母政 王昀

【摘要】? ? 雷達(dá)技術(shù)和人工智能技術(shù)的迅速發(fā)展和深度融合，將為智能化雷達(dá)的發(fā)展提供有力的技術(shù)支撐。本文重點討論了智能化雷達(dá)所涉及的信息處理、波形優(yōu)化、抗干擾、目標(biāo)識別等關(guān)鍵技術(shù)發(fā)展，認(rèn)為必須加強對于智能化雷達(dá)及其關(guān)鍵技術(shù)的研究，這既是雷達(dá)技術(shù)發(fā)展的需要，更是提高雷達(dá)作戰(zhàn)能力的關(guān)鍵。

【關(guān)鍵詞】? ? 雷達(dá)? ? 人工智能? ? 關(guān)鍵技術(shù)

Development of key technologies in intelligent radar

Abstract：? ? rapid development and deep integration of radar and AI technologies are the solid foundation for the development of intelligent radar. In this paper， concept and development conditions are introduced at first， and then focus on key technologies of intelligent radar. It is important and necessary to promote the development and research on intelligent radar and its key technologies since this is critical to the development of radar technologies and enhancement of radar operation capability

Key words：? ?radar， AI， key technology，

引言：

當(dāng)今國內(nèi)外雷達(dá)研究領(lǐng)域科研人員聚焦于將現(xiàn)代雷達(dá)技術(shù)與人工智能技術(shù)進行深度融合，智能化雷達(dá)技術(shù)得到了進一步發(fā)展。現(xiàn)代化戰(zhàn)爭中，高科技武器的信息化和智能化程度在不斷提高。雷達(dá)在面對低空及超低空突防、敵方電子干擾、隱型戰(zhàn)機及高速反輻射導(dǎo)彈等常規(guī)威脅的同時，還需要具備多功能特性，如處理多目標(biāo)、執(zhí)行多任務(wù)以及具有多種工作模式等。因此，雷達(dá)需要具備更高的跟蹤精度、更大的探測范圍、更高的抗干擾性能及更強的目標(biāo)識別能力。傳統(tǒng)雷達(dá)基本不具備隨環(huán)境和目標(biāo)的變化而自動改變工作模式的能力。為滿足當(dāng)前及未來作戰(zhàn)需求，必須對雷達(dá)體制及技術(shù)不斷地進行創(chuàng)新及發(fā)展，采用智能、高效、穩(wěn)健的工作模式及信息處理方法，進一步提升雷達(dá)的探測能力，從而適應(yīng)日益復(fù)雜的作戰(zhàn)環(huán)境。因此，加強智能化雷達(dá)及其關(guān)鍵技術(shù)研究，既是雷達(dá)技術(shù)發(fā)展的需要，更是提高雷達(dá)作戰(zhàn)能力的關(guān)鍵[1][2]。

智能化雷達(dá)是人工智能相關(guān)技術(shù)與雷達(dá)技術(shù)進行融合而形成的新型雷達(dá)系統(tǒng)。智能化雷達(dá)的根本是對知識進行學(xué)習(xí)并不斷積累，從而實現(xiàn)高度自主化及精確化的目標(biāo)及環(huán)境感知，其基于信息熵理論，通過自適應(yīng)優(yōu)化發(fā)射接收的方式工作，基于目標(biāo)特征進行探測。其功能特性主要體現(xiàn)在以下三個方面：一是能夠通過持續(xù)性自主學(xué)習(xí)及能力優(yōu)化來提升雷達(dá)系統(tǒng)對于環(huán)境的適應(yīng)能力;二是能夠基于數(shù)據(jù)提取特征來降低模型誤差，進一步提升雷達(dá)對于目標(biāo)的探測及識別能力;三是能夠?qū)v史數(shù)據(jù)與多源數(shù)據(jù)進行融合，實現(xiàn)精細(xì)化的處理。智能化雷達(dá)的概念目前正在發(fā)展和形成過程中，對智能化雷達(dá)的理解與認(rèn)識隨著研究的深入將會逐步深化[3]。

一、智能化雷達(dá)關(guān)鍵技術(shù)發(fā)展概況

在智能化雷達(dá)向更為高級的智能形態(tài)演進的過程中，需要對以下關(guān)鍵技術(shù)給予高度關(guān)注及深入研究，以進一步推動智能化雷達(dá)的發(fā)展，使其具備智能化環(huán)境感知、信息處理、決策反應(yīng)及行動控制等自主能力。

