復(fù)雜電磁環(huán)境下的智能干擾系統(tǒng)架構(gòu)研究

吳劍鋒，余勇軍，裴虎城，李 洋

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

·工程應(yīng)用·

復(fù)雜電磁環(huán)境下的智能干擾系統(tǒng)架構(gòu)研究

吳劍鋒1，余勇軍1，裴虎城1，李 洋2

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

主要分析了國(guó)外在智能干擾技術(shù)上的最新研究成果，研究了人工智能技術(shù)的基本原理，在此基礎(chǔ)上提出了一種復(fù)雜電磁環(huán)境下的智能干擾系統(tǒng)架構(gòu)，最后研究了一種可用于智能干擾系統(tǒng)的認(rèn)知引擎技術(shù)。

人工智能；智能干擾；認(rèn)知引擎

0 引言

現(xiàn)代戰(zhàn)場(chǎng)電磁環(huán)境越來越復(fù)雜，空間上無處不在，時(shí)間上密集交疊，頻譜上寬廣重疊。在時(shí)域上，電子戰(zhàn)將由傳統(tǒng)的“突擊式”向“全程式”發(fā)展，電子偵察、監(jiān)視、預(yù)警等設(shè)備將不分晝夜地連續(xù)工作；在空域上，面臨陸、海、空、天構(gòu)筑的全方位立體作戰(zhàn)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(yù)警探測(cè)、導(dǎo)航、制導(dǎo)、通信、敵我識(shí)別、光電對(duì)抗等多個(gè)應(yīng)用領(lǐng)域。在此背景下，傳統(tǒng)上那種分散的、功能單一的電子干擾裝備已遠(yuǎn)遠(yuǎn)不能適應(yīng)未來作戰(zhàn)需要，裝備綜合化、智能化、網(wǎng)絡(luò)化將是在適應(yīng)復(fù)雜電磁環(huán)境作戰(zhàn)需求牽引背景下新的發(fā)展趨勢(shì)。隨著“第三次抵消戰(zhàn)略”的重要能力支撐——人工智能技術(shù)的爆炸式發(fā)展，新一代的電子干擾裝備將廣泛采用先進(jìn)的人工智能技術(shù)，大幅度提高整個(gè)系統(tǒng)的智能化程度，以具備更好的實(shí)時(shí)處理能力、復(fù)雜電磁環(huán)境適應(yīng)能力和自適應(yīng)的管理能力。

1 國(guó)外研究現(xiàn)狀分析

2006年，加拿大科學(xué)家Haykin將“認(rèn)知”引入到雷達(dá)上，提出了“認(rèn)知雷達(dá)”的概念，人工智能進(jìn)入電子對(duì)抗技術(shù)領(lǐng)域。

2010年7月10日，美國(guó)防高級(jí)研究計(jì)劃局(DARPA)發(fā)布了“行為學(xué)習(xí)自適應(yīng)電子戰(zhàn)”(BLADE)項(xiàng)目公告，其主要組成如圖1所示。BLADE項(xiàng)目的主要目的是開發(fā)一個(gè)能夠自主地學(xué)習(xí)新威脅的電子戰(zhàn)設(shè)備，用于對(duì)抗復(fù)雜電磁環(huán)境下與戰(zhàn)術(shù)級(jí)目標(biāo)相關(guān)的自適應(yīng)無線通信威脅，以破壞敵方利用無線電信號(hào)和網(wǎng)絡(luò)來發(fā)布命令、控制和通信(C3)的企圖。BLADE系統(tǒng)的處理結(jié)果通過人機(jī)接口傳遞給電子戰(zhàn)指揮官，為作戰(zhàn)者提供有力的環(huán)境認(rèn)知能力。指揮官通過系統(tǒng)接口來干擾特定威脅，或者通過簡(jiǎn)單地分辨潛在的威脅來學(xué)習(xí)對(duì)抗方式、方法。BLADE項(xiàng)目為期51個(gè)月，分三個(gè)階段進(jìn)行：第一階段主要進(jìn)行系統(tǒng)設(shè)計(jì)和算法開發(fā)，并進(jìn)行測(cè)試；第二階段實(shí)時(shí)實(shí)現(xiàn)第一階段的設(shè)計(jì)，演示組網(wǎng)能力；第三階段提供組網(wǎng)樣機(jī)，實(shí)時(shí)運(yùn)行。

