军事理论论文
军事理论课小论文第三篇：面向体系对抗的认知电子战发展趋势探析
摘要：作为电磁频谱领域争夺的核心和主战场, 电子战在体系对抗中占据重要地位。认知电子战具有电磁环境感知、自主学习推理、自适应干扰决策以及干扰效能在线评估能力, 已成为电子战发展的主要方向, 也有望成为未来智能化战争的一种重要作战样式。结合信息化战争中体系对抗的主要特点, 梳理了认知电子战相关项目和关键技术发展现状, 并对其未来发展趋势进行了分析, 能够为发展先进电子战装备, 研究前沿电子对抗技术提供方向上的参考和借鉴。
关键词：体系对抗; 电磁频谱; 认知电子战; 电子对抗;
Analysis on the Development Trend of Cognitive Electronic Warfare Oriented to System Confrontation
OU Jian FU Dong
1 引言
现代信息化战争已不仅是敌对双方单兵、武器、军种或平台之间的博弈, 更是双方作战体系之间的对抗, 并且不再局限于陆地、海洋和空中等传统空间, 而是拓展到太空、网络、电磁频谱甚至心理领域[1]。作为电磁频谱领域作战的核心和主战场, 电子战已经发展成为一种独立的作战方式, 不但在时间上贯穿于战争全过程, 决定战争的进程和结局, 更是在空间上横跨陆、海、空、天所有物理作战域。无论在美军多域战概念中还是在我军全域作战的框架下, 电子战都占据着十分重要的地位。特别是在体系对抗日益复杂的电磁环境中, 加速发展的电子信息装备给电子对抗带来了严峻挑战。在此背景下, 认知电子战系统以其能够根据环境和目标特性自适应进行智能化电子防护和电子攻击的显着特点和技术优势, 逐渐成为未来电子战发展的新方向[2]。
认知电子战可以描述为一个智能的电子战系统:它能够感知电磁环境, 并利用人工智能技术从环境中学习, 自主对目标进行威胁识别;通过学习和推理, 实时改变干扰策略、优化干扰波形、评估干扰效果, 以达到对威胁目标 (已知或未知) 的自适应对抗[3]。
鉴于体系对抗已成为未来作战样式发展的必然趋势, 应从体系的视角分析确定认知电子战的研究方向和技术路线。因此, 有必要在体系对抗的背景下对认知电子战发展现状和趋势开展研究。本文立足于信息化战争中的体系对抗, 梳理了认知电子战的研究现状、系统框架和关键技术, 并对未来认知电子战的发展趋势进行了分析, 以期为发展先进电子战装备, 研究前沿电子对抗技术提供方向上的参考和借鉴。
2 体系对抗中电子战面临的挑战
体系对抗是战争双方以获取全局上的有利战略态势为目标, 充分利用各自拥有的战争资源所展开的全系统、全要素和全时空的对抗, 是信息化条件下联合战役的基本作战方式[1]。作为信息化战争体系对抗的重要组成部分, 电子战已构成电磁频谱领域博弈中的关键一环。随着电子信息技术的发展, 在体系对抗的背景下, 传统的电子战遭遇了空前的挑战。
2.1 体系对抗下的复杂电磁环境
这一挑战主要体现在两个方面:一是面向整个侦察情报体系的作战需求, 增大了对抗的难度。作战体系中, 侦察情报系统间通常以组网等形式协同作战。由于体系对抗要求在所有领域或战场上取得全面优势[1], 因而实施“体系破击战”已成为信息化战争制胜的有效战法, 这一作战思想的核心是必须打击关键和要害目标才能瘫痪体系功能。电子战需面对敌方整个侦察情报体系, 仅干扰个别非关键节点无法达成作战目的, 这显然增大了电子对抗的难度。二是多源、密集信号的交织与耦合, 增加了电子侦察系统的压力。在战时, 作战体系中涉及辐射源装备的种类、型号、数量繁多, 其相应的海量信号不可避免会降低信号侦收和处理的时效性;多源信号流将在电磁频谱空间密集交织耦合, 使对威胁辐射源信号分选和识别面临巨大挑战。因此, 体系对抗背景下复杂的战场电磁环境, 对电子侦察装备信号处理的能力和效率都提出了极高要求, 传统电子对抗技术已经难以满足。
2.2 加速发展的电子信息装备与技术
