淺析人工智能在信號(hào)情報(bào)偵察的應(yīng)用分析

王 波，顧帥楠

（1.武警海警學(xué)院，浙江 寧波 315801；2.92192部隊(duì)，浙江 寧波 315122）

1 信號(hào)情報(bào)偵察任務(wù)及現(xiàn)狀問(wèn)題

1.1 信號(hào)情報(bào)偵察任務(wù)

信號(hào)情報(bào)偵察，是獲取軍事情報(bào)的一種重要手段，也是實(shí)施電子攻擊和電子防護(hù)的前提。主要利用信號(hào)情報(bào)偵察裝備對(duì)敵方陸?？仗炱脚_(tái)的電子設(shè)備輻射的電磁信號(hào)進(jìn)行截獲、測(cè)向、定位以及解調(diào)、分析、處理，從而查明敵方軍事電子設(shè)備屬性、方位及相關(guān)平臺(tái)的性能參數(shù)，幫助了解敵方的作戰(zhàn)能力、兵力部署以及行動(dòng)企圖等信息，為己方指揮決策提供情報(bào)支撐。

1.2 信號(hào)情報(bào)偵察現(xiàn)狀

1.2.1 信號(hào)來(lái)源廣泛，目標(biāo)平臺(tái)難判

目前，多樣化、輕便化、兼容強(qiáng)、體積小的電子設(shè)備已逐漸裝備在各種陸海空天平臺(tái)上，其輻射的信號(hào)覆蓋域廣、頻段寬、種類(lèi)多，形成了復(fù)雜的電磁環(huán)境。在重要、敏感的軍事區(qū)域，電磁環(huán)境更是呈現(xiàn)出高密度、高強(qiáng)度、多頻譜狀態(tài)。因此，在這樣的背景下，全方位、多層次的信號(hào)不斷涌進(jìn)，區(qū)分信號(hào)的國(guó)別種類(lèi)、識(shí)別信號(hào)的目標(biāo)平臺(tái)難度也隨之加大：對(duì)于不同方位、相同信號(hào)的目標(biāo)平臺(tái)判別通過(guò)提取信號(hào)的細(xì)微特征尚能判定，對(duì)于同一方位的軍用信號(hào)經(jīng)包裝后混雜在民用信號(hào)中輻射出來(lái)，其目標(biāo)平臺(tái)的判別卻是異常困難。

1.2.2 調(diào)制體制復(fù)雜，截獲解調(diào)困難

在信息化戰(zhàn)場(chǎng)中，交戰(zhàn)雙方從反偵察、反干擾、抗摧毀角度出發(fā)，越來(lái)越多地使用各種新體制雷達(dá)、通信、光電等設(shè)備，并且在新體制電子設(shè)備上越來(lái)越多地采用更為復(fù)雜的信號(hào)樣式。從模擬調(diào)制到數(shù)字調(diào)制，從脈間固定調(diào)制到脈內(nèi)捷變調(diào)制，信號(hào)的調(diào)制體制逐漸邁向組合化、復(fù)雜化的方向。經(jīng)復(fù)雜調(diào)制后的信號(hào)在發(fā)射機(jī)內(nèi)由特定的方式輻射出去后，使之在時(shí)域、頻域、空域上形成低截獲與低識(shí)別概率特征[1]。在一些承載重要作戰(zhàn)情報(bào)的信號(hào)上更是多達(dá)幾種調(diào)制方式，再通過(guò)猝發(fā)、跳頻等特定方式輻射出去的信號(hào)，遇到各種功能和體制的通信、雷達(dá)的組合配置使用和有意或無(wú)意干擾的影響，使之更加難以截獲和解調(diào)。

1.2.3 數(shù)據(jù)密度龐大，處理費(fèi)時(shí)費(fèi)力

近年來(lái)，無(wú)論是在戰(zhàn)時(shí)的動(dòng)態(tài)戰(zhàn)場(chǎng)，還是在平時(shí)的靜態(tài)戰(zhàn)場(chǎng)，偵獲的信號(hào)數(shù)據(jù)不僅有通信、雷達(dá)、水聲、敵我識(shí)別、導(dǎo)航等，還混雜著軍用、民用信號(hào)，信號(hào)密度異常龐大，呈現(xiàn)出“大數(shù)據(jù)”特性。將這些“大數(shù)據(jù)”信號(hào)分門(mén)別類(lèi)的歸納、整理，需要專(zhuān)業(yè)人士花費(fèi)大量的時(shí)間和精力。在靜態(tài)戰(zhàn)場(chǎng)，人力、物力和時(shí)間尚能得到充足的保證，若在動(dòng)態(tài)戰(zhàn)場(chǎng)，短時(shí)間內(nèi)不僅需要完成海量信號(hào)的分類(lèi)整理，還需要進(jìn)行識(shí)別判定，即使是經(jīng)驗(yàn)豐富的情報(bào)分析員也難保證不出錯(cuò)。

