远望智库:与智者同行,为创新加速

专家库 | 人才库 | 企业库 | 项目库 | 投资机构库 | 招商信息库


来源: 国防科技要闻

编译:陈军


认知电子战:射频频谱与机器学习

数字化、可编程射频(RF)设备的趋势-以软件定义无线电为缩影-意味着雷达可以迅速改变波形,在飞行中创造独特的信号。在日益拥挤和竞争激烈的射频环境中,敌方发射器越来越难以定位、识别、干扰和混淆。因此,如今的重点是机器学习应用于电子战(EW)或认知电子战。

沿着这条道路迈出的重要一步是提高频谱意识,这是DARPA RF机器学习系统项目的目标之一。据DARPA称,该项目将为“新一代目标驱动的、可以从数据中学习的射频系统”奠定基础。它是解决RF/机器学习关系的多种程序之一。项目授予BAE系统公司、远征技术公司、东北大学、Teledyne技术公司和SRI公司合同。

项目经理保罗·蒂尔曼表示,该项目是一项“基础性”工作。它正在建立一个技术基础,可以解决很多问题,其中包括如何改进电子战和雷达系统。如何更好地了解射频信号环境是该项目的更高层次的问题。为达这一目标,DARPA计划开发将机器学习应用于射频频谱的基本算法和技术,以“理解频谱数据的意义”。

f796e9a3c0bd171f5da25e7dec7f76a2

在高层次上,DARPA正在追求射频信号感知,作为通过改进频谱共享,扩大有限频谱资源容量的一种手段。BAE系统公司的FAST实验室研究和开发组织的RF、EW和高级电子产品主管克里斯·拉帕表示,系统使用频谱进行通信、导航、定位、监视和感知。

频谱感知也很重要,因为更多的无线电、通信系统、雷达、干扰器和包括物联网设备在内的许多其他应用都在频谱中运行,而敌对发射者也变得更善于伪装。电子战系统需要能够推断出其他共享频谱者的意图。

机器学习测试运行

蒂尔曼表示,DARPA对“性质比较简单的样本问题集”做了一些初步研究。研究人员建立了一个卷积神经网络来理解信号使用的调制方式。这些研究表明机器学习系统在每一个信噪比上都优于传统的学习方法。因此,尽管这个问题的范围相对较小,但它提供了证据证明机器学习系统“可以从射频频谱中提取额外的特征和信息,以更好地理解信号环境”。

正如AlphaGo在围棋游戏中所证明的那样,人工智能可以在非常大的组合空间中解决决策问题。蒂尔曼希望使用机器学习不仅处理收集到的频谱数据,而且可以辅助决策,例如首先获取哪些频谱数据。

认知系统具有实时学习的能力。一个认知系统可根据其经历来改变其所寻找或传送的内容。据DARPA称,这种决策能力将是重大进步,在传统射频系统中,频率和空间方向通常按顺序扫描,而不考虑运行环境的统计数据。这些系统对光谱中发生的事情知之甚少。

系统演变

如今的射频系统使用类似于第一代人工智能系统地基于规则的推理。例如,诺斯罗普·格鲁曼公司的任务系统部门海军航空战役总监约翰·汤普森说,绝大多数的电子支援措施(ESM)系统都使用查找表。数据进入机体,并按电子表格式软件进行排序,该软件将传入的信号与适当的响应关联起来。但雷达能力的日益数字化正在推动适应性和认知电子战的需求。

36be1f0af61977e70088c3f83768d0fd

▲约翰·汤普森

军队不能仅依靠预先确定的威胁数据库来及时检测、识别、定位和作出反应,因为当今的技术可以通过软件改变威胁的波形,而不需要任何硬件改造。现在的系统基本上建立了一套以情报界对信号的分析为基础的规则。

汤普森预测,认知系统将是操作成功的关键。这些系统将能够改变其RF传输超出其基线规划,以响应未知的接收信号。相比之下,“敏捷”系统(在预定序列中执行开关频率等功能)和“自适应”系统(根据环境中感觉到的变化修改其响应)在其软件程序的约束下运行。认知系统将“超越编写自己的软件”,暗指其跳出编程框思考的能力。算法采样的数据越多,其推断正确的概率就越高。

