機載雷達告警接收機發展現狀及趨勢

王 星 王俊迪* 金政芝 周一鵬 陳 游(空軍工程大學航空工程學院 西安 710038)(93128部隊 北京 100843)(空軍航空大學 長春 130022)

1 引言

機載雷達告警接收機(Radar Warning Receiver,RWR)是作戰飛機用于雷達輻射源感知和威脅告警的電子對抗偵察系統[1,2]。它通過截獲和分析照射到載機上的雷達信號，向飛行員提供雷達輻射源目標的方位、類型、威脅等級等信息，幫助飛行員掌握實時態勢，提示飛行員采取恰當的電子對抗和戰術規避等措施。它還可以引導干擾系統和反輻射導彈對高威脅目標實施干擾和打擊，提高載機生存能力[3]。機載RWR針對的目標主要包括預警雷達、目指雷達、制導雷達、火控雷達、主動雷達導引頭等[4]，其處理的主要雷達信號特征包括到達時間(Time of Arrival,TOA)、到達角(Direction of Arrival,DOA)、脈沖載頻(Radio Frequency,RF)、脈沖寬度(Pulse Width,PW)、脈沖重復間隔(Pulse Repetition Interval,PRI)、脈沖幅度(Pulse Amplitude,PA)、信號調制樣式等。近年來，經常隨RWR一起出現的電子支援措施 (Electronic Support Measures,ESM)來源于美軍電子戰定義中的電子支援(Electronic Support,ES)，與中國“電子對抗”標準中的“電子對抗偵察”對應，威脅告警是其下的一種功能，雷達告警器(RWR)是針對特定系統功能出現的名詞。三代機之前的RWR功能相對簡單，主要是對照射到飛機上的特定頻率雷達信號發出警告，并且指示威脅的大致方向，以上功能成為普遍認可的機載RWR基本功能。隨著需求和能力的發展，RWR逐漸具有了傳統意義上認為是ESM的功能，包括精確測向、無源定位能力、數據存儲能力和更復雜的信號分析能力。這些能力可以增加告警威脅判斷準確性，還可以延伸用于引導攻擊，可以認為是告警能力的擴展；同時，實現這些功能的系統組成也是相互關聯。因此，本文作者認為，在機載自衛電子對抗系統的劃分上不應該區分出ESM功能和RWR功能，應統一稱為RWR。

目前，機載RWR已經向數字化、模塊化和認知化方向發展[5,6]。為了更好地總結機載RWR發展脈絡，了解機載RWR信號處理相關技術，為未來機載RWR發展提供啟示和建議。本文介紹了機載RWR的系統架構，詳細分析了信號截獲和參數測量、信號預處理、信號分選、信號識別、威脅評估5個機載RWR信號處理流程。從現代電磁環境的復雜性和雷達技術的發展出發，系統總結了目前機載RWR面臨的挑戰。從實際運用出發，指出對于機載RWR的單獨綜合射頻孔徑需求、基于系統最優的高性能指標需求、分級智能化需求、系統模塊化需求、數據融合處理的需求和威脅評估簡化的需求。

2 機載RWR系統架構和信號處理流程發展現狀

2.1 機載RWR系統架構發展歷程

機載RWR的發展始于20世紀40年代，越南戰爭后成為飛機的標準設備。從接收機體制角度來看，機載RWR發展經歷了兩個階段：模擬接收體制時代和數字體制時代。

2.1.1 模擬接收體制

早期的機載RWR接收機為模擬體制的寬帶視頻晶體接收機，基本的組成包括天線、接收機、信號處理部分和終端部分[7]，如圖1所示。主要的特點是結構簡單、截獲概率高，但是低頻率的分辨率低。模擬體制機載RWR系統采用順序式處理系統架構，即雷達信號被天線截獲后傳輸到接收機，接收機直接對雷達信號進行測量和處理，產生包含雷達信號重要參數的脈沖描述字。

