張君毅，李 淳，楊 勇

(1.河北省電磁頻譜認(rèn)知與管控重點(diǎn)實(shí)驗(yàn)室，河北 石家莊 050081；2.中國電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

0 引言

當(dāng)今國際形勢風(fēng)云變幻，電磁頻譜和網(wǎng)絡(luò)域的競爭態(tài)勢日益激烈，斗爭常態(tài)化特征日趨顯著。2017年10月，美國戰(zhàn)略與預(yù)算評估中心(CSBA)發(fā)布了《決勝灰色地帶——運(yùn)用電磁戰(zhàn)重獲局勢掌控優(yōu)勢》報告，被稱為是《決勝電磁波——重塑美國在電磁頻譜領(lǐng)域的優(yōu)勢地位》的續(xù)篇。報告指出，電磁戰(zhàn)是美國應(yīng)對低強(qiáng)度軍事行動或準(zhǔn)軍事行動的有效手段[1-2]。

信息已經(jīng)成為現(xiàn)代戰(zhàn)爭重要的戰(zhàn)略資源，為了獲得制電磁頻譜權(quán)，網(wǎng)絡(luò)電磁領(lǐng)域作戰(zhàn)模式正在由以人為主、人在回路向人工智能、人機(jī)協(xié)同轉(zhuǎn)型。認(rèn)知通信對抗系統(tǒng)利用機(jī)器學(xué)習(xí)、自主推理和智能決策等先進(jìn)技術(shù)，在頻譜密集的環(huán)境下實(shí)現(xiàn)在任意時間、任意地點(diǎn)可以自主發(fā)現(xiàn)、識別、跟蹤、瞄準(zhǔn)、交戰(zhàn)與評估任意目標(biāo)，可快速實(shí)現(xiàn)電磁態(tài)勢認(rèn)知和電子干擾策略生成，并通過學(xué)習(xí)目標(biāo)的變化加以優(yōu)化，提高攻擊效能。

1 通信對抗面臨的主要問題和挑戰(zhàn)

隨著通信和網(wǎng)絡(luò)技術(shù)的發(fā)展進(jìn)步，電磁信號呈現(xiàn)出多模式、多制式、智能化、高度自適應(yīng)和快速捷變等特點(diǎn)，認(rèn)知無線電的提出進(jìn)一步加快了信息系統(tǒng)的智能化進(jìn)程，多功能軟件定義波形電臺、認(rèn)知雷達(dá)和認(rèn)知通信等新型目標(biāo)的應(yīng)用日益廣泛，傳統(tǒng)的通信對抗系統(tǒng)面臨以下主要問題和挑戰(zhàn)[3]：

① 對未知目標(biāo)的識別、提取、認(rèn)知與攻擊是未來電子戰(zhàn)裝備面臨的首要問題；

② 對從未出現(xiàn)過的目標(biāo)態(tài)勢提出最優(yōu)對抗策略是發(fā)揮我方攻擊資源效能的最佳方式；

③ 對抗裝備智能化能力不足是應(yīng)對敵方戰(zhàn)場信息智能系統(tǒng)的致命缺陷；

④ 對戰(zhàn)場電磁態(tài)勢攻擊效果無法給出可靠的評估指標(biāo)是阻礙下一步合理行動的關(guān)鍵；

⑤ 對戰(zhàn)場的態(tài)勢不能準(zhǔn)確理解和預(yù)測是影響把控全局的核心因素。

為了適應(yīng)現(xiàn)代戰(zhàn)場復(fù)雜電磁環(huán)境的智能變化，迫切需要建立電磁認(rèn)知作戰(zhàn)的智能架構(gòu)，形成作戰(zhàn)新形態(tài)，獲取智能化電磁作戰(zhàn)能力：

① 對未知目標(biāo)，尤其是新型智能化、認(rèn)知化目標(biāo)具有認(rèn)知能力；

② 對于新出現(xiàn)的目標(biāo)、網(wǎng)絡(luò)，具有優(yōu)化我方資源、實(shí)現(xiàn)有效電子攻擊的快速決策能力；

③ 具有準(zhǔn)確評估、理解戰(zhàn)場電磁態(tài)勢的能力，并做出行為預(yù)測；

④ 具有自主學(xué)習(xí)和持續(xù)進(jìn)化能力。

2 認(rèn)知通信對抗

2.1 總體構(gòu)想

認(rèn)知通信對抗能夠利用人工智能(機(jī)器學(xué)習(xí))技術(shù)快速感知、理解電磁目標(biāo)并形成應(yīng)對措施，同時自動學(xué)習(xí)威脅目標(biāo)的變化，嘗試不同的干擾、策略，從而快速實(shí)現(xiàn)有效對抗，其感知、推理、決策和評估能力以機(jī)器學(xué)習(xí)和推理進(jìn)化為重要支撐。認(rèn)知通信對抗的基本能力和關(guān)鍵技術(shù)如圖1所示。

