自适应技术在电子对抗中的应用

赵洪峰，李 旻

(上海机电工程研究所，上海 210019)

自适应技术在电子对抗中的应用

赵洪峰，李 旻

(上海机电工程研究所，上海 210019)

通过分析自适应技术在电子对抗应用中的需求与优势，提出了两种用于电子侦察的模糊聚类数据处理方法。同时梳理了自适应干扰的特点与工作流程，将模糊推理技术用于干扰效果评判。最后针对复杂电子干扰环境，分析了武器系统自适应抗干扰的原理与构成，提出将智能干扰决策系统用于抗干扰决策，以实现最优的抗干扰效果。

自适应技术；电子对抗；自适应干扰；模糊聚类；模糊推理；自适应抗干扰

0 引言

现代战场电磁环境日益复杂。因此，在进行电子对抗作战时，依靠传统的单个电子对抗设备一对一地实施对抗，以及依靠设备操作人员做出判断和决策，均难以在短时间内有效地拟定对抗方案，做出对抗响应。要适应现在和未来的复杂电磁作战环境，就必须研发具备多种对抗手段和自适应对抗能力的新型电子战装备。

目前，在工业控制领域已广泛实现了自动化，人工智能技术得到了迅速发展。而自适应技术作为人工智能技术的一个分支，其新型的“智能组件/智能结构”具有在工作条件和环境变化时主动适应和目标优化调节的特性，已被广泛应用于控制技术、信号处理等各个领域。因此，本文考虑将自适应技术应用于电子对抗领域，为解决电子对抗装备的自适应对抗问题提供技术基础。

1 自适应技术用于电子对抗的优势

将自适应技术应用于电子对抗，是现代电子作战的需要。相比于常规电子对抗，自适应电子对抗有着自身的明显优势。

1)处理流程闭环。常规对抗技术不对对抗效果进行实时分析，是开环处理。自适应对抗需要以对手对抗状态的改变和对抗效果的分析作为己方实施下一步对抗措施的依据，是一个闭环的处理流程。

2)满足高实时性要求。自适应对抗要求在接收到对抗方的电磁信号后快速实施最优对抗策略，整个自适应处理过程越短越好，否则，设备的对抗效果将会下降。高的实时处理要求，更是要满足敌变我变的要求。

3)具有自主处理能力。实时性要求实际上排除了对抗设备在工作时由人工操控的可行性，必须依赖高速信号处理技术实现独立、自主的处理。而人工操控降为一种宏观管理及辅助性的手段，可避免常规对抗手段中人工控制可能带来的战情延误和决策失误。

4)具有自学习能力。由于对抗对象的性能参数不可能事先全部掌握，无法获得完备的先验知识，因此，当对抗对象采用未知的信号时，会超出常规对抗手段的处理能力范围而无法做出准确的对抗响应。而自适应对抗设备能够进行逻辑推理，根据已有的知识进行分析判断，扩展自身的信号处理范围。

5)具有模糊分析与推理能力。实际作战中，对抗对象的工作参数具有捷变性和随机波动性，输入信息存在不确定性，处理结果有多种状态可选，自适应电子对抗通过采用模糊处理技术，制定最优的对抗策略。

2 自适应电子侦察

2.1 常规电子侦察的不足

经过长期发展，电子侦察技术目前已做到了空域、时域、频域、调制域的全覆盖，信号参数的测量精度不断提升。但存在对未知信号的模糊探测能力，即对于参数捷变及信号形式未知的辐射源信号无分选及处理能力的问题。常规电子侦察设备的信号处理流程如图1所示。

图1 常规电子侦察设备的信号处理流程

由图1可知，对于与辐射源数据库不匹配的电磁信号，电子侦察设备因无法识别辐射源而难以采用对抗措施，只能将其作为侦察数据保留，无法满足实时对抗的要求。

辐射源情报不准确、敌方平时施放假信号战时转为真信号、辐射信号本身复杂多变、侦察设备对辐射信号参数测量的误差，这些因素都将造成侦察设备实测辐射信号相对于辐射源数据库参数存在不完全匹配的状态。模糊信息处理就是用于解决如何将带误差的实测信号与辐射源数据库内的信号实现配对，以及解决数据库内参数的逐步修正的问题。

