江 涛,王盛利
(南京电子技术研究所,江苏 南京 210039)
雷达作为一种广泛应用于监视、跟踪和成像的遥感系统,与其周围环境已成为一个紧密相连的整体。二十世纪七十年代起,自适应信号处理使得雷达初步具备了适应环境、对抗干扰的能力。但是现代战争技术的发展,使得传统基于数据的自适应算法和系统处理架构,难以满足现代战争对雷达系统的需求。为应对复杂地理和电磁环境对雷达探测性能的影响,美国空军研究实验室(AFRL)及其国防高级研究计划局(DARPA)先后资助多项研究,从基于知识的雷达(KB-Radar)[1]、知识辅助的传感器信号处理与专家推理(Kassper)[2-3]到 知识辅助雷达 (KA-Radar)[4-5],随着对先验信息使用的逐步精细化,雷达适应环境的能力逐步提升。为了进一步使得雷达具有“环境自感知、处理自适应、能力自提高”的能力,2006年起,Simon Haykin提出了认知雷达的概念[6-7]。本文从“认知”的概念出发,结合目前的雷达系统架构和处理流程,针对实现“认知”概念中存在的不足,探讨认知雷达的系统概念,并提出了认知雷达概念下的系统架构和处理架构。
传统自适应信号处理中,大多假设信号在时间上平稳,在空间上均匀,因此信号的统计特性可以由二阶矩表征(如信号的方差或协方差矩阵等),从而产生了包括CFAR、STAP等一系列经典的自适应信号处理。
但是在实际环境中,平台的运动使得外界环境的杂波特性均不具有平稳特性,从而导致上述处理算法均存在性能的损失,甚至无法达到预期的效果。在此基础上,提出了KB处理和KA处理概念,希望综合利用GIS、DEM数据等先验信息和实时获取的数据,在Bayes体系架构下,提升传统自适应信号处理的性能。并在理论和实验中均取得了较好的效果[2-3]。
但是如何从先验知识中提取所需要的先验信息、并且完成与实时监测数据的融合,是传统信号处理算法中缺失的部分;此外,如何根据外界环境的变化,动态地选择相应的知识,同样是传统信号处理算法中无法实现的功能。
从单线程到多线程,从串行处理到多路并行处理,先进的硬件处理平台不仅极大地增加了雷达系统的灵活性,使得单元数字化处理成为可能,而且提升了雷达系统中信号处理的速度,使得许多复杂的处理算法得以工程化。但是,目前的雷达信号依然是按照“流水”的方式,基于实时地接收数据进行处理,这种基于数据的处理方式不利于“认知”概念在雷达信号处理中的应用,主要表现在:1)基于数据的处理架构难以实现优化;2)基于数据的处理架构难以有效利用已经加载的数据;3)基于数据的处理架构难以有效矢量化处理;4)实际的处理性能取决于时钟的速率。
在传统雷达的体系架构中,即使数字化发射和接收技术已经逐步成熟,波形任意产生技术也在工程上得以应用,但是在传统雷达体系架构的设计中,发射和接收通道依然是彼此独立的,而且发射波形与环境无关,信号处理方式与环境无关。
而在认知的概念中则包含:1)雷达系统应该能够根据获取的信息改变发射波形、照射角度等参数,以实现和环境的最优匹配;2)环境分析器为接收机提供环境分析结果,主要包括雷达回波和其他环境信息(如温度、湿度、压强和海洋状态),为接收机对目标做出判定提供依据;3)接收系统对雷达数据进行系统分析,明确杂波和目标的模型;4)接收系统将这些信息反馈给发射机,发射机根据信息,调整发射参数,再次照射环境目标,如此循环重复,不断改善系统性能。
认知雷达实现认知处理的核心是知识的有效利用,而根据目的的不同,雷达系统的知识也存在不同层次。第一层是模型和算法,对于雷达来说就是具体应用的算法和相应的模型;第二层是逻辑决策,对于雷达来说就是算法、系统资源的组织和优化;第三层是评估反馈,对于雷达来说就是系统功能设计和评估、战场态势感知。如图1所示。
认知雷达层次化知识库示意图
认知雷达对于知识的运用包括知识的应用、评估、更新三个过程。
1)知识的应用是一个由上至下的分解过程。首先应该根据环境感知的结果,分析战场态势,明确作战目的;然后根据作战功能,分配系统资源,智能选择处理算法和策略;最后运用具体的模型和算法,实现相应的功能。
2)知识的评估是由下至上的反馈过程。其需要依次对处理算法、调度策略和探测效果进行评估,全面了解雷达的工作性能及应该改进的内容。
3)知识的更新是应用和评估循环交替的过程。每次知识的应用和评估都会产生新的知识,需要对其进行更新和记忆。
认知雷达的内涵可概括为“一个目的、两个层面、三个能力”。
1)认知雷达的目的。通过引入人类认知思维,构建具有“精度高、调度快、性能稳、资源省”优点的全新雷达架构。这不仅仅是现代战争对雷达系统的需求,也是未来雷达系统的发展方向。
