基于经验回放和策略梯度的雷达抗干扰决策生成方法、系统、介质和产品

本发明公开了一种基于经验回放和策略梯度的雷达抗干扰决策生成方法、系统、介质和产品，包括：构建经验回放池；构建强化学习GPPO模型；利用经验回放池对强化学习GPPO模型训练，得到训练好的强化学习GPPO模型；利用训练好的强化学习GPPO模型对待抑制的干扰信号生成最佳抗干扰策略。本发明能够更好地利用当前和历史雷达干扰数据估计当前线性调频雷达的状态，这不仅实现了最优抗干扰决策的在线生成，还提高了其在动态电磁对抗环境中抗干扰决策生成的性能。