1.1智能信息處理技術(shù)

在當(dāng)前的戰(zhàn)場環(huán)境中，雷達(dá)容易受到山地、海面及城市等因素造成的強雜波及噪聲的干擾，當(dāng)對機動性強、隱身性好目標(biāo)的進行探測時，會產(chǎn)生不利影響;此外，雷達(dá)應(yīng)對低空突防的需求愈加突出，使得雷達(dá)在目標(biāo)跟蹤技術(shù)的發(fā)展方面面臨前所未有的挑戰(zhàn)。因此，雷達(dá)系統(tǒng)需要在傳統(tǒng)技術(shù)的基礎(chǔ)上引入智能化技術(shù)來提高雷達(dá)的檢測、跟蹤能力以及實戰(zhàn)性。因此，需要深入研究在較低信噪比及信雜比情況下，有效地對弱目標(biāo)進行檢測及跟蹤的理論及方法。

此類問題常用的改進方法，一是諸如提高發(fā)射機功率及信噪比、增大發(fā)射信號帶寬、采用窄波束、增大天線孔徑等對于雷達(dá)前端進行的性能提升。但這些方法在具體實施上存在局限性;二是在雷達(dá)后端的信號數(shù)據(jù)處理部分尋求方法并加以改進，以提高雷達(dá)弱目標(biāo)跟蹤能力。近年來，相關(guān)的研究人員在該領(lǐng)域開展了大量的探索研究，并取得了一定成果，其中包括檢測前跟蹤（TBD）技術(shù)以及知識輔助（KA）跟蹤方法。TBD與傳統(tǒng)的檢測后再跟蹤的不同之處在于，其不對數(shù)據(jù)進行門限判決，而是對積累的多幀雷達(dá)數(shù)據(jù)進行統(tǒng)一處理，在更高維的空間內(nèi)，分離目標(biāo)回波及雜波噪聲，從而能更好的挖掘目標(biāo)信息、改善檢測跟蹤性能。然而，TBD也具有一定的局限性，其處理難度隨著數(shù)據(jù)點跡的增多而不斷加大，必將消耗大量的系統(tǒng)資源。因此，少有國家將其應(yīng)用于實際軍事行動中。

近年來，知識輔助跟蹤技術(shù)（見圖1）受到的關(guān)注度也較高，這是一種在較低信噪比及信雜的情比況下運用目標(biāo)跟蹤技術(shù)。知識輔助跟蹤技術(shù)可通過調(diào)整虛警概率來保留更多的目標(biāo)點跡，在傳統(tǒng)的檢測跟蹤中將各種知識（如多普勒信息、目標(biāo)特征信息以及地形分布信息等）進行融合，調(diào)整參數(shù)及結(jié)構(gòu)、區(qū)分目標(biāo)及背景回波，可實現(xiàn)強雜波環(huán)境下弱目標(biāo)跟蹤性能的提升或改善，較傳統(tǒng)檢測跟蹤技術(shù)而言具有較大優(yōu)勢。

綜上所述，知識輔助目標(biāo)跟蹤技術(shù)能夠在占用更少雷達(dá)資源的情況下有效提高跟蹤性能。當(dāng)前，對低空飛行目標(biāo)進行監(jiān)視受到越來越多的關(guān)注，因此，有必要對復(fù)雜環(huán)境下的基于知識輔助的弱目標(biāo)跟蹤算法進行深入研究。

1.2自適應(yīng)發(fā)射波形優(yōu)化技術(shù)

發(fā)射波形自適應(yīng)概念的雛形是雷達(dá)系統(tǒng)在多種工作模式中使用不同的工作波形。2002年，波形分集概念及技術(shù)一經(jīng)出現(xiàn)就引發(fā)了研究人員的極大關(guān)注，在雷達(dá)學(xué)術(shù)界掀起了發(fā)射分集和發(fā)射波形自適應(yīng)的研究浪潮。從2004年開始，美國IEEE每兩年召開一次“waveform Diversity and Design”國際會議，旨在完善波形分集的概念并推動其理論研究，屆時還會積極推動通信、雷達(dá)、聲吶等各方專家展示其專業(yè)領(lǐng)域內(nèi)波形方面的研究成果。2007年IEEE Journal of Selected Topics in Signal Processing出版的面向捷變傳感和通信的自適應(yīng)波形設(shè)計（Adaptive Waveform Design for Agile Sensing and Communication）專刊以及2009年IEEE Signal Processing Magazine出版的雷達(dá)系統(tǒng)中的波形捷變（Waveform Agility in Radar Systems）?？?，更是極大地促進了自適應(yīng)發(fā)射波形優(yōu)化技術(shù)的發(fā)展，并進一步深化了其對于行業(yè)的影響。

