认知电子战与自适应电子战异同研究

加拿大国防研发部渥太华研究中心专家在“高级认知技术与应用国际会议”上发表了一篇名为《认知电子战系统的概念性架构》的论文，文章分析了自适应电子战与认知电子战系统的区别，并提出了一种认知电子战系统架构。本文编译了该论文的全部内容。

认知电子战（EW）旨在使用认知算法等新兴技术来防御现代雷达系统。通过使用基于认知的技术，雷达系统能够感知作战环境，并相应地调整发射参数，以更好地执行任务。传统电子战系统依赖于预先制定的攻击策略，无法有效地应对现代雷达威胁。因此，下一代电子战系统需要增强认知能力，以应对新的、未知的雷达信号，并根据不断变化的情况做出自主决策。

近年来，业界致力于研究各种电子系统中的认知能力。认知理论在电子信息领域的应用经历从认知无线电、认知雷达到认知电子战的过程。Mitola和Maguire在1999年发表的《认知无线电》一文中首次提出了认知无线电的概念。2006年，Haykin在其发表的《认知雷达：通往未来的道路》一文中提出了认知雷达的概念。文章指出，认知雷达是一种动态系统，可根据作战环境调整和优化发射的波形，认知雷达系统具有以下三个关键特征：（1）接收器通过与环境交互，获得信息并反复学习；（2）发射器根据接收器传递的有关环境的信息进行调整；（3）反馈链路可同步协调和优化发射器和接收器的操作。认知能力可以调整雷达的发射参数，例如脉冲宽度、脉冲重复间隔、功率和脉冲压缩技术，从而更有效地执行已分配的任务。

认知技术是下一代电子战系统的关键。美国空军科学顾问委员会于2016年开展了一项题为“应对电子战中的不确定或适应性威胁”的研究。这项研究指出，“不断增加的信号密度和可变的实时自适应波形模式将挑战空军系统在射频（RF）频谱中识别信号来源和意图的能力”。传统的电子战系统依赖于数据库和预先确定的对抗措施，缺乏实时识别和响应雷达的能力。因此，需要增强电子战系统的前端（电子支援（ES））和后端（电子攻击（EA）），从而可以通过电子支援提供准确的态势感知信息，并确定电子攻击干扰的时机和地点。

如图1所示，一个基本的认知电子战系统应该包括五个模块：环境感知、智能信号表征、认知思维、动态知识库、以及反馈回路。在该系统中，环境感知模块用于观察作战环境，根据周围环境优化处理程序。智能信号表征模块进行模式识别，使用机器学习算法来评估敌方雷达发射的电磁频谱信号，并将其划分为已知或未知威胁。认知思维模块的目标是根据接收器和发射器数据、用户输入数据和性能目标，获得最佳对抗措施。动态知识库不仅包含环境、目标和其他信息，而且还包含最新的威胁信息。反馈回路可实时调整传输参数以提高干扰能力。

本文提出了一种认知电子战系统架构，由环境感知、智能信号分析、认知思维、动态知识库以及智能反馈五个模块组成。图2为系统的功能框图。

现代雷达技术更加先进，信号环境更加复杂多变，而电子对抗战又是一个动态博弈的过程，人工研判的方式已经难以适应现代电子战争。为此，认知能力对于下一代电子战系统至关重要。

为应对未来日益复杂的作战环境，认知电子战系统需要具备“对抗与学习相结合”的能力，通过自主交互学习来感知环境，并在此基础上，动态调整以适应复杂变化的电磁信号。

1）闭环

传统的电子战系统为开环结构，无法实时评估干扰效果。认知电子战系统是一个闭环系统，能够实时执行环境分析、信号表征、对抗措施制定和对抗措施效能评估。该系统将根据有关威胁行为的反馈不断调整其干扰策略。

2）完全自动化

为了实时制定对抗措施，认知电子战系统需要不断对动态变化的环境进行学习，自动生成优化的干扰方案，并评估其效能，可实时地进行自主决策。

3）机器学习

认知电子战系统能够分析以前从未遇到过的信号，实时设计有效的对抗措施，评估其效能，并预测未来的威胁。因此，机器学习是认知电子战系统的一个基本组成部分，它可以学习和预测威胁特征，并通过分析已有信息自动生成有效的对抗措施。

4）模糊推理

模糊逻辑是一种人工智能技术，使系统能够使用不精确的概念和依赖关系来推理目标系统。由于电磁频谱环境的动态变化，模糊推理是一种很重要的技术，可以通过对人类行为进行建模来解决不确定性威胁，以便在无法获得精确信息时提供近似推理。

