网络化电子战技术发展思考

田 达，宋海伟，胡新宇，吴 昊

(中国航天科工集团8511研究所，江苏 南京 210007)

·专家论坛·

网络化电子战技术发展思考

田 达，宋海伟，胡新宇，吴 昊

(中国航天科工集团8511研究所，江苏 南京 210007)

信息时代网络化体系对抗成为必然发展趋势，电子战的技术形态也将发生改变。从网络中心战与复杂性理论的视角来研究网络化电子战系统技术，探讨人工智能与网络化电子战的关系，提出了未来发展设想。

人工智能；电子战；电子侦察；电子攻击；网络中心战；复杂自适应系统；自组织系统；C4I系统

0 引言

21世纪，人类进入信息时代。信息技术呈指数增长并改变世界的方方面面，作战理念、战争形态也将随之发生重大变革，网络化、体系对抗成为必然发展趋势，电子战的技术形态也将发生改变。网络化电子战是一种基于网络中心战思想理念的电子作战形式，其目的在于夺取电磁频谱优势继而获得战场主动权。与网络中心概念密不可分的，是作战空间中的三类实体：传感器、执行器和决策器。这些实体通过信息与传感器栅格紧密联系在一起[1]。伴随网络中心战理念而来的，是各类实体之间大量的数据和信息流，以及更快的行动节奏。激增的数据和信息流可能完全超出人类执行器和决策器的能力范围。

为克服上述危机，有必要寻求利用人工智能(AI)以及复杂自适应系统(CAS)领域的发展成果来解决问题。这些技术形成了21世纪作战空间中第四类实体——作战空间智能体[2]的理论和技术基础。人工智能使得自主式的传感器控制、数据采集与数据解读成为可能。信息基础设施自身也可能受控于作战空间中依靠人工智能来实现其功能的智能体。这些智能体可能用于不适宜选派人类执行器或决策器前往执行任务的危险场合。通过彼此协同，许多智能体组成了一个复杂自适应系统，这些智能体在作战空间中共生共存，既相互竞争，又相互协作，共同实现目标。

本文试图从网络中心战与复杂性理论的视角来研究网络化电子战系统，探讨人工智能与网络化电子战的关系。在此基础上简单介绍了近期的关注重点和主要设想，希望能在未来的电子战装备技术体系建设中发挥应有的作用。

1 网络化电子战

美国海军退役中将Cebrowski在20世纪90年代末提出了网络中心战的概念[1]。这种作战理念的特别之处在于重心的转移：即从平台转至网络，以及从各独立执行器转至一个自适应有机协同系统的各个组成。这种新的作战理念使得部队能够发展快速指挥能力，并能实现自底向上的自组织来实现指挥员意图。快速指挥能够产生更好的战场态势感知，这使得更快、更精确响应的效果聚集成为可能，这与传统的“兵力聚集”做法形成鲜明对比。在研究形成这一作战理念的过程中，Cebrowski借鉴了复杂性理论(complexity theory)的研究成果[3]。将复杂性理论应用于战争，意味着对作战作如下理解，即其本质上是非线性的，由相互竞争、相互协作的多个不同个体之间的局部相互作用最终演化出作战结果。在网络中心环境下，个体之间的交互是大量存在的，每个数据包都代表着不同的交互作用。传统的平台中心作战理念的特点是“信息贫乏”，每个执行器都依赖其自身传感器，而各执行器之间的交互并不很频繁。作为对比，网络中心作战的特点是“信息充沛”，每个执行器都能快速获取丰富的信息。但是，每个信息包都会有相应的延迟和误差，如果不能恰当处理和应对，极有可能导致错误的灾难性传播，甚至造成系统崩溃。这就带来一个问题，该如何使用延时不定、质量差异悬殊的各类信息，从而实现各个独立平台向完全自适应的有机协同系统的转变呢？

网络化电子战是一个复杂问题，比单纯扩展数传带宽和平台组网能力要困难得多。需要解决的基本问题包括：对质量、时效差异较大的各类信息的解读和利用，信息的提炼净化以确保网络质量及阻止误差在网络中灾难性传播，对自同步响应的协调，以及有限资源的合理分配，等等。

平台与系统的自同步将提升电子战的作战效能。在一些需要极高响应速度的电子战应用场合，需要快速发现辐射源并对其分类，这通常是由平台上的侦察接收机(与干扰发射机共处同一位置)来实现的。但由于同一平台收、发难以同时工作，因此单平台情况下只能分配给电子侦察接收机有限的占空比工作时隙进行间断观察[4]，传感器和处理延时将会相对较高，这种情况下要对多个辐射源进行快速响应，难度是非常大的。组网协同工作情况下，可利用平台外其他有效电子侦察系统提供信息，不但可将侦察传感器从间断观察的约束中解放出来，而且由于多部传感器截获概率的累加，传感器的延时将会大大降低，因此只要平台外支援信息的网络传输延时足够小，组网协同情形下的响应延迟就将会显著降低。这就需要新的宽带数据链支撑，或者是更加智能化的信息传输方式。

