梁猛，檀雷，陳飛，梁斌，楊帥

（中國航天科工集團(tuán)8511研究所，江蘇 南京 210007）

0 引言

隨著電子信息、人工智能等新技術(shù)的發(fā)展，體系化、網(wǎng)絡(luò)化對抗的復(fù)雜對抗電磁環(huán)境，對現(xiàn)有的單干擾設(shè)備及其干擾技術(shù)的使用方式提出了非常嚴(yán)峻的挑戰(zhàn)。單干擾設(shè)備的載荷能力相對較小，信息處理能力相對較弱，執(zhí)行任務(wù)時存在較大限制［1］，如執(zhí)行干擾任務(wù)時，設(shè)備可能會因為信號波束的限制而不能覆蓋整個區(qū)域；或因為識別能力有限而難以針對性地對敵方實施有效干擾；或受限于自身設(shè)備的能量、強(qiáng)度等性能因素，實施干擾的效果達(dá)不到預(yù)期目標(biāo)等。因此，如何充分地利用資源、有效地協(xié)同干擾、最大程度地綜合發(fā)揮干擾效能成為研究熱點。

在電子戰(zhàn)設(shè)備研制方面，美軍研制了ADM2141A無人機(jī)、MALD 和小型空射誘餌等誘餌無人機(jī)等，有力支撐網(wǎng)絡(luò)化協(xié)同干擾的實現(xiàn)［2］。此外，美軍Darpa-Code項目中的無人機(jī)協(xié)同技術(shù)、Locust項目中“蜂群”組網(wǎng)與協(xié)同技術(shù)等研究［3］，都旨在提高下一代體系化對抗能力。國內(nèi)許多學(xué)者進(jìn)行了大量研究，圍繞雷達(dá)組網(wǎng)方面，提出了協(xié)同干擾部署方法［4］、多種雷達(dá)干擾資源分配模型［5］等，提高了干擾資源的利用效率；針對協(xié)同干擾決策方面，研究基于生物群智能的協(xié)同任務(wù)分配和干擾決策方法［6］等，近幾年，深度強(qiáng)化學(xué)習(xí)算法［7］、博弈論［8］等理論工具被廣泛應(yīng)用于解決復(fù)雜場景下多干擾協(xié)同領(lǐng)域的智能化協(xié)同干擾問題，也推動著電子戰(zhàn)技術(shù)與應(yīng)用的智能化發(fā)展［9］。

上述國內(nèi)外研究主要是對雷達(dá)組網(wǎng)、干擾資源分配等具體技術(shù)進(jìn)行了研究，本文在此基礎(chǔ)上，圍繞協(xié)同干擾系統(tǒng)涉及的關(guān)鍵技術(shù)、協(xié)同干擾的形式等方面做分析和研究。

1 協(xié)同干擾技術(shù)

1.1 關(guān)鍵技術(shù)

協(xié)同干擾，即多個電子干擾設(shè)備按照一定的部署位置、工作方式，在時、頻、空等域動態(tài)調(diào)度資源和調(diào)整行為，以期最優(yōu)地完成對抗目標(biāo)的過程［10］。在協(xié)同過程中，需要綜合考慮目標(biāo)協(xié)同、資源協(xié)同、過程協(xié)同、結(jié)果協(xié)同。即如何構(gòu)建合適的協(xié)同模型/機(jī)制、如何高效進(jìn)行數(shù)據(jù)融合和處理、如何優(yōu)化任務(wù)分解與分配、如何優(yōu)化協(xié)同干擾決策和配置干擾資源、如何建立全面的干擾效能評估，是實現(xiàn)高效協(xié)同干擾的關(guān)鍵。

1.2 協(xié)同模型

協(xié)同干擾系統(tǒng)需要協(xié)調(diào)的是干擾設(shè)備之間的相互關(guān)系，協(xié)同模型就是要提供一個對干擾設(shè)備之間的相互作用進(jìn)行規(guī)范的形式化框架。協(xié)同模型架構(gòu)設(shè)計主要包括各單體之間的通信方式和控制模式。常用模型架構(gòu)有集中式、分布式和混合式3種［11］。