2.2 模糊聚类数据处理概念

模糊信息处理，就是用来度量处理模糊信息和描写、分析与设计模糊信息的处理方法。利用模糊聚类技术，可以对没有先验信息的信号进行分析、刻画、度量，分析那些模糊的、信息不太完整或不太准确的现象与规律，提取出有用的参数。

模糊聚类是模糊集理论在聚类中应用的产物，具有描述样本类属中间性的优点。模糊聚类分析的本质是不再明确地考虑对象是否属于某一类，而是考虑对象属于该类的程度如何。

传统的聚类分析要求把数据集中的每一个点都精确地划分到某个类中，即硬划分。而模糊聚类的一个对象相对于每一个类的隶属程度是0～1之间的一个数。一般要求，每一个对象对所有类的隶属度之合为1。模糊聚类认为，每个对象与各个聚类中心都存在着一定的隶属关系，而不是单一地属于某一类。对于数据集中类与类之间存在交叉的情况，传统的聚类方法无法有效处理，而模糊聚类则能很好地对这类数据集聚类。

电磁环境中的实际电磁辐射信号是非合作信号，没有严格的属性，其类属和形态存在着中间性，适合模糊聚类划分，即软划分。

2.3 适用于电子侦察的模糊聚类数据处理算法

现阶段的模糊聚类数据处理算法，适用于电子侦察的主要有以下两种：

1)增量式聚类

增量式聚类是依据原先聚类的结果及相似性，对新数据进行的聚类。增量聚类的关键就是要保持新聚类的结果与原聚类结果的一致性，即二者遵循的“最优”的原则一致。

由于电子侦察数据流是一种无限长度的未知数据流，适合进行增量聚类。增量聚类是基于这样一个假设：每次将增量数据中的一条记录指派到已知的簇中。增量聚类的主要优点就是不必在内存中存储所有的模式。因此，增量聚类对空间的需求是比较小的。增量聚类和一步数据流聚类十分类似。

在电子侦察应用中，由于数据集规模太大，不能把整个数据集存在主存储器里。目前有分治法、增量聚类法和并行聚类法可解决这个问题。

2)基于时序分类的分类数据聚类

连续到达的数据，被称为数据流。一个数据流是一个实时的、连续的、有序的(通过到达时间隐含或者明确地以时间戳的方式表示)序列。

图2是一个针对时序分类数据的聚类框架。该框架在不同的滑动窗口下检测漂移的概念，并且基于当前的概念产生聚类结果。由于信号是依时间序列到达电子侦察设备，因此，所认知的信号归属特性会随时间发生变化，形成一种“漂移”的特征。

图2 时序分类数据聚类分析框架

2.4 自适应电子侦察的处理流程

通过采用上述模糊聚类数据处理算法，并与常规电子侦察手段相对比，提出自适应电子侦察的数据处理流程如图3所示。

通过模糊聚类数据处理方法，将与辐射源数据库不匹配的电磁信号判定为新的辐射源，通过电子对抗战术匹配分析，判断其对己方的电子战威胁程度，从而为采取对抗措施提供情报支持。新的辐射源参数可更新现有的数据库，为后续侦察与对抗提供数据。

图3 模糊处理电子侦察设备的信号处理流程

对于LPI雷达、组网雷达等辐射源，由于其信号样本复杂多变、截获概率低，因此，靠预先侦察装订辐射源参数的思路，往往不能满足战场实际的需求。通过模糊处理的方法，将实际侦收到的LPI雷达信号逐步进行积累与比对分析，从而发现与确认LPI辐射源，使电子侦察设备具备自主适应电磁信号环境变化的能力。

