一种多源感知下基于沙普利值的权重分配方法和系统

本发明公开了一种多源感知下基于沙普利值的权重分配方法和系统，所述方法包括以下步骤：S1通过融合函数整合图像、语音、知信数据、雷达信号，生成综合状态表示；S2智能体基于当前策略和探索噪声，选择动作并执行，获得全局奖励及更新后的多模态数据；将经验元组存入回放缓冲区，并通过目标网络参数的缓慢更新；S3为每个智能体定义沙普利Q值，通过最大化各智能体的沙普利Q值实现全局收益最大化；采用深度确定性策略梯度DDPG优化策略网络，结合随机采样近似计算模态贡献度，更新Critic网络参数；S4更新Critic网络参数并采用软更新机制同步目标网络参数；本发明显著提高了多源感知系统的性能和可靠性。