人工智能技術(shù)在雷達(dá)中的應(yīng)用分析

李中偉 王殿勛

（91550部隊(duì)，遼寧大連 116023）

1.人工智能

人工智能就是用人工的方法和技術(shù)，研究、開(kāi)發(fā)應(yīng)用計(jì)算機(jī)的硬件基礎(chǔ)和軟件功能來(lái)模擬人類(lèi)智能行為的理論、方法和技術(shù)。“智能”具有的基本能力包括：感知能力、記憶與思維能力、學(xué)習(xí)與自適應(yīng)能力、行為能力。

1956 年，人們開(kāi)始對(duì)人工智能領(lǐng)域進(jìn)行研究，它是一門(mén)新思想、新理論、新技術(shù)不斷涌現(xiàn)的新興學(xué)科。自開(kāi)始研究和應(yīng)用以來(lái)，人工智能技術(shù)在人們?nèi)粘Ｉ詈凸ぷ鞯母鱾€(gè)方面都有廣泛應(yīng)用，并且在軍事領(lǐng)域也有廣闊的應(yīng)用前景。隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，人工智能技術(shù)將會(huì)給人們的工作、生活帶來(lái)更大的影響。

2.人工智能的發(fā)展

2.1 國(guó)外人工智能發(fā)展現(xiàn)狀

由于人工智能技術(shù)的迅速發(fā)展和廣闊發(fā)展前景，美國(guó)、英國(guó)、日本、德國(guó)等主要國(guó)家不斷加強(qiáng)引導(dǎo)和政策支持。目前，已有30 多個(gè)國(guó)家將人工智能作為國(guó)家級(jí)發(fā)展戰(zhàn)略。由于技術(shù)資源、技術(shù)發(fā)展能力以及基礎(chǔ)設(shè)施水平不同，世界各國(guó)的人工智能技術(shù)發(fā)展及目標(biāo)有較大差異。

美國(guó)政府將人工智能研究和開(kāi)發(fā)作為優(yōu)先事項(xiàng)，維持并拓展美國(guó)在人工智能領(lǐng)域的領(lǐng)導(dǎo)地位。

為爭(zhēng)奪未來(lái)智能戰(zhàn)爭(zhēng)的技術(shù)優(yōu)勢(shì)，美國(guó)加大人工智能技術(shù)以及在軍事上的應(yīng)用研究。DARPA 啟動(dòng)的“知識(shí)導(dǎo)向的人工智能推理圖式”主要是通過(guò)具有圖式推理的人工智能技術(shù)，完成復(fù)雜的現(xiàn)實(shí)世界事件進(jìn)行語(yǔ)境和時(shí)間推理，從而生成對(duì)這些事件的可操作理解并預(yù)測(cè)其發(fā)展。

美國(guó)海軍編制并發(fā)布了《海軍人工智能框架》報(bào)告，試圖加快海軍采用人工智能的速度。為了保持武器裝備的巨大優(yōu)勢(shì)，美海軍希望在“宙斯盾”作戰(zhàn)系統(tǒng)中加裝基于人工智能技術(shù)的應(yīng)用軟件，為“宙斯盾”作戰(zhàn)系統(tǒng)的值班人員提供完整的態(tài)勢(shì)感知能力[1]。

2.2 國(guó)內(nèi)人工智能發(fā)展現(xiàn)狀

近5 年來(lái)，我國(guó)人工智能技術(shù)的研究和發(fā)展已經(jīng)由初步發(fā)展階段進(jìn)入快速發(fā)展階段，我國(guó)更加注重人工智能技術(shù)的實(shí)際應(yīng)用，以人工智能技術(shù)為基礎(chǔ)的產(chǎn)業(yè)鏈逐步形成。

我國(guó)基于人工智能的產(chǎn)業(yè)鏈主要包含：第一是基于人工智能技術(shù)的軟硬件研發(fā)，如AI 芯片、大數(shù)據(jù)、云計(jì)算平臺(tái)等，為人工智能提供數(shù)據(jù)及算力支撐，這也是最基礎(chǔ)的一方面；第二是人工智能技術(shù)的實(shí)現(xiàn)，這是核心內(nèi)容，通過(guò)不斷訓(xùn)練學(xué)習(xí)模擬人類(lèi)的智能相關(guān)特征，來(lái)構(gòu)建智能技術(shù)路徑，如算法理論、技術(shù)開(kāi)放平臺(tái)、基礎(chǔ)開(kāi)源框架等。第三是人工智能技術(shù)在各領(lǐng)域的實(shí)際應(yīng)用，針對(duì)某類(lèi)特定的實(shí)際需求，綜合應(yīng)用多種人工智能基礎(chǔ)技術(shù)，研發(fā)出解決實(shí)際需求的產(chǎn)品或方案，如智能交通、智能醫(yī)療、智能武器等。