2 人工智能在信號(hào)情報(bào)偵察中的應(yīng)用分析

2.1 提比指紋特征，精細(xì)個(gè)體識(shí)別

人類(lèi)胎兒4個(gè)月大時(shí)就已經(jīng)形成了指紋，指紋的圖案、斷電、交叉點(diǎn)各不相同，形成了指紋特征。與人的手指類(lèi)似，射頻無(wú)線電信號(hào)也有“指紋”，信號(hào)“指紋”在無(wú)線電發(fā)射設(shè)備出廠時(shí)就已形成，其主要包括信源細(xì)微特征、調(diào)制細(xì)微特征以及載波細(xì)微特征等，具備獨(dú)立性、穩(wěn)定性及可測(cè)性三種特性。因此，可以將人工智能的快速算法和深度學(xué)習(xí)特點(diǎn)應(yīng)用到信號(hào)“指紋”上，對(duì)已知信號(hào)分析指紋特征，建立指紋數(shù)據(jù)庫(kù)，并進(jìn)行深度學(xué)習(xí)。在信號(hào)情報(bào)偵察時(shí)，利用信號(hào)“指紋”的可測(cè)性特性進(jìn)行測(cè)量分析，然后對(duì)照指紋數(shù)據(jù)庫(kù)進(jìn)行識(shí)別比對(duì)，實(shí)現(xiàn)對(duì)輻射源的個(gè)體識(shí)別[2]。

2.2 多源聯(lián)合處理，提高截解質(zhì)效

考慮到現(xiàn)代信息化戰(zhàn)場(chǎng)上信號(hào)情報(bào)偵察具有低截獲、低識(shí)別特征，通過(guò)多源信息融合處理，將多個(gè)偵察平臺(tái)聯(lián)成一個(gè)有機(jī)整體，取長(zhǎng)補(bǔ)短，相互印證，形成集成度與可靠性高的偵察綜合情報(bào)體系，在信號(hào)情報(bào)偵察中利用人工智能概率化的尋優(yōu)算法自動(dòng)尋找體系中最佳偵察平臺(tái)實(shí)現(xiàn)最大概率截獲輻射信號(hào)。再對(duì)截獲信號(hào)情報(bào)進(jìn)行抽取、轉(zhuǎn)換和優(yōu)化參數(shù)估計(jì)，進(jìn)而利用人工智能先進(jìn)的特征分析方法、模糊識(shí)別方法、人工神經(jīng)網(wǎng)絡(luò)等測(cè)算解調(diào)方式，并判決解調(diào)置信水平，直至搜尋出信號(hào)數(shù)據(jù)中的隱藏模式與非顯現(xiàn)規(guī)律，從而有效解調(diào)信號(hào)。

2.3 快速數(shù)據(jù)整合，提煉價(jià)值情報(bào)

信號(hào)數(shù)據(jù)是一組龐大、廣泛、復(fù)雜的特定信息，這些特定信息中又充斥著大量的無(wú)用信息，需進(jìn)行去偽存、真去粗取精。此時(shí)可以利用人工智能的深度學(xué)習(xí)技術(shù)，從信號(hào)數(shù)據(jù)中自動(dòng)學(xué)習(xí)到有用的、高度抽象的特征，將這些特征進(jìn)行分析、理解以及判讀等規(guī)范化處理，再進(jìn)行分類(lèi)歸納整合，創(chuàng)建特征模型。通過(guò)學(xué)習(xí)特征模型，對(duì)“大數(shù)據(jù)”信號(hào)進(jìn)行特征模型匹配，計(jì)算匹配置信度，設(shè)置好門(mén)限，剔除門(mén)限以外的無(wú)用信號(hào)，保留門(mén)限內(nèi)的有用信號(hào)；同時(shí)自動(dòng)優(yōu)化完善特征模型，提高匹配精度。以使在動(dòng)態(tài)戰(zhàn)場(chǎng)，最大限度縮短信號(hào)數(shù)據(jù)整合時(shí)間，及時(shí)提煉價(jià)值情報(bào)，一方面分發(fā)應(yīng)用價(jià)值情報(bào)，提供態(tài)勢(shì)感知、戰(zhàn)場(chǎng)預(yù)警、指揮決策等；另一方面，入庫(kù)累積價(jià)值情報(bào)，以便提供全面戰(zhàn)場(chǎng)信息與進(jìn)一步分析處理。

3 人工智能在信號(hào)情報(bào)偵察中的思考研究

3.1 強(qiáng)化感知信號(hào)情報(bào)

