復雜電磁環境下的智能干擾系統架構研究

吳劍鋒，余勇軍，裴虎城，李 洋

(1.北京機電工程研究所，北京 100074； 2.火箭軍駐三院型號辦，北京 100074)

·工程應用·

復雜電磁環境下的智能干擾系統架構研究

吳劍鋒1，余勇軍1，裴虎城1，李 洋2

(1.北京機電工程研究所，北京 100074； 2.火箭軍駐三院型號辦，北京 100074)

主要分析了國外在智能干擾技術上的最新研究成果，研究了人工智能技術的基本原理，在此基礎上提出了一種復雜電磁環境下的智能干擾系統架構，最后研究了一種可用于智能干擾系統的認知引擎技術。

人工智能；智能干擾；認知引擎

0 引言

現代戰場電磁環境越來越復雜，空間上無處不在，時間上密集交疊，頻譜上寬廣重疊。在時域上，電子戰將由傳統的“突擊式”向“全程式”發展，電子偵察、監視、預警等設備將不分晝夜地連續工作；在空域上，面臨陸、海、空、天構筑的全方位立體作戰體系；在頻域上，電磁頻譜將從聲波一直延展到光波的所有頻譜, 涉及預警探測、導航、制導、通信、敵我識別、光電對抗等多個應用領域。在此背景下，傳統上那種分散的、功能單一的電子干擾裝備已遠遠不能適應未來作戰需要，裝備綜合化、智能化、網絡化將是在適應復雜電磁環境作戰需求牽引背景下新的發展趨勢。隨著“第三次抵消戰略”的重要能力支撐——人工智能技術的爆炸式發展，新一代的電子干擾裝備將廣泛采用先進的人工智能技術，大幅度提高整個系統的智能化程度，以具備更好的實時處理能力、復雜電磁環境適應能力和自適應的管理能力。

1 國外研究現狀分析

2006年，加拿大科學家Haykin將“認知”引入到雷達上，提出了“認知雷達”的概念，人工智能進入電子對抗技術領域。

2010年7月10日，美國防高級研究計劃局(DARPA)發布了“行為學習自適應電子戰”(BLADE)項目公告，其主要組成如圖1所示。BLADE項目的主要目的是開發一個能夠自主地學習新威脅的電子戰設備，用于對抗復雜電磁環境下與戰術級目標相關的自適應無線通信威脅，以破壞敵方利用無線電信號和網絡來發布命令、控制和通信(C3)的企圖。BLADE系統的處理結果通過人機接口傳遞給電子戰指揮官，為作戰者提供有力的環境認知能力。指揮官通過系統接口來干擾特定威脅，或者通過簡單地分辨潛在的威脅來學習對抗方式、方法。BLADE項目為期51個月，分三個階段進行：第一階段主要進行系統設計和算法開發，并進行測試；第二階段實時實現第一階段的設計，演示組網能力；第三階段提供組網樣機，實時運行。

2012年7月，DARPA發布了“自適應雷達對抗”(ARC)項目公告，該項目主要利用信號處理和機器學習等技術來開發智能算法，通過實時評估其行為，自主生成對抗措施，同時將評估結果反饋給武器系統操作員來對抗自適應雷達威脅，尤其是對抗波形特征從未出現、且行為未知的雷達威脅。該項目采用模塊化、開放式、可升級軟件架構，使飛行員或其他操作員進入“環路”中，而無需進行昂貴的硬件更新。2013年9月，BAE系統公司獲得一份五年期、三階段任務中1A和1B兩個階段的任務合同，合同價值3490萬美元，主要任務為開發下一代電子戰算法套件研發新的技術，使現有的電子戰系統可以應對新的雷達威脅，為奪取空中優勢提供一種重要的能力。

圖1 BLADE項目主要組成示意圖

2016 年，美軍在認知電子戰領域取得重大進展，BLADE項目系統首次進行了飛行試驗；“自適應雷達對抗”(ARC)項目在實驗室環境中驗證了原型樣機對未知雷達信號的自適應響應能力。在此成績基礎上，美軍計劃將已取得的認知電子戰研究成果應用到F-35 和“下一代干擾機”(NGJ)上。

2 智能干擾系統架構研究

從上述國外研究現狀可以看出，美國已經將人工智能技術引入網絡戰、電子戰等信息及電磁對抗領域，并取得了重大突破，因此，某種程度上來說，人工智能技術已經被主要發達國家看作在復雜電磁環境下奪取信息主導優勢的關鍵使能技術。從電子對抗技術的角度看，開展基于人工智能技術的智能干擾技術研究工作已經迫在眉睫，在此過程中，首要問題是需要構建一個科學合理的智能干擾系統架構，以便為后續的研究工作奠定良好的技術基礎。