现有系统的适应性

在美国海军的反应式电子攻击措施(REAM)计划下,诺·格公司正在为EA-18G “咆哮者”舰载电子战(EA)飞机开发机器学习算法。目标是2025年前后的舰队过渡,该计划将增强对抗敏捷和适应性未知或敌对雷达的电子战能力。

be389a06dc6183985b3756c8ab25d815

诺·格公司“咆哮者”的延伸是一种代号为Remedy的无人机群概念。汤普森表示,这些可牺牲的无人机部署在飞机的毒气罐中,将起到近距离传感器的作用,并将为“认知熔炉”提供更多数据。该计划的教训“将适用于补救无人机。”该公司正致力于射频和红外传感器,以提供多光谱态势感知。

基尔弗约尔表示,雷声公司计划是在产品中建立能够快速采用、实施和使用最好的算法的基础设施。该公司的全数字雷达告警接收机AN/ALR-69A(V)具备显示地理定位的能力。此前,AN/ALR-69A(V)告警接收机已被安装在C-130H和KC-46A飞机上,目前正在F-16上进行测试。

基尔弗约尔表示,整个电磁光谱很难被发现。当威胁显示在频率上移动时,就变得更加困难,特别是如果威胁的频率偏移比频率窗口射频系统更大。频率敏捷性驱动着人们对宽带、敏捷和智能电子战系统的需求。

汤普森表示,未来的射频系统还需要更快地采样,并迅速理解不同的方言或波形。但是,所有的敏捷、自适应和认知技术(沿着进化曲线的点)将是当今电子战系统的累加物,它将继续有效地对抗许多威胁。

射频指纹

基于机器学习的系统能够以前所未有的方式学习和反应。机器学习或许能够发现至今为止无法想象的辐射源之间的区别,这种区别是基于制造缺陷等因素造成的“无意调制”波形。此数据可能会被基于专家系统的设备丢弃。

射频指纹技术,作为RFML计划的技术领域之一,通过其独特的信号特征可以识别射频发送器。DARPA正在研究固态技术,这种技术比过去的基于管子的射频系统“有更微妙的射频指纹”。拉帕表示,也许可以根据温度的变化来区分发射器。也许细微差别可以根据发射器是在明亮的阳光下还是在阴影中来检测。

进程影响

认知射频仍然是一个更大的硬件挑战。更多的投资正在进入半导体材料和加工设备等领域。他引用的一个最新进展是Xilinx的射频芯片系统,集成了宽带模拟-数字转换以及数字-模拟转换、多处理器CPU和单片芯片上的现场可编程门阵列能力。随着前端硬件的整合,像机器学习这样的技术将在处理链中进一步向前应用。

一旦走上数字化道路,电子战/射频应用将更多地变成一个数据管理问题-一个软件或数字信号处理的问题,拉帕表示。“一旦将所有数据都变为数字化,并且可以按照您需要的速率处理数据,射频系统可以更灵活得多。如果通过改变内存寄存器或固件加载来改变整个接收路径或整个传输路径,那将是一个游戏规则的改变。

可信度

基尔弗约尔预计,在早期,飞行员将“需要学会相信系统将能够做得更好。”如今,许多机器学习应用程序就像一个黑盒子,他说。你给他们输入,他们告诉你该怎么做。他们没说为什么,这就让人很难相信他们。也许系统必须有一个旋钮才能“调高或降低认知水平”。

拉帕表示,即使智能系统的推理是不透明的,但其思维过程仍然是可以推断出来的。BAE工程师仍然能够查看后台程序,并看到系统所使用的参数。如果系统是实时学习的,可能需要进行后期处理以了解其思维过程。操作者可以查看系统处于什么状态以及执行操作时其内存中的数据。他强调,数据记录和维护任务记录变得越来越重要。

但“后见之明”并不能为驾驶舱里的飞行员提供任何帮助,因为飞行员的角色传统上已被编程为“观察、定向、决定和行动”或OODA循环。在未来,拉帕争辩说,“我们需要让人类脱离OODA循环,这样系统就可以比对手更快地观察、决定和反应。”

基尔弗约尔表示,飞行员能够应对威胁的情况总是存在的。认知电子战永远是一种“精致的工具”,你不能在任何事情上都使用它。但是人类的作用将会减少,因为当你被威胁锁定,并向你攻击的时间会变得越来越短。机器学习方法的范围是从确定性(当系统遵循如果-然后规则)到概率性(当它必须评估不确定模式是否与规则匹配时),他解释说。

