認知電子戰(zhàn)簡介

• • 概念
  • 研究現狀
  • • 自適應電子戰(zhàn)行為學習項目（BLADE，2010）
    • 自適應雷達對抗項目（ARC，2012）
    • 認知干擾機項目（CJ，2010）
    • 極端射頻頻譜條件下的通信項目（CommEx，2010）
    • 美國海軍的認知電子戰(zhàn)計劃（2013）
    • 各項目進展情況
  • 系統(tǒng)組成
  • • 認知偵察模塊
    • 對抗措施合成模塊
    • 智能干擾模塊
    • 動態(tài)知識庫模塊
  • 關鍵技術
  • 應用前景
  • 課外拓展：

概念

以具備認知性能的電子戰(zhàn)裝備為基礎，注重自主交互式的電磁環(huán)境學習能力與動態(tài)智能化的對抗任務處理能力的電子戰(zhàn)形態(tài)。

基本特征：

• 感知環(huán)境
• 適應新威脅
• 避免自擾
• 波形多變
• 協(xié)同工作
• 攻擊不限于物理層（包括物理層、控制層、用戶層）
• 具備學習能力

研究現狀

2010年，美軍以提高裝備認知能力為核心思想，提出“認知電子戰(zhàn)”的概念

認知電子戰(zhàn)的主要特點與能力：

• 感知、學習和自適應的相互結合
• 電子支援、電子對抗和電子防護的綜合集成
• 綜合作用于雷達、通信和網絡

自適應電子戰(zhàn)行為學習項目（BLADE，2010）

能實時監(jiān)測、分析無線通信威脅，對戰(zhàn)場新出現的無線通信威脅進行自動干擾。

主要包含三個模塊：

• 信號檢測及特征描述模塊
• 干擾波形優(yōu)化模塊
• 戰(zhàn)場損壞程度評估模塊

自適應雷達對抗項目（ARC，2012）

能夠對抗敵方自適應雷達系統(tǒng)的機載電子戰(zhàn)能力，基于可觀測信號對自適應雷達威脅的對抗能力。
主要包含三個模塊：

• 信號分析及特征描述模塊（完成脈沖輻射源識別、雷達功能決策、雷達意圖決策、雷達行為數據庫構建等功能）
• 對抗策略合成模塊（對當前威脅環(huán)境，快速生成動作序列來達到預期的對抗效果）
• 對抗效果評估模塊（基于可觀測的無線信號的變化進行評估）

認知干擾機項目（CJ，2010）

能夠對付那些采用了動態(tài)頻譜接入的軟件無線電或認知無線電電臺。

研究目標：

• 開發(fā)能夠節(jié)省平均輻射功率的高校干擾技術
• 開發(fā)能夠學習和跟蹤目標波形的干擾技術
• 研究如何通過學習和運用知識來對抗智能輻射源
• 利用博弈論來優(yōu)化干擾機設計，以適用多種波形
• 研究新型電子攻擊手段

極端射頻頻譜條件下的通信項目（CommEx，2010）

• 研發(fā)新型的自適應通信技術和通信手段，使得對抗系統(tǒng)能夠在劇烈干擾下應對多種自適應干擾和干擾源

美國海軍的認知電子戰(zhàn)計劃（2013）

主要研究領域：

• 頻譜知識感知和積累
• 頻譜學習
• 頻譜推理
• 頻譜攻擊

各項目進展情況

2016年各項目均取得實質性進展

系統(tǒng)組成

系統(tǒng)組成：

• 認知偵察模塊
• 對抗措施合成模塊
• 智能干擾模塊
• 動態(tài)知識庫模塊

各個模塊之間的配合過程：

認知偵察模塊偵察到目標信號，基于動態(tài)知識庫采用機器學習算法將該信號分類，分析出該信號的特征，并將特征信息傳給對抗措施合成模塊。
對抗措施合成模塊根據認知偵察結果及學習信息進行攻擊策略搜索，推導對抗場景下最佳攻擊策略，同時優(yōu)化干擾波形，自適應分配干擾資源。
智能干擾模塊能根據威脅信號在我方干擾下產生的明顯變化評估干擾效果，同時結合動態(tài)知識庫自適應優(yōu)化干擾策略。
動態(tài)知識庫為其他模塊提供對應的環(huán)境、目標、資源策略等知識，并根據3個模塊的處理結果動態(tài)更新。