圖1 模擬體制機載RWR基本架構圖Fig.1 Basic architecture of analog airborne RWR

模擬體制機載RWR的天線主要分為接收天線和專項天線。接收天線陣用來截獲雷達信號，并與接收模塊、分析處理單元測量和計算出雷達平臺的方位、俯仰信息。為了保證信號截獲的方向有效性和極化對準，機載RWR的接收天線大部分使用的是喇叭天線、平面螺旋天線和多波束天線。專項天線是面向一些特殊信號(紅外、激光)而設置的告警天線[8]，這些信號往往是威脅級別很高的信號，能夠直接反映對方的火控信息。但由于技術原因，接收天線無法截獲這些信號，因此設立紅外/激光專項天線。紅外/激光信號被專項天線截獲后，經過接收模塊中的專門電路進行放大和變換并且產生數據碼，而后產生的數據碼被送給分析處理單元[9]。在后期的發展中，為了提高天線的測向精度，干涉儀系統被增加到機載RWR，其天線主要是用平面螺旋天線組合成的天線陣列。

早期RWR接收機帶寬較窄，針對目標單一，不需要精確測頻，所獲取的信息基本可以滿足告警要求。但是，隨著接收機帶寬越來越寬，目標雷達參數重合情況增多，利用載頻信息分選和識別目標有了關鍵意義，因此對于測頻的需求提高。為了提高測頻精度，一種方法是在晶體視頻接收機前端增加可調諧窄帶帶通濾波器，按照信號時序順序接收，增強了對于頻率的選擇性，此類接收機稱為可調諧射頻接收機；另一種方法是在前端放置多個窄帶帶通濾波器，使用多個濾波器同時接收信號，此類接收機稱為多信道接收機。由于晶體視頻接收機信號處理能力較弱，接收機靈敏度低，逐步改為超外差接收機。早期典型的模擬體制機載RWR有AN/APR-25,AN/APR-26等。

隨后，瞬時測頻接收機廣泛應用，其在瞬時帶寬、頻率測量精度、體積重量和成本等方面具有很大的優勢。在實際運用中，常常將瞬時測頻接收機和晶體視頻接收機或者超外差式接收機配合使用。晶體視頻接收機或者超外差式接收機測量脈沖幅度、脈沖起始時間和終止時間等參數，瞬時測頻接收機測量每個脈沖的頻率參數。瞬時測頻接收機主要以數字化方式完成信號處理，此后，機載RWR逐漸由模擬體制向數字體制過渡。

早期的信號數據處理部分主要依靠硬件邏輯電路，輸入信號與數據庫信號進行匹配對比，完成信號的識別告警功能。隨著對信號處理能力需求的增加，可編程微處理器逐漸應用在信號處理部分，可以在硬件不修改的前提下，通過軟件修改實現對不同頻率、不同脈沖重復頻率等各種雷達的告警，典型的可編程機載RWR為AN/ALR-46。

2.1.2 數字接收體制

隨著電子技術的發展和接收新體制雷達信號的需求提升，前端接收數字化采樣技術被廣泛應用，標志著機載RWR進入全數字化時代，世界上第1部全數字機載RWR為AN/ALR-69A(V)[10]。在此階段，機載電子一體化成為發展趨勢，機載RWR采用基于機載總線的系統架構，如圖2所示。在射頻截獲部分采用機載射頻孔徑系統，信號的模擬處理模塊前移，后端完全采用并行數字信號處理的方式實現，設備的各種部件通過高速的光纖總線/網絡互連在一起。機載RWR設備內的單元可以分為兩大類，一大類為數據采集和編碼，主要功能為雷達信號的截獲、測量和編碼，包括前端接收單元、特殊波段接收單元、精確測向單元和基于紫外/紅外的導彈逼近告警單元；另一大類為計算單元，主要是采用并行處理方式的分布式綜合計算機陣列，主要功能為處理各種經過編碼的射頻信號和光電信號。整個機載RWR設備通過航空電子系統總線/網絡和其他設備互連，以充分利用機上各種傳感器資源如相控陣雷達、數據鏈、光電雷達等所得的信息，提高輻射源威脅識別和評估的可信度。

