人工智能与电磁频谱战

人工智能与电磁频谱战
作者：王沙飞
来源：《中国信息化周报》2018年第16期
美军《 JP6-01 联合电磁频谱管理作战》将电磁频谱定义为一个基于物理空间的机动（maneuver）空间，其实质是控制整个军事行动期间的电磁行动环境。

我国2011 版《中国人民解放军军语》定义电磁空间为由电磁波构成的物理空间，是自然空间的组成部分。

在现代战争中，电磁空间与陆、海、空、天并称为五维作战空间。

电磁频谱战概念演进
美国军方各军种根据自身需求，先后提出多个新概念以指导自身在这一领域的具体行动。

早在2010 年老乌鸦协会就提出电磁频谱控制的概念，2012 年美参联会在《JP3-13.1 联合电子战条令》中提出联合电磁频谱作战（JEMSO）概念，2013 年美国空军提出频谱战，2014 年美国陆军提出网络电磁行动（CEMA），2014 年美国海军提出电磁机动战（EMMW）。

而到近期，美国一些智库又对该概念进行了进一步阐述，如2017 年10 月，《决胜灰色地带》智库研究报告提出了电磁战。

特别是在2017 年1 月，美国国防部还发布了《电子战战略》。

综上，我们认为电磁空间是指由依存于电磁频谱的各类传感器、通信和武器系统及其相关信息活动所构成的物理空间。

电磁空间是现代战争作战概念和技术发展到一定阶段后才被认知的领域，并成为了新的作战空间。

在构成上，既包括战场各类传感器、通信终端以及武器系统等实体，也包括各类信息系统产生的电磁波和信息流。

电磁频谱战是电子对抗的自然延续和发展，是指发生在电磁空间并依赖电磁空间能力的对抗行动，其核心能力包括电磁空间侦察能力、电磁空间进攻能力、电磁空间防御能力和电磁战斗管理能力。

电磁频谱战将传统电子对抗的概念进一步向电子战+ 电磁频谱控制，甚至整个电磁频谱领域（包括电子战、通信、传感器）的斗争拓展。

基于认知的电磁频谱战
在牛津英文字典中认知（Cognition）被解释为“knowing，perceiving，or，conceiving as an act”，即行为理解、行为感知和行为设想。

生物的基本认知过程是通过反馈信息感知、分析其行为作用结果，利用经验调整其行为活动，以实现最优、智能的行为控制，并学习更新其经验知识。

将认知思想应用到无线工程领域，提出基于认知的电子信息系统的概念，这种智能的信息系统与生物认知特性有着对应的关系。

基于认知的电子信息系统具备四种能力。

一是环境感知能力，能从复杂环境中自主快速获取信息；二是学习推理能力，能根据感知信息或环境变化，快速自主学习并进行智能调整改
变；三是评估判断能力，能对智能改变所产生的结果进行实时评估并反馈；四是记忆存储能力，能对产生有效改变所对应的环境感知信息和自适应调整参数进行实时存储。

在军事领域，认知思想得到了广泛运用，近年来，逐渐提出了认知无线电、认知雷达、认知电子战等新概念。

1999 年，瑞典皇家技术学院的Joseph Mitola 博士和Gerald Q.Maguire.JR 教授在IEEE Personal Communications 杂志上发表文章，提出了“认知无线电”（Cognitive Radio）的概念，其基本特征归结为具有认知能力和重构能力，一种以软件无线电为平台的智能无线通信技术。

2006 年，加拿大皇家学会院士Simon Haykin 教授提出了认知雷达（Cognitive Radar）的概念，通过将脑科学和人工智能融入雷达系统，使得其可以感知环境、理解环境、学习推理和判断决策，指出具有认知功能是新一代雷达系统的重要标志。

2010 年7 月，DARPA 发布自适应电子战行为学习项目（BLADE），第一次将机器学习理论应用到通信电子战领域，具有革命性意义。

认知电子战（Cognitive EW）可以描述为一个智能的电子战系统，它能够自主感知电磁环境，通过学习和推理，实时改变干扰策略，并评估干扰效果，以达到对威胁目标（已知或未知）的自适应对抗。