网络化电子战的另一个好处是允许装备之间更紧密的协同配合。协同的两种极端模式分别为集中式控制和分布式控制。集中式控制意味着主从结构，其中的主节点指挥一个或多个从节点。分布式控制意味着最底层的单元能够处理信息并自行决定如何做出最佳动作。它们既可以在所有响应中都体现预置好的指挥员意图，也可以各自独立工作。两种极端模式混编是一种可行的架构。为了加快速度，最底层的执行器具备处理信息和决定何时动作的能力，而更高一级的指挥层能通过否决这些行动来实现干预，并能在低层级的执行器无法独立决策时，指挥其响应。也可采用拍卖处理方式，每个具备资格的执行器都可基于适当的准则进行任务的竞拍，指挥单元最终将任务分配给最高竞价方。

网络化电子战不仅仅是解决了分配去冲突问题，它还为产生新的响应形式提供了可能。比方说，智能化无人集群电子战系统，其行为类似蚁群[6]，通过人工信息素痕迹相互引导实现对威胁的感知和攻击。

2 复杂自适应系统

对复杂自适应系统(CAS)的正式研究可追溯到1984年圣达菲研究所的成立[3-4]。学者们研究由多个智能体组成的系统所表现出的行为，这些智能体在动态环境中共生共存，为了实现其目标，彼此之间或相互协作或相互竞争。很多系统都满足这一模型，如股市、生态系统、人类自身的免疫系统、互联网以及陆战系统等等。

在基于离散事件的仿真系统中，CAS中的智能体往往被建模成各类实体[5]。智能体接收来自外部环境的各种激励，然后基于该信息选择做出行动响应。激励包括各种事件、观测以及来自其他智能体的交流信息。CAS的基本特性在于，诸多行动均基于本地决策，行为是自然发生的而不是事先规定的，组织具有分层架构，控制是分布式的，仅仅通过孤立的观察各个成员无法描述整个系统的状态。自然发生行为不是明确规定的行为，而是由很多非线性交互影响的成员共同作用附带产生的行为。鸟类的结队飞行、鱼类的成群游行，以及蚁群的结队觅食都是自然界中自然发生行为的例子[6]，这些例子反映了一个共同点，即一组简化的行为规则往往能产生复杂的系统行为[7]。仅仅孤立地观察各个智能体无法得出整个复杂系统的状态。只能通过各个智能体之间各种相互作用产生的合成效果来描述系统。CAS研究中用到很多人工智能分析工具。智能体的自适应组成往往可用神经网络技术或演化计算方法来建模。

通过提升指挥和自同步的速度，可以实现快速破坏敌方战略的能力。伴随着快速指挥的产生，将会有态势感知能力提升、效果聚集，以及在敌方行动过程中的快速阻断等一系列效应显现。当本地决策成为可能时，智能体之间的自同步就容易实现了。若可进行分布式控制，则可自底向上实现系统自身的组织，与自顶向下的控制方式相比，可更快满足指挥员的意图。

除了为作战提供了一种新的诠释之外，复杂性理论还为作战场景建模与分析另辟了蹊径，它为战术设计提供了一种新的方法途径，还可用于控制自主无人平台组成的集群。

当前很多仿真系统都是由执行预定任务的固定程式化实体所构成的。如果用自适应实体来对红蓝双方进行建模，则可以用更逼真的方式来评估各种战术。CAS理论既可以作为一种工具来认识系统具备何种能力，也可以作为一种分析工具用来尝试解读系统正在做什么，它还提供了一种不同的手段用来分析特定行动和战术的结果。

网络中心战中必须解决的一个突出问题就是确定异类系统之间交互的最佳方式以便更好地实现装备协同。这些异类系统可能来自不同部队，能力各不相同，价格成本各异，它们在不同时段参与作战，各自具有不同的行动范围，以不同的保真度和置信度提供各类信息。复杂性理论将帮助我们确定如何最优化地配置资源，以及应该采用何种战术。

为每个平台确定恰当的战术也是一项极具挑战性的任务。从复杂性理论已知，与固化行为相比，让规则随着环境反馈而不断演化往往才是最佳的。采用遗传编程或分类器系统技术在特定空间搜索可能的战术是一个值得研究的方向，它将为网络化电子战的研究工作提供支撑，同时也为管控无人飞行器、微型空射诱饵及无人作战飞机等提供了可能的解决方案。