2012年7月，DARPA發(fā)布了“自適應(yīng)雷達(dá)對(duì)抗”(ARC)項(xiàng)目公告，該項(xiàng)目主要利用信號(hào)處理和機(jī)器學(xué)習(xí)等技術(shù)來開發(fā)智能算法，通過實(shí)時(shí)評(píng)估其行為，自主生成對(duì)抗措施，同時(shí)將評(píng)估結(jié)果反饋給武器系統(tǒng)操作員來對(duì)抗自適應(yīng)雷達(dá)威脅，尤其是對(duì)抗波形特征從未出現(xiàn)、且行為未知的雷達(dá)威脅。該項(xiàng)目采用模塊化、開放式、可升級(jí)軟件架構(gòu)，使飛行員或其他操作員進(jìn)入“環(huán)路”中，而無需進(jìn)行昂貴的硬件更新。2013年9月，BAE系統(tǒng)公司獲得一份五年期、三階段任務(wù)中1A和1B兩個(gè)階段的任務(wù)合同，合同價(jià)值3490萬美元，主要任務(wù)為開發(fā)下一代電子戰(zhàn)算法套件研發(fā)新的技術(shù)，使現(xiàn)有的電子戰(zhàn)系統(tǒng)可以應(yīng)對(duì)新的雷達(dá)威脅，為奪取空中優(yōu)勢(shì)提供一種重要的能力。

圖1 BLADE項(xiàng)目主要組成示意圖

2016 年，美軍在認(rèn)知電子戰(zhàn)領(lǐng)域取得重大進(jìn)展，BLADE項(xiàng)目系統(tǒng)首次進(jìn)行了飛行試驗(yàn)；“自適應(yīng)雷達(dá)對(duì)抗”(ARC)項(xiàng)目在實(shí)驗(yàn)室環(huán)境中驗(yàn)證了原型樣機(jī)對(duì)未知雷達(dá)信號(hào)的自適應(yīng)響應(yīng)能力。在此成績(jī)基礎(chǔ)上，美軍計(jì)劃將已取得的認(rèn)知電子戰(zhàn)研究成果應(yīng)用到F-35 和“下一代干擾機(jī)”(NGJ)上。

2 智能干擾系統(tǒng)架構(gòu)研究

從上述國(guó)外研究現(xiàn)狀可以看出，美國(guó)已經(jīng)將人工智能技術(shù)引入網(wǎng)絡(luò)戰(zhàn)、電子戰(zhàn)等信息及電磁對(duì)抗領(lǐng)域，并取得了重大突破，因此，某種程度上來說，人工智能技術(shù)已經(jīng)被主要發(fā)達(dá)國(guó)家看作在復(fù)雜電磁環(huán)境下奪取信息主導(dǎo)優(yōu)勢(shì)的關(guān)鍵使能技術(shù)。從電子對(duì)抗技術(shù)的角度看，開展基于人工智能技術(shù)的智能干擾技術(shù)研究工作已經(jīng)迫在眉睫，在此過程中，首要問題是需要構(gòu)建一個(gè)科學(xué)合理的智能干擾系統(tǒng)架構(gòu)，以便為后續(xù)的研究工作奠定良好的技術(shù)基礎(chǔ)。

