基于威胁机制-双重深度Q网络的多功能雷达认知干扰决策

针对传统深度Q网络(deep Q network,DQN)在雷达认知干扰决策中容易产生经验遗忘,从而重复执行错误决策的问题,本文提出了一种基于威胁机制双重深度Q网络(threat warning mechanism-double DQN,TW-DDQN)的认知干扰决策方法,该机制包含威胁网络和经验回放2种机制。为了验证算法的有效性,在考虑多功能雷达(multifunctional radar,MFR)工作状态与干扰样式之间的关联性的前提下,搭建了基于认知电子战的仿真环境,分析了雷达与干扰机之间的对抗博弈过程,并且在使用TW-DDQN进行训练的过程中,讨论了威胁半径与威胁步长参数的不同对训练过程的影响。仿真实验结果表明,干扰机通过自主学习成功与雷达进行了长时间的博弈,有80%的概率成功突防,训练效果明显优于传统DQN和优先经验回放DDQN(prioritized experience replay-DDQN,PER-DDQN)。

美军认知电子战关键技术发展方向分析

美军认知电子战相关概念发展迅速,也开展了较多的项目研究。为分析其关键技术发展现状并研判其未来发展趋势,从美高校、智库、军事科研机构、厂商4个角度,通过研究论文、报告等公开文献,对美军认知电子战关键技术发展情况,特别是其在机器学习、人工智能方面的探索进行了深入的分析,对美军认知电子战技术领域研究方向、潜在难题及对应的关键技术思路进行了较为全面的梳理,并从数据、模型、平台、应用等方面给出了启示。

雷达对抗技术研究综述与智能反干扰展望

电磁频谱的争夺是未来信息化战场至关重要的博弈对抗,为了应对更加灵巧和智能化的电子干扰,雷达也必须要发展智能化的反干扰技术。围绕当前雷达反干扰技术发展现状,将雷达反干扰技术框架分解为被动干扰抑制、主动干扰抑制和认知反干扰3个主要模块,从基础原理、实现逻辑、性能表现等方面对近几年的代表性文献进行了归纳总结。在此基础上,引入了干扰记忆诱导的智能化反干扰概念,丰富了雷达反干扰智能化内涵。并进一步分析了未来该领域的技术需求、应对场景以及发展趋势,为后续的反干扰技术智能化发展提供参考和依据。

具有认知偏差的雷达对抗建模方法

认知偏差是认知电子战中的客观存在。基于动态博弈方法,针对认知雷达对抗过程中因不完整信息和测量误差导致的认知偏差,研究雷达对抗建模方法:以雷达抗干扰改善因子和干扰机干扰效益因子计算博弈双方的效益,采用精炼贝叶斯均衡建立动态雷达对抗模型,分析认知偏差造成的影响。仿真实验结果证明了所提方法的有效性。

基于全并行深度Q网络的通信干扰资源快速分配算法

智能干扰技术已成为认知电子战的重要研究方向。文中研究了对抗场景下最优干扰与有限资源分配的策略优化问题,通过设计一个可以自适应调整干扰策略的认知干扰器,选择出当前状态下最优的干扰参数,满足干扰资源分配的实时性和有效性需求。为了进一步降低干扰能耗,引入了干扰持续时间这一干扰参数,同时考虑了能量有限的约束条件。此外,为加快干扰机的学习速度,还提出了一种具有平行学习独立决策功能的深度强化学习干扰资源快速分配算法。仿真结果表明,所提算法能够在满足干扰效果的前提下,其干扰能量利用率和训练速度均优于其他的深度强化学习干扰算法,同时对比差距会随着干扰决策空间维度的增加而扩大。

Automatic radar antenna scan type recognition based on limited penetrable visibility graph

To address the problem of the weak anti-noise and macro-trend extraction abilities of the current methods for identifying radar antenna scan type,a recognition method for radar antenna scan types based on limited penetrable visibility graph(LPVG)is proposed.Firstly,seven types of radar antenna scans are analyzed,which include the circular scan,sector scan,helical scan,raster scan,conical scan,electromechanical hybrid scan and two-dimensional electronic scan.Then,the time series of the pulse amplitude in the radar reconnaissance receiver is converted into an LPVG network,and the feature parameters are extracted.Finally,the recognition result is obtained by using a support vector machine(SVM)classifier.The experimental results show that the recognition accuracy and noise resistance of this new method are improved,where the average recognition accuracy for radar antenna type is at least 90%when the signalto-noise ratio(SNR)is 5 dB and above.

