人工智能技術(shù)在雷達中的應用分析

李中偉 王殿勛

（91550部隊，遼寧大連 116023）

1.人工智能

人工智能就是用人工的方法和技術(shù)，研究、開發(fā)應用計算機的硬件基礎(chǔ)和軟件功能來模擬人類智能行為的理論、方法和技術(shù)。“智能”具有的基本能力包括：感知能力、記憶與思維能力、學習與自適應能力、行為能力。

1956 年，人們開始對人工智能領(lǐng)域進行研究，它是一門新思想、新理論、新技術(shù)不斷涌現(xiàn)的新興學科。自開始研究和應用以來，人工智能技術(shù)在人們?nèi)粘Ｉ詈凸ぷ鞯母鱾€方面都有廣泛應用，并且在軍事領(lǐng)域也有廣闊的應用前景。隨著計算機技術(shù)的迅速發(fā)展，人工智能技術(shù)將會給人們的工作、生活帶來更大的影響。

2.人工智能的發(fā)展

2.1 國外人工智能發(fā)展現(xiàn)狀

由于人工智能技術(shù)的迅速發(fā)展和廣闊發(fā)展前景，美國、英國、日本、德國等主要國家不斷加強引導和政策支持。目前，已有30 多個國家將人工智能作為國家級發(fā)展戰(zhàn)略。由于技術(shù)資源、技術(shù)發(fā)展能力以及基礎(chǔ)設施水平不同，世界各國的人工智能技術(shù)發(fā)展及目標有較大差異。

美國政府將人工智能研究和開發(fā)作為優(yōu)先事項，維持并拓展美國在人工智能領(lǐng)域的領(lǐng)導地位。

為爭奪未來智能戰(zhàn)爭的技術(shù)優(yōu)勢，美國加大人工智能技術(shù)以及在軍事上的應用研究。DARPA 啟動的“知識導向的人工智能推理圖式”主要是通過具有圖式推理的人工智能技術(shù)，完成復雜的現(xiàn)實世界事件進行語境和時間推理，從而生成對這些事件的可操作理解并預測其發(fā)展。

美國海軍編制并發(fā)布了《海軍人工智能框架》報告，試圖加快海軍采用人工智能的速度。為了保持武器裝備的巨大優(yōu)勢，美海軍希望在“宙斯盾”作戰(zhàn)系統(tǒng)中加裝基于人工智能技術(shù)的應用軟件，為“宙斯盾”作戰(zhàn)系統(tǒng)的值班人員提供完整的態(tài)勢感知能力[1]。

2.2 國內(nèi)人工智能發(fā)展現(xiàn)狀

近5 年來，我國人工智能技術(shù)的研究和發(fā)展已經(jīng)由初步發(fā)展階段進入快速發(fā)展階段，我國更加注重人工智能技術(shù)的實際應用，以人工智能技術(shù)為基礎(chǔ)的產(chǎn)業(yè)鏈逐步形成。

我國基于人工智能的產(chǎn)業(yè)鏈主要包含：第一是基于人工智能技術(shù)的軟硬件研發(fā)，如AI 芯片、大數(shù)據(jù)、云計算平臺等，為人工智能提供數(shù)據(jù)及算力支撐，這也是最基礎(chǔ)的一方面；第二是人工智能技術(shù)的實現(xiàn)，這是核心內(nèi)容，通過不斷訓練學習模擬人類的智能相關(guān)特征，來構(gòu)建智能技術(shù)路徑，如算法理論、技術(shù)開放平臺、基礎(chǔ)開源框架等。第三是人工智能技術(shù)在各領(lǐng)域的實際應用，針對某類特定的實際需求，綜合應用多種人工智能基礎(chǔ)技術(shù)，研發(fā)出解決實際需求的產(chǎn)品或方案，如智能交通、智能醫(yī)療、智能武器等。

社會環(huán)境的需求使得我國人工智能技術(shù)的應用發(fā)展非常迅速，新冠疫情以來，人工智能識別和算法應用到群體測溫、疫情預警及抗新型冠狀病毒藥物的研究工作等方面并取得了一定成果。