社會(huì)環(huán)境的需求使得我國(guó)人工智能技術(shù)的應(yīng)用發(fā)展非常迅速，新冠疫情以來(lái)，人工智能識(shí)別和算法應(yīng)用到群體測(cè)溫、疫情預(yù)警及抗新型冠狀病毒藥物的研究工作等方面并取得了一定成果。

2.3 人工智能未來(lái)發(fā)展

人工智能技術(shù)的迅速發(fā)展和各領(lǐng)域的廣泛應(yīng)用，使其具有更加廣闊的前景：

2.3.1 認(rèn)知智能的發(fā)展

當(dāng)前的人工智能雖然具備或超越了人類(lèi)的某些基本感知技能，但不具備對(duì)獲得信息進(jìn)一步的理解和自我思考能力。通過(guò)接收外界信息，掌握大量的知識(shí)并能像人腦一樣自我分析推理，就是認(rèn)知智能。要真正從感知智能走向認(rèn)知智能，就需要建立具有關(guān)聯(lián)能力的知識(shí)圖譜，人工智能汲取更多的知識(shí)，形成大腦，綜合運(yùn)用持續(xù)學(xué)習(xí)、因果推理等技術(shù)，讓機(jī)器真正地理解知識(shí)并具備靈活運(yùn)用知識(shí)能力，實(shí)現(xiàn)從感知智能到認(rèn)知智能的關(guān)鍵突破。

2.3.2 計(jì)算存儲(chǔ)一體化突破AI 算力瓶頸

馮·諾伊曼架構(gòu)的存儲(chǔ)和計(jì)算分離，已經(jīng)不適合數(shù)據(jù)驅(qū)動(dòng)的人工智能應(yīng)用需求。頻繁的數(shù)據(jù)搬運(yùn)導(dǎo)致的算力和功耗瓶頸已經(jīng)成為對(duì)更先進(jìn)算法探索的限制因素。類(lèi)似于腦神經(jīng)結(jié)構(gòu)的計(jì)算架構(gòu)將數(shù)據(jù)存儲(chǔ)單元和計(jì)算單元融合為一體，能顯著減少數(shù)據(jù)搬運(yùn)，極大提高計(jì)算并行度和能效。計(jì)算存儲(chǔ)一體化在硬件架構(gòu)方面的革新，將突破AI算力瓶頸。

2.3.3 新型神經(jīng)網(wǎng)絡(luò)技術(shù)

為了克服目前神經(jīng)網(wǎng)絡(luò)沒(méi)有空間分層以及因果推理能力等局限性，業(yè)界開(kāi)始探索新型神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)，這會(huì)使得神經(jīng)網(wǎng)絡(luò)的功能越來(lái)越豐富。隨著發(fā)展，未來(lái)新型網(wǎng)絡(luò)還將不斷出現(xiàn)。

深度神經(jīng)網(wǎng)絡(luò)工程化應(yīng)用技術(shù)不斷深化。由于深度神經(jīng)網(wǎng)絡(luò)模型參數(shù)和空間占用規(guī)模巨大，對(duì)一些資源缺乏、性能不足的設(shè)備來(lái)說(shuō)，無(wú)法滿足深度神經(jīng)網(wǎng)絡(luò)巨大的運(yùn)算量。為減少運(yùn)算量，保證深度神經(jīng)網(wǎng)絡(luò)模型的可部署，采用了模型壓縮技術(shù)來(lái)降低模型參數(shù)和空間占用量。

當(dāng)前機(jī)器學(xué)習(xí)模型是“黑盒子”，很多時(shí)候可以拿來(lái)用，但具體原理并不十分清楚，即缺乏足夠的“可解釋性”?？山忉屝韵ＭＰ筒辉偈牵ㄒ膊粦?yīng)該是）黑匣子，其結(jié)果的每個(gè)決定都必須可解釋?？山忉屝砸彩前l(fā)展的重要趨勢(shì)之一。