雷达智能博弈抗干扰技术综述与展望

随着认知电子战技术的发展,干扰机电磁对抗能力大幅提升,为有效对抗智能化干扰机,雷达需采取智能博弈抗干扰技术。文中围绕雷达智能博弈抗干扰技术发展现状,从相关理论基础、干扰感知、智能抗干扰策略学习方法、雷达/干扰博弈抗干扰方法梳理相关技术原理和代表性工作,并进一步分析了该领域的发展趋势,为后续理论研究提供必要参考。

认知电子战综述

认知电子战通常被定义为以具备认知性能的电子战装备为基础,注重自主交互式的电磁环境学习能力与动态智能化的对抗任务处理能力的电子战形态。自其被首次提出以来,以其感知准、推理强、决策快的优势备受国内外研究学者广泛关注。随着人工智能新理念、新技术、新应用的不断涌现,认知电子战步入崭新的发展阶段。为捕捉其未来发展方向,从人工智能角度出发,总结并丰富了认知电子战概念内涵,梳理认知电子战的发展脉络及外国典型项目,搭建认知电子战系统框架及架构,从感知、判断、决策等方面对认知听电子战关键技术进行了全面系统综述,并总结了认知电子战面临的挑战和发展趋势。

一种认知电子战雷达对抗教学训练系统

电子战的迅猛发展使得原有基于手控干扰的雷达对抗训练方式难以完全满足实战教学训练的需求。对此,提出并实现了一种新的、基于认知电子战的雷达对抗训练系统实验方案。该系统由雷达/雷达模拟子系统、干扰子系统和干扰评估子系统3部分构成,其中,干扰子系统在不同干扰模式间切换,干扰评估子系统通过机器学习和人工智能的方法可针对干扰模式进行迭代处理并形成最优干扰策略表,雷达/雷达模拟子系统则形成相应的电磁对抗环境仿真。室内仿真测试和室外真实应用环境测试结果均表明,该系统可有效提高雷达对抗训练的有效性和真实性,大大激发了学生对雷达对抗训练的学习兴趣。

认知电子战发展趋势:从单体智能到群体智能

随着人工智能、通信技术、无人系统等技术的快速发展,通信对抗装备智能水平不断提高,无人集群作战也在持续地深化和落地应用,这给认知电子战技术的研究带来了新的机遇和挑战,推动了认知电子战内涵从单体化向群体化演进。为促进认知电子战发展有效适应未来新型智能作战装备和新型无人集群作战样式,在综述认知电子战概念、内涵以及认知电子战单体智能研究的基础上,从无人集群作战背景出发,结合群体智能算法,提出了认知电子战群体智能的概念并对其内涵进行详细的阐述,指明了其对认知电子战的研究价值、应用价值以及发展前景。最后,在体系对抗的视角下,进一步对认知电子战群体智能未来可能的发展方向进行了较为全面的展望。

智能化电子战装备发展研究

随着人工智能技术广泛应用于军事领域,新科技革命将推动战争形态向智能化演变,给电子战带来更大机遇和挑战,促进电子战装备向智能化迈进。分析了智能化电子战装备的概念内涵和基本架构,以此为基础,将智能化电子战装备智能水平分为初、中、高3个等级。对应“要素参与式”“小群模块式”“群体自主式”3种任务形态,探索电子战装备智能化发展方向。

2022年外军电子战发展综述

2022年,全球电子战蓬勃发展,电磁频谱成为大国竞争与对抗的焦点。世界各国均在深化发展电磁频谱作战能力。美国通过战略牵引,建立健全组织机构建设,推进电磁频谱作战部队发展,加快认知电子战等新技术转化,加速重点电子战装备研制速度。其他国家也从机载、舰载、地面和太空等平台加快电子战装备研制工作。文中从战略规划、组织编制、技术装备和训练应用等方面对2022年外军电磁频谱作战重大发展进行了分析研究。

