【科普系列】认知电子战研究现状

概念

以具备认知性能的电子战装备为基础，注重自主交互式的电磁环境学习能力与动态智能化的对抗任务处理能力的电子战形态。

基本特征：

• 感知环境
• 适应新威胁
• 避免自扰
• 波形多变
• 协同工作
• 攻击不限于物理层（包括物理层、控制层、用户层）
• 具备学习能力

研究现状

2010年，美军以提高装备认知能力为核心思想，提出“认知电子战”的概念

认知电子战的主要特点与能力：

• 感知、学习和自适应的相互结合
• 电子支援、电子对抗和电子防护的综合集成
• 综合作用于雷达、通信和网络

自适应电子战行为学习项目（BLADE，2010）

能实时监测、分析无线通信威胁，对战场新出现的无线通信威胁进行自动干扰。

主要包含三个模块：

• 信号检测及特征描述模块
• 干扰波形优化模块
• 战场损坏程度评估模块

自适应雷达对抗项目（ARC，2012）

能够对抗敌方自适应雷达系统的机载电子战能力，基于可观测信号对自适应雷达威胁的对抗能力。
主要包含三个模块：

• 信号分析及特征描述模块（完成脉冲辐射源识别、雷达功能决策、雷达意图决策、雷达行为数据库构建等功能）
• 对抗策略合成模块（对当前威胁环境，快速生成动作序列来达到预期的对抗效果）
• 对抗效果评估模块（基于可观测的无线信号的变化进行评估）

认知干扰机项目（CJ，2010）

能够对付那些采用了动态频谱接入的软件无线电或认知无线电电台。

研究目标：

• 开发能够节省平均辐射功率的高校干扰技术
• 开发能够学习和跟踪目标波形的干扰技术
• 研究如何通过学习和运用知识来对抗智能辐射源
• 利用博弈论来优化干扰机设计，以适用多种波形
• 研究新型电子攻击手段

极端射频频谱条件下的通信项目（CommEx，2010）

• 研发新型的自适应通信技术和通信手段，使得对抗系统能够在剧烈干扰下应对多种自适应干扰和干扰源

美国海军的认知电子战计划（2013）

主要研究领域：

• 频谱知识感知和积累
• 频谱学习
• 频谱推理
• 频谱攻击

各项目进展情况

2016年各项目均取得实质性进展

系统组成

系统组成：

• 认知侦察模块
• 对抗措施合成模块
• 智能干扰模块
• 动态知识库模块

各个模块之间的配合过程：

认知侦察模块侦察到目标信号，基于动态知识库采用机器学习算法将该信号分类，分析出该信号的特征，并将特征信息传给对抗措施合成模块。
对抗措施合成模块根据认知侦察结果及学习信息进行攻击策略搜索，推导对抗场景下最佳攻击策略，同时优化干扰波形，自适应分配干扰资源。
智能干扰模块能根据威胁信号在我方干扰下产生的明显变化评估干扰效果，同时结合动态知识库自适应优化干扰策略。
动态知识库为其他模块提供对应的环境、目标、资源策略等知识，并根据3个模块的处理结果动态更新。

认知侦察模块

目标信号的状态识别和威胁等级评估（为干扰决策提供依据）

• 辐射源识别：搜索、检测、截获—>参数测量—>信号调制分析—>信号分选—>辐射源识别
• 工作状态识别：测量信号参数—>跟历史数据库匹配—>判定工作状态（状态的含义：工作模式或目标采取的干扰措施）
  已知状态：常规分类算法
  未知状态：无监督聚类算法、增量式机器学习（可在线更新模型参数）
• 威胁等级评估：
  通信威胁主要是通过对作战单元之间的通信链路进行分析，建立威胁评估体系

对抗措施合成模块

自适应干扰样式决策、波形优化和资源调度

• 样式决策：针对目标多种状态的智能化干扰样式决策（基于强化学习：Q-learn、Sarsa等）
• 波形优化：未知威胁目标或目标状态未知的干扰波形优化（遗传算法、模拟退火算法、粒子群算法）
• 资源调度：“多对多”对抗中的自适应干扰资源调度（基于差额法初始化强化学习算法）

智能干扰模块

干扰效果的在线评估指标的设计和评估方法的选择

• 智能干扰：通过检测干扰前后威胁目标的变化，根据变化和干扰之间的映射关系，建立干扰效果评估指标，通过评估模型实现干扰效果的在线评估，动态调整干扰策略，达到实时、有效地智能干扰。
• 步骤：构建评估方案—>建立评估指标体系—>综合评估方法选择—>数据预处理—>干扰效果评估—>生成评估报告
• 评估方法：灰色层次分析法、灰色聚类评估法、ADC评估法、层次分析法、基于机器学习的评估方法

动态知识库模块

态威胁库和干扰规则库

• 动态威胁库：对威胁对象的行为特征及信号特征进行描述，以数据的形式存储在动态数据库中，以便与侦测到的威胁进行对比并辨识出新威胁与旧威胁。（主要包含频域行为：载频、调制类型、重复周期、目标当前任务；时域行为：波形信息、目标当前任务；空域行为：辅助天线数、目标当前任务）
• 干扰规则库：分为干扰策略库和干扰样式库，针对威胁设计的干扰策略以及生成干扰参数，并附以相应的干扰效果评估结果。（干扰策略主要是针对不同的任务来设计的，比如跟踪、识别；干扰样式库：压制性干扰：纯噪声干扰、噪声调幅干扰、噪声调频干扰、噪声调相干扰、复合干扰。欺骗性干扰：距离欺骗干扰、角度欺骗干扰、速度欺骗干扰、假目标干扰和拖引干扰）

关键技术

（1） 目标感知：分类算法、聚类算法
分类算法：深层神经网络、CNN、RNN、Transform、RT、贝叶斯
聚类算法：k-means、吸引子传播算法、基于快速搜寻密度峰值法（k-means类别个数需要预设）
（2） 干扰策略：强化学习、智能优化和智能调度算法
（3） 在线评估：神经网络
（4） 动态知识库：专家系统

应用前景

• 针对对抗目标多种工作模式的自适应干扰
• 复杂电磁环境下针对未知威胁目标的自适应对抗
• 对抗未来智能化威胁目标的巨大潜力
• 对组网信息系统的有效对抗

课外拓展：

1. 学习即练习，不是学1000招，而是把1个招式练1000遍
2. 速度也是一种能力，能花1分钟解决的问题，绝不花两分钟，快速能提高你的效率，让你更加专注，更重要的是省下大量的时间，自由支配，心态上要慢，允许自己学的少，学的慢，在动作上要快，要求自己熟练、迅速