认知雷达系统概念和体系架构研究

江 涛，王盛利

（南京电子技术研究所，江苏 南京 210039）

0 引言

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。

1 问题的提出

1.1 复杂环境给传统自适应处理带来的挑战

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。

1.2 智能化认知处理给传统信号处理带来的挑战

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。

1.3 认知概念给传统系统构架带来的挑战

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。

2 认知雷达的基本概念和表现形式

2.1 认知雷达中知识的基本概念

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。

2.2 认知雷达的基本内涵

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。

3 认知雷达的系统架构和处理体系

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。

4 结束语

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.