随着技术的发展, 越来越多的传统用频装备正在被相控阵雷达等新型电子信息系统所取代。作为一种具有多功能、多任务、多种工作模式、高数据率、高可靠性和高度智能化的感知系统, 相控阵雷达展现出极强的灵活性和自适应能力, 给雷达情报侦察和对抗带来前所未有的技术挑战。特别是近些年出现的自适应雷达、认知雷达、人工智能雷达等概念, 电子信息装备的智能化水平大幅提高, 要求电子战系统同样要具备高度的自适应能力。不仅如此, 电子信息装备的信号处理和抗干扰等技术也在快速进步。相参累积、功率管理、超低旁边天线等技术降低了信号被侦察系统截获的概率;正交频分复用等新型信号样式的应用, 增大了电子侦察系统识别推断雷达行为意图的难度;频率捷变、波形捷变、前沿跟踪等抗干扰措施的使用, 显着制约了电子对抗作战效能的发挥。由此可见, 面向体系对抗, 加速发展的电子信息装备和信号处理技术对电子战系统的软硬件都提出了更高的要求, 在加快技术更新迭代的基础上, 必须以新的理念和思路予以应对。
3 认知电子战研究现状
3.1 认知电子战起源与发展
与上述挑战同步的是认知技术的快速发展。电磁频谱领域中关于感知的思想最早起源于软件定义无线电技术, 而明确的 “认知”概念则是出自Joseph Mitola博士于1999年首次提出的“认知无线电”。这是一种智能化频谱共享技术, 通过电磁频谱的智能感知, 形成对所处无线电环境的描述, 并动态设置无线通信系统频率等参数, 从而实现在任何时间和任何地点进行高可靠通信并有效利用频谱资源[4]。随后, 加拿大McMaster大学的Simon Haykin教授于2006年提出了一种基于知识的自适应雷达, 即“认知雷达”的概念[5], 并逐渐发展为认知雷达网。为了应对威胁目标的智能发展、战场电磁环境的日益复杂、新波形的不断涌现等新情况, 2010年, 美军开展了“行为学习型自适应电子战 (BLADE) [6]”和“认知干扰机 (CJ) [7]”项目, 从而正式为认知电子战拉开帷幕。上述历程如图1所示[7]。
图1 认知电子战的发展历程
认知电子战是指以具备认知性能的电子战装备为基础, 注重自主交互式的电磁环境学习能力与动态智能化的对抗任务处理能力的电子战作战行动[8]。与传统电子战相比, 认知电子战具有动态感知环境、自主学习电磁频谱、自适应对抗、实时反馈等多方面优势, 是未来电子战的主要发展方向。自此, 电子战即从被动“感知”进入到主动“认知”的新阶段。
3.2 相关项目研究概况
在认知电子战研究方面, 美军始终走在最前沿。他们较早地意识到认知技术对现代电子对抗的巨大意义, 从2010年起就开展了一系列研究, 其中部分项目情况在表1中列出。通过对这些项目研究情况的分析可以看出, 美军在认知电子战技术研发和工程应用领域都处于领先地位, 具体而言, 其研究呈现出几个特点:
表1 美军认知电子战相关研究概况
| 时间 | 研究机构 | 项目名称 | 项目概述 | 研究进展 |
| 2010 | 国防高级计 | 自适应电子战行为学习 | 开发一种能够快速检测、实时分析、自适应对抗无线通信威胁的战术级系统, 包括信号检测与描述、干扰波形优化和作战效果评估 | 已结束 |
| 划研究局 | (Behavioral Learning for Adaptive Electronic Warfare, BLADE) [6] | 并应用 | ||
| (DARPA) | ||||
| 2010 | DARPA | 极端射频频谱条件下通信 | 开发一种具备干扰抑制能力的通信系统, 从而在遭受严重干扰压制的情况下具有较强的灵活性和适应能力 | 已结束 |
| (Communications in Extreme RF Spectrum Conditions, CommEx) [9] | 并应用 | |||
| 2010 | 空军研究 | 认知干扰机 | 旨在以软件无线电技术为核心, 开发一套功能多样、干扰样式灵活多变的干扰机系统, 以实现灵巧、迅速和有效的干扰 | 已结束 |
