人工智能技術作爲一種新興技術受到了廣泛關注，越來越多力量都期望能夠利用人工智能技術形成在電磁領域的技術優勢，牢牢抓住電磁領域信息作戰的主動權，拉開與潛在對手的電子戰裝備的技術差距。

現代戰爭是高技術條件下的信息化戰爭。隨着信息化技術的不斷進步，戰爭日益依賴高技術設備，自20世紀70年代信息革命爆發至今，信息技術已歷經近半個世紀的發展，形成了體系完備的產業集羣並滲透到很多領域，尤其在軍事領域中大放異彩。在此大環境驅使下，人工智能作爲一種新型的技術受到越來越多的重視。人工智能武器的出現，將“人對人”的戰爭轉化爲了“機器自主殺人”的戰爭，即從根本上改變了戰爭的方式。越來越多的國家將發展人工智能提升到了國家戰略的層次，在政策、資金等方面給予了很大支持。以美國爲代表的世界軍事強國，早已預見到人工智能技術在軍事領域的廣闊應用前景，並已經展開了在智能化上的競賽。美國還相繼提出了“第一、二次抵消戰略”及“第三次抵消戰略”，希望利用人工智能和機器人等技術保持對潛在對手的軍事優勢。

在電子戰領域，尤其是雷達對抗方面，常規手段在時效性、準確性、抗毀性、打擊能力、自適應等方面不能滿足當前戰場需求。人工智能技術作爲一種新興技術受到了廣泛關注，越來越多力量都期望能夠利用人工智能技術形成在電磁領域的技術優勢，牢牢抓住電磁領域信息作戰的主動權，拉開與潛在對手的電子戰裝備的技術差距。

01

人工智能技術的發展

人工智能的概念

人工智能（artificial intelligence，AI）涉及到研究、擴展延伸、模擬人智能的相關內容。1956年，在美國達特茅斯召開了一次學術會議上正式出現了“人工智能”這個術語，首次將像人類那樣思考的機器稱爲“人工智能”，被看作是人工智能正式誕生的標誌。此後不久，麥卡錫與明斯基兩人共同創建了世界上第一座人工智能實驗室，開始從學術角度對 AI展開嚴肅而精專的研究。人工智能最基本的概念是指通過機器爲載體，使機器具有一定的人的表達能力與思維方式，它是關於知識的學科，是如何表達、獲取知識並實際應用的科學技術。

人工智能技術的發展狀況及其應用

自從人類象棋冠軍Garry Kasparov被IBM公司所研發出的電腦擊敗以後，人工智能技術迅速進入人們的視野。從本質上來講人工智能是計算機學科當中的一個重要的分支，人們最初去研究人工智能技術的原因是希望計算機能夠像人類的大腦一樣進行思考，但是到目前爲止，人們對自身大腦的瞭解程度還遠遠不夠，模仿大腦的工作更是難上加難，儘管在過去很長一段時間內科學家爲之付出了很大努力。

人工智能在近幾十年的大致發展趨勢如圖 1 所示。由圖 1可以看出：1943年人工智能開始萌芽，人工智能主要以人工神經網絡的形式存在；1956年正式誕生，並逐步進入了上升期，啓發式算法知識推理等開始盛行；而進入20世紀60年代以後，開始了模糊邏輯進化策略，這一時期也是人工智能技術發展的延遲期；20世紀70年代以後，專家系統遺傳算法等開始出現，人工智能技術在這一時期取得了很大的突破；20世紀80年代至今，又步入了一個新的發展階段，越來越多的技術以及算法不斷成熟，並且在很多領域得到了應用。

