作者：TIM FOUNTAIN，LEANDER HUMBERT

隨著當(dāng)今新出現(xiàn)的威脅，利用靜態(tài)威脅庫的傳統(tǒng)雷達和電子戰(zhàn) （EW） 系統(tǒng)方法容易受到以非傳統(tǒng)模式運行的“模式敏捷”或戰(zhàn)時儲備模式 （WARM） 威脅的攻擊。使用基于閉環(huán)集成記錄、分析和回放系統(tǒng) （IRAPS） 的硬件在環(huán)/軟件在環(huán) （HIL/SIL） 系統(tǒng)是訓(xùn)練、評估和改進人工智能和機器學(xué)習(xí)（AI 和 ML）算法的絕佳測試平臺，這些算法是實施下一代認知雷達和電子戰(zhàn)系統(tǒng)并保護生命和資產(chǎn)免受未知威脅所需的。

認知RF［射頻］系統(tǒng)通過將RF頻譜轉(zhuǎn)換為RF數(shù)據(jù)流來感知RF頻譜。通過推理和理解數(shù)據(jù)流的上下文，系統(tǒng)做出自主判斷并確定行動方案，而無需人工干預(yù)。該系統(tǒng)的最終目標(biāo)是拒絕對手使用RF頻譜（電子攻擊或EA），保護平臺，例如通過采用抗干擾技術(shù)來保護通信鏈路（電子保護或EP）和/或向另一個系統(tǒng)提供支持信息（電子支持或ES）。認知系統(tǒng)使用情境感知、學(xué)習(xí)、推理、互動和行動的連續(xù)反饋循環(huán)。

隨著當(dāng)今新出現(xiàn)的威脅，使用靜態(tài)威脅庫的傳統(tǒng)雷達和電子戰(zhàn) （EW） 系統(tǒng)方法（如圖 2 所示）容易受到以非傳統(tǒng)模式運行的“模式敏捷”或戰(zhàn)時儲備模式 （WARM） 威脅的攻擊。在靜態(tài)威脅系統(tǒng)中，反導(dǎo)雷達等傳統(tǒng)威脅的特征在于其工作參數(shù)，如中心頻率、占用帶寬、跳頻特性、調(diào)制、脈沖重復(fù)間隔（PRI）以及其他已知、重復(fù)和可量化的參數(shù)。靜態(tài)威脅庫方法根據(jù)數(shù)據(jù)庫匹配這些參數(shù)并對其進行分類。分類威脅可能會轉(zhuǎn)換為脈沖描述詞（PDW）并饋送到平臺上的其他系統(tǒng)，其中一些系統(tǒng)可能會部署對策。

WARM 威脅是為戰(zhàn)時或緊急使用而保留的信號特征和操作程序，不符合靜態(tài)威脅庫中的預(yù)定義參數(shù) 這些模式可能包括新的工作頻率、調(diào)制技術(shù)、脈沖重復(fù)間隔和跳頻模式。靜態(tài)威脅技術(shù)無法將WARM模式與數(shù)據(jù)庫相匹配，因此電子保護，攻擊和支持（EP，EA和ES）系統(tǒng)無法應(yīng)對此威脅。在嚴(yán)重沖突之外看不到 WARM 模式。

［Figure 2 | Traditional static-library radar/EW system is shown.］

在認知或自適應(yīng)雷達/電子戰(zhàn)系統(tǒng)中，人工智能（AI）和機器學(xué)習(xí)（ML）技術(shù)被應(yīng)用于傳入頻譜，以開發(fā)一種應(yīng)對頻譜中動態(tài)感知威脅的方法。WARM 威脅完全有可能檢測到它遇到了使用認知 AI/ML 技術(shù)的系統(tǒng)，并且本身可能會持續(xù)更改其操作參數(shù)。這需要靈活性來快速適應(yīng)不斷變化的威脅。

認知雷達/電子戰(zhàn)系統(tǒng)的實施存在幾個挑戰(zhàn)：

在遇到威脅的戰(zhàn)術(shù)邊緣需要大量的計算資源。計算資源可以結(jié)合FPGA（現(xiàn)場可編程門陣列）GPGPU和多核主機處理器來實現(xiàn)AI/ML算法。平臺內(nèi)計算元素必須滿足劇院內(nèi)操作條件的惡劣環(huán)境。

有效的系統(tǒng)需要最大限度地減少檢測到計數(shù)器的時間或RF輸入到RF輸出的延遲，以提高平臺的生存能力。這是設(shè)計和實施的挑戰(zhàn)，因為 GPGPU 和 COTS ［商用現(xiàn)貨］ 數(shù)據(jù)轉(zhuǎn)換器是深度流水線的，這增加了系統(tǒng)延遲設(shè)計預(yù)算。