目前針對雷達(dá)任務(wù)的自適應(yīng)發(fā)射波形優(yōu)化技術(shù)研究主要集中于雷達(dá)目標(biāo)檢測、跟蹤和識別方面的自適應(yīng)波形優(yōu)化，具體包括檢測波形優(yōu)化技術(shù)、估計波形優(yōu)化技術(shù)、識別波形優(yōu)化設(shè)計技術(shù)、抗干擾波形優(yōu)化技術(shù)等幾個方面[3]。

1.3智能抗干擾技術(shù)

應(yīng)不斷提升雷達(dá)對于電磁環(huán)境的感知能力來適應(yīng)戰(zhàn)場復(fù)雜多變的電磁環(huán)境，可通過綜合協(xié)調(diào)雷達(dá)系統(tǒng)的各類技術(shù)來形成優(yōu)化的抗干擾體系，解決雷達(dá)的抗干擾問題。在設(shè)計中，可分別對天線、接收、信號處理、數(shù)據(jù)處理等各環(huán)節(jié)進行綜合的抗干擾處理，從而高層次、全方位地解決雷達(dá)的抗干擾問題。傳統(tǒng)的單項抗干擾措施難以從大量的雷達(dá)抗干擾技術(shù)及算法中選取適合的抗干擾措施，因此需要使用智能化的處理方式。

雷達(dá)智能化抗干擾技術(shù)的關(guān)鍵在于能夠自主識別干擾的類型并采取相應(yīng)的抗干擾措施，實現(xiàn)抗干擾的目標(biāo)。其主要體系構(gòu)成如圖2所示。

雷達(dá)智能化抗干擾體系具有顯著的智能化技術(shù)特征：以寬帶偵察與窄帶通道為基礎(chǔ)進行干擾環(huán)境的認(rèn)知;抗干擾技術(shù)通過對雷達(dá)系統(tǒng)進行綜合設(shè)計來實現(xiàn);首先對干擾進行分類識別，再調(diào)度及處理相應(yīng)的抗干擾措施。

就當(dāng)前的抗干擾技術(shù)而言，自適應(yīng)頻率捷變技術(shù)通過對外部干擾頻率分布進行偵察，自動將雷達(dá)工作頻點跳轉(zhuǎn)至干擾功率最小的頻點，該閉環(huán)過程可視為智能化的過程。因此，此類技術(shù)可視為雷達(dá)智能化抗干擾技術(shù)的初級形態(tài)[4]。

1.4智能目標(biāo)識別技術(shù)

針對實際作戰(zhàn)環(huán)境對目標(biāo)類型、屬性、數(shù)量等的分類和識別要求，采用深度學(xué)習(xí)、支持向量機等機器學(xué)習(xí)理論和方法，提取目標(biāo)和環(huán)境特征并進行模式識別等，從而可有效識別非合作目標(biāo)。其中包括基于深度網(wǎng)絡(luò)的目標(biāo)特征學(xué)習(xí)與識別方法、基于大數(shù)據(jù)小樣本的目標(biāo)分類識別方法、人機協(xié)同目標(biāo)識別方法等。

1.基于深度網(wǎng)絡(luò)的目標(biāo)特征學(xué)習(xí)與識別方法

近年來，人們利用深度學(xué)習(xí)網(wǎng)絡(luò)自主學(xué)習(xí)并表示特征，在智能識別任務(wù)中表現(xiàn)優(yōu)異。研究表明，由于深度網(wǎng)絡(luò)可很好的挖掘圖像的低層特征（如邊界）及中層特征（如形狀），因此在圖像去噪分類識別方面效果顯著。將深度學(xué)習(xí)的模型用于合成孔徑雷達(dá)（SAR）圖像目標(biāo)識別，就可以很好的解決機器學(xué)習(xí)的方法在識別SAR目標(biāo)方面的局限性[5][6]。