2015 年12 月2 日，美国智囊战略与预算评估中心（CSBA）发布了《电波制胜：重拾美国在电磁频谱领域的主宰地位》报告，首次提出了以“电磁频谱战”（EMS warfare）代替“电子战”概念，提出未来电磁频谱作战系统应具有“认知”等能力。

将人工智能理论应用于电磁频谱战，主要解决三个方面的问题：一是复杂电磁环境下未知威胁和网络化目标侦察识别问题，采用人工智能方法，综合辐射源时、频、空、能等多维信息，提高电子战系统对电磁态势感知和未知威胁快速识别能力等；二是对抗新型未知信号和网络化多目标的问题，通过基于机器学习的自主推理，自动形成优化干扰波形和干扰策略，实现现场快速对新型雷达/通信威胁的对抗，以及“多对多”的对抗；三是干扰效果在线检测评估的问题，通过人工智能算法，检测威胁目标干扰前后的变化，实时评估干扰效果。

综上，基于认知的电磁频谱战提高了复杂电磁环境下对未知目标威胁信号，以及网络化目标的自主感知、智能干扰决策和干扰效果在线评估能力，提升电子对抗观察——判断——决策——行动（OODA）环路的自适应能力和智能化水平，并缩短反应时间。

关键技术问题思考
支撑构建完整、闭环的电磁频谱战OODA 环路，实现电磁空间装备智能化，主要关键技术包括频谱认知理论和方法、电磁行为智能感知与威胁自主识别技术、频谱学习推理的自适应对抗技术等。

频谱认知理论与方法包括电磁威胁建模与频谱行为表征方法、面向非确定性小样本空间应用的智能频谱战学习训练方法、面向频谱认知的动态专家知识库构建技术等。

电磁行为智能感知与威胁自主识别技术包括未知辐射源的频谱行为分析技术、未知威胁自主识别技术、多智能
体协同频谱认知方法、网络化信息系统战斗序列自主识别与行为意图推断技术等。

频谱学习推理的自适应对抗技术包括基于认知的干扰策略优化方法、智能化的干扰波形优化生成方法、干扰效果在线评估技术等。

美军将基于认知的电磁频谱战技术作为未来电子战装备自适应、智能化的重要支撑。

各军种都有相应规划，如美国防部DARPA 的自适应雷达对抗（ARC）、自适应电子战行为学习（BLADE），美国海军的认知电子战计划，美国空军的认知干扰机（CJ）。

DARPA 局长在国会听证会上表示，ARC 将“应对新的雷达威胁的时间由过去几个月到一年，缩短至几分钟、几秒钟”，这其中人工智能的应用使得电子战的技能得到了极大的提升。

DARPA 的自适应电子战行为学习（BLADE）将机器学习理论应用到通信电子战领域，对于通信电子战发展具有革命性意义。

美国哈里斯公司研制的自适应电子战装备“破坏者”SRx，实现了全谱覆盖、多功能、可重构、可编程、基于微系统的低成本、小型化的智能化干扰。

综合来看，电磁行为智能感知与威胁自主识别的应用解决了未知威胁和网络目标识别的问题，基于频谱学习推理的自适应对抗技术解决了自适应干扰问题，干扰效果在线评估技术解决了电磁频谱战OODA 环路闭环的问题。

通过上述理论和技术的综合应用，实现从过去的点、链目标的对抗转变到网络化目标对抗，从已知目标对抗转变到未知威胁对抗，从过去开环、以人为主的对抗模式向闭环、人机交互、自主决策的转变。

在概念上，电磁频谱将作为继陆海空天网之后的第六维独立作战空间，并贯穿于其它空间的作战中；在内涵上，将由电子战向电子战+ 频谱管控，甚至整个电磁频谱所有作战行动扩展；在特征上，更加强调智能化、一体化、网络化等特征，特别是人工智能在电磁频谱战中的应用。

未来将实现由电子战向电磁频谱战、向电磁空间作战的演变，并且人工智能技术将贯穿始终。