3 人工智能

网络服务质量和海量数据可能导致网络中的实体无法及时获取需要的信息，快速节奏和庞大信息流也超出了人类执行器和决策器的承受能力。

为避免这种危机，应当在整个网络中借助人工智能处理工具来提升任务的自动化水平。这当中包括从传感器数据中提取有用信息，进行多传感器数据融合，调节、管控网络的交互使得正确的数据能够及时通达正确的实体，处理缺失或受损数据，管理装备资源的分配，以及信息归类存档和提取。人工智能在这里被定义为能够提供目标导向、自我激励并能自适应分析和解读采集数据或处理信息能力的任何一种算法，不论其以软件还是硬件为载体。相关的支撑技术包括(但不限于)神经网络、模糊逻辑与模糊集、遗传算法、遗传编程、不确定或不完备信息情况下的推理，以及机器学习和自适应智能化智能体，等等。

人工智能技术既可用于电子侦察也可用于电子干扰。组网协同工作情况下，来自传感器的数据流和来自信息基础设施经过处理的信息流将不断快速变化，这就要求人工智能技术应具备相应的处理能力。平台、子网及主网都需要这种具有变化、自适应形式的自动化处理来完成其任务使命。

人工智能技术可应用于独立电子侦察系统中的所有层级。信号截获需要侦察接收系统在空域、频域、时域上覆盖或对准感兴趣的辐射源目标信号，本质上是一个资源调度编排问题。在有多部天线和接收机的系统中，必须对此进行协调控制以得到最佳截获概率。如果在密集信号环境下执行战术(高实时性)任务，人类操作员是无法胜任这种高强度处理负荷的，这当中也包括信号分选去交错、辐射源特征提取、辐射源分类识别，以及辐射源与平台及作战意图的关联，等等。采用的人工智能工具类型是多样化的，如利用演化算法实现任务调度和系统优化，通过神经网络或专家系统进行辐射源信号去交错和特征提取[8]，等等。在更深层次的关联处理中，可能需要自适应的智能化智能体来对来自平台内传感器和平台外信息源的各类信息进行关联融合，以此生成态势感知显示供人类执行器和决策器使用。需要强调的是，上述智能化系统应设计成实际使用中无需人工干预的系统，应具备目标导向和自学习行为能力，避免对系统进行费时又费力的人工调控。

单平台电子干扰系统可根据电子侦察系统或综合电子战系统提供的信息进行控制。战前分析加上自适应电子干扰智能体能够为孤立平台提供对攻击的最佳响应。对威胁环境的深度理解、对抗效果的在线评估和干扰资源/策略的及时调整都有可能成为人工智能发挥重要潜能的场合。

人工智能应用的另一个领域就是单用途网络代理，它可针对特定用途从各种不同节点收集信息，如推荐打击目标的列表生成，或为了实时调整行进中的战术任务而发掘所需信息。这些智能体可能同时驻留在多个平台并监视信息基础设施中的相关输入，也可能受自适应算法的引导在网络中游行趋向最有可能的相关信息源。后一种做法对数据链带宽要求较高。例如在空袭任务中，当传感器在行进路线附近发现新的威胁时，传感器平台上的任务智能体将直接通知空袭作战飞机上的主任务智能体。主任务智能体将评估该条新信息对任务的影响程度并向飞行员做出行动建议。

4 重点关注方向

根据现阶段发展需求和趋势，以下技术方向值得重点关注，其发展可能对未来电磁作战产生深远影响。

1)多源融合目标识别与电磁态势综合感知

针对联合作战需要，更精确、更快捷地解决战斗辨识和电磁态势感知问题，研究同类和异类传感器的组网新技术，通过组网协同探测将各类传感器的识别特征数据进行融合以提升对未知目标的有效辨识能力和电磁环境态势深度理解能力，其中的传感器包括雷达、敌我识别以及从UHF频段直到红外谱段的被动探测。为了在整个网络中建立起辨识机制，可在高保真仿真环境中对各种分类器算法以及包括贝叶斯、Dempter-Shafer和模糊逻辑等在内的证据学数学理论进行测试。