圖2 數據總線機載RWR系統架構Fig.2 Architecture of airborne RWR system based on data bus

相比于順序式機載RWR系統架構，基于機載總線的機載RWR系統架構主要的特點是信號數據依靠數據總線傳輸和信號處理實現了軟件化。各傳感器截獲信號后，通過數模轉換器完成數字化處理。數字化信號根據信號處理技術的不同分別提取不同的特征參數，特征參數數據依靠數據總線傳輸到綜合處理器，綜合處理器依靠嵌入式軟件對信號進行處理并產生告警信息，告警信息和引導控制指令通過數據總線分別傳輸到前艙顯示器和其他輻射單元。有的機載RWR系統還可以融合機載雷達、敵我識別器和數據鏈的信息輔助完成威脅告警。

目前，機載天線技術也得到了很大的發展，截獲的頻率范圍擴展到2～40 GHz。相比于模擬體制的架構，數字化接收體制的機載RWR天線大多數采用4個寬帶螺旋天線提供360°方位覆蓋，4個數字化4象限接收機完成信號采集。前端接收機需要完成限幅預增大、覆蓋頻帶劃分、視頻信號提取、擴展接收機動態范圍4個功能，形成多頻段、多通道的雷達視頻信號和射頻信號，便于后續部件處理[11]。較為先進的機載RWR設備實現了共型天線技術，例如F-22飛機中的AN/ALR-94告警器，它將30多部先進天線平滑地嵌入機翼和機身中，實現全方位、全頻段的信號截獲，并且具有先進的精確定位與識別系統(Precision Location and Identification,PLAID)，可以采用單陣元測多普勒頻率、雙陣元構成干涉儀測相位差變化率及時延測向對地面固定輻射源進行粗定位及精定位。

2.2 機載RWR信號處理流程

機載RWR系統的總體信號處理流程如圖3所示。主要分為5個過程，分別是信號截獲和參數測量、信號預處理、信號分選、信號識別和威脅評估，最后將告警信息告知飛行員并引導干擾設備[12]。

圖3 機載RWR信號處理流程Fig.3 Airborne RWR signal processing flow

2.2.1 雷達信號截獲和參數測量

電磁環境中所有類型的交疊信號被天線截獲后進入前端接收機，前端接收機通過瞬時測頻和瞬時測向設備完成信號RF,TOA,PW,PA,DOA等基本參數的測量。目前，部分先進的接收機還具備對脈內調制類型和信號指紋特征等特殊參數提取的功能。前端接收機完成參數測量后，按照到達時間將接收的信號形成雷達脈沖特征參數數據列表，數據列表記錄了每一段雷達信號的詳細特征，而后將數據列表傳輸到后端處理器。

2.2.2 信號預處理

后端處理器接收到的初始數據列表包含了天線可截獲范圍內所有外部電磁環境的電磁信號，具有脈沖交疊嚴重和脈沖數據密度大的特點。對于初始數據列表，后端處理器直接處理難度較大，因此需要對初始數據進行預處理。信號預處理環節主要進行信號稀釋和已知/未知信號快速匹配關聯[13]，如圖4所示。信號稀釋通常根據雷達信號工作頻段進行信號頻域劃分和根據雷達信號到達角進行空域劃分，同時將大量民用通信信號、二次雷達識別信號和己方輻射源等不感興趣信號刪除。

圖4 脈沖稀釋處理流程Fig.4 Pulse dilution processing flow

經過脈沖稀釋的脈沖流信號再與已知信號數據庫進行匹配對比，從而分離出已知信號子脈沖流和未知信號子脈沖流并且存儲到緩存器中，以便后續信號分選的讀取[14]。在預處理中，通常選擇TOA,RF,PW作為對比的特征參數。信號預處理的過程也可以看出對于前端接收的脈沖數據流分成無用信號、已知信號和未知信號的過程，達到減少后續信號處理的負擔。

