认知电子战与认知电子战系统研究

张春磊，杨小牛1，

（1.通信信息控制和安全技术重点实验室，浙江 嘉兴 314033；2.中国电子科技集团公司第三十六研究所，浙江 嘉兴 314033）

“认知技术应用研究”专题

认知电子战与认知电子战系统研究

张春磊2，杨小牛1，2

（1.通信信息控制和安全技术重点实验室，浙江 嘉兴 314033；2.中国电子科技集团公司第三十六研究所，浙江 嘉兴 314033）

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。

认知电子战；认知电子战系统；机器学习算法

0 引 言

认知电子战理论、技术、装备的兴起，主要有两方面动因：其一，软件无线电技术日益成熟，为认知电子战奠定了技术基础；其二，随着现代战场电磁环境越来越复杂，电子战领域对自适应、自动化、智能化要求越来越高，为认知电子战提供了旺盛的军事需求。

1 美军典型认知电子战项目概述

美军是全世界为数不多的研究并部署认知电子战系统的国家，其相关理论、技术、项目、系统都非常具有典型性。因此，本部分首先对美军已经和正在研究、部署的相关项目、系统进行分析，重点研究这些项目、系统所体现出的认知特性，以便为下文的分析奠定基础。

近年来美军研究、部署的主要项目和系统见表1。

2 认知电子战内涵与优势

尽管美军已经开发了一系列名为认知电子战的项目，但从理论或学术层面来讲，有关“什么是认知电子战”、“较之传统电子战，认知电子战独有的功能是哪些”等问题，尚无共识。因此，本部分首先阐述一下对这两个问题的理解，以便为下文认知电子战系统框架、实现方法的研究奠定理论基础。

2.1 认知电子战基本概念与内涵

从理论层面来讲，关于认知电子战的概念与内涵，主要有两种理解方式：一种从电子战本身能力发展出发，主要强调其智能化、自适应和自动化能力的发展，为便于区分，姑且将这种理解称为“认知化电子战”［8］；另一种从电子战所面临的作战对象威胁出发，强调“能够对抗各类新型认知电子信息系统，如，认知无线电、认知无线网、认知雷达等”，同样，为便于区分，姑且将这种理解称为“认知系统电子战”。对这两种理解进行了对比分析，见表2。

表1 美军典型认知电子战项目与系统

表2 “认知化电子战”与“认知系统电子战”比较

从表2可以看出，尽管这两种理解各自的侧重点不同，但本质上并无差别，只是从不同“视角”对认知电子战进行描述而已。鉴于此，对认知电子战基本概念与内涵描述如下：“认知电子战是一种在软件无线电技术基础上实现的智能化、网络化（知识共享）、多功能电子战理念，除了可以对抗传统电子信息系统以外，还可以对抗新兴的认知电子信息系统（认知无线电台、认知网络、认知雷达等）。其核心技术包括软件无线电技术、机器学习技术、行为建模技术等。”

2.2 认知电子战主要优势

作为最具发展潜力的新兴电子战领域之一，认知电子战的应用前景非常广阔，不仅有助于电子战领域自身能力的提升，还对信息战、赛博战等诸多领域产生重要影响。相对于传统电子战而言，认知电子战具备如下明显优势［10］。

（1）有望解决复杂电磁环境精确态势感知难题

认知电子战带来的最大优势是适应复杂电磁环境的能力，若这种能力得到完善，则有望解决复杂电磁环境下精确态势感知难题。尤其是在感知存在跳频通信、捷变频雷达等系统的复杂电磁环境时，其自主学习能力将显得尤为重要。

与传统电子战技术相比，认知电子战除了具备感知能力以外，还具备近实时、动态学习和经验积累能力。例如，在现有知识库的基础上，近实时、动态识别新出现的未知信号，对其进行详细分析，并将分析结果用于知识库的更新。这样，在面临新的复杂电磁环境时，认知电子战系统即可快速适应该环境，并自主生成适用于该环境的决策。

（2）有效对抗认知系统或网络

随着认知无线电（CR）理论与技术日益完善，其应用领域也越来越广，不仅出现了认知无线电台、认知无线网，还出现了认知雷达等系统。这些认知系统的最大特点就是其“认知（或智能）能力”，即，自主根据周边的电磁环境选择信号波形（如，频率、脉冲宽度、调制样式等），这样，其抗干扰能力就大幅提升。

传统的功能固化的电子战系统在应对这些认知系统时，其效能将大打折扣。而认知电子战系统则不同，由于它与基于认知无线电的系统“同根同源”，也具备了非常强大的认知对抗能力，因此，在对抗认知系统时，仍能保持很好的效能。

（3）极大增强电子干扰系统的隐蔽性、抗毁性

由于对作战对象的态势感知深度、精度不够，传统的电子干扰系统只能依靠大功率压制手段来实现有效对抗。尽管这种对抗方式很有效，但也产生了很多问题，最大的问题就是干扰信号容易暴露并招致反辐射打击。