如今，無(wú)線通信和非通信的電信信號(hào)激增，使得在復(fù)雜電磁信號(hào)中搜集情報(bào)變得越發(fā)困難。但是信號(hào)情報(bào)搜集的信號(hào)主要表現(xiàn)為符號(hào)和編碼，且不具備可視性與可讀性，常規(guī)處理和人為處理耗時(shí)耗力，還容易出錯(cuò)，但可利用人工智能對(duì)數(shù)字代碼比人有著更直接的感知優(yōu)勢(shì)，大力強(qiáng)化機(jī)器學(xué)習(xí)算法在信號(hào)檢測(cè)、診斷、調(diào)制上和目標(biāo)識(shí)別的運(yùn)用，從而獲得比人力處理更高的效率和正確率。美國(guó)Deepsig公司的OmniSIC傳感器軟件中使用了基于深度學(xué)習(xí)的商業(yè)化RF傳感技術(shù)，借助深度學(xué)習(xí)的自動(dòng)特征學(xué)習(xí)功能，OmniSIC傳感器經(jīng)過(guò)幾秒鐘的信號(hào)捕捉和訓(xùn)練，就可以識(shí)別新的信號(hào)類(lèi)型。

3.2 深入智能算法研究

人工智能并非萬(wàn)能，要讓機(jī)器可以代替甚至超越人的大腦，必須基于強(qiáng)大、先進(jìn)的算法。一是要加快研究數(shù)據(jù)處理算法。隨著傳感器水平的不斷提高，大量數(shù)據(jù)可以被采集分析，但由于數(shù)據(jù)量過(guò)于龐大及數(shù)據(jù)速度產(chǎn)生過(guò)快等原因，僅依靠人力難以將這些數(shù)據(jù)轉(zhuǎn)化為戰(zhàn)場(chǎng)態(tài)勢(shì)情報(bào)。通過(guò)研究數(shù)據(jù)處理算法，對(duì)海量數(shù)據(jù)進(jìn)行處理，篩選特定威脅，為情報(bào)系統(tǒng)提供可信合理的數(shù)據(jù)；二是要深入研究智能算法。目前，人工智能主要存在兩種實(shí)現(xiàn)方法，工程學(xué)習(xí)法和模擬法。前者主要是利用傳統(tǒng)的編程技術(shù)，使相關(guān)系統(tǒng)能夠呈現(xiàn)出一定的智能化效果，但是這種方法較為繁瑣；模擬法是通過(guò)對(duì)智能系統(tǒng)進(jìn)行設(shè)計(jì)，并實(shí)現(xiàn)有效的控制，讓其具備自主學(xué)習(xí)的功能，相較于工程法來(lái)說(shuō)，模擬法更為省力，且能發(fā)揮更大的優(yōu)勢(shì)。智能算法是模擬法中很重要的一環(huán)，加快對(duì)智能算法的研究可以大大提高人工智能的效率。

3.3 注重挖掘開(kāi)源情報(bào)

在大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)、Web2.0、傳感器以及政府?dāng)?shù)據(jù)開(kāi)放、企業(yè)年報(bào)等都提供了源源不斷的信息供應(yīng)。與傳統(tǒng)情報(bào)源相比，開(kāi)源情報(bào)不僅成本更低、更及時(shí)、更準(zhǔn)確，而且能提供特定目標(biāo)或事件的發(fā)展背景和整體視圖。但是開(kāi)源情報(bào)不僅數(shù)量龐大，而且是多來(lái)源、多語(yǔ)種、多介質(zhì)、多類(lèi)型、多結(jié)構(gòu)和多文化背景，需要將高級(jí)信息搜索與處理技術(shù)與多外語(yǔ)技能、多元文化知識(shí)、特定專(zhuān)業(yè)背景以及情報(bào)敏感性結(jié)合起來(lái)，才能對(duì)其進(jìn)行有效的分析處理，難度較高。利用人工智能技術(shù)強(qiáng)大的智能計(jì)算以及情景感知、自動(dòng)翻譯等能力，挖掘開(kāi)源情報(bào)，提取核心情報(bào)要素，用于在信號(hào)情報(bào)偵察中輔助判決和對(duì)比參照，提供實(shí)際依據(jù)。

4 結(jié)束語(yǔ)

隨著數(shù)字化、網(wǎng)絡(luò)化作戰(zhàn)體系的誕生與運(yùn)用，在未來(lái)戰(zhàn)場(chǎng)上，信息化程度將更加密集?？梢灶A(yù)見(jiàn)，人工智能也占據(jù)著越來(lái)越重要的角色，并催生出偵察與反偵察新一輪的技術(shù)變革。因此，只有將人工智能的先進(jìn)理念充分理解，并將其技術(shù)深度融合到信號(hào)情報(bào)偵察中，構(gòu)成有機(jī)、高效的情報(bào)系統(tǒng)，達(dá)成全方位、全天時(shí)、全天候的情報(bào)信息保證，才能在信息化戰(zhàn)爭(zhēng)中取得決定性優(yōu)勢(shì)。