基于深度强化学习的自适应带通滤波器，具有可重构的频率和带宽

《IEEE Microwave and Wireless Technology Letters》：Deep Reinforcement Learning-Based Adaptive Bandpass Filter With Reconfigurable Frequency and Bandwidth

本文提出一种基于深度Q网络（DQN）的适应性带通滤波器，可同时调整中心频率和带宽。采用仅正电压动作方法提升控制效率，并设计奖励方程优化参数调整，通过两极自适应滤波器验证有效性。

　　

摘要：

本文提出了一种基于深度Q网络（DQN）的新型自适应带通滤波器，该滤波器具有可重构的中心频率和带宽（BW）。据我们所知，这是首次实现基于DQN的可调滤波器，能够同时调整频率和带宽。为了提高滤波器控制效率，引入了一种仅使用正电压动作的方法。此外，还制定了一个奖励方程，以使DQN能够有效控制频率和带宽。通过设计一个二极点自适应滤波器，验证了所提出的方法。

引言

如图1(a) [1]所示，滤波器已被用于认知无线电的实现。频率感应模块检测接收到的（RX）信号的频率，并将频率数据提供给滤波器控制模块。然后，滤波器控制模块根据这些数据调整可调滤波器的响应，如图1(b)所示。因此，可调滤波器的中心频率和带宽（BW）是根据RX信号的特性进行调节的。然而，使用滤波器控制模块自动控制中心频率和带宽仍然具有挑战性，目前仍普遍采用手动调节或使用查找表的方法。在极端频谱环境中，需要自动调节技术来确保滤波器的强大适应性。已经研究了使用神经网络的自动微波滤波器设计方法[2]、[3]、[4]，并且也有几项关于使用深度Q网络（DQN）进行滤波器调谐的研究[5]、[6]、[7]、[8]、[9]、[10]。然而，这些方法仅限于单频段滤波。据我们所知，目前还没有基于DQN的可调滤波器能够改变中心频率和带宽。

(a) 使用基于DQN的自适应滤波器的认知系统；(b) 基于DQN的自适应滤波器的概念。