3 自适应电子干扰

3.1 自适应电子干扰特点及工作流程

对于武器系统所采用的抗干扰措施，需要电子干扰系统具有实时响应及干扰效果评估能力，从而选择最优干扰样式。

从“自适应干扰”的要求分析，其与常规干扰机的不同之处在于：

1)某些常规干扰机只能按照预先编制的程序施放干扰信号，对外界的电磁信号环境无侦察能力，对自己施放的干扰信号的干扰效果无法关注。而“自适应干扰”有电磁信号侦察能力，需要通过分析自身所施放干扰的效果来进行干扰最优决策。

2)某些常规干扰机也能侦收电磁信号，以此信号为模板实施干扰样式调制，但所调制的干扰样式是固定不变的。而“自适应干扰”的干扰信号生成流程虽然与这些干扰机相同，但每次调制的干扰样式是可变的。

自适应干扰处理流程如图4所示。

图4 自适应干扰处理流程

干扰样式的自适应选择，是一个与时间有关的迭代过程，对某一时刻t而言，该时刻的干扰样式选择牵涉到初始干扰样式、t时刻之前已收到的电磁信号参数及与之对应的已施放的干扰、t时刻当前收到的电磁信号等因素，以及总的干扰策略。这一过程实际上是模拟人脑在对抗性活动中的思维方式和结果，是在暂时不考虑博弈的情况下，研究自适应选择的流程。另外还需要考虑自适应算法的收敛性与实时性，在规定的时间内得出唯一解或带置信度的多个解。

3.2 对干扰效果的模糊推理评判

自适应干扰技术与常规干扰技术之间的差异在于，自适应干扰处理是一种实时的、动态的、流程闭环的处理过程。为满足上述要求及适应对方电磁辐射信号的变化，必须要在干扰处理中体现人脑的处理特点，即采用人工智能技术。

人工智能算法需结合所采用的信号处理器件的编程特点和要求，设计合理的处理流程，进行算法优化，以达到实时性的要求。

模糊推理技术适用于对不确定的对象进行分析，也适用于对具有多种可能性的结果进行综合处理，为使用者提供类似于人脑的判断结果。在干扰样式选择处理算法中采用模糊处理技术，可体现智能干扰的自适应处理能力。

为实现自适应干扰，需要在单个干扰设备中集成多种干扰样式。干扰样式的排序可通过优先级权重数值比较的办法实现调整。而优先级权重数值的调整，则与对该干扰样式的干扰效果评判结果相关。

在对干扰效果进行评判的过程中，需要考虑的因素很多，目前尚不存在唯一的和公认的因素表及权重表，因此，采用“直觉模糊综合评判”是一种较好的处理方法。

直觉模糊综合评判是一般模糊综合评判的推广形式，通过建立评判对象的因素集F={f1,f2,…,fn}，建立合理的评语集C={c1,c2,…,cn}，用专家评定或其他方法生成评判矩阵R=(rij)n×m∈IFS(F×C)，通过合适的直觉模糊算子进行综合评判。

若因素集F中的每个因素有评价结果，则存在唯一的矩阵R∈IFS(F×C) ，称此矩阵R为直觉模糊评判矩阵或关系矩阵。若评判结果可由评判矩阵直接求得，则称此类评判为一级评判。若评判结果需要经过多个一级评判的复合，则称这类评判为多级评判。

4 自适应电子抗干扰

4.1 自适应抗干扰原理构成

自适应抗干扰系统并不是针对某一种干扰提出的抗干扰措施，而是对设备的抗干扰措施进行综合管理与调度的系统，其包括自适应干扰侦察与抗干扰自适应处理两大部分。

对于不同的干扰，一般而言需要采用不同的抗干扰措施；对于同一种干扰，也可以采用多种抗干扰措施。因此，武器系统设备在调用抗干扰措施之前，应对所面临的干扰态势进行分析。

图5以武器系统中的雷达设备为例，描述了雷达实现自适应抗干扰的原理。图5中，斜体字部分为干扰侦察模块，用于侦察雷达所面临的干扰环境，可采用前文所述的自适应电子侦察系统；黑体字部分为雷达抗干扰自适应处理模块，用于雷达抗干扰决策及抗干扰措施调度。雷达的抗干扰实现自动化与自适应，操作员根据雷达显示的目标及干扰信息，对抗干扰措施库及行动决策的结果进行修正及监控。