2.基于大數(shù)據(jù)小樣本的目標(biāo)分類識別方法

支持向量機（SVM）是基于統(tǒng)計學(xué)理論發(fā)展起來的一種新的模式識別方法，可以看作是一種廣義的線性分類器。SVM具有魯棒性強、泛化能力好、算法復(fù)雜度與特征空間維度不相關(guān)以及局部最優(yōu)解即為全局最優(yōu)解等特性。因此，SVM在解決非線性、小樣本及高維模式識別中具備特有的優(yōu)勢，可較好地解決雷達(dá)目標(biāo)識別中的小樣本學(xué)習(xí)問題。國外許多院校及科研機構(gòu)，如貝爾實驗室、倫敦大學(xué)、麻省理工大學(xué)及微軟研究院等已對SVM的理論和應(yīng)用開展了大量研究，并取得了一定成果[7]。

3.人機協(xié)同目標(biāo)識別方法

在目前的技術(shù)水平下，高度復(fù)雜SAR ATR系統(tǒng)如果融入了人的識別能力，再結(jié)合計算機的智能化處理及強大的運算能力，可實現(xiàn)識別系統(tǒng)的高效化。目標(biāo)識別系統(tǒng)的半自動或人機交互識別是一種人機協(xié)同的方案，是指操作人員始終參與并控制整個識別過程，而由計算機自動執(zhí)行并實時處理。然而，近些年通過對多信息源融合技術(shù)的研究，認(rèn)為該技術(shù)與實際應(yīng)用還存在差距。因此，有研究人員提出可通過相關(guān)領(lǐng)域的專家來進行多信息源的融合并對智能決策算法（包括自動融合技術(shù)）加以干預(yù)[8]。

1.5智能資源分配與調(diào)度技術(shù)

雷達(dá)所面臨的環(huán)境不斷變化且自身的資源有限，因此雷達(dá)資源調(diào)度是一個非常復(fù)雜的問題。自適應(yīng)資源調(diào)度算法是最為有效的雷達(dá)資源調(diào)度策略，這一調(diào)度方法是在雷達(dá)的資源約束范圍內(nèi)，實時地在各種請求的時間、能量以及計算機資源中尋求并確定最佳的資源分配方案，并在一個調(diào)度間隔內(nèi)選擇最佳的一組雷達(dá)事件序列。

國內(nèi)外將人工智能算法運用到雷達(dá)資源分配研究方面。有研究人員提出利用神經(jīng)網(wǎng)絡(luò)來進行調(diào)度優(yōu)先級的劃分，即利用一組學(xué)習(xí)數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)的權(quán)重，從而得出雷達(dá)任務(wù)的優(yōu)先級;還提出可利用專家系統(tǒng)來處理雷達(dá)的調(diào)度、參數(shù)設(shè)置及優(yōu)先級的劃分;也有相關(guān)學(xué)者提出運用模糊邏輯的方法解決自適應(yīng)調(diào)度中的沖突問題，以模糊值作為任務(wù)優(yōu)先級因素，有利于雷達(dá)任務(wù)的優(yōu)先級劃分。人工智能算法具有易于實現(xiàn)、尋優(yōu)效率高、全局捜索能力強等諸多優(yōu)勢，在科研工作及實際應(yīng)用中都取得了較為理想的調(diào)度結(jié)果[9]。

1.6智能多源數(shù)據(jù)挖掘技術(shù)

隨著數(shù)據(jù)庫技術(shù)的發(fā)展和應(yīng)用，將積累大量的雷達(dá)數(shù)據(jù)，對其進行有效利用，可從繁雜且分散的海量數(shù)據(jù)資源中提取有價值的信息以供決策使用，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生。將其應(yīng)用到雷達(dá)的信息融合、探測誤差仿真建模、火控解算、雜波信息處理等方面可以優(yōu)化雷達(dá)系統(tǒng)性能，充分發(fā)揮作戰(zhàn)效能。