在系統中，實現數據預處理算法的軟硬件電路和系統稱為預處理機[15]。傳統的預處理機通常由鎖存器、比較器、存儲器和邏輯電路組成，隨著數字技術的發展，采用并行DSP陣列構成預處理器和采用FPGA電路構成的預處理器被廣泛應用。

2.2.3 信號分選

信號分選是對感興趣的雷達信號進一步精確分類，將雷達信號按照不同類型不同平臺進行歸類，最終將交疊的雷達信號分成一個個同類型同平臺的信號列表。早期的分選主要采用的信號參數為PRI。由于早期的雷達信號在同一相參處理周期內脈沖的PRI保持不變，因此可以通過對比PRI值，將相同數值的脈沖序列歸為一類。典型的方法包括直方圖算法[16,17]、PRI變換法[18,19]。隨著雷達技術的進步，PRI的調制方式也更加多樣，從單一重復調制逐漸變為滑變、抖動、參差等調制樣式。調制樣式的多變導致基于單參數PRI的分選效果顯著下降，一些學者考慮將單獨依靠PRI參數特征擴展成多個參數特征進行分選。多參數分選主要分為關聯比較分選[20]和多參數聯合聚類分選。多參數關聯比較法又稱小盒分選，主要是根據DOA,PW,RF等參數對威脅數據庫記錄的輻射源數據進行關聯。多參數聯合聚類分選法是利用聚類算法對雷達信號進行無監督分組，主要包括基于劃分聚類的分選方法[21]、基于層次聚類的分選方法[22]、基于網格聚類的分選方法[23]、基于密度聚類的分選方法[24,25]、基于模糊聚類的分選方法[26,27]等。隨著機器學習技術的快速發展，越來越多的學者也開始探究其相關技術在雷達信號分選中的應用。基于機器學習算法的雷達信號分選主要將大量的帶有標簽的輻射源數據列表作為訓練集輸入到智能網絡中，智能網絡通過對已知數據的估計或近似建立適應性網絡。機器學習算法強大的學習能力和數據處理能力，能夠同時完成信號分選和識別功能，因此基于機器學習算法的雷達信號分選即識別，兩者的應用算法具有相似性。為了減少贅述，相關算法在2.4節介紹。

隨著新體制雷達工作模式不斷拓展，信號樣式和調制類型越來越復雜。不同雷達的基本特征參數交疊嚴重，難以區分，因此學者開始研究提取雷達信號脈內瞬時特征[28]、統計特征向量[29]、高階頻譜[30]、多重分形譜[31]、雙譜對角切片[32]等其他特征。這些研究從不同維度挖掘信號脈內信息，拓展了雷達信號特征體系，為信號分選提供豐富的特征輸入。

相比情報偵察(Electronic Intelligence,ELINT)系統，機載RWR信號分選要求很高的實時性、準確性、自動性。因此在保證高準確率的同時提升算法的運算速度以及智能性是今后研究的重點。

2.2.4 信號識別

經過前期的分選處理，交疊的雷達脈沖信號被分離成一個個單部雷達輻射源的參數特征。目標識別的環節是根據輻射源的參數特征判斷平臺類型，傳統機載RWR的目標識別采用預識別、主識別以及相關識別3級處理結構，基本的目標處理流程如圖5所示。

圖5 目標識別處理流程Fig.5 Target recognition processing flow

早期的雷達輻射源識別方法有參數匹配法、專家系統法等。參數匹配法又稱模板匹配法，是利用信號特征參數與已知的威脅數據庫進行匹配，識別雷達輻射源的屬性信息[33]。該方法具有識別速度快、易于實現等優點，但過于依賴先驗知識，缺乏推理能力。專家系統法根據專家提供的雷達屬性知識，構建雷達信號識別的推理規則，對雷達輻射源數據進行推理和識別，具有一定的學習和推理能力[34]，但實現依賴于海量的雷達信號參數實例及雷達屬性知識。該方法的識別效率較低，識別速度較慢。

