxiv.2502.13584,
title = {Multi-Target Radar Search and Track Using Sequence-Capable Deep Reinforcement Learning},
author = {Jan-Hendrik Ewers and David Cormack and Joe Gibbs and David Anderson},
journal= {arXiv preprint arXiv:2502.13584},
year = {2025}
}
备注
Accepted for RLDM 2025, submitted to IEEE SSP 2025