而认知电子战系统由于以深入、精确的态势感知为基础，因此可以实施真正意义上的精确干扰——不仅是位置精确瞄准、频率精确覆盖、调制样式精确一致，甚至还可以在信息层进行欺骗；这种情况下，干扰信号无需以大功率发射。这样，干扰系统的隐蔽性、抗毁性将大大提高。

（4）显著增强电子战与赛博战的相互使能作用

从作战效能发挥角度来看，赛博战与电子战之间呈现出非常紧密的相互使能关系。然而，由于存在制约，二者之间这种相互使能作用无法充分发挥。简而言之，这种制约就是：电子战在态势感知、干扰与欺骗等环节的技术水平尚不足以支撑赛博战（尤其是战场赛博战）；而赛博战太过关注高层次（主要是逻辑层、应用层）信息对抗，缺乏低层次（物理层、链路层）对抗手段与技术。

认知电子战在态势感知、干扰与欺骗，乃至信息控制等方面带来的巨大技术变革，进一步拉近了电子战与赛博战之间的距离，将显著增强电子战与赛博战之间的相互使能作用。而这种相互使能作用的增强将为突破某些传统瓶颈技术带来巨大帮助，收益最大的无疑是在战场无线网络对抗领域。

3 认知电子战系统框架

本部分根据上述认知电子战分析提出了一种认知电子战系统体系框架，系统功能框图如图1所示。该系统的主要功能是对各类作战对象进行智能化检测、分类、对抗。需要说明的是，为方便查看，图中未标出认知电子战系统控制器；该控制器负责整个系统的软硬件资源调度与控制，与所有模块均有交集。

图中主要模块的功能简述如下。

·接收天线组／天线阵、传感器组。负责各频段、各类型射频信号的检测。

·传统信号处理模块。负责对接收信号进行预处理（滤波等）、盲源分离（用于实现干扰时电磁环境变化的实时监视）、特征提取等处理。

·自动信号分类模块。负责通过模型匹配、训练学习、训练评价等手段，将处理过的信号（已知信号、未知信号）进行自动分类。

图1 认知电子战系统框图

·射频环境与行为分析模块。利用信号分类结果对系统当前面临的射频环境（己方射频环境、敌方射频环境、中立方／无意射频环境）。若射频环境中存在具备认知能力的目标（如，敌方或中立方的认知无线电系统、认知雷达），则还具备基于行为模型的行为分析能力。

·认知代理。负责各类认知功能的实现、协调、调度等功能，这些认知功能包括推理、学习、优化、策略生成等。认知代理是认知电子战系统的“灵魂”，它可以作为一个独立的模块存在，也可以是一系列分布式的模块。

·动态知识库。负责认知电子战系统如下“知识”的存储、读写与更改：信号模型与类型数据、认知对象的行为模型与数据，干扰案例与优化策略模型与数据。此外，为实现认知电子战系统之间的“知识共享”，动态知识库还留有与其它认知电子战系统进行连接的接口（可以是有线网络接口、无线网络接口、移动存储介质摆渡接口）。

·任意波形发生模块及发射天线组／天线阵。负责根据认知代理的要求、基于软件无线电理论近实时或实时生成所需的任意干扰、欺骗波形，并通过发射天线组／天线阵发射出去。

4 认知电子战系统工作流程

典型的认知电子战系统工作流程如图2所示。可以看出，认知电子战系统与传统电子战系统在工作流程方面既有相同之处（“通用处理环节”），又有独特之处（“认知处理环节”）；而其中的独特之处才是认知电子战系统“认知”功能的核心。因此，下文重点阐述认知电子战系统中这类具备认知功能的“认知处理环节”。

图2 认知电子战系统的工作流程

（1）传统处理环节

传统工作流程指的是传统电子战系统、认知电子战系统都具备的工作环节，包括信号检测、信号预处理（滤波等）、盲源分离和信号特征提取。

这些处理环节尽管也非常重要、复杂，且技术含量很高，但并非能够体现认知电子战系统“认知”能力的环节，在传统电子战领域内有专门、深入的研究，因此，不作为本部分的介绍重点。

（2）认知处理环节

从图2可以看出，认知电子战系统的主要认知处理环节其实均可视作“观察、定位、决策、行动”（OODA）认知环在电子战系统关键处理环节中的应用，分别称为“认知侦察环”、“认知对抗环”和“认知效能评估环”。

a）认知侦察环

认知侦察环主要实现自动信号分类，包括模型匹配、样本训练和分类结果评价等环节，其结果既可以支持干扰优化环节，亦可用于动态知识库的传统信号样本积累和认知系统行为样本积累。认知侦察环的工作流程如下所述。

·首先，信号检测器要确定接收信道中是否存在信号。信号检测器的检测门限（即，信号之于噪声的相对电平）可基于背景噪声的一阶统计或一阶与二阶结合的统计方法确定。

·若信号检测器发现接收信道中存在信号，则认知电子战系统控制器即激活信号分类器以粗略确定信号类型（已知信号、未知信号、噪声），若信号类型为未知，则系统即收集信号的基于累积量的特征以用于后续分析。