| 实验室 | (Cognitive Jammer, CJ) [7] | |||
| (AFRL) | ||||
| 2013 | DARPA | 自适应雷达对抗 | 旨在开发对抗新型、未知雷达威胁的能力, 对该威胁采取有效自适应对抗, 并精确评估对抗效能 | 已结束 |
| (Adaptive Radar Countermeasures, ARC) [10] | ||||
| 2013 | 海军研究局 | 认知电子战计划 | 旨在将自适应、机器学习算法应用于电子战, 以对抗波形更加灵活敏捷的射频系统 | 已结束 |
| (ONR) | (Cognitive EW Program) [11] | |||
| 2013 | Rockwell Colins | 认知网络电子战 | 提出一种认知电子战项目框架, 采用软件定义非闭环系统开放架构, 其认知调度程序包括认知控制器、服务管理层及网络管理 | 已授权 |
| 公司 | (Cognitive Network Electronic Warfare) [12] (专利) | |||
| 2014 | Exelis公司 | “破坏者 (Disruptor) ” | 目前已知唯一能够达到商用现货成熟度的认知电子战系统, 能够对复杂电磁环境做出反应和调整, 对抗灵活的新射频威胁 | 已量产 |
| SRx干扰器[13] (系统) | ||||
| 2015 | DARPA | 近零功耗射频和传感器操作 | 旨在开发接近零功耗的传感器技术, 大幅延长传感器使用寿命, 降低维护成本 | 突破关键 |
| (Near Zero Power Radio Frequency and Sensor Operations, N-ZERO) [14] | 技术 | |||
| 2017 | DARPA | 射频机器学习系统 | 发展机器学习算法来辨识射频信号, 提高态势感知能力 | 第一阶段 |
| (Radio Frequency Machine Learning Systems, RFMLS) [15] |
(1) 广度上, 研究范围涵盖了雷达对抗到通信对抗, 从元器件到系统层面, 从电子侦察、电子进攻到电子防护等各方面;研究机构以DARPA为引领, 各军种结合自身作战需求开展针对性研发, 大量公司以专利、产品等多种形式深度参与, 将科研力量有效整合, 形成合力。
(2) 深度上, 从最紧迫的实战需求出发, 针对最极端战场电磁环境, 瞄准关键技术开展攻关, 将机器学习算法、新型材料等前沿技术应用其中, 确保研究成果在技术上全方位领先, 进而取得战场上的压倒性优势。
(3) 布局方面, 分批次立项, 分阶段实施, 且前后项目之间往往存在关联和继承。例如, 其早期项目已经进入成果转化阶段;部分项目正在进行外场试验, 5—10年内有望实用;另外还有大批项目处于研发、验证阶段, 应予高度关注。
相对而言, 我们在该领域大多以理论研究为主, 关键技术尚待突破, 与美军还存在较大差距。
3.3 系统框架与关键技术
2016年, 王沙飞院士提出了认知电子战系统组成框架[3], 并进一步将认知电子战系统体系架构设计为由软件定义可重构侦察干扰设备、设备控制中间层、认知电子战应用程序、认知引擎中间层和认知引擎等五部分[8]。其系统组成主要包括威胁自主感知模块、干扰效果在线评估模块、干扰策略与波形优化模块以及动态专家库, 如图2所示[3]。
图2 认知电子战系统组成框架
(1) 威胁自主感知模块利用机器学习算法, 从时域、空域、频域和能量域对侦收的脉冲流进行综合分析, 找到雷达辐射源内部行为特征与外部辐射信号间的广义映射关系, 完成辐射源威胁检测和信号特征描述, 进而实现对威胁辐射源的自主感知, 其识别结果将成为认知对抗的基础。
(2) 干扰效果在线评估模块根据威胁自主感知模块的输出, 分析辐射源对电子对抗措施的响应, 对干扰效果进行在线评估, 以用于干扰策略的制定和波形优化。干扰效果评估模块建立了复杂电磁环境下实时对抗评估与反馈机制, 为其他模块提供信息支撑, 是构成认知电子战闭合回路的关键一环。
