认知电子战项目，应对未来雷达和通信系统 留言
根据自适应雷达对抗(ARC)项目，美军未来的干扰系统将可以实时对抗不熟悉的雷达信号。2016年10月，美国国防部高级研究计划局(DARPA)与BAE系统公司签署的一份自适应雷达对抗项目合同，价值1330万美元。
BAE系统公司信号与通信处理技术主管John Tranquilli认为，2018年后，干扰技术的早期版本可能会用于美军战斗机的软件和固件升级。
电子战是对抗敌方雷达和通信系统的一种手段，同时通过电子攻击(EA)、电子防护(EP)和电子支援(ES)保护己方的系统。干扰系统仍然依赖已知辐射源信号数据库。当雷达辐射能量时，机载接收机将输入信号与威胁数据库进行比对。如果匹配的话，系统会选择一个预先设定的策略干扰该信号。
目前的机载电子战(EW)系统首先必须识别威胁雷达，才能决定采用相应的预编程电子对抗(ECM)技术。随着雷达从固定式模拟系统发展到具有未知行为和灵活波形的可编程数字化系统，机载电子战系统的作战效能大打折扣。
未来的雷达可能会带来更大的挑战，因为它们能够感知环境，并进行自适应发射和信号处理，可以实现最佳的作战效能，同时能够降低干扰带来的影响。
类似的通信系统也从软件无线电发展到认知无线电。通过软件无线电可以将传统波形编程为能够进行语音、视频和数据通信的新波形。认知无线电能够感知内部状态和环境，并能够根据用户需求和频带条件，由计算机智能进行自适应处理。
DARPA正在开展认知电子战(EW)、先进射频对抗(ARC)和自适应电子战(BLADE)行为学习项目，研发针对敌方雷达和通信系统动态电磁频谱信号的快速对抗技术。
DARPA局长Arati Prabhakar认为，这些项目采用机器学习(一种计算机算法，可以从数据中学习和预测)后，可以实时反应并施放干扰信号(包括数据库中没有的新信号)。DARPA正在与军方合作，将认知无线电领域的衍生技术运用到F-18、F-35、陆军多功能电子战项目和下一代干扰机项目上。
DARPA微系统技术办公室副主任Yiftach Eisenberg认为，系统即便更先进，现有的电子战技术仍然非常类似越战时期采用的技术。从本质上说，军方的方法是研究敌方系统的弱点，找出干扰敌方系统的方法，然后写出一个具有不同电子战战术的“剧本”。
他认为，以往当对手系统相对稳定时，我们采用这种方法非常有效。换句话说，这促使敌人花费数年时间研发模拟传感器和通信系统。
然而，最近几年已经发生了“根本性转变”，敌方已经采用数字化和可再编程的系统，可以采用不同的频率、信号特性和波形规避干扰。
Eisenberg说：“我们需要针对新威胁的对抗能力，这些系统正使用我们没有预料的新波形，如果波形变化很快，那么我们就需要能够在类似时间内实施对抗的系统，以保护我们的作战飞机。”
BAE系统公司信号与通信处理技术主管Tranquilli说：“人们在机器学习和人工智能方面进行了许多低风险的尝试，但这与我们所处的危险世界完全不同，我们必须解决的重要问题之一是，在不带来自适应和认知能力风险的情况下掌握新的能力。”
他说：“显然，当我们讨论机器学习算法和先进信号处理时，还需要付出一些努力。在电子战雷达对抗领域，在电子防护通信系统领域，我们已经在编写极优自适应算法方面做了大量工作，使它们能够在现有系统上运行，并随时可以升级。”
硬件能力方面最新进展是，能够生成任意(相位和振幅)设计波形。FPGA、千兆采样速率的模数和数模转换器和机器学习算法等高计算设备，是认知和自适应雷达和电子战系统发展的推动因素。
认知电子战 DARPA的自适应雷达对抗项目
DARPA的自适应雷达对抗(ARC)项目目标，是使美军机载电子战系统能够在空中实时自动制定针对新雷达、未知雷达和自适应雷达的有效对抗措施。