·收集到足够多的未知信号特征后，认知电子战系统控制器即激活信号分类学习器（如，基于聚类的学习器）。若找到了信号的聚类，则直接通过模型匹配实现信号分类；若未找到信号的聚类，则控制器激活信号分类器的重新训练过程，并利用信号聚类来对系统进行现场重训练，将原本未知的信号训练为最接近已知模型的信号，并将新的信号模型写入动态知识库。

·一旦信号分类器确定了信号类型，认知电子战系统控制器即激活辐射源个体识别模块。辐射源个体识别模块负责确定辐射源的具体类别，当然，识别的粒度可粗可细（即，识别粒度层级不同）。

·若通过辐射源个体识别确定目标为认知系统，则认知电子战系统控制器启动目标行为分析模块，并实现目标行为分析与建模，所建模型写入动态知识库。

b）认知对抗环

主要实现最优化干扰或攻击，包括策略生成、干扰（或攻击）优化等环节，生成的干扰／攻击策略可存储为动态知识库中的推理案例。认知对抗环主要由策略引擎和干扰优化引擎来实施，实施过程如下。

·策略引擎首先确定分类后的信号是否为敌方信号，并就是否对其发起攻击给出决策，若给出的决策是“不发起攻击”，则给出这种决策的原因应发给系统管理员。该环节通常采用基于案例的推理方法实现，即，将每个干扰策略都作为一个案例存储在动态知识库中，后续推理均基于已有案例。新生成的策略也不断写入动态知识库，实现能力的动态提升。

·若策略引擎给出的决策是对目标信号发起攻击，则干扰优化引擎即优化干扰参数并合成、发射一种或多种干扰信号。该环节通常采用诸如Q学习算法等的机器学习算法来实现。

（3）认知效能评估环

主要实现作战效能的自适应、高逼真度评估。该环节与传统电子战效能环节类似，也采用相类似的技术。

5 结 语

尽管认知电子战是电子战众多发展趋势之一，但无疑也是近几年来最为重要的发展趋势之一。从平台对抗、体系对抗一路走来，电子战领域将走向何处颇值思量。随着各类电子信息系统“认知化”程度的不断提升，加上战场电磁环境的不断复杂化，电子战的未来势必朝着“认知化”方向发展。

［1］张春磊.认知电子战”拉开序幕——DARPA开始开发“智能干扰机”［J］.通信电子战.2011（1）：16+19.

［2］DARPA.Notice of Intent to Award Sole Source Contract：Behavioral Learning for Adaptive Electronic Warfare（BLADE）Phase 3［R／OL］.（2014+2+19）.https：／／www.fbo.gov／spg／ODA／DARPA／CMO／DARPA+SN+14+ 24／listing.html.

［3］Barry Manz.Cognition：EW Gets Brainy［J］.Journal of Electronic Defense，2012，35（10）：32.

［4］Air Force.Cognitive Jammer［EB／OL］.https：／／www. fbo.gov.（2010+1+20）.

［5］ONR.Broad Agency Announcement（BAA）NUMBER 13+005 Electronic Warfare Technology［R／OL］.（2012+ 11+19）.https：／／www.fbo.gov.

［6］DARPA.Broad Agency AnnouncementCOMMUNICATIONS UNDER EXTREME RFSPECTRUM CONDITIONS（Com+ mEx）STRATEGIC TECHNOLOGY OFFICEDARPA+BAA 10+74［R／OL］.（2010+9+10）.https：／／www.fbo.gov.

［7］Disruptor SRxTM［EB／OL］.（2014+10+4）.Exelis官网.

［8］RANDALL JANKA.Applying Cognitive Radio Concepts to NextGeneration ElectronicWarfare［C］／／2010年度软件无线电会议论文集.

［9］杨小牛.从软件无线电到认知无线电，走向终结无线电——无线通信发展展望［J］.中国电子科学研究院学报.2008，3（1）：1+7.

［10］张春磊，杨小牛.认知电子战初探［J］.通信对抗. 2013（2）：1+4.

张春磊（1981—），男，山东沂南人，工程师，主要研究方向为通信电子战新技术、信息网络与网络对抗；

E+mail：jec＠jec.com

杨小牛（1961—），男，中国工程院院士，研究员，博士生导师，中国电子学会会士，享受国务院政府特贴，新世纪百千万人才工程国家级人选，浙江省特级专家，研究方向为通信对抗、软件无线电、认知无线电，曾发表论文数十篇，获国家科技进步一、二等奖各一次。

Research on the Cognitive Electronic Warfare and Cognitive Electronic Warfare System

ZHANG Chun+lei2，YANG Xiao+niu1，2
（1.Science and Technology on Communication Information Security Control Laboratory，Zhejiang Jiaxing 314033，China；2.The 36 th Research Institute of CETC，Zhejiang Jiaxing 314033，China）

First presented are the cognitive electronic warfare programs of US，based on which the basic concept，the content，and the advantages of cognitive electronic warfare are analyzed.At last，a feasible architecture of cognitive electronic warfare system is proposed，and，based on machine learning algo+ rithm，the system workflow is analyzed.

Cognitive Electronic Warfare（CEW）；CEW system；machine learning algorithm

TN97

：A

：1673+5692（2014）06+551+05

10.3969／j.issn.1673+5692.2014.06.001

2014+10+29

2014+11+10