认知电子战：向数据要战斗力

美军的认知电子战搞了有十多年了，目前在装备上已经有了一些零星的应用。就在上个月，美国空军第64“侵略者”中队的F-16挂载着“愤怒小猫”认知电子战吊舱参加了红旗 23-2空战演习。这个吊舱的用途是模拟敌方的电子攻击信号。

那么，电子战什么时候能全面进入认知时代？或者说认知电子战距离形成普遍的战斗力还有多远的距离？美国海军现役军官、美国陆军战争学院讲师Michael Posey在JED杂志上发表了一篇很有见地的文章，可在一定程度上回答这一问题。兹摘录一些要点如下：

认知电磁战和智能频谱管理对美军联合全域指挥控制（JADC2）作战概念的成功至关重要。

采用人工智能和机器学习可以实现预测性电子战，即机器可以先于人类操作员知道何时何地以及如何进行干扰，这一前景很是诱人。但前提是，机器学习算法要确保不会发生致命的错误，以取得人类的信任。

美国国防部和工业界现在必须尽快合作开发电磁数据库。如果没有好的数据来训练机器学习算法，这些年对认知电子战的投资可能会打了水漂。

在联合部队训练和作战时，传感器可以收集并建立大型数据库以用于复杂的预测。数据科学家将需要花费大量时间来处理收集到的这些信息。此外，还需要对许多目前还无法模拟的系统参数进行建模，并手动输入这些信号。这种收集、标记和调节信号数据的过程耗时耗力，必须尽快开始。

建立数据库需要耗费数年时间。特斯拉的机器学习辅助驾驶用到了来自路面上行驶的100万辆汽车的数千PB数据，这一过程花费了几年的时间。认知电子战在收集机器学习所需的数据方面同样面临艰巨的挑战。

等工程师、作战人员和计算机科学家建立了信号数据库，就可以开始监督学习了。监督学习使用大量由人类专家标记的正例和负例来训练机器学习系统。这一过程需要计算机科学家、战术专家和情报分析师的通力协作，同样也需要耗费数年的时间。

下一步是无监督学习，这通常需要更长的时间，但可以产生惊人的效率。数据科学家和电子战专家要密切合作，以收集必要的数据，然后标记和调整数据，并在各种场景中开发和完善算法，最终可以使联合部队能够在电磁频谱中预测和战胜对手。

本文仅用于学习交流，如有侵权，请联系删除 ！！