在多雷達(dá)信息融合系統(tǒng)中，可充分挖掘出隱藏在海量數(shù)據(jù)中的有助于數(shù)據(jù)處理的方法、規(guī)則等知識[10];在雷達(dá)探測誤差仿真建模方面，可從海量測數(shù)據(jù)中發(fā)現(xiàn)隱含的雷達(dá)探測誤差與目標(biāo)真實航跡之間的關(guān)系，從而提高雷達(dá)仿真的逼真度[11];在雷達(dá)火控解算的實際應(yīng)用中，構(gòu)建包括大量雷達(dá)實測數(shù)據(jù)以及相應(yīng)理論值在內(nèi)的數(shù)據(jù)庫，對其中的海量數(shù)據(jù)進行挖掘及研究，進而發(fā)現(xiàn)、分析并總結(jié)其中的規(guī)律及知識。這將有利于雷達(dá)目標(biāo)狀態(tài)估計的數(shù)據(jù)處理以及火控系統(tǒng)精度的提高[12]。在雷達(dá)雜波信息處理方面，可通過挖掘并研究雜波信息與平臺、環(huán)境數(shù)據(jù)間的關(guān)系來得到最有價值的信息及知識，從而為雷達(dá)的使用提供指導(dǎo)并對其系統(tǒng)性能進行優(yōu)化;在雷達(dá)裝備保障方面，可以利用數(shù)據(jù)挖掘技術(shù)適用于大數(shù)據(jù)量的特性來構(gòu)建雷達(dá)裝備保障的輔助決策系統(tǒng)，該系統(tǒng)能夠準(zhǔn)確、高效地為決策者提供裝備保障及使用所需的重要信息，有助于充分發(fā)揮裝備作戰(zhàn)效能。

二、結(jié)束語

當(dāng)前，雷達(dá)裝備和技術(shù)發(fā)展面臨許多重大挑戰(zhàn)，必須緊隨先進技術(shù)發(fā)展潮流，融合新興技術(shù)、推動創(chuàng)新進程。雷達(dá)技術(shù)和人工智能技術(shù)的快速發(fā)展及深度融合極大地促進了智能化雷達(dá)的發(fā)展。智能化雷達(dá)能夠?qū)崿F(xiàn)認(rèn)知、決策、執(zhí)行、評估及優(yōu)化等功能，可全面優(yōu)化及提升雷達(dá)系統(tǒng)的能力，必將成為未來雷達(dá)技術(shù)及系統(tǒng)架構(gòu)發(fā)展的重要方向。雖然目前智能化雷達(dá)的發(fā)展尚不成熟，且在工程實現(xiàn)上會面臨許多巨大挑戰(zhàn)，但智能化雷達(dá)將隨著人工智能技術(shù)的進步而不斷發(fā)展，應(yīng)引起我們高度關(guān)注。

參? 考? 文? 獻(xiàn)

[1]? 郭明明，賀豐收，鄧曉波，智能化雷達(dá)形態(tài)初探，測控技術(shù)2018年第37卷增刊P1-3

[2]? 孫俊，智能化認(rèn)知雷達(dá)中的關(guān)鍵技術(shù)，現(xiàn)代雷達(dá)，2014年10月第36卷第10期P14

[3] 王建明，面向下一代戰(zhàn)爭的雷達(dá)系統(tǒng)與技術(shù)，現(xiàn)代雷達(dá)，2017年12月，第39卷第12期

[4]? 陳振興，基于知識輔助的弱目標(biāo)跟蹤算法研究，電子科技大學(xué)，2013

[5]? 王建濤，面向參數(shù)估計的認(rèn)知雷達(dá)自適應(yīng)發(fā)射波形優(yōu)化技術(shù)研究，國防科學(xué)技術(shù)大學(xué)，2014

[6]? 王峰，雷志勇，黃桂根，雷達(dá)智能抗干擾體系研究，現(xiàn)代雷達(dá)，2014年第36卷第1期，P80-81

[7]? 張國祥，基于深度神經(jīng)網(wǎng)絡(luò)的人車分類算法，西安電子科技大學(xué)，2015

[8]? 耿杰，范劍超，初佳蘭，基于深度協(xié)同稀疏編碼網(wǎng)絡(luò)的海洋浮筏SAR 圖像目標(biāo)識別，自動化學(xué)報，2016年4月第42卷第4期

[9]? 邢開顏，李梅，數(shù)據(jù)挖掘分類算法在信號分類中的應(yīng)用，軟件，2016年第37卷第6期，P2

[10]? 楊文，孫洪，曹永鋒，合成孔徑雷達(dá)圖像目標(biāo)識別問題研究，航天返回與遙感，2004年3月第25卷第1期

[11]? 相控陣?yán)走_(dá)增程工作方式下資源調(diào)度算法研究與實現(xiàn)，劉正萍，北京理工大學(xué)，2016

[12]? 徐建平，李曉冬，數(shù)據(jù)分析技術(shù)在指揮信息系統(tǒng)中的應(yīng)用，第三屆中國指揮控制大會論文集（上冊），北京，中國指揮與控制學(xué)會，2015，P437