人工智能干擾技術發(fā)展現狀及趨勢探析

田錦昌，齊大志，李書香

(北京機電工程研究所，北京 100074)

·專家論壇·

人工智能干擾技術發(fā)展現狀及趨勢探析

田錦昌，齊大志，李書香

(北京機電工程研究所，北京 100074)

近年來人工智能技術得到迅速發(fā)展，屢屢在比賽中勝出，引起了各界的關注，人工智能的應用在軍事領域迅速普及。基于美軍對智能化電子對抗即認知電子戰(zhàn)的高度重視，對傳統(tǒng)電子戰(zhàn)面臨的困境進行了梳理，闡述了認知電子戰(zhàn)的概念和特點，分析了未來認知電子戰(zhàn)的重點發(fā)展方向，為智能化電子戰(zhàn)技術研究提供參考。

人工智能；干擾；電子戰(zhàn)；發(fā)展；應用

0 引言

2017年5月，谷歌公司開發(fā)的AlphaGo圍棋人工智能程序三戰(zhàn)三捷，再次戰(zhàn)勝世界圍棋冠軍，連續(xù)第二年大顯身手。人工智能方面的專家表示，目前AlphaGo只是展示弱人工智能，但已經顯示了巨大威力，代表了未來技術的發(fā)展前沿，特別受到武器裝備發(fā)展的青睞。人工智能在電子戰(zhàn)的應用盡管舉步維艱，但是以美國為首的軍事強國正在加速推動發(fā)展人工智能技術，即認知電子戰(zhàn)技術。2016年2月29日，美國《國家利益》雙月刊網站發(fā)文章稱，DARPA正致力于開發(fā)基于人工智能的新型電子戰(zhàn)系統(tǒng)，以對抗俄羅斯等國功能日益強大的雷達；2016年，美國《航空周刊》報道，DARPA正在向客戶移交根據極端射頻頻譜條件下的通信項目(CommEx)開發(fā)的技術，且五角大樓決定將這一技術整合到Link-16數據鏈中，以保護廣泛使用的戰(zhàn)術數據鏈免受干擾；2016年5月，英國《簡氏防務評論》報道，美國海軍目前正在研究將自適應電子戰(zhàn)行為學習項目(BLADE)開發(fā)的技術應用于反簡易爆炸裝置中，并將BLADE項目和自適應雷達對抗項目(ARC)開發(fā)的算法應用到EA-18G“咆哮者”電子戰(zhàn)飛機上。

本文以認知電子戰(zhàn)技術為核心，對人工智能技術在電子戰(zhàn)中的應用進行了系統(tǒng)分析，提出了后續(xù)發(fā)展建議。

1 傳統(tǒng)電子戰(zhàn)面臨的挑戰(zhàn)

現代戰(zhàn)爭是高技術條件下的信息化戰(zhàn)爭，隨著信息化技術的不斷進步，現代高技術戰(zhàn)爭日益依賴電子設備，戰(zhàn)場電磁環(huán)境日益復雜多變。面對日益復雜的電磁環(huán)境，常規(guī)電子戰(zhàn)手段的作戰(zhàn)效能在逐步下降，面臨著諸多亟須解決的問題，主要來自以下四個方面：一是隨著更多合作與非合作輻射源的出現，電磁環(huán)境日趨復雜，由此造成的信號在頻域、時域、空域上的擁堵嚴重降低了干擾機對威脅信號的偵察分選能力；二是雷達的抗截獲與抗干擾性能不斷提升，對電子戰(zhàn)的偵察能力與干擾技術提出了更高的要求；三是在人工智能、軟件無線電、認知無線電等技術的推動下，雷達的智能化程度不斷提高，更注重對電磁環(huán)境的自主感知能力與快速應變能力，由此逐漸拉開了與電子戰(zhàn)裝備的技術差距；四是組網雷達等組網系統(tǒng)的出現，對電子戰(zhàn)系統(tǒng)及時發(fā)現并攻擊組網系統(tǒng)關鍵節(jié)點與要害的能力提出了迫切需求。