(3) 干扰策略与波形优化模块包括学习推理和决策优化两个子系统[16], 是认知电子战系统的核心。该模块基于威胁自主感知模块的识别结果、干扰效果在线评估反馈以及动态专家库知识, 利用机器学习算法合理配置各域资源, 针对性地制定并优化干扰策略, 实现对未知威胁辐射源的自适应对抗。
(4) 动态专家知识库主要包含动态威胁库、干扰规则库和环境数据库等[3], 为其他三个模块提供基础信息和数据支撑。动态威胁库和环境数据库的初始化构建基于侦察情报资源, 干扰规则库则是建立在雷达对抗作用机理的逻辑推理之上, 并在作战体系运行过程中不断利用战场态势感知、干扰效果评估等的实时结果, 对知识库进行动态更新。
4 体系对抗背景下认知电子战的发展趋势
面向体系对抗, 无论在技术上或战法上, 都对电子对抗提出了更高的要求, 预示未来认知电子战的发展将呈现以下趋势。
4.1 融合化
在体系对抗的作战背景下, 认知电子战装备类型多样, 作战领域范围广, 造成对辐射源的认知信息多源化。为提高作战效能, 应在认知电子战的感知和判断阶段对其进行有效融合。
电子频谱空间的融合可分为四个层次, 自底向上分别为信号层、数据层、信息层和知识层的融合。信号位于最底层, 是侦收到的原始波形及其数字化采样, 是未经加工的最原始的记录形式;数据是信号经过初步处理得到的结果, 只反映一个显性、具体的客观事实;信息是对数据进行深入加工处理所得的结论, 例如对目标辐射源的平台、型号、个体等的识别结果均属于信息范畴;知识是对信息的进一步归纳总结和抽象, 得到的可以直接指导实践的规律性东西, 以雷达对抗为例, 其知识可表述为某型雷达在目标处于特定速度和位置时会采用何种工作模式、面对某类干扰时采用何种抗干扰措施等等。
前两层融合近似于预处理, 其意义在于交叉印证数据质量, 并挖掘出有价值信息, 为更高层次的融合提供支撑;而后面两层融合则可以直接用于学习、推理和辅助决策。未来认知电子战的发展势必会不断地向更高层次的融合来聚焦。也只有实现多粒度、多维度的有效融合, 才能够最大限度地发挥电子战系统的认知优势, 进而更有针对性地支撑后续对抗措施的决策。
4.2 协同化
认知电子战覆盖范围涉及作战体系中的侦察情报体系和信息对抗体系[1]。前者涵盖空间、临近空间、空中、地面、海面、水下等多个维度的情报侦察系统, 负责对威胁辐射源信号的侦察、分析和辨识, 掌握其特点规律;后者则包含电子干扰机、电子战无人机、机载干扰吊舱、弹载干扰等, 用于根据认知结果采取相应的对抗措施。因此, 对于认知电子战“感知环境 (observe) —适应环境 (orient) —做出决策 (decide) —采取行动 (act) ”的OODA环[8], 在前两者实现融合化的前提下, 还应动态优化配置资源以便对认知结果做出针对性的响应, 即实现决策和行动的协同化。
协同决策在技术上主要涉及对抗措施选取、干扰参数设置等方面的协同, 在战术上还应追求电子对抗战术运用方面的协同。协同行动不仅包括电子战系统, 即电子攻击、电子支援、电子防护之间的协同;还包括电子战装备与作战体系中其他系统, 如雷达传感器、通信、侦察情报、火力打击系统的密切协同。
各电子战武器装备及其策略和战法的密切协同, 能够实现电子对抗手段的优势互补, 从而最大限度地发挥整体作战效能。这种协同作战的方式, 将大大缩短目标从发现到摧毁的时间, 协同能力的差异将成为决定作战胜负的关键因素之一。
4.3 实时化
实时处理能力是长期以来电子战面临的主要难题之一[2]。特别是在体系对抗的背景下, 各子体系数据实时同步是实现融合和协同的前提条件, 对威胁目标信号的实时化侦察、分析和动态决策也是认知电子战成为完全的自适应闭环的必然要求。