2.3 人工智能未來發(fā)展

人工智能技術(shù)的迅速發(fā)展和各領(lǐng)域的廣泛應用，使其具有更加廣闊的前景：

2.3.1 認知智能的發(fā)展

當前的人工智能雖然具備或超越了人類的某些基本感知技能，但不具備對獲得信息進一步的理解和自我思考能力。通過接收外界信息，掌握大量的知識并能像人腦一樣自我分析推理，就是認知智能。要真正從感知智能走向認知智能，就需要建立具有關(guān)聯(lián)能力的知識圖譜，人工智能汲取更多的知識，形成大腦，綜合運用持續(xù)學習、因果推理等技術(shù)，讓機器真正地理解知識并具備靈活運用知識能力，實現(xiàn)從感知智能到認知智能的關(guān)鍵突破。

2.3.2 計算存儲一體化突破AI 算力瓶頸

馮·諾伊曼架構(gòu)的存儲和計算分離，已經(jīng)不適合數(shù)據(jù)驅(qū)動的人工智能應用需求。頻繁的數(shù)據(jù)搬運導致的算力和功耗瓶頸已經(jīng)成為對更先進算法探索的限制因素。類似于腦神經(jīng)結(jié)構(gòu)的計算架構(gòu)將數(shù)據(jù)存儲單元和計算單元融合為一體，能顯著減少數(shù)據(jù)搬運，極大提高計算并行度和能效。計算存儲一體化在硬件架構(gòu)方面的革新，將突破AI算力瓶頸。

2.3.3 新型神經(jīng)網(wǎng)絡技術(shù)

為了克服目前神經(jīng)網(wǎng)絡沒有空間分層以及因果推理能力等局限性，業(yè)界開始探索新型神經(jīng)網(wǎng)絡節(jié)點，這會使得神經(jīng)網(wǎng)絡的功能越來越豐富。隨著發(fā)展，未來新型網(wǎng)絡還將不斷出現(xiàn)。

深度神經(jīng)網(wǎng)絡工程化應用技術(shù)不斷深化。由于深度神經(jīng)網(wǎng)絡模型參數(shù)和空間占用規(guī)模巨大，對一些資源缺乏、性能不足的設備來說，無法滿足深度神經(jīng)網(wǎng)絡巨大的運算量。為減少運算量，保證深度神經(jīng)網(wǎng)絡模型的可部署，采用了模型壓縮技術(shù)來降低模型參數(shù)和空間占用量。

當前機器學習模型是“黑盒子”，很多時候可以拿來用，但具體原理并不十分清楚，即缺乏足夠的“可解釋性”。可解釋性希望模型不再是（也不應該是）黑匣子，其結(jié)果的每個決定都必須可解釋。可解釋性也是發(fā)展的重要趨勢之一。

3.人工智能在雷達中的應用

3.1 智能雷達基本概念

智能雷達就是具備一定人類特征及行為能力，綜合應用人工智能技術(shù)、網(wǎng)絡技術(shù)、信息技術(shù)及現(xiàn)代雷達技術(shù)等驅(qū)動雷達與環(huán)境自動交互及持久學習的雷達系統(tǒng)。目前，國內(nèi)外對智能雷達的概念并沒有確切的定義，但人工智能技術(shù)在雷達中有了越來越多的應用，智能雷達概念也逐步形成和發(fā)展。廣義上講，在雷達系統(tǒng)中采用了人工智能技術(shù)的雷達就稱為智能雷達。它可以是整個雷達某一分系統(tǒng)的智能化，也可以是整個雷達系統(tǒng)或雷達組網(wǎng)系統(tǒng)的智能化[2]。狹義上講，智能雷達就是具有一定信息獲取、知識學習訓練、自主推理和決策能力的雷達。它可以通過不斷的信息數(shù)據(jù)積累和學習訓練，根據(jù)任務的需求、工作環(huán)境、目標類別等自主切換發(fā)射信號波形、雷達資源分配、目標信號處理方式等，能更好地提高目標跟蹤測量、識別性能。

目前，國內(nèi)多家單位開展了對智能雷達的研究，在多波形優(yōu)化、雜波抑制、資源調(diào)配、目標識別等方面具有一定的研究基礎(chǔ)。但與國外研究程度相比還有較大差距，軍事雷達智能技術(shù)應用成熟度不高。