3.人工智能在雷達(dá)中的應(yīng)用

3.1 智能雷達(dá)基本概念

智能雷達(dá)就是具備一定人類(lèi)特征及行為能力，綜合應(yīng)用人工智能技術(shù)、網(wǎng)絡(luò)技術(shù)、信息技術(shù)及現(xiàn)代雷達(dá)技術(shù)等驅(qū)動(dòng)雷達(dá)與環(huán)境自動(dòng)交互及持久學(xué)習(xí)的雷達(dá)系統(tǒng)。目前，國(guó)內(nèi)外對(duì)智能雷達(dá)的概念并沒(méi)有確切的定義，但人工智能技術(shù)在雷達(dá)中有了越來(lái)越多的應(yīng)用，智能雷達(dá)概念也逐步形成和發(fā)展。廣義上講，在雷達(dá)系統(tǒng)中采用了人工智能技術(shù)的雷達(dá)就稱(chēng)為智能雷達(dá)。它可以是整個(gè)雷達(dá)某一分系統(tǒng)的智能化，也可以是整個(gè)雷達(dá)系統(tǒng)或雷達(dá)組網(wǎng)系統(tǒng)的智能化[2]。狹義上講，智能雷達(dá)就是具有一定信息獲取、知識(shí)學(xué)習(xí)訓(xùn)練、自主推理和決策能力的雷達(dá)。它可以通過(guò)不斷的信息數(shù)據(jù)積累和學(xué)習(xí)訓(xùn)練，根據(jù)任務(wù)的需求、工作環(huán)境、目標(biāo)類(lèi)別等自主切換發(fā)射信號(hào)波形、雷達(dá)資源分配、目標(biāo)信號(hào)處理方式等，能更好地提高目標(biāo)跟蹤測(cè)量、識(shí)別性能。

目前，國(guó)內(nèi)多家單位開(kāi)展了對(duì)智能雷達(dá)的研究，在多波形優(yōu)化、雜波抑制、資源調(diào)配、目標(biāo)識(shí)別等方面具有一定的研究基礎(chǔ)。但與國(guó)外研究程度相比還有較大差距，軍事雷達(dá)智能技術(shù)應(yīng)用成熟度不高。

3.2 人工智能在雷達(dá)中的應(yīng)用分析

人工智能技術(shù)及其應(yīng)用的研究日趨深入和成熟，其在雷達(dá)中的應(yīng)用程度也勢(shì)必加深，目前基于人工智能的自適應(yīng)算法和處理技術(shù)已經(jīng)在雷達(dá)中廣泛應(yīng)用，這就是雷達(dá)的初級(jí)智能。隨著人工智能技術(shù)在雷達(dá)中的深入應(yīng)用，采用深度學(xué)習(xí)的高級(jí)智能雷達(dá)必將很快出現(xiàn)。

3.2.1 雷達(dá)智能信息處理

隱身技術(shù)的發(fā)展使得測(cè)量目標(biāo)具有較低的RCS，同時(shí)雷達(dá)測(cè)量時(shí)會(huì)面臨復(fù)雜測(cè)量環(huán)境和雜波干擾，這些都會(huì)導(dǎo)致雷達(dá)的檢測(cè)和跟蹤性能降低。將人工智能技術(shù)應(yīng)用到雷達(dá)信息處理中，利用各種已有信息和知識(shí)形成各類(lèi)目標(biāo)和環(huán)境的數(shù)據(jù)庫(kù)，通過(guò)不斷學(xué)習(xí)、分析、訓(xùn)練等過(guò)程，雷達(dá)自主調(diào)整發(fā)信信號(hào)波形、能量等資源，提高對(duì)弱信號(hào)目標(biāo)的檢測(cè)和跟蹤性能。

某研究所采用基于視覺(jué)認(rèn)知的目標(biāo)檢測(cè)跟蹤技術(shù)，改變先檢測(cè)后跟蹤的傳統(tǒng)雷達(dá)跟蹤方式，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)提取目標(biāo)特征，可以提高復(fù)雜場(chǎng)景下適用性與傳統(tǒng)跟蹤的對(duì)比，可抑制90%的虛警率。對(duì)比圖見(jiàn)圖1。