2) 组网协同电子对抗资源优化管理

联合作战必然涉及多种不同平台的组网协同，每种平台都有各类传感器和电子干扰资源。整个战斗群的任务遂行及生存很大程度上取决于能否根据需要自动实现对各类资源的分配和高效利用，这就需要研发相应的资源管理器，能够对分布在不同平台的电子战资源进行实时优化分配。基于模糊逻辑的资源管理器能够根据专家提供的规则做出决策，其中可能涉及单平台模型和多平台模型。单平台模型使得每个平台都能可当成一个自主式的智能体；多平台模型的特点是有一个自组织分布式的指挥架构，在此指挥架构中，不存在特定的平台作为指挥中心，该架构代表了自同步、相互配合的跨平台协同。

3) 电子侦察无人机群的自组织协同控制

多架电子侦察无人机按分布式智能体架构展开，可识别并监视敌方辐射源，从而增强战场态势感知能力。需要研发高效智能的控制系统，使得每架无人机都能自行决策，同时又能与集群中的其他个体相互配合共同实现目标。群体智能算法在此可以充分发挥效用，对无人机的控制规则进行演化，确定无人机编队所期望的组织和编排并实现对每架无人机的行为管控。

4) 基于自适应智能体的无人集群电磁作战系统

将自适应智能体的系列方法用于无人集群电磁攻防作战任务，包括对敌方移动式防空系统进行实时探测和电子攻击以支持掩护己方突防作战，或者己方高价值目标/区域防御敌方飞机/卫星侦察、反制敌方有人或无人战机编队/精确制导武器攻击，实现高效费比电磁作战。无人作战飞机UCAV及无人机UAV(包括微型无人机)的任务角色也是当前关注的热点，因此未来联合作战电磁攻防作战任务可能采用大量异类交互作用的无人平台和系统来实现，是典型的复杂自适应系统(CAS)，用多智能体模型来进行作战仿真能够更加有效地理解集群电磁作战复杂系统行为。

5 结束语

网络化电子战实质上是在网络中心战导向的作战空间中实施的电子战，其效用主要有两点：一是为电子对抗和其他军事行动提供更有价值的信息；二是直接以平台/组织同步、协同的形式提升电子对抗作战能力。目前大多数电子战任务，如告警、情报监视侦察、战场毁伤评估、自卫、对敌防空压制等等，都将因网络化电子战而受到重大影响。网络化电子战的电子侦察部分能够提供更多更好的信息，对所有军事行动产生贡献。这将提升作战空间的感知能力，得到优势战场知识，最终实现拒敌制胜。无论作战空间智能体的载体位于何处,网络化电子战的核心思想在于确保合力或涌现效应的产生。目前和未来，能支持这些作战空间智能体实现其任务的技术，恐怕只能在人工智能和复杂自适应系统领域中探寻了。■

[1] Alberts DS, Moffat J. 网络中心战与复杂性理论[M]. 郁军, 贲可荣,译.北京：电子工业出版社, 2004.

[2] Llachinski A. 人工战争：基于多Agent的作战仿真[M]. 张志祥, 高春蓉, 郭福亮，译. 北京：电子工业出版社, 2010.

[3] Waldrop MM. Complexity: the emerging science at the edge of order and chaos[J]. Physics Today，1992, 45(12): 83.

[4] Holland JH. Studying complex adaptive systems[J]. Journal of Systems Science & Complexity，2006, 19(1): 1-8.

[5] 廖守亿, 王仕成, 张金生. 复杂系统基于Agent的建模与仿真[M]. 北京：国防工业出版社, 2015.

[6] Bonabeau E, Dorigo M, Theraulaz G. Swarm intelligence: from natural to aritifical systems[M]. Oxford University Press Inc., 1999.

[7] Reynolds CW. Flocks, herds and schools: a distributedbehavioral model[J]. ACM Siggraph Comput Graphics，1987, 21(4): 25.

[8] Petrova N, Jordanova I, Roeb J. Radar emitter signals recognition and classification with feedforward networks[J]. Procedia Computer Science，2013, 22: 1192-1200.

Considerationforthedevelopmentofnetworkcentricelectronicwarfare

Tian Da， Song Haiwei， Hu Xinyu， Wu Hao

(No. 8511 Research Institute of CASIC，Nanjing,210007，Jiangsu，China)

System-of-systems combat in a network centric environment becomes the necessary trend in the information age. In response, the way and fashion of electronic warfare (EW) technology evolution may change significantly. The techniques of network-centric EW systems are studied from the point of view of network-centric warfare and complexity theory，with main emphasis on the relationship between network-centric EW and artificial intelligence (AI). Finally, some of the ideas and considerations concerning future development are described.

AI;EW;electronic reconnaissance;electronic attack;network centric warfare；complex adaptive system；self-organized system；C4I system

2017-06-08；2017-09-05修回。

田达(1975-)，男，研究员，博士，主要研究方向为电子战系统总体设计、现代信号处理。

TN97

A