雷达系统中的人工智能技术应用研究

张鹏飞

摘要：本文介绍了人工智能技术的发展概况，总结了人工智能技术在雷达技术中的应用。以自适应雷达项目为例，分析了人工智能关键技术在雷达系统中的应用，并探讨了雷达技术中充分应用人工智能技术需要解决的关键问题。

关键词：人工智能;雷达;电子

近年来，人工智能（ AI） 技术在国内外发展火热。人工智能技术的发展也促进了很多产业的改变， 例如语音辅助系统、自动驾驶、聊天机器人、AlphaGo 系统等。有专家最近提出人工智能 2.0 概念， 指出人工智能 2.0 系统应该拥有智能感知能力。雷达作为感知的重要途径，在人工智能中发挥着重要作用，从另一方面来讲，人工智能技术也会促进雷达的发展。

1  人工智能技术概述

人工智能（artificial intelligence，AI）涉及到研究、扩展延伸、模拟人智能的相关内容。人工智能最基本的概念是指通过机器为载体，使机器具有一定的人的表达能力与思维方式，它是关于知识的学科，是如何表达、获取知识并实际应用的科学技术。从本质上来讲人工智能是计算机学科当中的一个重要的分支，人们最初去研究人工智能技术的原因是希望计算机能够像人类的大脑一样进行思考，但是到目前为止，人们对自身大脑的了解程度还远远不够，模仿大脑的工作更是难上加难，尽管在过去很长一段时间内科学家为之付出了很大努力。

2  雷达系统中人工智能技术的具体应用

2.1 大数据支撑的智能化雷达信号处理

作为目前人工智能技术中比较热门的深度学习技术，其需要大量的训练数据作为支撑，未来一段时间内大数据支撑的智能化雷达信号处理技术仍然会有很大的发展潜力。通过大数据支撑的智能化雷达信号处理技术研究，把不同分布、不同环境、甚至不同体制的雷达感知信息形成知识库，打通数据孤岛，在海量数据的支撑下构建知识支撑及表达体系， 抽象出雷达智能化感知模型，提高雷达对环境的适应能力。

2.2 多平台雷达协同感知群体智能

由于不同的平台或多或少存在各自的优缺点， 为应对未来全维空间感知， 多平台协同是未来雷达的一大发展趋势，多平台之间优势互补，完成对复杂场景的全维度精确感知。多个智能体聚集在一起， 通过智能资源调度及分析，优选出单体的最佳感知策略并快速推广; 对群体感知结果进行评估、记忆与学习， 实现多平台雷达协同群体智能感知。在这种情况下，就需要对下述几方面问题加以关注。首先，不同平台间的时间同步及空间配准问题。其次，多平台协同下的资源智能化调度问题。最后，多平台最佳策略的优选、推广及进化问题。

2.3 多源信息融合的跨媒体智能感知

随着国家低空开放的推进以及雷达应用场景的多元化，这些复杂环境严重影响雷达系统对环境的感知效果。单独依靠雷达对场景进行感知的效果有限， 未来的感知系统必定向着多源信息融合感知的方向发展。中科院科学家根据人类综合利用视觉、语言、听觉等感知结果完成识别、推理、创作等功能， 提出了“跨媒体计算”概念。当前多源信息融合的跨媒体智能感知逐渐萌芽，是新一代智能感知的一个重要发展方向。

2.4 人机混合增强智能感知

在信号处理基本运算方面， 机器的运行速度远快于人的反应速度， 通过人机混合增强智能感知技术， 把基础的运算、信号处理等机器擅长的工作交给器处理， 并赋予机器一定的智能处理能力， 降低人的工作压力， 通过人机混合可极大增强智能感知的速度和效果。

3 雷达系统中人工智能技术的发展趋势

智能优化算法不仅可以应用于雷达的优化设计，同时可以作为雷达自主决策的依据，实现雷达智能化。随着智能优化算法的不断发展和雷达探测目标的日益高速化、隐身化，提高有人值守雷达在复杂电磁环境下的探测性能、响应时间迫在眉睫，而自主决策比人的決策时间至少提高两个量级，大大缩短了雷达的反应时间。同时，随着无人平台（ 无人机、无人艇、无人潜航器） 的逐步装备和无人值守雷达的入役，提高雷达的智能化水平成为必然趋势。随着人工智能技术的进一步发展，未来将会越来越多地应用于雷达，以满足雷达智能化探测和作战的需求。智能优化算法作为人工智能领域的一个重要分支，在雷达中的应用将越来越广泛。

3.1 多功能雷达资源的智能分配与调度

在多功能雷达资源的智能分配与调度中，现代相控阵雷达逐步朝着多功能方向发展，如防空反导一体化，目标批次日益增大（ 已超过 400 批次） ，目标的速度相差较大，如超过 5 Ma（ 1 Ma = 340 m /s） 的导弹，水面速度约 30 kn（ 1 kn = 1.852 km） 的舰船，则如何高效地调度和分配有限数量的阵元同时或分时搜索和跟踪不同目标是一个需要深入研究的问题。

3.2 雷达组网资源优化

随着协同的发展，未来雷达探测必将进行系统级、信号级、数据级等不同等级的协同，以提升雷达探测能力和对目标探测的可靠性。无源雷达组网反隐身，多部有源雷达的优化部署，扫描波束的协同匹配，都可以转化为多目标优化问题，可以在有限台套的雷达资源下实现雷达网覆盖能力的最大化。

3.3 雷达杂波抑制

在雷达杂波抑制方面，针对海面小目标探测问题中杂波强的难点，通过大数据积累和学习，形成不同环境下杂波先验知识、自适应优化设计滤波器特性和杂波处理算法，从而提升雷达在强杂波环境下的小目标检测能力。

3.4 雷达抗干扰决策

随着无人系统的广泛装备和协同作战技术的不断发展，未来的战场日益复杂。基于半导体和射频技术的不断发展，各国的电磁系统能力日益增强。在雷达抗干扰决策中，随着认知电子战技术和人工智能的进一步发展，在对复杂电磁环境中电子战措施的实时感知和学习的基础上，快速完成认知和决策，采用不同的抗干扰决策或决策的组合有效系统电子干扰措施，提升雷达的智能抗干扰能力。

结束语

一些军事强国已将人工智能技术引入自适应雷达系统。分析了人工智能技术与雷达系统结合所带来的理想的应用效果。从技术层面、安全性、可靠性以及人才培养等方面总结了继续深入人工智能与雷达系统融合发展需要重点解决的关键问题。针对未来发展趋势，人工智能技术将在很长一段时间继续处于研究热潮，要把目光放远、放长，紧跟科学发展脚步，力争实现成为技术创新的引领者。

参考文献：

[1]刘刚.智能化驱动模式下雷达系统的发展趋势研究[J].中国信息技术通信，2018，22（11）：90-93.