1）集中式結(jié)構(gòu)。集中式結(jié)構(gòu)中存在一個中央節(jié)點，該節(jié)點負(fù)責(zé)系統(tǒng)的全局信息處理、任務(wù)規(guī)劃以及資源的統(tǒng)籌協(xié)調(diào)等。其他節(jié)點按照分配的任務(wù)進(jìn)行具體問題的解決，且具備同時處理任務(wù)的能力。

2）分布式結(jié)構(gòu)。分布式結(jié)構(gòu)中節(jié)點無主次之分，各個節(jié)點具備同樣的信息處理、交互、決策的能力。

3）混合式結(jié)構(gòu)?；旌鲜浇Y(jié)構(gòu)綜合了上述2種模式的優(yōu)點，是最常用的一種協(xié)同關(guān)系模型。系統(tǒng)中的節(jié)點具備層次結(jié)構(gòu)，上層節(jié)點具備對下層節(jié)點的任務(wù)分配、資源分配等調(diào)度權(quán)力。而同層級的節(jié)點地位、能力等同，且具備信息交互的能力。

1.3 數(shù)據(jù)融合技術(shù)

協(xié)同系統(tǒng)具有對多種信息的感知能力、如何實時地、精確地處理多維信息是實現(xiàn)協(xié)同的第一步［12］。圍繞信息融合處理的深度，信息融合分為數(shù)據(jù)層融合、特征層融合以及決策層融合［13］。數(shù)據(jù)融合技術(shù)層次架構(gòu)如圖1所示。

圖1 數(shù)據(jù)融合技術(shù)層次架構(gòu)

1）數(shù)據(jù)層融合。數(shù)據(jù)層融合直接對原始數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、異常處理等預(yù)處理。優(yōu)點是不存在信息丟失，結(jié)果可信度最高。但是對數(shù)據(jù)的數(shù)據(jù)格式、系統(tǒng)的數(shù)據(jù)傳輸能力、時空一致性等要求嚴(yán)格。數(shù)據(jù)處理采用的主要數(shù)學(xué)方法是卡爾曼濾波、貝葉斯估計和參數(shù)估計法等［14］。

2）特征層融合。特征層融合利用特征提取等手段實現(xiàn)數(shù)據(jù)的降維梳理和融合。該技術(shù)對系統(tǒng)的數(shù)據(jù)處理能力和通信能力要求相對較低，但存在信息丟失的問題及精度下降的缺點。特征處理主要采用搜索樹方法［15］、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法［16］等。

3）決策層融合。決策層融合是在各節(jié)點將信息處理完之后再進(jìn)行認(rèn)知層面的融合。決策層融合具有抗干擾能力強(qiáng)、通信量小、對傳感器依賴程度低等優(yōu)點，但對節(jié)點的能力要求較高。決策層融合技術(shù)可采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法［16］、貝葉斯方法［17］、證據(jù)理論法［18］等。

1.4 任務(wù)分解與分配

單個干擾機(jī)的能力是有限的，需要通過合作才能完成復(fù)雜的任務(wù)。因此，在數(shù)據(jù)處理后，需要將復(fù)雜的任務(wù)進(jìn)行分解，并將任務(wù)分配給合適的節(jié)點來完成，最終完成整個任務(wù)。任務(wù)分解是分配的前提，一個好的任務(wù)分解方法可以使系統(tǒng)的執(zhí)行變得更加容易和高效。

任務(wù)分解需要遵守一定的準(zhǔn)則，如考慮任務(wù)所消耗的時間、費用等因素。通常，任務(wù)分解遵循以下原則。

1）層次型原則。通過構(gòu)建合理的任務(wù)層次結(jié)構(gòu)，將復(fù)雜問題進(jìn)一步分解為更容易執(zhí)行的子問題。

2）獨立性原則。任務(wù)分解的粒度應(yīng)與單節(jié)點的能力相適應(yīng)。獨立性原則可以提高系統(tǒng)節(jié)點的并行能力，增強(qiáng)系統(tǒng)的穩(wěn)健性。