3.2 人工智能在雷達中的應用分析

人工智能技術(shù)及其應用的研究日趨深入和成熟，其在雷達中的應用程度也勢必加深，目前基于人工智能的自適應算法和處理技術(shù)已經(jīng)在雷達中廣泛應用，這就是雷達的初級智能。隨著人工智能技術(shù)在雷達中的深入應用，采用深度學習的高級智能雷達必將很快出現(xiàn)。

3.2.1 雷達智能信息處理

隱身技術(shù)的發(fā)展使得測量目標具有較低的RCS，同時雷達測量時會面臨復雜測量環(huán)境和雜波干擾，這些都會導致雷達的檢測和跟蹤性能降低。將人工智能技術(shù)應用到雷達信息處理中，利用各種已有信息和知識形成各類目標和環(huán)境的數(shù)據(jù)庫，通過不斷學習、分析、訓練等過程，雷達自主調(diào)整發(fā)信信號波形、能量等資源，提高對弱信號目標的檢測和跟蹤性能。

某研究所采用基于視覺認知的目標檢測跟蹤技術(shù)，改變先檢測后跟蹤的傳統(tǒng)雷達跟蹤方式，通過卷積神經(jīng)網(wǎng)絡自動提取目標特征，可以提高復雜場景下適用性與傳統(tǒng)跟蹤的對比，可抑制90%的虛警率。對比圖見圖1。

圖1 多目標跟蹤對比圖

3.2.2 雷達智能化測試、診斷及性能評估

隨著計算機技術(shù)和人工智能技術(shù)的迅速發(fā)展，及其在裝備中的多方面應用，基于人工智能的裝備測試及故障診斷方法得到了更加深入、系統(tǒng)的研究。將人工智能技術(shù)應用于雷達裝備工作狀態(tài)和性能的自動化測試、故障診斷及裝備總體性能評估中，可大大提高雷達裝備的實時狀態(tài)檢測、監(jiān)視及各類故障的實時診斷和處理能力，并根據(jù)實時測試結(jié)果給出雷達裝備的性能評估結(jié)果，作為能否參加任務的判斷標準。

3.2.3 雷達智能雜波抑制

對于某些低仰角情形下探測跟蹤目標的雷達，會受到較強的地、海雜波干擾，空時耦合性高。將人工智能技術(shù)應用到雷達雜波抑制上。雷達探測各種雜波環(huán)境下的回波信號后，建立雜波圖，構(gòu)建雜波區(qū)域，提取雜波特征，完成雜波類型識別和各類雜波的精細化特性分析，從而實現(xiàn)對雜波環(huán)境的感知，通過大量連續(xù)的知識學習與積累，形成雜波環(huán)境感知數(shù)據(jù)庫，結(jié)合靈活的雷達多波形優(yōu)化及發(fā)射技術(shù)，提高自適應雜波抑制性能和強雜波干擾下的目標檢測性能。

3.2.4 雷達智能目標識別

在實際測量任務中，需要對測量目標進行類型、數(shù)量、特性進行分類和識別。人工智能技術(shù)的應用可大大提高目標識別的智能化，采用基于深度網(wǎng)絡的目標特征與學習方法、基于大數(shù)據(jù)小樣本的目標分類識別方法，完成對測量目標和環(huán)境特征的提取及識別工作，實現(xiàn)實際作戰(zhàn)環(huán)境下非合作目標的有效識別。

某單位針對真實數(shù)據(jù)樣本少的特點，研究了基于深度遷移學習的雷達高分辨距離像（HRRP）識別，通過HRRP 的歸納式遷移學習，將輔助數(shù)據(jù)的預訓練數(shù)據(jù)遷移至目標數(shù)據(jù)中，降低網(wǎng)絡對標簽樣本的需求[3]。圖2 為三類目標的原始數(shù)據(jù)、無預訓練最后特征層、歸納式遷移學習（預訓練）最后特征層數(shù)據(jù)分布的主成分分析（PCA）示意圖。

圖2 PCA示意圖

4.結(jié)語

人工智能技術(shù)未來發(fā)展及應用前景廣闊，雷達裝備的發(fā)展必須融合新興技術(shù)，加快技術(shù)創(chuàng)新發(fā)展的進程。目前國內(nèi)對智能雷達技術(shù)尚未形成統(tǒng)一的概念，但人工智能的雷達探測應用已經(jīng)在快速進行中，將雷達技術(shù)與人工智能技術(shù)深度融合，雷達裝備將更加智能化。