隨著微波技術和信號處理技術的飛速發(fā)展，雷達技術發(fā)展迅猛，以收發(fā)數字波束形成技術為標志的二維相控陣雷達已服役，數字陣列技術的應用使一部雷達具備防空/反導、搜索/跟蹤/制導等多種功能；為了適應不同環(huán)境下目標的探測，一部雷達也可以集MTI/MTD/PD/STAP等多種處理模式于一身，靈活強大的數字處理能力，也極大增強了雷達自身的抗干擾能力。多功能、多處理模式意味著雷達具有多種工作參數和多種掃描跟蹤方式，傳統(tǒng)的瞄頻粗放式干擾已經不能實現有效對抗，基于數據庫的干擾引導方式也已經不能滿足快速精確引導的要求。

更重要的是，自2006年加拿大Haykin教授提出認知雷達系統(tǒng)概念以來，認知雷達技術發(fā)展迅速，給傳統(tǒng)的電子對抗帶來了前所未有的挑戰(zhàn)：

1)認知雷達根據雜波場景、目標特征以及目標姿態(tài)變化自適應設計和調整發(fā)射波形。

認知雷達采用LPI波形降低雷達峰值功率，偵察系統(tǒng)需進一步提高靈敏度；出現更多難以描述的未知波形，對干擾機的目標識別和干擾確認帶來困難；雷達波形脈間或脈組參數捷變，對干擾機的分選識別和干擾引導帶來挑戰(zhàn)。

2)認知雷達為了實現發(fā)射自適應控制，廣泛采用數字陣列體制。

認知雷達具有更低的發(fā)射副瓣，偵察系統(tǒng)需大幅提高偵察靈敏度；更低的接收副瓣，干擾系統(tǒng)需大幅提高干擾等效輻射功率；對干擾機方向自適應置零，干擾機需要針對性的干擾策略或進一步提高干擾等效輻射功率；根據目標的遠近、威脅程度以及空間分布，自適應選擇波束形狀、指向以及個數，對抗系統(tǒng)需綜合提高靈敏度、干擾功率以及干擾資源管理能力。

3)認知雷達在接收端自適應調整信號處理和數據處理方法，以適應認知雷達在發(fā)射端自適應調制波形。

為了提高干擾效率，實現精細化干擾，對抗系統(tǒng)需具備快速識別雷達波形、判斷雷達工作方式、自動生成干擾措施的能力。

4)多部認知雷達協同工作，組成認知雷達網。

傳統(tǒng)的雷達組網對電子戰(zhàn)系統(tǒng)已經形成了巨大威脅，使其面臨必須在體系對抗中獲取優(yōu)勢的局面。認知雷達在雷達組網進行應用后，將對電子戰(zhàn)系統(tǒng)構成明顯優(yōu)勢。

5)認知射頻通用架構使得雷達、通信、導航等領域可以共用射頻平臺。

多功能一體化的認知射頻通用架構，可有效增強網絡中心戰(zhàn)的作戰(zhàn)效能，實現體系對抗，需要認知電子戰(zhàn)裝備能夠同時對抗同一平臺的多種電子載荷，將體系對抗轉化為單機對抗，提升武器裝備的效費比。

未來的認知雷達系統(tǒng)對環(huán)境的認識是通過與環(huán)境不斷交互獲得的，持續(xù)地學習環(huán)境，再利用學來的信息提高接收系統(tǒng)的性能，積累經驗；發(fā)射系統(tǒng)依據偵察結果和積累的知識智能地調整對目標的照射，能根據目標的尺寸、距離等重要因素，以高效、魯棒的方式調整發(fā)射波形參數；最終形成一個動態(tài)而封閉的“發(fā)射系統(tǒng)—環(huán)境—接收系統(tǒng)”反饋環(huán)來提升雷達系統(tǒng)的整體效能。