2.1人工智能技術(shù)的基本原理

人工智能是一種外向型學(xué)科，也是一門多領(lǐng)域綜合學(xué)科，其主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。2000年，Mitola博士將人工智能引入無線電技術(shù)中，提出了OOPDAL認(rèn)知環(huán)路，用于構(gòu)建基于人工智能的無線電技術(shù)的基本架構(gòu)。整個(gè)環(huán)路包括以下狀態(tài)：觀測(cè)(Observe)、判斷(Orient)、計(jì)劃(Plan)、決定(Decide)、行動(dòng)(Act)、學(xué)習(xí)(Learn)，因此，被稱為OOPDAL認(rèn)知環(huán)路。OOPDAL環(huán)路主要工作狀態(tài)由外環(huán)和內(nèi)環(huán)組成。其中，外環(huán)被稱為決策環(huán)；內(nèi)環(huán)則稱為學(xué)習(xí)環(huán)，用于從外環(huán)運(yùn)行的歷史經(jīng)驗(yàn)中提取知識(shí)，并存放知識(shí)庫以指導(dǎo)決策環(huán)運(yùn)行?？傮w來說，Mitola博士構(gòu)建的OOPDAL認(rèn)知環(huán)路具有完整的認(rèn)知功能和清晰的認(rèn)知過程，是基于人工智能的無線電技術(shù)最為理想的環(huán)路模型，因此，具有普遍的適用性。

然而，針對(duì)電子對(duì)抗領(lǐng)域，Mitola博士構(gòu)建的人工智能架構(gòu)過于復(fù)雜，在實(shí)現(xiàn)過程中環(huán)節(jié)比較繁雜。為此，在Mitola博士構(gòu)建的認(rèn)知環(huán)路基礎(chǔ)上，許多學(xué)者提出了一些簡(jiǎn)化模型，以便更好地適應(yīng)現(xiàn)有的電子對(duì)抗技術(shù)，如圖2所示。

圖2 人工智能基本架構(gòu)

如圖2所示，人工智能基本架構(gòu)主要由獲取(Acquisition)、認(rèn)知(Cognitive)、決策(Strategy)、執(zhí)行(Execution)以及知識(shí)庫等組成，主要過程為：通過對(duì)環(huán)境的信息獲取，進(jìn)行信息認(rèn)知，形成知識(shí)，然后根據(jù)知識(shí)進(jìn)行決策，形成智能策略方案，最后進(jìn)行執(zhí)行，作用于環(huán)境，使環(huán)境發(fā)生變化，進(jìn)入下一個(gè)循環(huán)。在此過程中，通過將環(huán)境(或問題)要素納入架構(gòu)，形成了一個(gè)閉環(huán)的人工智能體系。與Mitola博士的認(rèn)知環(huán)路架構(gòu)相比，該模型更能表征認(rèn)知過程的基本要素。

2.2智能干擾系統(tǒng)架構(gòu)

從人工智能技術(shù)的實(shí)現(xiàn)過程和特點(diǎn)來看，其優(yōu)勢(shì)主要體現(xiàn)在“軟”方式的能力提升上，因此，本文構(gòu)建的智能干擾系統(tǒng)架構(gòu)主要考慮算法、流程等“軟”方式上能力提升的需求，硬件架構(gòu)可通過其他路徑進(jìn)行優(yōu)化升級(jí)，比如目前正在廣泛研究的綜合射頻技術(shù)等。

按照這一原則和思路，通過參考國(guó)外的研究成果和成熟經(jīng)驗(yàn)(如圖1所示)，并基于上文對(duì)人工智能技術(shù)的研究，構(gòu)建智能干擾系統(tǒng)的架構(gòu)，如圖3所示。

圖3 智能干擾系統(tǒng)基本架構(gòu)