圖 1 人工智能發展趨勢

1)國內發展態勢

民用方面，阿里巴巴網絡技術有限公司和騰訊計算機系統有限公司爲了獲得更多的連接面，把主要的精力投放在了橫向圈地動作上。百度公司則以技術爲核心，重在進行人工智能和深度學習領域的佈局。百度雲則是結合了深度學習技術提供的人臉識別及檢索技術，使用了類似於人腦思維的方式去識別、搜索圖片中的物體及其他內容，其語音識別系統可以在嘈雜環境下實現近81%的辨識準確率。與此同時，百度公司已經建成了被稱爲“百度大腦”的大規模深度神經網絡，目前完全可以理解分析200億個參數，達到了2~3歲幼兒的智力水平。縱觀中國人工智能技術與產業發展，很多科研院所、企業單位等均已經開展深度學習理論算法、建模等方面的研究。關於人腦網絡結構與認知結構的研究也開始陸續開展，人工智能的相關技術也開始實現產品化應用。

軍用方面，中國很早就開始探索人工智能技術在軍事領域的應用。“十三五”規劃指出：未來5~10年，國家將重點推動人工智能規模化應用。“十三五”國家科技創新規劃指出：發展智能綠色服務製造技術，發展智能感知、智能控制、智能機器人等技術，圍繞建設製造強國，大力推進製造業向智能化、綠色化發展。目前，國內無人系統已經廣泛應用於反恐、偵察、遠程精確打擊、軍事訓練、邊境巡邏、作戰支援等，並在蜂羣無人機和指揮控制方面取得了一定的突破，巡航導彈在路徑規劃和目標識別方面也採用了人工智能技術。此外，在自主多用途作戰機器人系統、軍用飛機“副駕駛員”系統、武器裝備的自動故障診斷與排除系統、智能電子戰系統、人工智能武器等武器裝備中均應用了人工智能技術。

2)國際發展態勢

人工智能技術在民用方面的發展重點由主要的互聯網公司進行推動。例如谷歌公司基於對人工神經網絡的研究，開發出了一種新型的學習算法，能夠模仿人腦學習和記憶的原理，具有對數據進行歸納整理及進一步預測推斷等能力。Facebook公司致力於利用好人工智能技術進行用戶數據分析以提升用戶體驗，主要針對用戶信息和關係的人工智能算法演進，同時也關注圖像識別和自然語言處理，其臉部識別算法的準確度已達到97%。IBM公司是依託自身計算基礎重點部署大規模計算能力，研製可以模擬人類大腦的芯片。除此之外，近年以來，國際上也陸續開展了對於人腦的模擬和研究，一方面是希望通過模擬人腦來促進醫學發展，另一方面則是希望通過研究人腦的學習機制推動學習算法、人機交互及神經計算等科學技術的進一步發展。

人工智能技術在軍用方面，美國和以色列等國家在走在了世界前列。美國軍方一直以來都很重視人工智能方向的發展，2013年以來接連發布了《爲人工智能的未來做好準備》和《國家人工智能研究與發展戰略規劃》。目前，美國的無人機系統倉儲量大幅度提高，甚至制定了“無人系統集成路線圖”，試圖在2038年前全面發展空中、地面、海洋三大領域的無人自動系統。以色列現已擁有Orbiter、Aerostar、Domintor等一系列無人機，並且擁有導航系統和人機界面等。以色列國防軍Sigma分支一直致力於將深度學習、機器學習、視頻分析等技術用在軍事領域，並且已經取得了一些實際成果。例如在兩個神經網絡的基礎上使用240萬幅圖片和視頻訓練出能夠理解和描述視頻的人工智能算法，可用於監控戰場和邊境線。除此之外，以色列還利用3D打印技術製造無人機，並開發出了蛇形機器人，用於沙漠、隧道、廢墟等特定環境。

02

人工智能技術與在雷達對抗中的應用

隨着“制電磁權”在高技術戰爭中地位的提高，世界各軍事強國都意圖加強自己國家的電子作戰能力。人工智能技術與電子戰的結合成爲很多國家追求信息戰發展的方向。1944年6月，德國軍隊依靠自身無線電導航的引導夜襲了倫敦，致使英、德兩國之間展開了一場激烈的無線電導航對抗，此後雷達投入了作戰使用，並很快成爲了放空探測和火炮定位的有力武器，且逐漸成爲了電子戰的重點，其地位和作用不斷提高。當前，國內外在雷達對抗方面都取得了很大的突破。自20世紀末以來，美國分別開展了專家系統恆虛警處理（ESCFAR）和基於數字地圖信息的空時自適應處理（KBMap-STAP）等研究項目；2013年，美國防禦遠景研究規劃局（DARPA）支持了雷達與通信共享頻譜（SSPARC）研究項目；2016年，Greco將認知雷達擴展到被動雷達。