認知雷達的智能化工作模式以及戰(zhàn)時工作模式的使用，使得未來戰(zhàn)場中必將出現眾多的未知雷達信號。傳統(tǒng)的電子戰(zhàn)系統(tǒng)能夠識別固定頻譜工作的威脅系統(tǒng)，利用預先編程的對抗技術有效對抗預訂的威脅。但面對多功能/多模式雷達、應用認知技術的雷達，應對電子戰(zhàn)面臨的多方面挑戰(zhàn)，電子戰(zhàn)必須從固定模式向自適應模式發(fā)展，突破傳統(tǒng)電子戰(zhàn)采用的預加載體制，采用認知電子戰(zhàn)技術，實現快速感知環(huán)境、自主學習、自適應對抗的方式，及時適應變化了的對抗目標，最終實現高效對抗。認知電子戰(zhàn)技術正是傳統(tǒng)電子戰(zhàn)技術的發(fā)展，通過基于自適應機器的學習偵察技術的突破，不斷地感知周圍的環(huán)境，適應新的威脅目標的識別，完成對新的威脅目標的有效干擾。

2 人工智能干擾的概念和特點分析

以認知電子戰(zhàn)為代表的人工智能干擾技術理論、技術、裝備的興起，主要有兩方面的動因：一、軟件無線電技術日益成熟，為認知電子戰(zhàn)奠定了技術基礎；二、隨著現代戰(zhàn)場電磁環(huán)境越來越復雜，電子戰(zhàn)領域對自適應、自動化、智能化要求越來越高，為認知電子戰(zhàn)提供了旺盛的軍事需求。

雖然美國已經開發(fā)了一系列名為認知電子戰(zhàn)的項目，但在理論或學術層面，目前還沒有對認知電子戰(zhàn)技術明確的概念，術語也不統(tǒng)一(例如，“自適應電子戰(zhàn)”、“智能電子戰(zhàn)”等多個名稱)。不少學者對此開展了研究，提出各種觀點。如第一種觀點是根據美國的多個認知電子戰(zhàn)項目研究內容，認為認知電子戰(zhàn)的內涵為：依據實時環(huán)境態(tài)勢感知、作戰(zhàn)效能評估以及學習、積累的結果，動態(tài)地自主調整攻擊與防護策略，通過流程的閉環(huán)，實現智能、高效的信息對抗。第二種觀點認為具備“自主態(tài)勢感知，自主學習與經驗積累，自主推理與輔助決策，自主干擾策略優(yōu)化與攻擊”中的一種或多種能力的電子戰(zhàn)技術即可算作認知電子戰(zhàn)技術范疇。第三種觀點認為：能夠快速感知外界威脅環(huán)境，對威脅環(huán)境、目標和干擾等具有記憶和學習能力；自動進行分析，選擇干擾策略；自動調整干擾樣式和參數；能夠判斷干擾效果并進行實時評估等能力的電子戰(zhàn)系統(tǒng)是認知電子戰(zhàn)系統(tǒng)。有學者將認知電子戰(zhàn)定義為：以具有一定認知性能的電子戰(zhàn)裝備為基礎，注重自主交互式的電磁環(huán)境學習能力與動態(tài)智能化的對抗任務處理能力的電子戰(zhàn)形態(tài)。還有學者將認知電子戰(zhàn)定義為：一種具有通過先驗知識以及自主交互學習來感知并改變周圍局部電磁環(huán)境能力的智能、動態(tài)的閉環(huán)系統(tǒng)，可在實時感知電磁環(huán)境的基礎上，高效自主調整干擾發(fā)射機與接收機以適應電磁環(huán)境的變化，提高干擾的快速反應能力和干擾性能。還有學者對認知電子戰(zhàn)的描述如下：認知電子戰(zhàn)是一種在軟件無線電技術基礎上實現的智能化、網絡化(知識共享)、多功能電子戰(zhàn)理念，除了可以對抗傳統(tǒng)電子信息系統(tǒng)以外，還可以對抗新興的認知電子信息系統(tǒng)(認知無線電臺、認知網絡、認知雷達等)。其核心技術包括軟件無線電技術、機器學習技術、行為建模技術等。

