认知雷达《雷达调度、探测和跟踪的认知方法开发》2023年最新67页报告

认知雷达能持续感知环境、与环境互动并从中学习。这种范例可应用于多功能雷达（MFR），后者可执行多种功能，如监视、跟踪和通信等。为了执行这些任务，雷达资源管理（RRM）模块将可用资源分配给这些功能，同时考虑任务参数，包括优先级。本报告介绍的工作重点是时间窗口内的任务调度问题。对于时间资源而言，RRM 尤其具有挑战性，因为 1) 任务要求可能极为不同，具有多个优先级类别；2) 调度策略应能适应动态环境。适应非稳态环境是认知雷达的一个关键优势。

本报告中介绍的第一项工作旨在应对这两项挑战，首先是为任务参数的分布制定一个相当通用的模型，具体包括任务优先级和延迟容忍度；其次是在深度强化学习（DRL）框架内应用迁移学习（TL），以适应不同的环境。这种方法的基础是在深度神经网络（DNN）的辅助下使用蒙特卡洛树搜索（MCTS）。我们表明，TL 可以将在初始参数分布（环境）上训练所学到的策略转移到新分布所需的策略上，从而加速训练。我们表明，基于 TL 的方法可适应环境的快速或渐进变化。结果表明了所实现的鲁棒性和计算增益。

基于迁移的工作面临的一个重要挑战是对环境知识的假设，而在实际场景中，环境知识很可能是未知的。认知雷达的任务调度算法应能适应各种环境，而无需了解环境的基本动态。这就促使我们考虑基于模型的 DRL，即学习环境动态模型，并通过所学模型进行规划来执行任务调度。该方法将 MCTS 与学习的神经网络模型相结合，后者包括一个表示网络、一个动态网络和一个预测网络。这些网络的参数通过梯度下降法更新，在训练过程中使用自我播放机制生成的数据。结果表明，所提出的方法可以在不了解环境动态的情况下，从自我游戏数据中学会自行安排任务，同时提供接近最优的结果。