一种面向大决策空间的高效抗干扰模型及学习方法

本发明公开了一种面向大决策空间的高效抗干扰模型及学习方法。考虑一个集中式决策的无线通信抗干扰场景，通信方包括一个接收机和n个发射机，干扰方仅包含一个模式化的干扰机。接收机进行集中式决策，其决策空间的大小随发射机数目呈指数增长。为解决传统的抗干扰决策方法在面对大决策空间时性能不佳的问题，本发明设计了一种面向大决策空间的高效抗干扰学习方法，在传统的神经网络的基础上，引入动作分支架构对决策空间进行分解，将指数级增长的输出节点的数目降为线性增长；设计基于非法动作屏蔽的顺序决策机制，通过剔除非法动作来缩小合法动作空间，从而加速算法收敛。本发明模型完备，物理意义清晰，算法设计合理有效，能够很好地刻画大决策空间下的智能通信抗干扰场景。