夏成龙，李 祥，刘辰烨，杨 旸

（中国人民解放军陆军工程大学 通信工程学院，江苏 南京 210007）

0 引言

在未来的信息化战场中，情报传递、战场指挥、武器控制等绝大部分信息交互都通过数字化信息网络实现。可以说，信息通信水平已经成为影响现代战争成败的最重要因素之一。如何取得信息化战场中的“制信息权”，已经成为军事通信领域的研究热点。机动性、灵活性是衡量作战能力的重要标准，因此，便于“动中通”的无线通信手段和设备成为战场信息传输的重要组成部分。也正是因为无线通信的重要地位，无线通信干扰和抗干扰方之间的“矛盾之争”日趋激烈。此外，人工智能技术的出现和日渐完善，大大提高了通信抗干扰方的智能化水平。因此，基于人工智能方法开展智能干扰技术研究，已成为当务之急。

本文研究基于深度强化学习的智能干扰决策方法，基于Python 环境仿真分析了算法的有效性，得到了较好的干扰效果，能够为智能化干扰设备的研制和实用化提供良好的理论验证。

1 深度强化学习概述

1.1 深度学习

深度学习（Deep Learning，DL）的概念最先起源于人工神经网络的研究。直到2006 年，HINTON 在论文中详细分析讲解了DL 体系机构，掀起了深度学习研究的热潮[1]。DL 的基本原理是通过学习一种分层的非线性网络结构，计算样本数据的分层特征或表示因子，其中的高层特征或因子由低层得到，在此基础上得到样本数据的内在规律和表示层次，实现了用复杂函数逼近的目的[2]。……