自适应雷达对抗技术可以实现以下功能：
从敌方、友军和中立信号中筛选未知雷达信号；推断该雷达的威胁等级；合成和发射对抗信号，实现对威胁雷达的预期干扰效果；空中监视威胁行为并评估对抗措施的有效性。
DARPA指定BAE系统公司负责自适应雷达对抗(ARC)项目的第二阶段。BAE系统公司已经研发了新型电子战系统，用于快速描述新雷达威胁、综合电子对抗和评估项目IA和IB阶段的成效。
BAE系统公司的系统工程师在自适应雷达对抗项目的第一阶段完成了算法编写和组件级测试。第二阶段，他们进行了大量的硬件环路测试(包括针对先进闭路雷达模拟器的数千次测试)，将算法集成到电子战吊舱中。
他说，自适应雷达对抗项目于2018年组织飞行验证。在过去18个月中，BAE系统公司和Leidos-Harris团队一直在实验室环境中完善他们的系统。2019年，自适应雷达对抗项目将达到第6级技术准备度，这意味着自适应系统可以实时对抗各种先进的雷达威胁。
需要重点关注的威胁包括多功能地空和空空相控阵雷达，例如监视、指示目标截获、跟踪、非合作目标识别和导弹跟踪雷达。这些雷达系统的波束指向、波形、编码和脉冲重复间隔设置比较灵活。
自适应雷达对抗技术研发采用开放式架构，可以在基本不影响系统其他元器件的情况下，嵌入、修改和移除软件模块。自适应雷达对抗算法和信号处理软件，既适用于新型电子战系统，也适用于升级现有电子战系统，不需要对前端射频硬件进行大规模改造。
DARPA已经与Exelis和Leidos公司，签订了价值1560万美元的自适应雷达对抗项目分包合同，在未来五年内为机载平台研发新型自适应电子战保护系统。在项目的第二阶段，Exelis公司将在环路测试环境中，用本公司的电子战(EW)硬件演示基于Leidos公司软件的算法，展示对抗新型雷达威胁的电子防御能力。
SAIC、Vadum、Helios和MTRI的研究人员面临的关键挑战是，如何从敌方、友军和中立信号中准确找到目标信号；区分信号威胁等级；施放干扰信号。
Exelis公司研发认知电子战技术
Exelis公司公布了一系列新型电子战(EW)系统，这些系统具有更好的探测和干扰能力，能够对抗更灵活的新射频(RF)威胁。Disruptor SRx这款新产品采用“认知电子战”技术，Exelis公司声称它能实时对抗数据库中没有的波形或操作模式。
Exelis公司认为，他们采用的是一种颠覆性的技术，Disruptor SRx既能执行多种功能，又能实时转换多种功能。Exelis公司客户通过使用Disruptor SRx，希望具备一种针对日益复杂威胁环境的智能对抗能力。
Disruptor SRx可通过软件设置，适用于机载、海上和陆基平台。它可以执行各种电子战任务，包括电子攻击、电子防护、电子支援、电子情报和通信干扰。此外，Disruptor SRx基于微电子技术，尺寸、重量和功率要求不高，非常适合安装在无人平台上。
这种智能响应系统代表了从传统电子战(单个系统执行特定的预设功能)向具有多种功能并可以实时切换的灵巧电子战转变。这种灵活性使系统可以立即响应不断变化的任务需求，使作战人员可以成功应对不断变化的威胁。
该技术采用多功能、开放式架构设计，没有多个设备的备件需求，降低了生命周期成本。Disruptor SRx可以对复杂、对抗性的电子环境作出反应和调整，且易于升级，灵活性和可购性更好。
Lockheed Martin公司演示自适应通信干扰
在一系列机载测试期间，DARPA和Lockheed Martin公司先进技术实验室(ATL)，演示了认知电子战(CogEW)系统的能力，该系统可以动态对抗自适应通信威胁。DARPA自适应电子战(BLADE)行为学习项目(开创了国防部认知电子战项目先河)，可以在几分钟内探测、识别和对抗先进的无线通信威胁，而不是几个月内。