近年來，機器學習算法在識別的優勢促使越來越多的研究人員將最新的機器學習成果應用到雷達輻射源識別的研究中[35]。目前廣泛應用到雷達輻射源識別的機器算法有神經網絡(Neural Network)[36]、支持向量機(Support Vector Machine,SVM)[29]。隨著深度學習算法的發展，卷積神經網絡(Convolutional Neural Networks,CNN)[37,38]、循環神經網絡(Recurrent Neural Network,RNN)[39]、域對抗神經網絡[40]、深度置信網絡(Deep Belief Network,DBN)[41]、棧式降噪自編碼器(stack Denoise Auto-Encoder,sDAE)[42]、長短期記憶網絡(Long Short Term Memory,LSTM)[43]等算法在雷達識別領域得到廣泛的研究。此外，極限學習機(Extreme Learning Machine,ELM)[44]，集成學習(weightedxgboost)[45]、AdaBoost[46]、隨機森林[47]、強化學習[48,49]等算法也應用在雷達識別領域。

目前的機載RWR的雷達信號識別主要任務為平臺類型識別，并不能準確地判別雷達工作模式。在日益激烈的電子對抗中，雙方的攻守之勢從以前僅依靠空中態勢轉變為同時依靠機載電子設備發射的電磁信號信息和空中態勢信息。能夠準確掌握對方雷達的工作模式成為自身威脅評估的重要前提。目前，雷達工作模式識別主要有基于模型和基于參數的兩大類識別方法。基于模型的工作模式識別是通過對雷達系統進行建模實現雷達工作模式的識別和預測，建立模型的方法主要有隱馬爾可夫模型[50]、句法模型[51]、預測狀態表示模型[52]、生物工程模型[53]等。如果具有完備的先驗知識，基于模型的工作模式識別能夠將雷達工作模式完備地表現出來，甚至可以預測雷達工作模式。基于參數的雷達工作模式識別主要通過提取雷達信號特征參數，利用深度學習進行。

在電磁環境日益復雜和雷達技術不斷發展的情況下，對雷達識別技術的要求不斷增加。對機載RWR的雷達識別的準確性和智能性方面的要求不斷增加，同時也增加了對已知信號的快速識別和未知信號準確推理的需求。

2.2.5 威脅評估

機載RWR最主要的目的就是進行威脅評估，實現對全域的威脅感知，這是區別于ELINT最大的特征。前期信號預處理、信號分選和信號識別等環節都是為這一最終目的提供支持。機載RWR根據態勢信息和輻射源信息計算威脅程度，最終的結果傳輸到座艙的屏顯畫面。同時，根據設定的程序引導有源干擾或者無源干擾，使其按照設定的干擾樣式和干擾(投放)方案進行自主對抗。目前，由于雷達工作模式識別不確定性高，并且對于飛行員來說主要關心的是雷達的工作狀態(跟蹤狀態、制導狀態)、平臺類型和敵方導彈殺傷邊界，因此，在屏顯畫面上只對跟蹤或者制導信號的平臺進行特殊標記。當機載RWR檢測到有來襲導彈時，不僅在屏幕顯示器上進行特殊標記，還會以語音的形式進行提醒。

學者對于威脅評估算法開展了廣泛研究，主要的方法包括多屬性決策理論[54]、直覺模糊集(Intuitionistic Fuzzy Sets,IFS)[55]、貝葉斯網絡[56](Bayesian Network,BN)、多目標排序[57]、機器學習[58,59]、云模型[60]、雷達圖法[61]等方法。多屬性決策理論應用得較為廣泛，灰主成分[62]、線性回歸分析[63]、動態變權[64]、粗糙集[65,66]等方法被用于改進多屬性決策的性能。隨著電磁環境中電磁脈沖密度急劇增加以及新體制雷達的廣泛應用，對信號分選識別和輻射源測向帶來了極大挑戰，單單依靠信號信息無法快速準確進行威脅評估。針對以上問題，作者所在的團隊[67–70]提出了將自身雷達探測信息和告警器截獲的輻射源信息相融合的威脅評估思想。