認知電子戰(zhàn)與傳統(tǒng)電子戰(zhàn)相比具有明顯的特點，主要包括以下幾個方面：1)認知電子戰(zhàn)具備快速感知威脅的能力，具備對干擾環(huán)境及目標記憶和學習的能力；2)認知電子戰(zhàn)能夠自主分析威脅環(huán)境，并選擇適當的干擾策略；3)認知電子戰(zhàn)能夠依據對外界環(huán)境的探測，分析、評估干擾效果；4)認知電子戰(zhàn)能夠根據評估后的干擾效果自動調整干擾樣式和參數。認知電子戰(zhàn)要求電子戰(zhàn)系統(tǒng)具備學習的能力，這主要體現在：首先要通過對外界環(huán)境的探測了解目標，然后通過對比、分析進行自我學習，最后通過自我調整適應新的環(huán)境。

3 智能干擾技術重點發(fā)展方向

1)深度學習

深度學習是目前人工智能領域一個最熱門的主題。據稱，AlphaGo程序主要就是基于深度學習算法完成的，其核心程序有2個：①落子選擇器——利用具備監(jiān)督學習功能的策略網絡來選擇下一步棋的最佳下法；②棋局評估器——利用價值網絡來輔助落子選擇器。香港科技大學學者認為，AlphaGo取得成功的經驗，就是通用型算法與機器學習、符號空間的搜索能力、強化學習等多方面的組合。除深度學習外，邏輯推理、智能規(guī)劃、遷移學習、智能博弈等知識也會在未來發(fā)揮作用。該學者正在研究利用深度學習、強化學習、遷移學習的有機結合，建立起一個通用的、可以個性化的機器學習體系。

深度學習能力是不同認知系統(tǒng)的重要基本特征，強化學習從動物學習理論發(fā)展而來，是實現行為學習的方法之一。強化深度學習方法具有自主學習的能力，它不依賴先驗知識，僅通過不斷與環(huán)境交互來獲得知識，自主地進行動作選擇，使得到獎勵的行為被“強化”而受到懲罰的行為被“弱化”。映射到認知雷達電子對抗系統(tǒng)中，即是需要通過干擾激勵和行為學習過程的實施，建立干擾資源與目標雷達工作體制或抗干擾措施的聯系，作為智能化干擾資源調度的依據。

2)智能化的干擾資源調度

在現代戰(zhàn)爭中，電子對抗環(huán)境復雜多變，干擾方所面對的敵方雷達目標往往有很多個，在同一時間需要干擾的雷達目標也有幾個甚至幾十個，而干擾方可用的干擾資源往往也有幾個到幾十個，但一般是很有限的。那么如何合理充分地利用干擾資源，讓既有的干擾資源獲取更大的作戰(zhàn)效益，就成了戰(zhàn)場指揮員所面臨的棘手問題。很多情況下，指揮員都是憑自己的經驗來分配干擾任務，但是當敵方雷達數量很多，或者戰(zhàn)場環(huán)境很復雜時，這種分配可能會帶來嚴重的后果。所以，雷達干擾資源調度是電子對抗系統(tǒng)實現的關鍵技術，合理的干擾資源調度可以使有限的干擾資源發(fā)揮最佳的干擾效果。

常用的雷達干擾資源分配算法中，動態(tài)規(guī)劃算法的大致思路是將雷達干擾資源分配問題簡化為普通的單目標規(guī)劃問題，進而采用傳統(tǒng)的動態(tài)規(guī)劃模型來進行求解。這種算法計算量較少，也可以降低解決問題的復雜度，但是這種算法忽略了干擾樣式等一些不便于量化的因素，使得計算精確度大打折扣。模糊多屬性動態(tài)規(guī)劃算法利用多屬性決策方法和模糊集理論，解決了雷達干擾資源分配中的多因素和模糊性問題。對于因素的隸屬度的確定，一般是通過專家來進行賦值，從而實現多階段多屬性整體優(yōu)化，因而能夠合理地進行雷達干擾資源分配，達到最佳整體效果。