Lockheed Martin公司先进技术实验室频谱系统办公室主任J. Scott Rodgers说：“我们办公室能够和DARPA共同负责自适应电子战项目，是一件引以为豪的事情。这样我们可以验证机器学习技术应用于频谱挑战的可行性，带来更智能的频谱操作能力。”
在政府试验场，Lockheed Martin公司成功演示了自适应电子战项目的通信干扰技术。Lockheed Martin公司的工程师们和分包商Raytheon公司的代表们，一起乘坐一架改进型Piper Navajo飞机飞行了几个小时，通过无线通信测试信号仪器收集空中射频能量(包括军用无线电、手机和专用数据链)。
Raytheon公司提供下一代电子战系统、消音器，负责自适应电子战项目机器学习软件的系列飞行试验。超过25人(来自多个国家和组织)观看了机载自适应电子战系统在各种战术场景中，动态感知、识别和干扰自适应无线通信威胁。
自适应电子战正实现从基于实验室的人工密集型对策研发方法，向自适应战场的系统方法转变。更重要的是，该技术能够提高作战人员的作战能力，可以对抗新出现的或先进的威胁，可以快速自适应或改变电子剖面。
Lockheed Martin公司的工程师和科学家们，研发了新型机器学习算法和技术，可以快速探测和识别新出现的无线电威胁，动态综合分析新对策，且可以基于空中观测威胁目标的变化，提供准确的电子战毁伤评估。
自适应电子战(BLADE)行为学习项目
自适应电子战(BLADE)行为学习项目，用于研发战术环境下对抗新出现的和动态变化的无线通信威胁的能力。自适应电子战正实现从基于实验室的人工密集型对策研发方法，向自适应战场的系统方法转变。
该项目将通过研发新的机器学习算法和技术来实现，这些算法和技术可以快速探测和识别新出现的无线电威胁，动态综合分析新对策，且可以基于空中观测威胁目标的变化，提供准确的电子战毁伤评估。
完全自适应威胁对抗技术
Georgia理工学院(GTRI)的一个研发小组，正研发新一代先进射频(RF)干扰技术。利用商业电子，定制硬件研发，新型机器学习软件和一个专用测试平台，评估电子战技术的适应性水平。
研发工程师Stan Sutphin说：“我们正在研发完全自适应和自主的能力，目前还无法将这些能力应用到干扰机上。我们相信基于机器学习算法和复杂硬件的认知电子战方法，将最终形成具有更强电子攻击和电子防护能力的威胁对抗系统，为美军作战飞机提供更好的保护。
目前，该研发小组正研发机器学习算法，使“愤怒的小猫”系统能够不断评估周边环境，切换干扰来袭目标的最佳干扰方法。最终目标是搭建一个功能强大的平台，可以识别任何威胁辐射源，并以最有效的方法实时对抗。
目前，数字射频存储干扰机采用一种基于计算机的已知威胁“库”，识别和对消进入的信号。随着辐射源(通信系统和雷达)变得更加先进，它们的行为变得无法预估，并且寻找它们的预录响应变得非常困难。
机器学习算法将教会干扰机从过去的经验中学习，当干扰机再次遇到相同类型的目标时，其响应将更加精确、快速和成功。如果上一次干扰技术没有效果，干扰机会尝试另一种干扰技术，观察目标如何响应干扰信号，并通过反馈回路进行相应的调整。
数字射频存储干扰机还具有电子情报(ELINT)能力，可以监视和搜集敌方的信号和干扰机信息。搜集到的电子情报数据(这些数据可能在数周、数月或数年后使用)最终可能用于改进美国的威胁对抗技术。
Sutphin说：“我们希望在几秒钟内完成这些类似的电子情报分析和自适应对抗任务，同时施放干扰，而不是几个月之后。我们的系统显然必须自主工作，因为没有时间进行人工录入。”
原文始发于微信公众号（雷达通信电子战）