自2008年開始，中國學者在認知雷達領域開展了研究，在環境感知與描述、最優化波形設計、自適應信號處理等方面進行了探索，並取得了一定的研究成果。此外，在雷達目標識別技術研究方面也有比較廣泛的研究基礎，這其中包括利用神經網絡、支持向量機對雷達一維距離像結果的分類識別、合成孔徑雷達（SAR）圖像的分類識別等。主要針對電子戰領域中的雷達對抗，介紹人工智能與雷達對抗相結合的發展概況。

當前，一大批符合未來戰爭需求的雷達對抗新技術、新概念被不斷提出。例如自適應雷達對抗（adaptive radar countermeasures，ARC）、智能雷達幹擾決策支持系統等將在未來電子戰中發揮巨大的作用。下面主要根據自適應雷達對抗介紹人工智能技術在雷達對抗方面的應用。

由美國國防預先研究計劃局啓動的自適應雷達對抗，目的是開發短時間內對抗敵方新型、未知雷達的能力，是第一個真正意義上的認知電子戰項目。該項目是研製一種可以進行信號特徵分析、對抗措施合成以及對抗措施效能評估的閉環系統，系統框圖如圖2所示。

圖2 自適應雷達對抗系統示意

該項目是針對對方空中無線電信號而開發對抗對方自適應雷達系統的電子戰能力，這種能力可以感知周圍複雜電磁環境，並且自動調整，最後實施幹擾。通常傳統的雷達不具有對環境的認知性，不能夠自動識別複雜電磁環境下的未知信號，更不能依據未知的威脅信號實時合成有效的對抗措施。而自適應雷達對抗項目對上述問題進行了很大的優化改善，它可以基於敵方空中無線電信號對抗敵方自適應雷達系統，感知周圍環境並自動調整實施幹擾。

從圖2可以看出，ARC項目充分體現了認知雷達動態閉環反饋功能的認知原理。（1）通過對雷達威脅信號的分析確定威脅的功能和意圖，即對於目標環境的偵察感知。它充分利用了學習領域的支持向量機和神經網絡等方法，展開了對於認知偵察技術的研究，研究的主要內容包括高複雜信號環境下的威脅信號分選、識別和特徵值提取算法，重要的是算法的設計必須要考慮實時性及準確性。（2）自適應的機器學習算法通常需要一定的先驗知識作爲訓練的基礎，並且要求其在工作過程中可以不斷地積累和捕獲新的威脅信號，持續地對數據庫裏積累的新信號進行學習，從而可以逐步提高自身系統對於威脅信號環境的偵察感知能力。（3）根據感知到的威脅信號提取信息，利用當前主流的優化方法，遺傳算法、粒子羣算法（PSO）等推導出進行幹擾的最優化策略，自動合成對抗措施的算法和技術，接着由發射機進行幹擾信號的發射。（4）需要繼續觀察目標信號，通過有效的對比，分析採取幹擾措施前後信號的變化情況，對採取的對抗措施進行精確的現場評測，判斷幹擾信號究竟是否有效，並將評估結果反饋到智能決策，進一步優化策略，從而達到最佳的幹擾效果。總之，ARC 可以將應對新雷達威脅的時間由過去的幾個月甚至一年，縮短至幾分鐘甚至幾秒鐘。

03

需要解決的關鍵問題

威脅信號的提取及其特徵分析

在當前趨勢下，世界各軍事強國都希望能夠引領電磁空間發展，牢牢抓住電子戰的主動權，這導致當今的電磁空間十分擁塞，從而對雷達偵察接收機獲取威脅信號提出更高的要求。如何實時地從其他射頻輻射源的密集複雜電磁環境中分離出威脅信號，是需要關注的問題。針對以上問題，可以考慮將人工智能中的機器學習算法、基於規則的推理及自適應算法等運用到接收機對外界信號的感知中；同時要結合創新的方法對輻射源脈衝進行分析，根據數據庫中心的先驗知識提取威脅信號特徵；此外，要注重這整個過程的實時性和準確性。