2.1人工智能技術的基本原理

人工智能是一種外向型學科，也是一門多領域綜合學科，其主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。2000年，Mitola博士將人工智能引入無線電技術中，提出了OOPDAL認知環路，用于構建基于人工智能的無線電技術的基本架構。整個環路包括以下狀態：觀測(Observe)、判斷(Orient)、計劃(Plan)、決定(Decide)、行動(Act)、學習(Learn)，因此，被稱為OOPDAL認知環路。OOPDAL環路主要工作狀態由外環和內環組成。其中，外環被稱為決策環；內環則稱為學習環，用于從外環運行的歷史經驗中提取知識，并存放知識庫以指導決策環運行。總體來說，Mitola博士構建的OOPDAL認知環路具有完整的認知功能和清晰的認知過程，是基于人工智能的無線電技術最為理想的環路模型，因此，具有普遍的適用性。

然而，針對電子對抗領域，Mitola博士構建的人工智能架構過于復雜，在實現過程中環節比較繁雜。為此，在Mitola博士構建的認知環路基礎上，許多學者提出了一些簡化模型，以便更好地適應現有的電子對抗技術，如圖2所示。

圖2 人工智能基本架構

如圖2所示，人工智能基本架構主要由獲取(Acquisition)、認知(Cognitive)、決策(Strategy)、執行(Execution)以及知識庫等組成，主要過程為：通過對環境的信息獲取，進行信息認知，形成知識，然后根據知識進行決策，形成智能策略方案，最后進行執行，作用于環境，使環境發生變化，進入下一個循環。在此過程中，通過將環境(或問題)要素納入架構，形成了一個閉環的人工智能體系。與Mitola博士的認知環路架構相比，該模型更能表征認知過程的基本要素。

2.2智能干擾系統架構

從人工智能技術的實現過程和特點來看，其優勢主要體現在“軟”方式的能力提升上，因此，本文構建的智能干擾系統架構主要考慮算法、流程等“軟”方式上能力提升的需求，硬件架構可通過其他路徑進行優化升級，比如目前正在廣泛研究的綜合射頻技術等。

按照這一原則和思路，通過參考國外的研究成果和成熟經驗(如圖1所示)，并基于上文對人工智能技術的研究，構建智能干擾系統的架構，如圖3所示。

圖3 智能干擾系統基本架構

從圖3可見，智能干擾系統主要由接收模塊、發射模塊、評估模塊、干擾策略制定模塊以及知識庫等組成，其中，接收模塊和發射模塊屬于硬件模塊，主要基于射頻綜合技術這種通用化硬件平臺。整個系統的工作流程為：接收模塊偵察復雜電磁環境中的威脅信號，并將偵察結果發送給評估模塊；評估模塊進行信號特征提取、識別等信號分選識別的工作，并對威脅環境進行評估，形成評估結果，將評估結果發送給干擾策略制定模塊；干擾策略制定模塊根據評估結果選擇最優的干擾參數、干擾資源分配方式、干擾時序等策略；根據制定的策略控制發射模塊以對威脅目標實施干擾，使威脅環境發生變化；最后進入下一個循環周期。在此過程中，知識庫主要存儲每次評估和策略制定的結果，并為下次評估和策略制定提供依據。由于在過程中加入了威脅環境要素，因此，從本質上來說，智能干擾系統與復雜電磁環境共同組成了一個閉環優化的系統。

比較圖2、圖3這兩種架構，可以很容易地看出兩種架構中各個功能模塊的對應關系，如表1所示，因此，本文所構建的智能干擾系統是基于“獲取→認知→決策→執行”這種人工智能的認知方式的。

表1 兩種架構中功能模塊的對應關系

2.3智能干擾系統的認知引擎技術

當完成智能干擾系統的架構構建后，接下來需要解決的問題是采用何種方式使整個智能干擾系統實現有效運轉，此項工作主要由認知引擎完成。所謂認知引擎，指的是在可重配置的架構體系平臺上，實現基于人工智能技術的推理與學習，并做出優化決策的智能主體。認知引擎是實現智能干擾這種理念的核心。認知引擎可以采用現今一些基于人工智能的最新研究成果，比如遺傳算法、神經網絡、模糊聚類方法等，這里主要介紹利用遺傳算法作為智能干擾系統認知引擎的技術。

遺傳算法是一種借鑒生物進化和遺傳等生物學行為的人工智能技術，主要用于解決目標優化問題，通過找到一組參數(基因)使目標函數最大化。遺傳算法的基本原理是根據求解問題的目標構建適值函數，使初始種群通過雜交和變異不斷選擇好的適值進行繁殖，從而產生新一代種群，并逐步使種群進化到包含近似最優解的狀態。

