本申請涉及一種基于深度Q學習的網(wǎng)絡(luò)故障檢測與診斷方法。該方法包括：上述基于深度Q學習的網(wǎng)絡(luò)故障檢測與診斷方法，通過訓練好的故障檢測模型進行網(wǎng)絡(luò)故障檢測與診斷，獲得網(wǎng)絡(luò)故障檢測與診斷結(jié)果，故障檢測模型訓練方式為：從異構(gòu)無線網(wǎng)絡(luò)環(huán)境中采集帶有標簽的網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)集，所述網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)集中包括網(wǎng)絡(luò)狀態(tài)類別、干擾類型和故障類型；利用深度強化學習將網(wǎng)絡(luò)故障識別問題建模為馬爾科夫決策過程；根據(jù)所述網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)集和所述馬爾科夫決策過程，不斷從所述網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)集中選取網(wǎng)絡(luò)狀態(tài)特征并獲得對應的環(huán)境反饋信息，進行多次迭代，獲得具有正確檢測與診斷網(wǎng)絡(luò)故障的故障檢測模型，解決了面對復雜網(wǎng)絡(luò)環(huán)境用較少的特征對一些明顯的網(wǎng)絡(luò)狀態(tài)進行分類的問題而且提高了故障診斷模型的精度，進一步提高了針對異構(gòu)無線網(wǎng)絡(luò)的網(wǎng)絡(luò)故障診斷的準確度。