2)认知雷达具有机器认知处理和人类认知监管两个层面。第一个层面是机器处理的层面,利用机器在海量数据处理等方面的优势,实现环境和目标特性的实时感知、目标的探测、跟踪和识别等。第二个层面是人类监管的层面,利用人类的经验和感觉等非因果处理能力,对认知雷达中机器处理的过程进行监管,避免过度优化、死循环等情况的出现。
3)认知雷达具有三个能力,即环境自感知、处理自适应、能力自提高。环境自感知是指雷达能够自主感知外界环境,解析战场态势,分析干扰样式;处理自适应是指雷达能够自主地分配系统资源,选择处理策略,认知收发处理;能力自提高是指雷达能够自主记忆处理结果,推演最优算法,更新知识结构。
与传统雷达系统相比,认知雷达的系统架构是一个全自适应的闭合环路。其不仅实现了发射—环境—接收的大闭环,而且实现了知识的应用—评估—更新的闭环,如图2所示。
认知雷达的最重要的核心就是“全自适应的智能化认知处理”,这是整个认知雷达的大脑,特别是在当前雷达硬件趋同的大背景下,先进的信号处理体系直接决定了雷达的性能。
图2 认知雷达的系统架构示意图
智能化认知处理的体系架构不同于传统雷达的关键,在于对知识利用方式的转变。由于认知雷达中知识的概念具有明显的层次,因此根据知识库的不同层次,也应该将认知处理的体系架构分解为不同的层次。认知处理架构中的五个层次分别为物理层、算法层、决策层、解析层和应用层,如图3所示。
1)物理层。利用先进的硬件技术,完成雷达的收发处理。主要包括收发的反馈架构、高性能收发技术,信息高速处理和存储技术。物理层是整个认知雷达工作的基础,特别在近些年雷达硬件技术突发猛进的背景下,强有力地支撑了认知雷达研究的开展。
2)算法层。利用具有强针对性的算法,完成信息处理。认知雷达的处理算法是由一系列具有较强针对性的算法集合构成,这点与传统雷达存在明显差异,传统雷达希望使用的算法能够具有极强的普适性。认知雷达可通过算法选择策略,根据具体环境选择相应的算法。
3)决策层。分析环境特征、分配系统资源、制定处理策略。决策层是认知雷达的核心和大脑,是认知雷达知识库的大管家,其通过环境特征的分析,决定系统的资源分配方式,选择信号处理的算法,评估当前策略的性能,这是其区别于传统雷达最本质的部分。
4)解析层和应用层。分析战场态势,明确任务目标,建立人机交互,评估系统性能。该层次更多地体现认知雷达智能化的显著特征,也是传统雷达领域很少涉及的领域。
现代战争面临的复杂地理电磁环境,使得雷达系统必须能够实时地感知并适应外界环境,动态调整收发策略,在资源约束下,保证稳定的目标探测性能。这些均给传统雷达的设计理念和信号处理架构带来了极大的挑战。认知雷达概念的提出,给未来雷达技术的发展提供了一条全新的发展思路。
[1]Foglia G.Knowledge-based adaptive radar detection[D].Philosophiae Doctor,2006.
[2]Melvin WL,Guerci JR.Knowledge-aided signal processing:a new paradigm for radar and other advanced sensors[J].IEEE Trans.on Aerospace and Electronic Systems,2006,43(3):983-996.
[3]Schrade GE.The knowledge aided sensor signal processing and expert reasoning(KASSPER)real-time signal processing architecture[C]∥Proceedings of the IEEE Radar Conference,2004:394-397.
[4]Maio AD,Nicola SD,Landi L.Knowledge-aided covariance matrix estimation:a MAXDET approach[J].IET Radar,Sonar&Navigation,2009,3(4):341-356.
[5]Zhu X,Li J,Stoica P.Knowledge-aided adaptive beamforming[J].IET Signal Process,2008,2(4):335-345.
[6]Haykin S.Cognitive radar:a way of the future[J].IEEE Signal Processing Magazine,2006:30-40.
[7]Baker CJ.Intelligence and radar systems[C]∥Proceedings of the IEEE Radar Conference,2010:1276-1279.