3 機載RWR發展趨勢

3.1 機載RWR面臨的挑戰

現今，作戰飛機面臨的輻射源種類和數量急劇增加，雷達信號在空、時、頻域交疊日益嚴重，這些對機載RWR帶來極大的處理壓力和處理難度。同時作為對抗的主要目標——雷達，其技術高速發展：接收和發射體制實現全方面數字化處理、低截獲技術和相控陣廣泛應用、波束捷變能力大幅度增強、信號參數變化能力增強[71]、雷達軟件化趨勢明顯[72,73]。電磁環境的變化和雷達技術的發展都對機載RWR提出了新的挑戰。

(1) 日益復雜的電磁環境對雷達信號分選識別的準確度提出了更高要求。新體制雷達參數的復雜多變造成了分選時的“增批”現象嚴重，有時將單個輻射源判別成多個輻射源，給飛行員的判斷造成了極大的困擾。同時，雷達種類的增多和雷達工作頻率區間的重復使用，造成了雷達識別經常混淆的問題，尤其對于機載雷達，工作波段集中在X波段區間附近，PW和PRI等工作參數也存在交疊現象。

(2) 日益復雜的電磁環境對數據接收和處理能力提出了更高要求。電磁環境中各種輻射源類型的增多和數量的增加，使電磁環境密度急劇增加。有相關研究表明，現代電磁環境中的脈沖密度超過100萬脈沖/s，甚至可達到500萬脈沖/s。前端接收模塊在面對如此大的電磁環境密度時，經常會出現接收機飽和的現象，堵塞了接收機的截獲通道，導致漏警情況的發生。后端處理模塊面對如此大的電磁環境密度時處理能力不足，導致部分雷達脈沖由于處理不及時而被拋棄的情況發生。

(3) 先進體制雷達技術的發展對雷達工作狀態的有效判斷提出了更高要求。對于早期的機械掃描雷達，機載RWR根據幅度、波束停留時間、頻率等信息可以精確判斷對方雷達是否進入跟蹤或者制導狀態。隨著采用相位掃描體制雷達的廣泛應用，雷達的搜索狀態和跟蹤狀態的參數界限逐漸模糊，使機載RWR不能及時準確地判斷對方雷達是否進入跟蹤或者制導狀態，造成了威脅評估極大的不確定性。

(4) 先進體制雷達技術的發展對未知目標的識別和未知威脅的推理提出了更高要求。由于國家安全的需要，各國嚴格把控各國的輻射源參數信息，輻射源參數的先驗情報較少。而且，新體制雷達大部分實現軟件化，輻射波形和輻射參數可以通過快速編程實現變化，總會出現威脅數據庫中沒有的信號特征。現有的雷達識別技術依賴于先驗威脅數據庫，無法識別未知目標。威脅評估技術主要根據威脅目標的時域、空域和頻域等現有信息進行評估，無法對未知的威脅進行推理。

3.2 機載RWR需求分析

隨著信息技術的發展，現代戰爭的作戰樣式發生了改變，各種新型雷達也廣泛應用，除了數字化和一體化的必然趨勢，也給機載RWR帶來了新的需求：

(1) 單獨射頻孔徑的需求。為了提升飛機的隱身性能，射頻綜合孔徑一體化成為發展趨勢[74]。但是，在使用中由于受到飛機自身資源的限制，接收天線需要和雷達、通信等設備分頻分時使用，容易產生漏警現象。機載RWR作為與載機生存直接相關的特殊機載電子設備，在飛機進入到敵導彈發射射程內后，需要全時、全方位和重點頻段接收信號。因此，本文認為需要提供機載RWR天線單獨的射頻孔徑，尤其在關系飛機自身安全的重點頻段，其他頻段可以與其他系統采用綜合孔徑的方式。

(2) 基于系統最優的高性能指標需求。靈敏度、瞬時帶寬覆蓋范圍、動態范圍、頻率分辨率和參數的精確度是機載RWR的重要性能指標。其指標的好壞直接影響機載RWR系統的性能。高的靈敏度可以使截獲距離更遠，但是同樣也會對信號處理帶來壓力。寬的瞬時頻率覆蓋可以截獲范圍更廣的各種頻率的雷達信號，但是也會帶來接收數據量增大的問題。因此，要根據機載RWR設計的目的和信號處理能力合理地規劃機載RWR各項指標。使系統達到最優的各項性能指標是機載RWR的基礎需求。