從圖3可見，智能干擾系統(tǒng)主要由接收模塊、發(fā)射模塊、評(píng)估模塊、干擾策略制定模塊以及知識(shí)庫等組成，其中，接收模塊和發(fā)射模塊屬于硬件模塊，主要基于射頻綜合技術(shù)這種通用化硬件平臺(tái)。整個(gè)系統(tǒng)的工作流程為：接收模塊偵察復(fù)雜電磁環(huán)境中的威脅信號(hào)，并將偵察結(jié)果發(fā)送給評(píng)估模塊；評(píng)估模塊進(jìn)行信號(hào)特征提取、識(shí)別等信號(hào)分選識(shí)別的工作，并對(duì)威脅環(huán)境進(jìn)行評(píng)估，形成評(píng)估結(jié)果，將評(píng)估結(jié)果發(fā)送給干擾策略制定模塊；干擾策略制定模塊根據(jù)評(píng)估結(jié)果選擇最優(yōu)的干擾參數(shù)、干擾資源分配方式、干擾時(shí)序等策略；根據(jù)制定的策略控制發(fā)射模塊以對(duì)威脅目標(biāo)實(shí)施干擾，使威脅環(huán)境發(fā)生變化；最后進(jìn)入下一個(gè)循環(huán)周期。在此過程中，知識(shí)庫主要存儲(chǔ)每次評(píng)估和策略制定的結(jié)果，并為下次評(píng)估和策略制定提供依據(jù)。由于在過程中加入了威脅環(huán)境要素，因此，從本質(zhì)上來說，智能干擾系統(tǒng)與復(fù)雜電磁環(huán)境共同組成了一個(gè)閉環(huán)優(yōu)化的系統(tǒng)。

比較圖2、圖3這兩種架構(gòu)，可以很容易地看出兩種架構(gòu)中各個(gè)功能模塊的對(duì)應(yīng)關(guān)系，如表1所示，因此，本文所構(gòu)建的智能干擾系統(tǒng)是基于“獲取→認(rèn)知→決策→執(zhí)行”這種人工智能的認(rèn)知方式的。

表1 兩種架構(gòu)中功能模塊的對(duì)應(yīng)關(guān)系

2.3智能干擾系統(tǒng)的認(rèn)知引擎技術(shù)

當(dāng)完成智能干擾系統(tǒng)的架構(gòu)構(gòu)建后，接下來需要解決的問題是采用何種方式使整個(gè)智能干擾系統(tǒng)實(shí)現(xiàn)有效運(yùn)轉(zhuǎn)，此項(xiàng)工作主要由認(rèn)知引擎完成。所謂認(rèn)知引擎，指的是在可重配置的架構(gòu)體系平臺(tái)上，實(shí)現(xiàn)基于人工智能技術(shù)的推理與學(xué)習(xí)，并做出優(yōu)化決策的智能主體。認(rèn)知引擎是實(shí)現(xiàn)智能干擾這種理念的核心。認(rèn)知引擎可以采用現(xiàn)今一些基于人工智能的最新研究成果，比如遺傳算法、神經(jīng)網(wǎng)絡(luò)、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(tǒng)認(rèn)知引擎的技術(shù)。

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

采用基于遺傳算法的認(rèn)知引擎技術(shù)的基本思想是把智能干擾系統(tǒng)類比為一個(gè)生物系統(tǒng)，將系統(tǒng)獲得的威脅參數(shù)、采取的干擾策略等定義為一個(gè)染色體后，利用遺傳這種生物行為進(jìn)行干擾策略的優(yōu)化，因此，比較關(guān)鍵的問題是首先需要構(gòu)建染色體基因模型。如圖4所示，根據(jù)智能干擾系統(tǒng)的特點(diǎn)，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(gè)基因?yàn)槠ヅ浠颍驧個(gè)基因?yàn)樾袨榛?。匹配基因主要用于存放偵察所得的威脅目標(biāo)參數(shù)，通常為偵察系統(tǒng)上報(bào)的脈沖描述字(頻率、脈沖到達(dá)時(shí)間、脈沖結(jié)束時(shí)間、脈沖調(diào)制特征等)，要求每個(gè)基因(gi)對(duì)應(yīng)一個(gè)脈沖描述字特征參數(shù)，匹配基因的主要作用為與知識(shí)庫中的威脅參數(shù)特征進(jìn)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(shù)、干擾資源分配方式以及干擾時(shí)序等，要求每個(gè)基因(gN+i)對(duì)應(yīng)一個(gè)干擾策略的參數(shù)。

