人工智能技术在雷达对抗中的应用

人工智能技术在雷达对抗中的应用

黄弢

93605部队保障部北京市102100

摘要：介绍了人工智能技术的发展概况，总结了人工智能技术在电子战中的应用。以自适应雷达对抗项目为例，分析了人工智能关键技术在雷达对抗中的应用，并探讨了雷达对抗中充分应用人工智能技术需要解决的关键问题。

关键词：人工智能；电子战；自适应雷达对抗

引言

现代战争是高技术条件下的信息化战争。随着信息化技术的不断进步，战争日益依赖高技术设备，自20世纪70年代信息革命爆发至今，信息技术已历经近半个世纪的发展，形成了体系完备的产业集群并渗透到很多领域，尤其在军事领域中大放异彩。在此大环境驱使下，人工智能作为一种新型的技术受到越来越多的重视。人工智能武器的出现，将“人对人”的战争转化为了“机器自主杀人”的战争，即从根本上改变了战争的方式。越来越多的国家将发展人工智能提升到了国家战略的层次，在政策、资金等方面给予了很大支持。以美国为代表的世界军事强国，早已预见到人工智能技术在军事领域的广阔应用前景，并已经展开了在智能化上的竞赛。美国还相继提出了“第一、二次抵消战略”及“第三次抵消战略”，希望利用人工智能和机器人等技术保持对潜在对手的军事优势。

1人工智能的概念

人工智能涉及到研究、扩展延伸、模拟人智能的相关内容。1956年，在美国达特茅斯召开了一次学术会议上正式出现了“人工智能”这个术语，首次将像人类那样思考的机器称为“人工智能”，被看作是人工智能正式诞生的标志。此后不久，麦卡锡与明斯基两人共同创建了世界上第一座人工智能实验室，开始从学术角度对AI展开严肃而精专的研究。人工智能最基本的概念是指通过机器为载体，使机器具有一定的人的表达能力与思维方式，它是关于知识的学科，是如何表达、获取知识并实际应用的科学技术。

2人工智能技术在雷达对抗中的应用

随着“制电磁权”在高技术战争中地位的提高，世界各军事强国都意图加强自己国家的电子作战能力。人工智能技术与电子战的结合成为很多国家追求信息战发展的方向。1944年6月，德国军队依靠自身无线电导航的引导夜袭了伦敦，致使英、德两国之间展开了一场激烈的无线电导航对抗，此后雷达投入到作战使用阶段，并很快成为了防空探测和火炮定位的有力武器，且逐渐成为了电子战的重点，其地位和作用不断提高。当前，国内外在雷达对抗方面都取得了很大的突破。自20世纪末以来，美国分别开展了专家系统恒虚警处理和基于数字地图信息的空时自适应处理等研究项目；2013年，美国防御远景研究规划局支持了雷达与通信共享频谱研究项目；2016年，Greco将认知雷达扩展到被动雷达。自2008年开始，中国学者在认知雷达领域开展了研究，在环境感知与描述、最优化波形设计、自适应信号处理等方面进行了探索，并取得了一定的研究成果。此外，在雷达目标识别技术研究方面也有比较广泛的研究基础，这其中包括利用神经网络、支持向量机对雷达一维距离像结果的分类识别、合成孔径雷达（SAR）图像的分类识别等。主要针对电子战领域中的雷达对抗，介绍人工智能与雷达对抗相结合的发展概况。

当前，一大批符合未来战争需求的雷达对抗新技术、新概念被不断提出。例如自适应雷达对抗、智能雷达干扰决策支持系统等将在未来电子战中发挥巨大的作用。下面主要根据自适应雷达对抗介绍人工智能技术在雷达对抗方面的应用。由美国国防预先研究计划局启动的自适应雷达对抗，目的是开发短时间内对抗敌方新型、未知雷达的能力，是第一个真正意义上的认知电子战项目。该项目是针对对方空中无线电信号而开发对抗对方自适应雷达系统的电子战能力，这种能力可以感知周围复杂电磁环境，并且自动调整，最后实施干扰。通常传统的雷达不具有对环境的认知性，不能够自动识别复杂电磁环境下的未知信号，更不能依据未知的威胁信号实时合成有效的对抗措施。而自适应雷达对抗项目对上述问题进行了很大的优化改善，它可以基于敌方空中无线电信号对抗敌方自适应雷达系统，感知周围环境并自动调整实施干扰。自适应雷达对抗项目充分体现了认知雷达动态闭环反馈功能的认知原理。