圖1 多目標(biāo)跟蹤對(duì)比圖

3.2.2 雷達(dá)智能化測(cè)試、診斷及性能評(píng)估

隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的迅速發(fā)展，及其在裝備中的多方面應(yīng)用，基于人工智能的裝備測(cè)試及故障診斷方法得到了更加深入、系統(tǒng)的研究。將人工智能技術(shù)應(yīng)用于雷達(dá)裝備工作狀態(tài)和性能的自動(dòng)化測(cè)試、故障診斷及裝備總體性能評(píng)估中，可大大提高雷達(dá)裝備的實(shí)時(shí)狀態(tài)檢測(cè)、監(jiān)視及各類(lèi)故障的實(shí)時(shí)診斷和處理能力，并根據(jù)實(shí)時(shí)測(cè)試結(jié)果給出雷達(dá)裝備的性能評(píng)估結(jié)果，作為能否參加任務(wù)的判斷標(biāo)準(zhǔn)。

3.2.3 雷達(dá)智能雜波抑制

對(duì)于某些低仰角情形下探測(cè)跟蹤目標(biāo)的雷達(dá)，會(huì)受到較強(qiáng)的地、海雜波干擾，空時(shí)耦合性高。將人工智能技術(shù)應(yīng)用到雷達(dá)雜波抑制上。雷達(dá)探測(cè)各種雜波環(huán)境下的回波信號(hào)后，建立雜波圖，構(gòu)建雜波區(qū)域，提取雜波特征，完成雜波類(lèi)型識(shí)別和各類(lèi)雜波的精細(xì)化特性分析，從而實(shí)現(xiàn)對(duì)雜波環(huán)境的感知，通過(guò)大量連續(xù)的知識(shí)學(xué)習(xí)與積累，形成雜波環(huán)境感知數(shù)據(jù)庫(kù)，結(jié)合靈活的雷達(dá)多波形優(yōu)化及發(fā)射技術(shù)，提高自適應(yīng)雜波抑制性能和強(qiáng)雜波干擾下的目標(biāo)檢測(cè)性能。

3.2.4 雷達(dá)智能目標(biāo)識(shí)別

在實(shí)際測(cè)量任務(wù)中，需要對(duì)測(cè)量目標(biāo)進(jìn)行類(lèi)型、數(shù)量、特性進(jìn)行分類(lèi)和識(shí)別。人工智能技術(shù)的應(yīng)用可大大提高目標(biāo)識(shí)別的智能化，采用基于深度網(wǎng)絡(luò)的目標(biāo)特征與學(xué)習(xí)方法、基于大數(shù)據(jù)小樣本的目標(biāo)分類(lèi)識(shí)別方法，完成對(duì)測(cè)量目標(biāo)和環(huán)境特征的提取及識(shí)別工作，實(shí)現(xiàn)實(shí)際作戰(zhàn)環(huán)境下非合作目標(biāo)的有效識(shí)別。

某單位針對(duì)真實(shí)數(shù)據(jù)樣本少的特點(diǎn)，研究了基于深度遷移學(xué)習(xí)的雷達(dá)高分辨距離像（HRRP）識(shí)別，通過(guò)HRRP 的歸納式遷移學(xué)習(xí)，將輔助數(shù)據(jù)的預(yù)訓(xùn)練數(shù)據(jù)遷移至目標(biāo)數(shù)據(jù)中，降低網(wǎng)絡(luò)對(duì)標(biāo)簽樣本的需求[3]。圖2 為三類(lèi)目標(biāo)的原始數(shù)據(jù)、無(wú)預(yù)訓(xùn)練最后特征層、歸納式遷移學(xué)習(xí)（預(yù)訓(xùn)練）最后特征層數(shù)據(jù)分布的主成分分析（PCA）示意圖。

圖2 PCA示意圖

4.結(jié)語(yǔ)

人工智能技術(shù)未來(lái)發(fā)展及應(yīng)用前景廣闊，雷達(dá)裝備的發(fā)展必須融合新興技術(shù)，加快技術(shù)創(chuàng)新發(fā)展的進(jìn)程。目前國(guó)內(nèi)對(duì)智能雷達(dá)技術(shù)尚未形成統(tǒng)一的概念，但人工智能的雷達(dá)探測(cè)應(yīng)用已經(jīng)在快速進(jìn)行中，將雷達(dá)技術(shù)與人工智能技術(shù)深度融合，雷達(dá)裝備將更加智能化。