图5 雷达实现自适应抗干扰的原理框图

4.2 用于抗干扰决策的智能决策支持系统

干扰环境的复杂性和时变性，使得抗干扰决策不是单一的期望效用可以准确衡量的。实现智能抗干扰管理的关键，是配备一个具有智能决策能力的抗干扰行动决策系统，根据当前的干扰态势，评估已采取的抗干扰措施的有效性，做出当前武器系统设备所应采取的最优抗干扰行动决策。

抗干扰决策是一种复杂的决策过程，其特点是：

1)时变性。敌方的干扰已实现了时变能力，战场的电磁干扰环境不再是静态的，武器系统的抗干扰决策结果也应当是时变函数。

2)多样性。随着抗干扰战术技术手段的发展，对于某一种干扰态势，武器系统并非只有单一的抗干扰措施可选，而是有多种选项，并可用权重因子来进行优先级排序。

3)模糊性。对于抗干扰措施的选择，权重因子并非唯一的精确判据。由于权重因子的修正是基于对抗干扰效果的评估，而这一评估本身就具有不确定性，因此，抗干扰决策结果还应当用一个隶属度函数来描述，进而用抗干扰决策函数来描述抗干扰决策结果。

目前可以使用的技术方法是采用人工智能技术中的决策支持系统(DSS)来计算抗干扰决策函数。

DSS是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。DSS主要是以模型库系统为主体，通过定量分析进行辅助决策。DSS与专家系统(ES)结合起来，形成了智能决策支持系统(IDSS)。

智能决策支持系统(IDSS)把DSS与ES相结合，分别发挥DSS数值分析与ES符号处理的特点，并将定性分析和定量分析有机结合，使其能够进行知识处理，以更准确地模拟客观世界，全面反映决策过程，从而有效解决半结构化和非结构化问题。智能决策支持系统的智能性并不仅仅限于对知识库的使用上，更集中体现在：1)对模型库实现模型自动选择和生成；2)系统可以理解决策者的思维，具有学习功能；3)联机分析处理和数据挖掘技术对数据进行复杂的分析处理，挖掘隐含的知识，增强知识库及系统决策能力；4)与各种软计算模型及人工智能方法相结合，提高IDSS的数据处理速度及系统总体决策效率。

5 结束语

自适应对抗技术与常规对抗技术之间存在很大差异，集中体现在对抗处理是一种自适应的、动态的、流程闭环的处理过程。为满足上述要求及适应敌方辐射信号的变化，必须要在对抗处理中体现人脑的处理特点，即模糊处理及综合判断的工作方式。在应用时，还需要根据装备的具体战技指标要求，结合工程实现的能力对设计方案加以细化和优化，最后还应通过大量的测试与试验，逐步达到最佳。■

[1] 徐蔚鸿.模糊智能系统中模糊推理研究[D].南京：南京理工大学，2004.

[2] 王德吉.复杂环境下自适应智能决策支持系统研究[D].合肥：中国科学技术大学，2007.

[3] 吕宗磊.对聚类及聚类评价若干问题的研究[D].南京：南京航空航天大学，2009.

Application of adaptive technology in ECM

Zhao Hongfeng， Li Min

(Research Institute of Shanghai Mechanical and Electrical Engineering，Shanghai 210019，China)

By analyzing the requirement and superiority of the application of adaptive technology in ECM，two fuzzy clustering data processing methods used in electronic reconnaissance are presented. Meantime，the characteristic and workflow of adaptive jamming are hackled，and fuzzy reasoning technology is summarized to be used in judging jamming effect. Finally，in view of complex electronics environment，to achieve optimal jamming effect, the principle and composition of adaptive ECCM of weapon system are analyzed, and intelligent jamming decision-making system is presented to be used in ECCM decision making.

adaptive technology;ECM;adaptive jamming;fuzzy clustering;fuzzy reasoning;adaptive ECCM

2014-06-20；2014-12-20修回。

赵洪峰(1986-)，男，工程师，硕士研究生，主要研究方向为电子信息对抗。

TN97

A