具体而言, 实时化包括实时感知、实时处理、实时决策和在线评估。在与威力日益强大、功能趋于完善的多功能雷达进行动态博弈的过程中, 电子战系统必须具备及时准确地感知敌辐射源内部状态动态变化的能力, 并对侦察数据进行实时处理, 才能引导对抗装备敏捷地决策出最优的对抗策略。除此之外, 还应对对抗效能进行在线评估, 并实时反馈以便优化决策, 不断提升认知电子战的作战效能。
实现途径上, 一方面要最大限度利用先验知识与侦察数据, 构建针对典型辐射源目标和信号波形的动态威胁数据库和模型库, 生成干扰策略预案集, 并利用实时数据实现对先验知识库的动态更新, 战时根据环境对预案稍加修正而得出决策;另一方面也要通过动态规划、Q-学习等强化学习方法, 结合人在回路的控制, 从多源化的海量数据中不断总结和积累经验性知识, 从而逐步提高算法的时效性。
4.4 智能化
智能化战争已被很多人认为是信息化战争之后的下一代战争形态, 因此所有武器装备、作战体系都应该朝着智能化的方向发展。随着有源相控阵雷达等装备的广泛应用, 各种灵巧、敏捷的自适应雷达和认知雷达将会成为战场态势感知网络中的关键节点, 传统大功率压制干扰方式已无法满足功率、成本、隐蔽性、高效性等[7]对抗需求, 需要电子战系统以更加智能的方式, 自适应地决策并实施对抗措施。
体系对抗中, 认知电子战系统必须具备对快速动态变化环境实时有效感知的能力, 需要认知电子战系统具备自学习、自适应的能力, 从而能够根据目标辐射源的型号类型、信号波形、行为模式等特征自主地决策出最优的对抗策略。因此, 未来的认知电子战应以自主学习能力为核心, 覆盖智能感知、智能推断和智能决策等三个关键环节。
以雷达对抗为例, 实现智能化的关键是对雷达辐射源行为的认知。智能感知表现为对雷达辐射源的特征进行提取、对其行为模式和规律的建模, 不断将新获取的辐射源信号数据代表的威胁等级进行评估和分类;与智能推断对应的是对雷达辐射源行为的准确辨识, 包括其工作状态、工作模式等等;智能决策则是以对雷达下一步行为的预测为基础, 针对性地进行对抗措施的决策和优化。
4.5 泛在化
未来的体系作战中, 争夺制信息权、控制电磁频谱的较量将存在于作战的各个物理域, 因此认知电子战的博弈将无处不在, 呈现出分布式、网络化的特点。另一方面, 要实现认知从信号、数据到信息, 再到知识的转变, 也需要接入云端的泛在化计算能力作为支撑。
泛在的认知电子战各子系统之间不是孤立的, 而是呈分布式布局。侦察系统将由众多不同类型的侦察装备以组网形式构成, 通过信息链路的交互实现功能的优化组合, 并根据战场环境和作战任务规划统一分配和使用侦察引导信息。干扰系统则将所属干扰资源按照一定的优化准则展开布设, 对各干扰机进行协同引导和控制, 制定最优干扰策略, 达成协调、有序的干扰效果。因此, 体系对抗下的电子战系统将具有较高的分布部署密度, 能够在指定区域内实现对抗效能的最大化。
泛在的认知电子战侦收到的大量雷达辐射源和无线通信信号流, 将在智能算法的辅助下成为可靠的数据源。在此基础上围绕大数据的采集存储、分析挖掘和可视化也将成为认知电子战能力建设的重要方向。
5 结束语
现代战争是信息化的联合作战, 更是体系对抗的战争。在这一背景下, 作战双方在电磁频谱领域对于制信息权的争夺将愈发激烈。作为电子战领域前沿的发展方向, 认知电子战在态势感知、对抗措施融合及效能评估方面革命性的优势, 都将为战场带来颠覆性的变化。
结合信息化战争下体系对抗的特点可知, 认知电子战的发展将呈现出认知行为融合化、认知响应协同化、认知算法实时化、对抗决策智能化和分布式网络泛在化的趋势。本文对这一趋势的分析, 能够为确定认知电子战装备研发技术路线提供方向性参考, 为研究新的电子对抗技术提供思路借鉴。
参考文献
[1]ENGSTROM J.Systems confrontation and system destruction warfare:How the Chinese People’s liberation army seeks to wage modern warfare[R].CA:RAND Corporation, 2018:2.