（1）通过对雷达威胁信号的分析确定威胁的功能和意图，即对于目标环境的侦察感知。它充分利用了学习领域的支持向量机和神经网络等方法，展开了对于认知侦察技术的研究，研究的主要内容包括高复杂信号环境下的威胁信号分选、识别和特征值提取算法，重要的是算法的设计必须要考虑实时性及准确性。

（2）自适应的机器学习算法通常需要一定的先验知识作为训练的基础，并且要求其在工作过程中可以不断地积累和捕获新的威胁信号，持续地对数据库里积累的新信号进行学习，从而可以逐步提高自身系统对于威胁信号环境的侦察感知能力。

（3）根据感知到的威胁信号提取信息，利用当前主流的优化方法，遗传算法、粒子群算法（PSO）等推导出进行干扰的最优化策略，自动合成对抗措施的算法和技术，接着由发射机进行干扰信号的发射。

（4）需要继续观察目标信号，通过有效的对比，分析采取干扰措施前后信号的变化情况，对采取的对抗措施进行精确的现场评测，判断干扰信号究竟是否有效，并将评估结果反馈到智能决策，进一步优化策略，从而达到最佳的干扰效果。总之，自适应雷达对抗可以将应对新雷达威胁的时间由过去的几个月甚至一年，缩短至几分钟甚至几秒钟。

3需要解决的关键问题

3.1威胁信号的提取及其特征分析

在当前趋势下，世界各军事强国都希望能够引领电磁空间发展，牢牢抓住电子战的主动权，这导致当今的电磁空间十分拥塞，从而对雷达侦察接收机获取威胁信号提出更高的要求。如何实时地从其他射频辐射源的密集复杂电磁环境中分离出威胁信号，是需要关注的问题。针对以上问题，可以考虑将人工智能中的机器学习算法、基于规则的推理及自适应算法等运用到接收机对外界信号的感知中；同时要结合创新的方法对辐射源脉冲进行分析，根据数据库中心的先验知识提取威胁信号特征；此外，要注重这整个过程的实时性和准确性。

3.2软件算法需要优越的硬件系统

在自适应雷达对抗项目中，很多问题解决的关键在于应用了人工智能中的一系列软件算法。因此需要研究如何使这些软件算法在雷达对抗系统中发挥出优越的性能，从而对硬件系统提出了要求。必须注意对硬件开发平台的研究，在硬件系统设计等方面投入更多的精力。

3.3对抗措施合成既干扰信号的产生

自适应雷达对抗系统在工作时，要求能够实时地感知危险信息，并且基于信号分析和特征描述对当前威胁环境的理解无延时地形成对抗措施。这需要在雷达对抗系统中加入一套预编程的技术方案，可以考虑采用一些新的引擎控制模块（ECM）技术或者是先进的机器学习算法使系统积累一定的经验模型，并且能够通过与环境的交互持续地学习积累新的经验知识，同时要注意干扰波形的优化问题。

4结论

一些军事强国已将人工智能技术引入自适应雷达对抗。分析了人工智能技术与雷达对抗结合所带来的理想的应用效果。从技术层面、安全性、可靠性以及人才培养等方面总结了继续深入人工智能与雷达对抗融合发展需要重点解决的关键问题。针对未来发展趋势，人工智能技术将在很长一段时间继续处于研究热潮，要把目光放远、放长，紧跟科学发展脚步，力争实现成为技术创新的引领者。

参考文献

[1]尹超,马竹娟.人工智能技术的应用和发展[J].赤峰学院学报（自然科学版）,2017,33(5):27-28.