培训、测试挑战

“认知电子战的主要挑战之一是能够为系统提供适当数量和质量的数据”,基尔弗约尔表示。尽管有大量的数据基于先前的观察,基尔弗约尔预计模拟将在开发认知系统方面发挥重要作用。他表示:“也许我们可以设计一些场景,这样我们就可以学到一些东西,而不会处于危险之中。”

然而,在某些方面,开发认知电子战要比开发无人驾驶汽车困难得多。后者可以获取无限的数据,但是“没有一个巨大的未知雷达的数据储存库”。

相关信号数据通常信号质量低,未标记且不及时。这些数据是“非常稀疏简约的”,这就需要定制应用程序。由于数据的贫乏,需要更多的建模和仿真,这是一个具有挑战性和昂贵的过程。拉帕表示,其实商业衍生的机器学习方法在电子战中效果不佳。

d5ed2c7e46d28c869416256038f32f37

一网打尽系列文章,请回复以下关键词查看:

创新发展习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧

热点专题军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估

预见未来预见2016 | 预见2020  | 预见2025 | 预见2030  | 预见2035 | 预见2045  | 预见2050

前沿科技颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 |  基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | 5G | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 | 传感器

先进武器中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 直升机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器

未来战争未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 | 反卫星

领先国家美国 | 俄罗斯 | 英国 | 德国 | 法国 | 日本 | 以色列 | 印度

前沿机构战略能力办公室 | DARPA | 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 | 阿里 | 俄先期研究基金会 | 军工百强

前沿人物钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普

专家专栏黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨

全文收录2017文章全收录 | 2016文章全收录 | 2015文章全收录 | 2014文章全收录 

其他主题系列陆续整理中,敬请期待…… 

da49cd26a58e4f84feff837a61ccf803d66417abf002d2f7e5a8edb9aecf654d

08aed3e221485f93366799323627b5d4

https://mmbiz.qpic.cn/mmbiz_jpg/R0XAGIrGiaCOzskxNvoE2WHOttpzo95ges5VSmzT2Sl8mEJugxuJfiaibdYkGffq6RV3WQuTvKQp6Ts9XrKyltfxQ/0?wx_fmt=jpeg
https://mmbiz.qpic.cn/mmbiz_jpg/R0XAGIrGiaCOzskxNvoE2WHOttpzo95geHkiaoSpN5iapWtKEu9Kp5BnWVjeqjDu3qUOzQsSom2ticn0GfIpUiaXcsA/0?wx_fmt=jpeg
https://mmbiz.qpic.cn/mmbiz_jpg/R0XAGIrGiaCOzskxNvoE2WHOttpzo95ge3cWzibAOfI0e5vSb3JnBCtwWRyc3vVibGwnAnpmkdVGibJ9LiafHqZby2A/0?wx_fmt=jpeg
https://mmbiz.qpic.cn/mmbiz_jpg/R0XAGIrGiaCOzskxNvoE2WHOttpzo95ge9GKWZIUuvtS0t14L9RFg8Syho0GkQOEBOkmtyIAKdGRibFYxoQwuMkA/0?wx_fmt=jpeg
https://mmbiz.qpic.cn/mmbiz_jpg/R0XAGIrGiaCOzskxNvoE2WHOttpzo95gecjwtliaJqxGbOficeDFKTEgn4cL9ybianeERJRQ1RCl2YNrVNe5OVW0gw/0?wx_fmt=jpeg
https://mmbiz.qpic.cn/mmbiz_jpg/R0XAGIrGiaCO61icw1kvrsNoH6x8Dh1dGMpmuIJWPq3N5n4Q3Mus9k2Z6xCpNQrraOkfHzYmD1ic0zK6GGUSHsMUw/0?wx_fmt=jpeg

本文來源:http://mp.weixin.qq.com/s?src=11×tamp=1536952682&ver=1122&signature=M*is3gO6ZMeeBB4zIg9FvEsZC6N32TLPHqNhIr0Ln9d5Z68JLhuMl8l98eMvgXZ7AxGeKNCgc8YlJ2Um7aSgFrmf73MRRzFT8cfSuHUWNQi*7XV50hx73eiA6WSfKi-s&new=1