圖4 遺傳算法的染色體基因模型

完成染色體基因的構(gòu)建工作后，就可以按照遺傳算法中的經(jīng)典方法進(jìn)行干擾策略最優(yōu)解的搜索尋找，本文提供的認(rèn)知引擎將評(píng)估后威脅度降低趨勢(shì)設(shè)定為最佳的尋優(yōu)方向；在遺傳算法執(zhí)行過程中綜合運(yùn)用選擇、交叉、變異、雜交等遺傳算子產(chǎn)生新的染色體基因，而智能干擾系統(tǒng)中的知識(shí)庫則作為遺傳生物行為的基因庫。針對(duì)染色體基因采取如下原則進(jìn)行處理：

1)對(duì)成功行為有貢獻(xiàn)的基因進(jìn)行強(qiáng)化，對(duì)成功行為沒有貢獻(xiàn)的基因進(jìn)行弱化，提高有益基因的存活率，同時(shí)刪除無益基因。

2)基因的隨機(jī)突變提供了基因序列產(chǎn)生新解的機(jī)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(tǒng)的認(rèn)知引擎的整個(gè)工作過程為：

第一步：評(píng)估模塊對(duì)接收到的威脅信號(hào)進(jìn)行信號(hào)分選識(shí)別和威脅等級(jí)評(píng)估；

第二步：將信號(hào)參數(shù)與知識(shí)庫中的參數(shù)進(jìn)行匹配，并根據(jù)知識(shí)庫構(gòu)建染色體基因；

第三步：運(yùn)用遺傳算法產(chǎn)生新的染色體基因；

第四步：將新產(chǎn)生的染色體基因作為優(yōu)化后的干擾策略用于執(zhí)行干擾行為，并作用于復(fù)雜電磁環(huán)境；

第五步：接收模塊偵察環(huán)境中信號(hào)的變化情況，并將偵察結(jié)果發(fā)送給評(píng)估模塊，重復(fù)第一步……。

通過這種認(rèn)知→干擾→認(rèn)知……周而復(fù)始循環(huán)往復(fù)的學(xué)習(xí)推理過程，不斷搜索干擾策略的最優(yōu)解，從而提升智能干擾系統(tǒng)的干擾對(duì)抗能力。

3 結(jié)束語

人工智能技術(shù)在國(guó)外被稱為“改變游戲規(guī)則”的顛覆性技術(shù)，其潛能不可估量，可以預(yù)見，智能技術(shù)的發(fā)展和應(yīng)用必將支撐新一代武器裝備的非連續(xù)、超常規(guī)、跨越式發(fā)展，從而促進(jìn)作戰(zhàn)樣式、戰(zhàn)爭(zhēng)形態(tài)的變革。在此智能風(fēng)暴的推動(dòng)下，基于人工智能的電子干擾技術(shù)業(yè)已成為了一個(gè)熱門的研究領(lǐng)域。本文主要提出了一種可用于復(fù)雜電磁環(huán)境的智能干擾系統(tǒng)構(gòu)建理念，主要初衷是為智能干擾技術(shù)的研究工作奠定一定的技術(shù)基礎(chǔ)，希望后續(xù)能在此基礎(chǔ)上進(jìn)行理論、方法等的豐富和完善，不斷向研制工程實(shí)用化的智能干擾系統(tǒng)原理樣機(jī)的目標(biāo)前進(jìn)?！?/p>

[1] 沈妮,肖龍,謝偉，等.認(rèn)知技術(shù)在電子戰(zhàn)裝備中的發(fā)展分析[J].電子信息對(duì)抗技術(shù),2011(6):22-26.

[2] 倪叢云,黃華.認(rèn)知電子戰(zhàn)系統(tǒng)組成及其關(guān)鍵技術(shù)研究[J].船舶電子對(duì)抗,2013,36(3):32-35,87.

[3] 蔡亞梅,張宇,陳利玲.認(rèn)知電子戰(zhàn)探析[J].航天電子對(duì)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(yīng)用[M]. 1版.上海:東華大學(xué)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?yàn)殡娮訉?duì)抗技術(shù)。

TN972；TP387

： A