從本質(zhì)上講，WARM 發(fā)射器可能會在意想不到的頻段中工作，在更寬的帶寬上跳躍，并使用寬帶調(diào)制技術(shù)。這種工作模式需要寬帶寬RF頻譜凝視，這在系統(tǒng)動態(tài)范圍和本底噪聲方面有其自身的挑戰(zhàn)，會影響對峙、檢測和干擾范圍。更寬的帶寬要求也使數(shù)據(jù)移動和處理任務(wù)復(fù)雜化。

寬帶認知 AI/ML 系統(tǒng)使用更多的電力，這推動了尺寸、重量、功率和成本 （SWaP-C） 的要求——所有這些都必須始終在較小的自主平臺上進行優(yōu)化，例如無人機系統(tǒng) （UAS）。

模式捷變發(fā)射器也可能進入“低截調(diào)概率”模式，這需要更高分辨率的模數(shù)轉(zhuǎn)換器（ADC）和數(shù)模轉(zhuǎn)換器（DAC）。

平臺需要能夠共享信息，這需要可靠的通信鏈接。它們還需要一個通用的時間參考，例如GPS，以確保在測向和地理標(biāo)記發(fā)射器時使用空間和時間信息。傳統(tǒng) GPS 容易受到干擾、欺騙和欺騙;有保證的位置、導(dǎo)航和定時 （PNT） 需要成為系統(tǒng)級解決方案的一部分。

認知雷達/電子戰(zhàn)系統(tǒng)的要素

認知雷達/電子戰(zhàn)系統(tǒng)使用人工智能，人工智能使用計算機科學(xué)將非人類智能應(yīng)用于模擬人類推理和解決問題技能的系統(tǒng)。ML 中使用的常見 AI 技術(shù)是人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)/深度神經(jīng)網(wǎng)絡(luò)、模糊邏輯和遺傳算法。

圖3顯示了認知雷達/電子戰(zhàn)系統(tǒng)的框圖。它由以下功能塊組成：

RF采集：RF采集模塊將RF頻譜轉(zhuǎn)換為數(shù)字數(shù)據(jù)流。一個或多個天線信號被路由到信號調(diào)理系統(tǒng)，該系統(tǒng)對信號進行濾波、放大和/或衰減，以確保最大的動態(tài)范圍。其次是ADC的下變頻和數(shù)字化。數(shù)字數(shù)據(jù)可以使用DSP，例如數(shù)字濾波、數(shù)字下變頻、重采樣、解調(diào)或數(shù)字波束成形。

搜索和跟蹤系統(tǒng)：搜索和跟蹤系統(tǒng)持續(xù)監(jiān)控一個或多個頻段，以確定到達角（AoA）和發(fā)射器位置。

核心 AI/ML 系統(tǒng)：核心 AI/ML 系統(tǒng)由 AI 分析引擎組成，用于確定有關(guān)信號的關(guān)鍵參數(shù)信息，例如 PRI、脈沖寬度、信號功率、到達極化時間 ［ToA］ 和 AoA。核心 AI/ML 系統(tǒng)還包括來自其他傳感器的數(shù)據(jù)，例如光電、導(dǎo)航、導(dǎo)彈感知等。這些信息被傳送到威脅庫，提供電子戰(zhàn)場和電子戰(zhàn)斗秩序的演變視圖;該庫還包含先前識別的感興趣信號。信號分析和推理AI塊通過將信號與數(shù)據(jù)庫進行比較來確定識別的信號是友好發(fā)射還是潛在威脅。人工智能支持系統(tǒng)主要用作擬議行動方案的最終決策仲裁者，并將威脅和建議的行動傳達給平臺和運營商的其余部分。AI 驅(qū)動的威脅計數(shù)器解決方案可在多個域（例如時間、頻率和幅度）中確定信號的關(guān)鍵參數(shù)，無論是干擾、欺騙還是其他內(nèi)容。

波形合成：波形合成塊解釋威脅計數(shù)器解決方案塊的輸出，并生成表示計數(shù)器數(shù)字實現(xiàn)的數(shù)字流。

射頻生成：RF發(fā)生模塊與RF采集模塊相反。它由DSP和DAC組成。上變頻器將基帶模擬信號轉(zhuǎn)換為RF信號，然后進行信號調(diào)理，如濾波、衰減等。信號在傳輸前被放大，以確保它有足夠的功率來干擾或欺騙威脅。

［圖3 |框圖列出了一個認知雷達/電子戰(zhàn)系統(tǒng)。

訓(xùn)練認知雷達/電子戰(zhàn)系統(tǒng)的挑戰(zhàn)