[2]周波, 戴幻尧, 乔会东, 等.基于“OODA环”理论的认知电子战与赛博战探析[J].中国电子科学研究院学报, 2014, 9 (6) :556-562.
[3] 王沙飞, 杨健, 刘阳.具有认知能力的电子战技术[J].现代军事通信, 2016, 24 (4) :1-5.
[4]戴幻尧, 周波, 雷昊.认知电子战的关键技术发展动态与分析[J].飞航导弹, 2014 (9) :57-60.
[5]HAYKIN S.Cognitive radar:A way of the future[J].Signal Processing Magazine IEEE, 2006, 23 (1) :30-40.
[6]DARPA.Behavioral learning for adaptive electronic warfare (BLADE) [EB/OL].[2018-12-17].https://www.darpa.mil/program/behavioral-learning-for-adaptive-electronic-warfare.
[7] 陈越.认知电子战综述[J].电子侦察干扰, 2015, 36 (3) :1-7.
[8]王沙飞, 鲍雁飞, 李岩.认知电子战体系结构与技术[J].中国科学:信息科学, 2018, 48 (12) :19-29, 125.
[9]DARPA.Communications under extreme RF spectrum conditions (CommEx) [EB/OL].[2018-12-12].https://www.darpa.mil/program/communications-under-extreme-rf-spectrumconditions.
[10]DARPA.Adaptive radar countermeasures (ARC) [EB/OL].[2018-12-21].https://www.darpa.mil/program/adaptiveradar-countermeasures.
[11]ONR.Cognitive electronic warfare program[EB/OL].ONR-BAA13-005, [2018-12-21].http://www.onr.navy.mil/Contracts-Grants/Funding-Opportunities/Broad-Agency-Announcements.aspx.
[12]KADAMBE S, HAAN B, FUEMMELER J, et al.Cognitive networked electronic warfare.US8494464-B1[P].
[13]CORP H.Disruptor SRxTM[EB/OL].[2018-12-22].https://www.harris.com/solution/disruptor-srx.
[14]DARPA.Near zero power RF and sensor operations (N-ZERO) [EB/OL].[2018-12-17].https://www.darpa.mil/program/near-zero-rf-and-sensor-operations.
[15]DARPA.Radio frequency machine learning systems (RFMLS) [EB/OL].[2018-12-22].https://www.darpa.mil/program/radio-frequency-machine-learning-systems.
[16]李云杰, 朱云鹏, 高梅国.基于Q学习算法的认知雷达对抗过程设计[J].北京理工大学学报, 2015 (11) :1194-1199.