(3) 分級智能化的需求。隨著認知電子戰概念的突出，電子戰設備更加注重智能化[75]。但是，智能網絡的更新訓練過程較慢，對于電磁環境的變化需要一定時間的適應，滿足不了實時性的要求。文獻[76]提出將機載RWR分為前級告警和后級告警兩大模塊，前級模塊針對已知信號和簡單信號進行快速告警，主要采用傳統信號識別算法實現快速告警，后級模塊針對前級未成功告警的數據進行準確告警，采用各種深度學習算法并結合其他數據源信息進行綜合推理，完成精確告警，還可以對行動意圖和未知威脅進行推理與告警，實現超前告警。前后級的信息可以相互使用，前級告警結果可以作為先驗知識引導后級處理，加快后級處理的收斂速度，后級處理結果可以作為已知信息更新前級威脅數據庫。

(4) 系統模塊化的需求。對于電子設備而言，有著著名的“摩爾定律”，往往一種新型機載RWR研制成功時，其內部部分元器件已經嚴重落后，造成了設備的重復研制[77]。為了降低設備的研發成本、簡化設備的后期技術維護，節約經費，加快設備的更新換代速度，需要實現機載RWR的模塊化設計。模塊化的設計就是在標準化的架構下，通過各個功能模塊的組建構成彈性的機載RWR系統，每個功能模塊可以快速拆解更換和單獨升級。模塊化的機載RWR系統根據任務和對象的不同，可以快速構建各種功能和性能指標的機載RWR系統。

(5) 數據融合處理的需求。著眼于體系化作戰的需求，機載航電系統更加趨于綜合化和一體化，機載RWR將成為綜合航電系統的一部分[78]。綜合航電一體化的主要特點是各電子系統只進行數字化處理和信號處理，數據的處理部分由中央綜合處理器完成。各機載電子設備的數據可以共享和融合處理。機載RWR數據可以引導雷達和干擾設備的輻射，實現精輻射源的精確控制，甚至可以直接向武器系統提供目標位置信息。同時，機載RWR可以融合雷達數據彌補機載RWR測距不準的缺陷，提升定位速度和定位精度，也可以利用敵我識別系統和數據鏈的目標屬性信息，實現對目標精準的威脅評估。

(6) 威脅評估簡化的需求。目前的威脅評估主要通過處理分選識別后的平臺信息、工作狀態信息和信號脈沖描述字。雷達參數的復雜多變使依靠參數信息的識別準確度下降嚴重。對此，減少對于參數信息依賴的威脅評估是目前的迫切需求。發展以雷達行為特征和載機行為特征作為依據的評估技術，增強機載RWR對于雷達目標工作狀態轉換的敏感性和對雷達信號特征的分析能力。在威脅評估上從參數評估轉化為行為評估，簡化威脅評估的過程和方法。

4 結語

本文從接收機體制角度來劃分，將機載RWR分為模擬接收體制和數字接收體制兩個階段，分析了每個階段的硬件技術和特點。同時，本文詳細梳理了機載RWR的信號截獲和參數測量、信號預處理、信號分選、信號識別和威脅評估5個信號處理流程，對每個處理流程的主要功能進行介紹，同時在信號分選、信號識別和威脅評估部分系統闡述了相關技術與算法的發展。最后，系統總結了現代電磁環境的復雜性和雷達技術在機載RWR的雷達信號分選識別能力、數據接收和處理能力、雷達工作狀態的有效判斷能力、未知目標的識別和未知威脅的推理能力的挑戰。同時指出在數字化和一體化必然趨勢下對于機載RWR的單獨綜合射頻孔徑需求、基于系統最優的高性能指標需求、分級智能化需求、系統模塊化需求、數據融合處理的需求和威脅評估簡化的需求，為機載RWR的發展提供啟示和建議。