3）完整性原則。完整性指子任務(wù)的解決等價于整體任務(wù)的解決。

4）均勻性原則。均勻性原則是指分解后的任務(wù)粒度相當(dāng)，避免不同任務(wù)執(zhí)行時間不均而導(dǎo)致負(fù)載不均衡等問題。

在任務(wù)分解之后，通常進(jìn)行協(xié)同干擾集的劃分，即任務(wù)目標(biāo)的分配，基本過程如圖2所示。任務(wù)分配是干擾節(jié)點分組的活動，目的是為干擾機(jī)確定任務(wù)目標(biāo)。常用的任務(wù)分配方法分為2類，一種是基于運籌學(xué)的方法［19］，如利用狼群算法在可行解空間中隨機(jī)搜索，實現(xiàn)最佳的任務(wù)目標(biāo)分配方案；另一種是基于多智能體協(xié)作的方法［20］，每個智能體依據(jù)感知信息和協(xié)同信息實現(xiàn)目標(biāo)的自主規(guī)劃和解決，最終實現(xiàn)任務(wù)目標(biāo)的劃分，具有強(qiáng)大的自主能力。

圖2 任務(wù)分解與分配

1.5 協(xié)同干擾決策

協(xié)同干擾決策是協(xié)同干擾系統(tǒng)的核心模塊，能根據(jù)獲得的態(tài)勢和任務(wù)目標(biāo)去輸出合適的干擾策略決策，在決策過程中，進(jìn)行干擾資源的分配和調(diào)度。同時，根據(jù)干擾效果的評估結(jié)果優(yōu)化下一次干擾決策策略。協(xié)同干擾決策的架構(gòu)如圖3所示。

協(xié)同決策技術(shù)是平臺控制技術(shù)與智能算法的高度融合，通過對決策問題進(jìn)行推理和智能判斷，不僅可以對決策者進(jìn)行一定的決策輔助，而且可以在特定領(lǐng)域中代替人類進(jìn)行自主決策、制定方案，減少由人自身主觀情感等原因?qū)е碌臎Q策失誤或偏差，以達(dá)到精準(zhǔn)、快速決策的目的［21］。

干擾資源的分配調(diào)度是干擾決策的基礎(chǔ)。在多目標(biāo)干擾任務(wù)中，如何最優(yōu)地為不同的干擾設(shè)備分配資源是一種多目標(biāo)優(yōu)化問題。根據(jù)不同分配算法的特點，如基于傳統(tǒng)遍歷搜索算法［4］、基于群智能算法［5］或者基于機(jī)器學(xué)習(xí)的資源分配算法［22］等，干擾資源分配的效果也大不一樣。

1.6 干擾效果評估

協(xié)同干擾效果評估是協(xié)同系統(tǒng)的最終環(huán)節(jié)，評估結(jié)果一方面反映系統(tǒng)協(xié)同能力、干擾效果的高低，另一方面，可作為協(xié)同干擾策略改善的依據(jù)。協(xié)同干擾效果評估主要包括評估準(zhǔn)則的確定和評估指標(biāo)的選取，并且不同樣式的干擾信號對評估準(zhǔn)則的影響因子也不同［23］。合理的干擾指標(biāo)能更好地反映干擾的效能。

一種可行的協(xié)同干擾評估方法是在選取評估指標(biāo)（如截獲概率和跟蹤精度）之后，針對不同的雷達(dá)給出相應(yīng)的指標(biāo)評估值并將其重要性作為權(quán)重獲得系統(tǒng)的干擾效能評估。其中，重點是建立系統(tǒng)的干擾效益矩陣和目標(biāo)函數(shù)。協(xié)同干擾效果評估模型架構(gòu)如圖4所示。

圖4 協(xié)同干擾效果評估模型架構(gòu)

2 協(xié)同干擾的典型應(yīng)用形式

隨著信息化的高度發(fā)展，傳統(tǒng)對抗形式正向著體系化多維對抗轉(zhuǎn)變，這種轉(zhuǎn)變促使信息戰(zhàn)也向多功能、多任務(wù)的綜合性方向發(fā)展［24］。在新形勢下。協(xié)同干擾便是其中重要的趨勢。根據(jù)使用方法的區(qū)別，協(xié)同干擾分為3種形式，一是目前主流的雷達(dá)組網(wǎng)協(xié)同系統(tǒng)［3］；二是基于生物集群算法的協(xié)同干擾，一般應(yīng)用于大規(guī)模集群系統(tǒng)中［5］；三是基于多智能體算法的協(xié)同，是新一代高效干擾系統(tǒng)的重要發(fā)展方向［24］。