圖1 認(rèn)知通信對抗的基本能力和關(guān)鍵技術(shù)Fig.1 Capabilities and key techniques of cognitive communication countermeasures

在認(rèn)知通信對抗系統(tǒng)的總體架構(gòu)中，具有內(nèi)在高層特征提取能力的深度學(xué)習(xí)模型、學(xué)習(xí)能力的知識推理模塊以及知識表達(dá)與管理能力的知識庫模塊構(gòu)成了核心動力部分，稱為認(rèn)知引擎，其原理如圖2所示。認(rèn)知引擎通過感知當(dāng)前環(huán)境并不斷生成新知識，產(chǎn)生推動感知設(shè)備、知識庫、推理器、優(yōu)化器以及射頻環(huán)境構(gòu)成閉合環(huán)路持續(xù)工作的動力，其中，知識庫為推理器提供相關(guān)論據(jù)、算法和模型，推理器一方面產(chǎn)生新知識和規(guī)則，另一方面為優(yōu)化器生成認(rèn)知結(jié)果和基本策略，優(yōu)化器則通過增強(qiáng)學(xué)習(xí)方法進(jìn)一步增強(qiáng)邏輯推理能力，獲取最優(yōu)的對抗行動方案。

圖2 認(rèn)知引擎原理Fig.2 Schematic diagram of the principle of cognitive engine

認(rèn)知通信對抗[4-7]將干擾效果建模為主要目標(biāo)，遵循的基本過程是調(diào)整自身參數(shù)和策略來實(shí)現(xiàn)某一期望的(最優(yōu)的)輸出組合，并觀測其結(jié)果，如果觀測結(jié)果與預(yù)測結(jié)果相吻合，則本次對環(huán)境/目標(biāo)的理解和干擾策略正確，如果觀測結(jié)果與預(yù)測結(jié)果不匹配，認(rèn)知引擎會從這次經(jīng)歷中學(xué)到經(jīng)驗(yàn)并嘗試其他配置，認(rèn)知調(diào)整環(huán)基本流程如圖3所示。認(rèn)知通信對抗采用的這種工作概念與當(dāng)前關(guān)于人腦如何工作的觀點(diǎn)類似。人類智能來源于當(dāng)前觀測到的環(huán)境對將來行為的預(yù)測能力。換句話說，大腦首先對感官感覺到的當(dāng)前情景進(jìn)行建模，然后對下一個觀測到的可能狀態(tài)進(jìn)行預(yù)測。當(dāng)預(yù)測和現(xiàn)實(shí)不匹配時，大腦通過進(jìn)一步處理二者的偏差進(jìn)行學(xué)習(xí)，并且將這一偏差綜合到以后的建模中。

圖3 認(rèn)知調(diào)整環(huán)基本流程Fig.3 Workflow of cognitive loop

2.2 動態(tài)感知

復(fù)雜戰(zhàn)場環(huán)境存在檢測難、識別難的問題，開展基于機(jī)器學(xué)習(xí)的智能動態(tài)感知技術(shù)研究，探索智能感知的新機(jī)理、新方法和新技術(shù)，形成具有“智能化”特征的電磁頻譜偵察能力，是解決戰(zhàn)場環(huán)境面臨的電磁密集復(fù)雜、動態(tài)多變等問題的有效技術(shù)途徑，其工作流程如圖4所示。

圖4 動態(tài)感知工作流程Fig.4 Workflow of dynamic perception

利用卷積神經(jīng)網(wǎng)絡(luò)[8]、隨機(jī)森林、自適應(yīng)增強(qiáng)、K近鄰法、樸素貝葉斯、決策樹和支持向量機(jī)等基于人工智能的方法，可以解決通信信號動態(tài)感知問題，包括寬頻帶信號檢測、輻射源個體識別[9-10]，其網(wǎng)絡(luò)結(jié)構(gòu)如圖5和圖6所示。

圖5 寬頻帶信號檢測網(wǎng)絡(luò)Fig.5 Network of signal detection in wide band

圖6 輻射源個體識別網(wǎng)絡(luò)Fig.6 Network of emitter individual identification

2.3 自主決策

高動態(tài)、強(qiáng)對抗、未知信號、智能設(shè)備充斥的電磁環(huán)境下，基于固定干擾模板庫的經(jīng)典干擾方式無法適應(yīng)快速變化的智能對抗環(huán)境。綜合利用信號特征和知識庫中的先驗(yàn)信息，通過搜索、推理獲取干擾策略，進(jìn)行干擾資源分配和最優(yōu)化處理后生成干擾波形，其中，干擾策略知識庫包含干擾設(shè)備屬性、干擾工作模式、推理規(guī)則集合、決策樹和推理算法等內(nèi)容，并具有根據(jù)當(dāng)前干擾策略運(yùn)行效果進(jìn)行修正和更新的能力。