3)對抗效果實時評估

認知電子戰(zhàn)通過對抗效果實時評估，將認知偵察和智能干擾緊密結合起來，實現高度自適應的智能對抗。雷達態(tài)勢識別是認知對抗過程評估的關鍵問題，首先分析認知對抗中狀態(tài)識別與傳統(tǒng)電子偵察接收機實現功能的聯系與區(qū)別，明確認知對抗系統(tǒng)中狀態(tài)識別功能的概念與內涵；然后討論基于干擾系統(tǒng)可提取的特征參量來定義雷達狀態(tài)轉換識別以及具體的狀態(tài)轉換識別方法，給出雷達狀態(tài)轉換判別結果和實際雷達工作狀態(tài)的模板匹配方法，構建適用于認知對抗系統(tǒng)的完整狀態(tài)識別方法和基于狀態(tài)識別結果的干擾改變方法。

4 結束語

人工智能技術促進了以認知電子戰(zhàn)為特征的智能化干擾技術的發(fā)展。盡管目前還處于初級階段，但是智能干擾技術自主態(tài)勢感知、自主學習與經驗積累、自主推理與輔助決策、自主干擾策略優(yōu)化與干擾的特點代表了下一代干擾機的發(fā)展方向，并且已在電子對抗裝備的設計中得到應用，隨著其算法的不斷改進，將會大大提高電子戰(zhàn)裝備的對抗性能。■

[1] 馬月槐,劉躍宣,范玉虎,等. 軍用認知系統(tǒng)的電子對抗技術研究[J]. 通信技術,2013(3): 7-9.

[2] 張春磊,楊小牛.認知電子戰(zhàn)初探[J]. 通信對抗, 32(2): 1-4.

[3] 石榮,鄧科,閻劍.雷達認知能力提升及其與EW 的智能博弈[J]. 雷達科學與技術, 2015(3): 228-232.

[4] 倪叢云,黃華.認知電子戰(zhàn)系統(tǒng)組成及其關鍵技術研究[J]. 艦船電子對抗, 2013(3): 32-35.

[5] 戴幻堯,周波,雷昊申,等. 認知電子戰(zhàn)的關鍵技術發(fā)展動態(tài)與分析[J].飛航導彈, 2014(9): 57-60.

[6] 張珂,張璇,金家才.認知電子戰(zhàn)初探[J]. 航天電子對抗, 2013，29(1): 53-56.

[7] 張建華,沈振惠,馬騰,等.基于認知的艦船電子對抗系統(tǒng)設計[J]. 指揮控制與仿真, 2015(4): 105-108.

[8] 朱耿尚,陳誠,范忠亮,等.認知雷達對抗技術概述[J].科技創(chuàng)新導報, 2015(8): 99-100.

Status and development trend of artificial intelligence jamming technology

Tian Jinchang， Qi Dazhi， Li Shuxiang

(Institute of Beijing Electro-Mechanical Engineering, Beijing 100074, China)

In the several years, the technology of artificial intelligence(AI) has achieved great performance, and defeated mankind in the competition, which has caused concern all over the world, especially in the military field. The U.S. army pays attention to AI electronic warfare (EW), namely cognitive EW. The difficulty which traditional EW faced is analyzed, the concept and characters of EW are described, and the important development direction in future is analyzed. It can be used as a reference for the study of AI EW.

artificial intelligence；jamming；electronic warfare；development；application

2017-04-07；2017-07-21修回。

田錦昌(1970-)，男，研究員,碩士，研究方向為電子對抗技術。

TN972；TP387

： A