| 基于深度强化学习的雷达智能抗干扰决策FPGA加速器设计 |
| |
| 引用本文： | 李梓瑜,葛芬,张劲东,赵家琛.基于深度强化学习的雷达智能抗干扰决策FPGA加速器设计[J].数据采集与处理,2023,38(5):1151-1161. |
| |
| 作者姓名： | 李梓瑜 葛芬 张劲东 赵家琛 |
| |
| 作者单位： | 南京航空航天大学电子信息工程学院， 南京 211106 |
| |
| 摘 要： | 针对高动态环境下的雷达连续智能抗干扰决策和高实时性需求问题，本文构建了一种适用于雷达智能抗干扰决策的深度Q网络（Deep Q network，DQN）模型，并在此基础上提出了一种基于现场可编程门阵列（Field programmable gate array，FPGA）的硬件决策加速架构。在该架构中，本文设计了一种雷达智能决策环境交互片上访问方式，通过片上环境量化存储和状态迭代计算简化了DQN智能体连续决策时的迭代过程，在实现智能体深度神经网络的并行计算与流水控制加速的同时，进一步提升了决策实时性。仿真和实验结果表明，在保证决策正确率的前提下，所设计的智能抗干扰决策加速器相比已有的基于CPU平台的决策系统，在单次决策中实现了约46倍的速度提升，在连续决策中实现了约84倍的速度提升。
|
| 关 键 词： | 深度强化学习 深度Q网络 加速器 现场可编程门阵列 雷达智能决策 |
| 收稿时间： | 2022/4/13 0:00:00 |
| 修稿时间： | 2022/8/28 0:00:00 |
Design of FPGA Accelerator for Radar Intelligent Anti-jamming Decision-Making Based on Deep Reinforcement Learning |
| |
| Li Ziyu,Ge Fen,Zhang Jindong,Zhao Jiachen.Design of FPGA Accelerator for Radar Intelligent Anti-jamming Decision-Making Based on Deep Reinforcement Learning[J].Journal of Data Acquisition & Processing,2023,38(5):1151-1161. |
| |
| Authors: | Li Ziyu Ge Fen Zhang Jindong Zhao Jiachen |
| |
| Affiliation: | College of Electronic and Information Engineering, Nanjing University of Aeronautics & Astronautics,Nanjing 211106,China |
| |
| Abstract: | |
| |
| Keywords: | deep reinforcement learning deep Q network(DQN) accelerator field programmable gate array(FPGA) radar intelligent decision-making |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
