认知电子战 (1.3):认知电子战概述
文章目录
- 引入
- 1 概念
- 2 研究现状
- 3 系统组成
- 4 关键技术
- 5 应用前景
引入
本节主要介绍认知电子战的概念、研究现状、系统组成、关键技术、应用前景
1 概念
1)基本概念:认知电子战是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,简单说就是人工智能电子战,欧耶
2)基本特征:
∙
\bull
∙ 感知环境
∙
\bull
∙ 适应新威胁
∙
\bull
∙ 避免干扰
∙
\bull
∙ 波形多变
∙
\bull
∙ 协同工作
∙
\bull
∙ 攻击不限于物理层,还包括控制层、用户层
∙
\bull
∙ 具备学习能力
2 研究现状
1)米国空军实验室提出的认知电子战特点 (2010):
∙
\bull
∙ 感知、学习、自适应的相互结合
∙
\bull
∙ 电子支援、攻击、防护的综合
∙
\bull
∙ 综合作用于雷达、通信、网络
2)自适应电子战 (2010),核心模块包括:
∙
\bull
∙ 信号检测及特征描述
∙
\bull
∙ 干扰波形优化
∙
\bull
∙ 战场损坏程度评估
3)自适应雷达 (2012),核心模块包括:
∙
\bull
∙ 信号分析及特征描述
∙
\bull
∙ 干扰对策合成
∙
\bull
∙ 对抗效果评估
4)认知干扰机 (2010):强调学习效率及动态调整策略
5)极端射频频谱条件下的通信 (2010):应对多种自适应干扰和干扰源
6)米国海军的认知电子战激活 (2013),主要研究包括:
∙
\bull
∙ 频谱感知与积累
∙
\bull
∙ 频谱学习
∙
\bull
∙ 频谱推理
∙
\bull
∙ 频谱攻击
3 系统组成
1)系统框架如下:
2)认知侦察模块:通过自适应信号处理算法分析出目标信号的特征,并将特征信息传递给对抗措施合成模块和智能干扰模块
3)对抗措施合成模块:根据侦察模块提供的环境信息更新决策数据库,并自动合成能够有效打击目标的对抗手段
4)智能干扰模块:进行干扰效能评估、制定电子攻击方法、优化干扰参数和干扰波形
5)动态知识库模块:提供先验知识,利用反馈信息进行学习更新
4 关键技术
1)认知电子战的实现流程图如下:
2)目标信号威胁感知:对抗系统对目标信号进行检测、处理,然后对目标状态及其行为特征进行辨识,进而评估目标威胁程度的过程 (就是要去发现隐藏中的敌人),其待解决问题如下:
∙
\bull
∙ 目标信号侦察与分选
∙
\bull
∙ 目标信号的多层次特征提取
∙
\bull
∙ 目标状态识别与行为分析
∙
\bull
∙ 目标状态威胁等级评估
问题下属的重难点为:
∙
\bull
∙ 短时间内仅能截取少量对抗目标的样本信息
∙
\bull
∙ 对抗目标在对抗过程中也是一个与外界交互的过程,其信息具有增量性。简单说就是你在学习,敌人也在学习,它如果学习你的信息,那么你就更难学习它
∙
\bull
∙ 难以避免的测量误差、信息缺失
3)干扰策略优化:包含干扰样式决策 (战略)、干扰波形优化 (反击的武器)、干扰资源调度 (后勤)。主要挑战:
∙
\bull
∙ 对抗目标的工作状态多样且可随时切换
∙
\bull
∙ 可能出现未知目标
∙
\bull
∙ 敌人并不止一个,这是一个多方交互的过程
4)干扰效果在线评估:
∙
\bull
∙ 干扰效果:实施干扰后,对抗对象所产生的干扰、损伤或破坏效应
∙
\bull
∙ 待解决问题:
⋆
\star
⋆ 基于目标信号分析的干扰效果评估指标体系设计
⋆
\star
⋆ 基于侦察信息的干扰效果评估模型建立
⋆
\star
⋆ 干扰效果评估方法的研究和改进
5)动态专家知识库构建:
∙
\bull
∙ 动态威胁库:存储对对抗目标行为及信号特征的描述
∙
\bull
∙ 干扰规则库:针对动态威胁库中的威胁目标所设计的干扰策略以及生成的干扰参数,并附以相应的干扰效果评估结果
∙
\bull
∙ 待解决问题:
⋆
\star
⋆ 对抗目标知识项建模
⋆
\star
⋆ 动态专家知识库的动态更新框架
⋆
\star
⋆ 知识项的迭代学习方法
5 应用前景
1)针对对抗目标多种工作模式的自适应干扰,即敌人的招式,咋有对策
2)复杂电磁环境下针对未知威胁目标的自适应对抗,敌人的杀手锏,没见过,要想到这样的可能
3)作战条件下的非合作目标在线干扰效果评估,打得准、打得狠、反应快,你总要评估自己的性能
4)对抗未来智能化威胁目标,敌人也在进步
5)对组网信息系统的有效对抗,环境险恶
m0_55633088: 大佬,请问下这个问题解决了吗
因吉: 后续的解读中已经处理了这个问题
wanly00: 解读论文居然不讲动机。。。
Steele_Jun: 掌声送给社会人
因吉: 视频可以看作是多个批次的图像,但是你需要把先转换为图像格式,再交由Flownet处理