ML 中使用的 AI 技術(shù)需要豐富的訓(xùn)練數(shù)據(jù)。訓(xùn)練是用代表性的信號樣本集“饋送”算法，分析算法的有效性，修改和改進算法并在循環(huán)中重復(fù)訓(xùn)練的過程。這種迭代過程（稱為RF硬件在環(huán)（RFHIL））很長，因此非常適合自動化。RFHIL可應(yīng)用于初始算法開發(fā)和評估;回歸測試;在重新編程實驗室中，建立任務(wù)數(shù)據(jù)集，為在沖突或有爭議的環(huán)境中部署做準(zhǔn)備;在任務(wù)執(zhí)行之前的操作層面，以確保雷達/電子戰(zhàn)系統(tǒng)正常運行。

獲取數(shù)據(jù)集

現(xiàn)實世界的集合不太可能捕獲WARM信號。采集過程仍然可以獲得有價值的真實信號，這些信號在硬件在環(huán)/軟件在環(huán)（HIL/SIL）實驗室中很有用，因為它們包含具有干擾、信噪比差、衰落、多徑和其他像差的代表性信號。AI/ML 系統(tǒng)還可用于去交錯和分類在復(fù)雜的現(xiàn)實世界射頻環(huán)境中通常難以辨別的信號 AI/ML 系統(tǒng)可用于提取感興趣的信號并將其保存為潛在的未來訓(xùn)練數(shù)據(jù)集。

建模和仿真（M&S）軟件，如Matlab，Simulink，R&S脈沖序列器和其他商用軟件包可用于創(chuàng)建訓(xùn)練數(shù)據(jù)集。它們通過添加干擾源、噪聲和其他像差，使原型具有幾乎無限的變化，并促進復(fù)雜場景的生成，例如在低風(fēng)險、受控的實驗室環(huán)境中生成多個移動發(fā)射器。

可以使用集成的記錄、分析和回放系統(tǒng) （IRAPS） 完成 AI/ML 系統(tǒng)的訓(xùn)練。IRAPS 系統(tǒng)的核心是 ERISYS SigPro，它是一種高性能矢量信號處理器和服務(wù)器，具有 8 到 64 個內(nèi)核、8 x 256 GB 系統(tǒng)內(nèi)存、Gen-4 PCIe、總線、工作站顯卡和高達 60 TB 的高速 SSD，可以存儲數(shù)千個訓(xùn)練集。SigPro 具有 10 或 100 Gb 以太網(wǎng)，可實現(xiàn)快速數(shù)據(jù)移動。SigPro 包括一個大型 FPGA 開發(fā)板，用于 FPGA 算法原型設(shè)計和 IQ 數(shù)據(jù)流的在線 DSP。SigPro還通過以太網(wǎng)協(xié)調(diào)系統(tǒng)通信和配置，并存儲訓(xùn)練運行的結(jié)果以供進一步分析。

使用的矢量信號發(fā)生器R&S SMW200A產(chǎn)生RF波形。它通過光纖 QSFP+ 連接器連接到 SigPro，支持高達 1 GHz 的 IQ 數(shù)據(jù)。SMW可以產(chǎn)生兩個獨立的射頻信號，可以是兩個來自SigPro的射頻信號，也可以是一個來自SigPro的信號和一個來自SMW板載存儲器的信號，例如干擾和商業(yè)射頻信號，如地面電視，LTE，5G，GNSS等。這些信號由寬帶放大器放大。

放大后，RF信號被饋送到訓(xùn)練中的系統(tǒng)（SUT）。SUT 可以通過有線接口或帶有天線的空中 （OTA） 接收射頻。如果系統(tǒng)使用 OTA 測試，則可以使用 EMC［電磁兼容性］ 室來確保射頻輻射不會從腔室外部發(fā)出。

從SUT生成的RF響應(yīng)（同樣是有線或OTA）可能需要衰減，然后由矢量信號和頻譜分析儀采集，將1 GHz的RF頻譜轉(zhuǎn)換為反饋給SigPro的IQ數(shù)據(jù)流。該工具還可用于強大的雷達信號分析，具有 60 多種脈沖和脈沖序列分析功能，包括與波形無關(guān)的定時旁瓣測量。相同的工具可用于驗證電磁環(huán)境中的商業(yè)RF信號。多通道示波器也可用于捕獲被測系統(tǒng)的時間和延遲信息。

基于 IRAPS 的閉環(huán) HIL/SIL 系統(tǒng)是訓(xùn)練、評估和改進實施下一代認知雷達和電子戰(zhàn)系統(tǒng)所需的 AI/ML 算法以及保護生命和資產(chǎn)免受未知威脅的出色測試平臺。

審核編輯：郭婷