認知偵察模塊

目標信號的狀態(tài)識別和威脅等級評估（為干擾決策提供依據）

• 輻射源識別：搜索、檢測、截獲—>參數測量—>信號調制分析—>信號分選—>輻射源識別
• 工作狀態(tài)識別：測量信號參數—>跟歷史數據庫匹配—>判定工作狀態(tài)（狀態(tài)的含義：工作模式或目標采取的干擾措施）
  已知狀態(tài)：常規(guī)分類算法
  未知狀態(tài)：無監(jiān)督聚類算法、增量式機器學習（可在線更新模型參數）
• 威脅等級評估：
  通信威脅主要是通過對作戰(zhàn)單元之間的通信鏈路進行分析，建立威脅評估體系

對抗措施合成模塊

自適應干擾樣式決策、波形優(yōu)化和資源調度

• 樣式決策：針對目標多種狀態(tài)的智能化干擾樣式決策（基于強化學習：Q-learn、Sarsa等）
• 波形優(yōu)化：未知威脅目標或目標狀態(tài)未知的干擾波形優(yōu)化（遺傳算法、模擬退火算法、粒子群算法）
• 資源調度：“多對多”對抗中的自適應干擾資源調度（基于差額法初始化強化學習算法）

智能干擾模塊

干擾效果的在線評估指標的設計和評估方法的選擇

• 智能干擾：通過檢測干擾前后威脅目標的變化，根據變化和干擾之間的映射關系，建立干擾效果評估指標，通過評估模型實現干擾效果的在線評估，動態(tài)調整干擾策略，達到實時、有效地智能干擾。
• 步驟：構建評估方案—>建立評估指標體系—>綜合評估方法選擇—>數據預處理—>干擾效果評估—>生成評估報告
• 評估方法：灰色層次分析法、灰色聚類評估法、ADC評估法、層次分析法、基于機器學習的評估方法

動態(tài)知識庫模塊

態(tài)威脅庫和干擾規(guī)則庫

• 動態(tài)威脅庫：對威脅對象的行為特征及信號特征進行描述，以數據的形式存儲在動態(tài)數據庫中，以便與偵測到的威脅進行對比并辨識出新威脅與舊威脅。（主要包含頻域行為：載頻、調制類型、重復周期、目標當前任務；時域行為：波形信息、目標當前任務；空域行為：輔助天線數、目標當前任務）
• 干擾規(guī)則庫：分為干擾策略庫和干擾樣式庫，針對威脅設計的干擾策略以及生成干擾參數，并附以相應的干擾效果評估結果。（干擾策略主要是針對不同的任務來設計的，比如跟蹤、識別；干擾樣式庫：壓制性干擾：純噪聲干擾、噪聲調幅干擾、噪聲調頻干擾、噪聲調相干擾、復合干擾。欺騙性干擾：距離欺騙干擾、角度欺騙干擾、速度欺騙干擾、假目標干擾和拖引干擾）

關鍵技術

（1） 目標感知：分類算法、聚類算法
分類算法：深層神經網絡、CNN、RNN、Transform、RT、貝葉斯
聚類算法：k-means、吸引子傳播算法、基于快速搜尋密度峰值法（k-means類別個數需要預設）
（2） 干擾策略：強化學習、智能優(yōu)化和智能調度算法
（3） 在線評估：神經網絡
（4） 動態(tài)知識庫：專家系統(tǒng)

應用前景

• 針對對抗目標多種工作模式的自適應干擾
• 復雜電磁環(huán)境下針對未知威脅目標的自適應對抗
• 對抗未來智能化威脅目標的巨大潛力
• 對組網信息系統(tǒng)的有效對抗

課外拓展：

學習即練習，不是學1000招，而是把1個招式練1000遍

速度也是一種能力，能花1分鐘解決的問題，絕不花兩分鐘，快速能提高你的效率，讓你更加專注，更重要的是省下大量的時間，自由支配，心態(tài)上要慢，允許自己學的少，學的慢，在動作上要快，要求自己熟練、迅速

總結

以上是生活随笔為你收集整理的科研 | 认知电子战研究现状的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。