基于生成式對抗網(wǎng)絡(luò)的波形自主產(chǎn)生算法[11]、基于案例的推理算法、基于博弈論的策略生成算法均屬于智能化推理決策技術(shù)，其基本原理如圖7、圖8和圖9所示。

圖7 生成式對抗網(wǎng)絡(luò)工作流程Fig.7 Workflow of generative adversarial networks

圖8 基于案例的推理工作流程Fig.8 Workflow of reasoning based on cases

圖9 基于博弈論的深度強(qiáng)化學(xué)習(xí)原理Fig.9 Principle of deep reinforcement learning based on game theory

2.4 效果評估

對抗效果評估是觀察、定位、決策和行動環(huán)路的重要組成部分，主要功能是根據(jù)實(shí)施干擾前后目標(biāo)特征變化評估對抗效果，為優(yōu)化干擾策略提供依據(jù)，這也是認(rèn)知通信對抗區(qū)別于傳統(tǒng)方法的核心環(huán)節(jié)。對抗效果評估主要包括以下能力：

① 基于大數(shù)據(jù)的目標(biāo)常態(tài)、干擾狀態(tài)用頻模型構(gòu)建能力；

② 實(shí)時采集評估數(shù)據(jù)能力；

③ 目標(biāo)行為實(shí)時分析能力；

④ 博弈狀態(tài)下目標(biāo)行為動態(tài)分析能力。

基于非合作方的干擾效果評估方法，由偵察傳感器截獲目標(biāo)信號，引導(dǎo)干擾機(jī)對目標(biāo)信號實(shí)施干擾，同時通過對被干擾目標(biāo)信號參數(shù)變化進(jìn)行反推來實(shí)現(xiàn)基于干擾方的效能評估。即通過分析威脅目標(biāo)頻率、發(fā)射功率、調(diào)制樣式、編碼方式、通信體制和波束掃描等行為是否變化[12-13]，判斷其工作狀態(tài)轉(zhuǎn)換，并結(jié)合威脅目標(biāo)行為模型，綜合評估干擾效果。干擾效果評估原理示意如圖10所示。

圖10 干擾效果評估原理示意Fig.10 Principle schematic diagram of jamming effects assessment

樣本庫的建立是重要核心，主要包括平時偵察的目標(biāo)信號特征、干擾前后的行為變化和對應(yīng)的干擾效果類別。其中，信號特征包括頻率、工作模式、調(diào)制樣式、帶寬、數(shù)據(jù)速率、編碼方式、發(fā)射功率和空間位置等參數(shù)；行為特征包括上述特征的變化，以及是否采用了抗干擾措施。

對抗效果評估過程主要包括訓(xùn)練和判別2個階段。訓(xùn)練階段是指通過平時偵察以及人工情報，獲得目標(biāo)的特征參數(shù)以及干擾對象在受擾前后的行為變化特征和對應(yīng)的干擾效果類別，通過人工分析建立訓(xùn)練樣本，并訓(xùn)練推理器。判別階段是指在戰(zhàn)時條件下，對目標(biāo)信號進(jìn)行偵察，獲得特征以及受擾前后的變化情況，送入推理器進(jìn)行識別，得到本次干擾的對抗效果評估結(jié)果。

3 結(jié)束語

2019年5月，“老烏鴉”協(xié)會第23屆歐洲電子戰(zhàn)年會開幕式上提出：在面對未來更加復(fù)雜的威脅時，電子戰(zhàn)系統(tǒng)的設(shè)計重點(diǎn)是有效對抗當(dāng)前與未來的目標(biāo)，并能夠快速升級。這與認(rèn)知通信對抗的發(fā)展初衷不謀而合，未來的認(rèn)知通信對抗系統(tǒng)不僅可以適應(yīng)新型目標(biāo)網(wǎng)絡(luò)和復(fù)雜態(tài)勢，而且具有準(zhǔn)確評估戰(zhàn)場電磁態(tài)勢、做出行為預(yù)測的能力，是提升電磁空間的作戰(zhàn)能力和整體優(yōu)勢、奪取制電磁權(quán)的重要手段，也是信息化條件下聯(lián)合作戰(zhàn)取得勝利的基本保障。