采用基于遺傳算法的認知引擎技術的基本思想是把智能干擾系統類比為一個生物系統，將系統獲得的威脅參數、采取的干擾策略等定義為一個染色體后，利用遺傳這種生物行為進行干擾策略的優化，因此，比較關鍵的問題是首先需要構建染色體基因模型。如圖4所示，根據智能干擾系統的特點，基因組主要由匹配基因和行為基因兩部分組成，其中，前N個基因為匹配基因，后M個基因為行為基因。匹配基因主要用于存放偵察所得的威脅目標參數，通常為偵察系統上報的脈沖描述字(頻率、脈沖到達時間、脈沖結束時間、脈沖調制特征等)，要求每個基因(gi)對應一個脈沖描述字特征參數，匹配基因的主要作用為與知識庫中的威脅參數特征進行匹配，以確定下一步的干擾策略；行為基因主要用于存放干擾策略，包括干擾參數、干擾資源分配方式以及干擾時序等，要求每個基因(gN+i)對應一個干擾策略的參數。

圖4 遺傳算法的染色體基因模型

完成染色體基因的構建工作后，就可以按照遺傳算法中的經典方法進行干擾策略最優解的搜索尋找，本文提供的認知引擎將評估后威脅度降低趨勢設定為最佳的尋優方向；在遺傳算法執行過程中綜合運用選擇、交叉、變異、雜交等遺傳算子產生新的染色體基因，而智能干擾系統中的知識庫則作為遺傳生物行為的基因庫。針對染色體基因采取如下原則進行處理：

1)對成功行為有貢獻的基因進行強化，對成功行為沒有貢獻的基因進行弱化，提高有益基因的存活率，同時刪除無益基因。

2)基因的隨機突變提供了基因序列產生新解的機制。

3)基因不僅以自然選擇的方式存活或死亡，而且還可引入全新的種類，得到更高效的推理。

由此，可得基于智能干擾系統的認知引擎的整個工作過程為：

第一步：評估模塊對接收到的威脅信號進行信號分選識別和威脅等級評估；

第二步：將信號參數與知識庫中的參數進行匹配，并根據知識庫構建染色體基因；

第三步：運用遺傳算法產生新的染色體基因；

第四步：將新產生的染色體基因作為優化后的干擾策略用于執行干擾行為，并作用于復雜電磁環境；

第五步：接收模塊偵察環境中信號的變化情況，并將偵察結果發送給評估模塊，重復第一步……。

通過這種認知→干擾→認知……周而復始循環往復的學習推理過程，不斷搜索干擾策略的最優解，從而提升智能干擾系統的干擾對抗能力。

3 結束語

人工智能技術在國外被稱為“改變游戲規則”的顛覆性技術，其潛能不可估量，可以預見，智能技術的發展和應用必將支撐新一代武器裝備的非連續、超常規、跨越式發展，從而促進作戰樣式、戰爭形態的變革。在此智能風暴的推動下，基于人工智能的電子干擾技術業已成為了一個熱門的研究領域。本文主要提出了一種可用于復雜電磁環境的智能干擾系統構建理念，主要初衷是為智能干擾技術的研究工作奠定一定的技術基礎，希望后續能在此基礎上進行理論、方法等的豐富和完善，不斷向研制工程實用化的智能干擾系統原理樣機的目標前進。■

[1] 沈妮,肖龍,謝偉，等.認知技術在電子戰裝備中的發展分析[J].電子信息對抗技術,2011(6):22-26.

[2] 倪叢云,黃華.認知電子戰系統組成及其關鍵技術研究[J].船舶電子對抗,2013,36(3):32-35,87.

[3] 蔡亞梅,張宇,陳利玲.認知電子戰探析[J].航天電子對抗,2014,30(3):22-23,42.

[4] 邢傳鼎,楊家明,任慶生,等.人工智能原理及其應用[M]. 1版.上海:東華大學出版社,2005.

[5] Mitola J.Cognitive radio:an integrated Agent architecture for software define radio[M].Sweden:Royal Institute of Technology,2000.

[6] Rondeau TW.Application of artificial intelligence to wireless communications[D]. Blacksburg: Virginia Polytechnic Institute and State University,2007:11-12.

Architecture of intelligent jamming system in complex electromagnetic environment

Wu Jianfeng1， Yu Yongjun1， Pei Hucheng1， Li Yang2

(1.Beijing Electro-mechanical Engineering Institute，Beijing 100074，China；2.Project Management Office of Rocket Army in Third Research Academy，CASIC，Beijing 100074，China)

The latest research results of intelligent jamming technology abroad are mainly analyzed，and the basic principle of artificial intelligence is studied. On this basis，the architecture of intelligent jamming system in complex electromagnetic environment is proposed. Finally，a cognitive engine technique for intelligent jamming system is studied.

artificial intelligence；intelligent jamming；cognitive engine

2017-04-08；2017-07-21修回。

吳劍鋒(1979-)，男，碩士，主要研究方向為電子對抗技術。

TN972；TP387

： A