軟件算法需要優越的硬件系統

在自適應雷達對抗項目中，很多問題解決的關鍵在於應用了人工智能中的一系列軟件算法。因此需要研究如何使這些軟件算法在雷達對抗系統中發揮出優越的性能，從而對硬件系統提出了要求。必須注意對硬件開發平臺的研究，在硬件系統設計等方面投入更多的精力。

對抗措施合成既幹擾信號的產生

自適應雷達對抗系統在工作時，要求能夠實時地感知危險信息，並且基於信號分析和特徵描述對當前威脅環境的理解無延時地形成對抗措施。這需要在雷達對抗系統中加入一套預編程的技術方案，可以考慮採用一些新的引擎控制模塊（ECM）技術或者是先進的機器學習算法使系統積累一定的經驗模型，並且能夠通過與環境的交互持續地學習積累新的經驗知識，同時要注意幹擾波形的優化問題。

實時的對抗效果評估

當雷達對抗系統發出幹擾信號之後，要對幹擾的效果進行實時評估，這其中包含兩個問題：（1）如何檢測幹擾效果。無法從威脅雷達處直接觀測對抗的效果，需要採用創新的方法進行精確地評估，例如通過威脅雷達波束、帶寬等的變化來評估對抗效果；（2）實時性的問題。可以考慮如何提高射頻前端的響應能力等，同時在軟件方面要注意提升算法的運算速度，也可以在組成硬件系統的新材料或技術等方面進行探索，保證評估的有效性。

安全性和可靠性需要保證

人工智能技術雖然很大程度上發展了雷達對抗裝備，但仍處在一個初級階段，機器對戰場環境的感知處理能力在某些方面未必會超出人類，有時可能會因爲機器的自主性導致一些安全事故。安全性和可靠性問題可能會影響人工智能系統的類型，也會影響它們融入常規的軍事行動計劃。因此，未來需要對安全性和可靠性給予足夠重視，使風險降到最低。

對戰雙方都具備了自適應，加大了對抗的挑戰性

隨着自適應雷達對抗系統的發展，今後的電子戰中，對戰雙方都擁有一定的自適應，這必然會爲戰場環境帶來更多的不確定性及挑戰性，同時這種不確定因素的增多必然對雷達對抗系統的要求更高。任何一種技術，不同的發展程度和運用環境一定會形成優劣對比。因此，若想走在未來電子戰的前列，就需要時刻注意其他力量在相關的發展狀況，力求在裝備技術發展上領先於潛在對手。

發展、培養更多的專業技術人才

當前正處於人工智能發展浪潮中，研究人員都希望通過人工智能技術加強自身領域的發展，但是真正熟悉並掌握技術的人才較少，很多領域均出現了人才短缺的問題，而且大多技術都是在民用領域形成之後才應用於軍事領域。人工智能在雷達對抗中應用的研究人員更加稀缺，如果臨時培養，需花費大量的時間精力，週期較長，無法適應發展需求，因此要加強宣傳工作，招攬真正的人工智能技術人才投身於相關領域的研究中。

一些軍事強國已將人工智能技術引入自適應雷達對抗。分析了人工智能技術與雷達對抗結合所帶來的理想的應用效果。從技術層面、安全性、可靠性以及人才培養等方面總結了繼續深入人工智能與雷達對抗融合發展需要重點解決的關鍵問題。針對未來發展趨勢，人工智能技術將在很長一段時間繼續處於研究熱潮，要把目光放遠、放長，緊跟科學發展腳步，力爭實現成爲技術創新的引領者。

本文作者：劉春生，郝治理，王偉

作者簡介：劉春生，國防科技大學電子對抗學院，副教授，研究方向爲雷達對抗技術；郝治理（共同第一作者），國防科技大學電子對抗學院，碩士研究生，研究方向爲信號與信息處理。

來源：科技導報