基于OODA环的认知电子战系统智能化水平评估指标体系

针对在OODA(observe,orient,decide,act)环场景下认知电子战系统的作战过程,剖析其智能化特点,结合认知电子战系统的环境感知、自主学习推理、自适应干扰决策等能力,分析研究智能化水平表征方法和参数。基于网络层次分析法(analytic network process,ANP)提出一套定性和定量结合的认知电子战系统智能化水平评估指标体系,用于认知电子战系统的智能化水平的评估,为认知电子战系统的智能化水平提供了评价依据和参考。

美军电磁频谱作战装备及其作战应用分析

近年来,美军不断推进传统电子战向电磁战进而向电磁频谱作战转型,通过发布新战略新条令、重构组织机构、研发新技术和部署新装备等手段,构建更强大的电磁频谱作战能力。从美军电磁频谱作战概念发展入手,梳理美军正在大力发展的典型电磁频谱作战装备,总结其发展趋势,分析其作战应用模式。

基于优势行动-评论的雷达自主干扰决策方法

随着认知电子战技术的不断发展,传统雷达干扰决策方法效率低、准确性差等缺点日益凸显。为解决该问题,提出了一种基于优势行动-评论(A2C)的雷达自主干扰决策方法。该方法以A2C强化学习算法为基础构建干扰决策智能体,智能体通过观察环境状态并不断与敌方雷达进行交互以学习自身的干扰策略,最终实时给出有效的干扰决策。最后通过仿真实验对比分析了Deep Q Network(DQN)算法和A2C算法在实时性和准确率等方面的优劣。仿真结果表明,A2C算法具有在未知环境下的干扰策略快速学习和决策的能力,可有效支撑认知电子战背景下的干扰策略选择。

认知电子战系统感知能力评估方法

随着装备发展的智能化趋势日益凸显,认知能力所赋予的代差优势将对电磁频谱战的过程和结局产生深远影响。世界强国都在争相发展认知装备,认知电子战系统作为认知装备中的重要一员得到了广泛关注。相比传统电子战系统,认知能力虽然是认知电子战系统的核心与关键,但在认知能力分析评估方面却面临诸多问题和困难。围绕认知电子战系统认知能力分析难题,以感知能力评估作为突破口,基于映射分析对感知实现的合理程度进行描述,提出基于感知合理度的认知电子战系统感知能力评估实现的初步思路。

基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境,认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求,为实现自适应的决策抗干扰措施,将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施,进行干扰对抗,该算法完成了认知电子战中的最后的一步,使认知电子战系统实现闭环。

认知电子战与认知电子战系统研究

首先对美军认知电子战能力的发展现状进行了简单介绍。在对美军认知电子战项目进行分析的基础上,总结了认知电子战基本内涵、主要优势。最后,提出了一种认知电子战系统框架,并对该框架基于机器学习算法的工作流程进行了分析讨论。

基于互为主体的一体化电子系统认知雷达与电子战探析

在一体化电子系统中,如何根据不同的任务需求牵引系统在资源、信息和功能上的聚合、交互和决策,实现认知和能力涌现,从而达到最佳任务遂行效果,是有待进行深入研究的关键问题。文中在对哲学领域认识论范畴中的互为主体理论进行分析的基础上,将互为主体的概念引申到信息科学领域,开展对上述问题的探析。首先通过分析认知过程和要素,按不同层级进行主体的划分,搭建起主体认知行为与传统知识之间的桥梁,从而为重新认识一体化电子系统的运行机制提供启发和指引。其次将互为主体思想应用于认知雷达和认知电子战中进行实例化应用,有效反映出个体行为与集群整体的交互机制,提供主体间交互协同和提升整体遂行任务能力的规则结构。互为主体能够从新的理论角度进行对认知机理的阐释,为一体化电子系统理论研究和设计提供参考。

认知电子战研究进展

针对电子战作战对象向认知方向发展造成传统电子战无法进行实时对抗的问题,认知电子战应运而生。在分析认知电子战军事需求的基础上,论述了认知电子战的相关概念,设计了认知电子战的系统框图,并从关键技术研究和项目开发研制两个角度综述了国内外认知电子战的研究情况,最后归纳总结了认知电子战需要重点发展的10个方向。