在过去几年中，自适应电子战和认知电子战这两个术语被频繁使用。C4ISRNET网站2016年12月16日发布了一篇名为《自适应电子战与认知电子战的区别》的文章，文中提出了以下问题：自适应电子战和认知电子战有什么区别？这种区别重要吗？本节将着重探讨这些问题。

4.1   自适应电子战

数字雷达技术的进步已经改变了传统电子战的实施方式，因此需要更先进的电子战解决方案。一些研究报告认为，自适应电子战能够识别作战环境的变化，然后从多个预先制定的电子攻击优化方案中选择最佳方案。例如，当接收器检测到目标雷达改变发射频率时，电子战系统会将发射器调整到相应的频段。自适应电子战系统依赖于发射器波形库来识别威胁并确定适当的对抗措施响应。当面对从未遇到过的雷达信号，为了探测、欺骗和击败敌方的雷达威胁，自适应电子战系统需要收集证据并在实验室中分析证据，以便制定对抗措施。该方案存在两个问题：

（1）开发和安装新的配置文件和对抗措施可能需要数月时间；

（2）当接收到的信号与库中记录的信号相比略微超出可容忍度时，就无法识别和打击威胁目标。

自适应电子战的主要性能特点总结如下：

• 自适应电子战是响应式的；

• 电子支援识别依赖于可预先制定多种解决方案的数据库；

• 电子攻击响应是预先制定的解决方案；

• 系统采用发射器和接收器之间的反馈机制，该反馈机制不受环境影响。

4.2   认知电子战

认知电子战概念基于“感知-学习-行动”框架，比自适应电子战更为先进（图3）。认知电子战系统不仅要根据已观察到的情况进行调整，而且还可以使用机器学习和模式识别算法来模仿人类感知、记忆、判断和推理的整个心理过程。认知电子战是一个动态的闭环反馈系统，可通过智能响应来攻击威胁雷达。

人工智能和机器学习可以使认知电子战系统识别并使用从未遇到的雷达波形，通过反馈机制实时协调发射器和接收器的操作，以实现最佳的干扰能力。认知电子战系统使用人工智能和机器学习来实时探测、表征和对抗已知或未知的威胁目标。认知电子战系统首先分析电磁频谱环境，如果检测到变化，则可以合理地得出存在新的或未知的雷达发射器的结论，然后将提取环境变化信息进行频谱分析。机器学习算法将用于表征和预测威胁的属性和能力。认知电子战具有前瞻性，以下是认知电子战的关键特征：

• 观察并学习目标的动态状态，并考虑到随着时间变化的环境条件也会相应改变；

• 作为一个动态闭环反馈系统，包含发射器、环境情况和接收器；

• 即使面对新的或未知的威胁，也能针对威胁雷达制定有效的对抗措施。

4.3   主要区别

正如上文所讨论的，认知电子战和自适应电子战之间存在根本区别。Mark Pomerleau在其文章中指出：“区分自适应电子战和认知电子战非常重要。”自适应电子战系统仅对接收到的数据流做出反应，完全依靠知识库来提供特定的、预先确定的对抗措施。

认知电子战系统使用机器学习技术，克服自适应电子战系统的局限性，使系统更好地了解所处的作战环境，利用动态知识库，生成由若干个对抗措施选项组成的动态行动库，并执行感知-学习-行动反馈循环，以确定最佳对抗措施。

本文对认知电子战系统提出了三点意见：

认知电子战系统应该从与环境的交互中获得的经验，不断地学习，并且利用相关信息进行持续更新。

发射器可以以更智能方式发射干扰信号，从而：

整个电子战系统构成一个闭环动态系统，包括发射器、作战环境、接收器和反馈回路。

随着雷达系统从固定模拟系统向数字化系统的发展，雷达将具备产生多种信号的能力，这使得传统电子战系统难以抗现代雷达系统，尤其是应对那些具有高度自适应或认知能力的系统。因此，认知能力是下一代电子战系统发展的关键。未来认知电子战能力建设需要进一步增强机器学习能力、环境感知分析能力和模糊逻辑技术，使各类电子平台能自主学习、动态调整、适应各种威胁。未来认知电子战将逐步实现更高程度的自主化和智能化，以适应日趋复杂多变的战场环境，为国家安全提供可靠和有效的支撑。

声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。