2.1 基于雷達(dá)組網(wǎng)的協(xié)同干擾應(yīng)用

現(xiàn)代戰(zhàn)場上，組網(wǎng)雷達(dá)的體系對抗已是一種重要的對抗模式，它突破了設(shè)備一對一對抗的局限性。組網(wǎng)雷達(dá)給傳統(tǒng)干擾手段帶來嚴(yán)峻挑戰(zhàn)，與之對抗的協(xié)同干擾技術(shù)也逐漸發(fā)展起來。雷達(dá)組網(wǎng)的典型架構(gòu)如圖5所示，組網(wǎng)內(nèi)含有不同類型的雷達(dá)等設(shè)備，通過有線或無線的方式將這些部署在不同位置的設(shè)備聯(lián)系起來構(gòu)成一個干擾系統(tǒng)。組網(wǎng)內(nèi)各雷達(dá)將感知到的信息統(tǒng)一交由信息中心進(jìn)行處理，并由該中心進(jìn)行任務(wù)的下發(fā)和資源的協(xié)調(diào)，從而完成整體干擾或防御等任務(wù)。

在雷達(dá)組網(wǎng)協(xié)同干擾系統(tǒng)中主要包括3大技術(shù)，一是自組網(wǎng)的部署方式，二是多傳感器的信息融合技術(shù)，三是協(xié)同干擾資源分配技術(shù)。

協(xié)同干擾資源分配是實施協(xié)同干擾的關(guān)鍵一步，是建立在自組網(wǎng)通信與數(shù)據(jù)融合基礎(chǔ)上的一種協(xié)同技術(shù)。它根據(jù)系統(tǒng)內(nèi)傳輸?shù)恼J(rèn)知信息來進(jìn)行干擾任務(wù)的分配和資源的調(diào)度，以實現(xiàn)最佳干擾效果。大量專家學(xué)者針對資源分配、組網(wǎng)干擾效果進(jìn)行了研究。如張大琳［25］針對多目標(biāo)組網(wǎng)雷達(dá)系統(tǒng)場景，提出了面向干擾任務(wù)的多干擾機(jī)資源聯(lián)合優(yōu)化分配方法；張樣瑞［26］等人基于檢測概率，研究雷達(dá)網(wǎng)協(xié)同干擾效果評估方法等。

2.2 基于群智能算法的協(xié)同干擾應(yīng)用

生物集群在局部感知、個體行為簡單的條件下實現(xiàn)了復(fù)雜的行為模式，與協(xié)同干擾系統(tǒng)實現(xiàn)干擾的協(xié)同與自主控制的要求相符合，對如何設(shè)計協(xié)同系統(tǒng)，使之能夠相互協(xié)調(diào)合作，完成復(fù)雜的任務(wù)，具有非常重要的參考意義。

典型的生物群體行為通過獨特的機(jī)制可形成協(xié)調(diào)有序的群體。許多學(xué)者從群智能算法中受到了啟發(fā)，比如，唐國強(qiáng)將蟻群算法進(jìn)行了改進(jìn)，用于解決協(xié)同干擾資源的多目標(biāo)分配問題［27］；陳奕琪利用群智能算法實現(xiàn)了多目標(biāo)的干擾決策［28］；柳向等人提出了基于改進(jìn)遺傳算法的協(xié)同干擾資源分配方法等［29］。

一種基于智能生物集群算法的協(xié)同干擾系統(tǒng)方案如圖6所示。該方案包括：1）數(shù)據(jù)處理系統(tǒng)，負(fù)責(zé)多源數(shù)據(jù)的采集、融合以及態(tài)勢分析；2）通信系統(tǒng)，負(fù)責(zé)信息的傳輸與交互；3）決策系統(tǒng)，協(xié)同系統(tǒng)的核心，負(fù)責(zé)任務(wù)的分配，包括集群任務(wù)協(xié)同決策、個體干擾行為決策以及協(xié)同效果評估；4）控制系統(tǒng)，負(fù)責(zé)干擾機(jī)等設(shè)備的具體行為控制。其中，集群的協(xié)同控制算法通常利用生物集群智能算法（如蜂群算法、粒子群算法）實現(xiàn)。

2.3 基于多智能體系統(tǒng)的協(xié)同干擾應(yīng)用

多智能體系統(tǒng)（MAS），也稱為自組織系統(tǒng)，是由多個交互的智能主體組成的協(xié)同系統(tǒng)，可以解決單個智能體或整個系統(tǒng)難以解決或無法解決的問題。一般地，MAS具有以下3個特點：1）有限的自主能力。系統(tǒng)中每個節(jié)點具備環(huán)境感知、信息處理、推理決策以及為解決復(fù)雜任務(wù)與周圍節(jié)點進(jìn)行信息交互的能力。2）較高的靈活性和擴(kuò)展性。智能體系統(tǒng)因其節(jié)點的自主能力通常采用分布式控制模式，系統(tǒng)具備應(yīng)對節(jié)點的退出或中途加入的能力。3）目標(biāo)的一致性。單個節(jié)點對抗效果最大化的決策目標(biāo)與系統(tǒng)的決策目標(biāo)“協(xié)同效果最優(yōu)”相一致。

智能體的概念產(chǎn)生于人工智能領(lǐng)域，一個智能體是處在某個環(huán)境的計算機(jī)系統(tǒng)，該系統(tǒng)能根據(jù)自身對環(huán)境的觀察和感受，按照自己的知識做出行為與環(huán)境交互并基于反饋改善自身行為。一個智能體如圖7所示，具有環(huán)境感知模塊、信息處理與認(rèn)知模塊、智能決策模塊、行為模塊等。

MAS由分布式人工智能演化而來，其研究是為通過自身資源和計算能力有限的單智能體之間的協(xié)同來應(yīng)對錯綜復(fù)雜的現(xiàn)實環(huán)境［30］。基于MAS的協(xié)同干擾系統(tǒng)是多智能體思想與協(xié)同干擾的有機(jī)結(jié)合，如圖8所示是一種基于MAS的協(xié)同干擾系統(tǒng)方案［7］。

在系統(tǒng)中，一個干擾設(shè)備稱為一個智能體，其具備主動感知戰(zhàn)場環(huán)境，并與系統(tǒng)內(nèi)其他智能體進(jìn)行交互來實現(xiàn)干擾任務(wù)的自主分配和協(xié)同的能力。同時，根據(jù)應(yīng)用效果評估和環(huán)境的反饋，能夠不斷優(yōu)化自身的行為和協(xié)同策略，最終學(xué)習(xí)到最優(yōu)的協(xié)同策略。

3 結(jié)束語

在當(dāng)前電子對抗體系化、智能化的發(fā)展背景下，協(xié)同干擾技術(shù)的實戰(zhàn)化應(yīng)用仍面臨嚴(yán)峻的挑戰(zhàn)：電磁環(huán)境具有強(qiáng)對抗性和動態(tài)性，干擾機(jī)在未知的狀態(tài)下難以實時地進(jìn)行各種干擾任務(wù)的協(xié)同與決策；當(dāng)前多干擾機(jī)協(xié)同需要一種新的適應(yīng)異構(gòu)群體的協(xié)同對抗策略作為支撐，但由于對環(huán)境的重度依賴難以形成某領(lǐng)域的通用性策略。雷達(dá)干擾涉及信號層面對抗，深入結(jié)合信號傳播、耦合等效應(yīng)的協(xié)同干擾仍有待研究和攻克。

當(dāng)然，在以體系對抗體系的現(xiàn)代化對抗中，協(xié)同干擾技術(shù)是新電子戰(zhàn)技術(shù)的熱點，認(rèn)知化、智能化應(yīng)用更是領(lǐng)域共識。在協(xié)同電子對抗關(guān)鍵技術(shù)方面，仍需要就主動感知技術(shù)、自主干擾決策技術(shù)、協(xié)同與控制技術(shù)、多干擾要素耦合條件下的干擾協(xié)同等技術(shù)展開研究來應(yīng)對新背景下的新挑戰(zhàn)。