雷達系統中的人工智能技術應用研究

張鵬飛

摘要：本文介紹了人工智能技術的發展概況，總結了人工智能技術在雷達技術中的應用。以自適應雷達項目為例，分析了人工智能關鍵技術在雷達系統中的應用，并探討了雷達技術中充分應用人工智能技術需要解決的關鍵問題。

關鍵詞：人工智能;雷達;電子

近年來，人工智能（ AI） 技術在國內外發展火熱。人工智能技術的發展也促進了很多產業的改變， 例如語音輔助系統、自動駕駛、聊天機器人、AlphaGo 系統等。有專家最近提出人工智能 2.0 概念， 指出人工智能 2.0 系統應該擁有智能感知能力。雷達作為感知的重要途徑，在人工智能中發揮著重要作用，從另一方面來講，人工智能技術也會促進雷達的發展。

1? 人工智能技術概述

人工智能（artificial intelligence，AI）涉及到研究、擴展延伸、模擬人智能的相關內容。人工智能最基本的概念是指通過機器為載體，使機器具有一定的人的表達能力與思維方式，它是關于知識的學科，是如何表達、獲取知識并實際應用的科學技術。從本質上來講人工智能是計算機學科當中的一個重要的分支，人們最初去研究人工智能技術的原因是希望計算機能夠像人類的大腦一樣進行思考，但是到目前為止，人們對自身大腦的了解程度還遠遠不夠，模仿大腦的工作更是難上加難，盡管在過去很長一段時間內科學家為之付出了很大努力。

2? 雷達系統中人工智能技術的具體應用

2.1 大數據支撐的智能化雷達信號處理

作為目前人工智能技術中比較熱門的深度學習技術，其需要大量的訓練數據作為支撐，未來一段時間內大數據支撐的智能化雷達信號處理技術仍然會有很大的發展潛力。通過大數據支撐的智能化雷達信號處理技術研究，把不同分布、不同環境、甚至不同體制的雷達感知信息形成知識庫，打通數據孤島，在海量數據的支撐下構建知識支撐及表達體系， 抽象出雷達智能化感知模型，提高雷達對環境的適應能力。

2.2 多平臺雷達協同感知群體智能

由于不同的平臺或多或少存在各自的優缺點， 為應對未來全維空間感知， 多平臺協同是未來雷達的一大發展趨勢，多平臺之間優勢互補，完成對復雜場景的全維度精確感知。多個智能體聚集在一起， 通過智能資源調度及分析，優選出單體的最佳感知策略并快速推廣; 對群體感知結果進行評估、記憶與學習， 實現多平臺雷達協同群體智能感知。在這種情況下，就需要對下述幾方面問題加以關注。首先，不同平臺間的時間同步及空間配準問題。其次，多平臺協同下的資源智能化調度問題。最后，多平臺最佳策略的優選、推廣及進化問題。

2.3 多源信息融合的跨媒體智能感知

隨著國家低空開放的推進以及雷達應用場景的多元化，這些復雜環境嚴重影響雷達系統對環境的感知效果。單獨依靠雷達對場景進行感知的效果有限， 未來的感知系統必定向著多源信息融合感知的方向發展。中科院科學家根據人類綜合利用視覺、語言、聽覺等感知結果完成識別、推理、創作等功能， 提出了“跨媒體計算”概念。當前多源信息融合的跨媒體智能感知逐漸萌芽，是新一代智能感知的一個重要發展方向。

2.4 人機混合增強智能感知

在信號處理基本運算方面， 機器的運行速度遠快于人的反應速度， 通過人機混合增強智能感知技術， 把基礎的運算、信號處理等機器擅長的工作交給器處理， 并賦予機器一定的智能處理能力， 降低人的工作壓力， 通過人機混合可極大增強智能感知的速度和效果。

3 雷達系統中人工智能技術的發展趨勢

智能優化算法不僅可以應用于雷達的優化設計，同時可以作為雷達自主決策的依據，實現雷達智能化。隨著智能優化算法的不斷發展和雷達探測目標的日益高速化、隱身化，提高有人值守雷達在復雜電磁環境下的探測性能、響應時間迫在眉睫，而自主決策比人的決策時間至少提高兩個量級，大大縮短了雷達的反應時間。同時，隨著無人平臺（ 無人機、無人艇、無人潛航器） 的逐步裝備和無人值守雷達的入役，提高雷達的智能化水平成為必然趨勢。隨著人工智能技術的進一步發展，未來將會越來越多地應用于雷達，以滿足雷達智能化探測和作戰的需求。智能優化算法作為人工智能領域的一個重要分支，在雷達中的應用將越來越廣泛。

3.1 多功能雷達資源的智能分配與調度

在多功能雷達資源的智能分配與調度中，現代相控陣雷達逐步朝著多功能方向發展，如防空反導一體化，目標批次日益增大（ 已超過 400 批次） ，目標的速度相差較大，如超過 5 Ma（ 1 Ma = 340 m /s） 的導彈，水面速度約 30 kn（ 1 kn = 1.852 km） 的艦船，則如何高效地調度和分配有限數量的陣元同時或分時搜索和跟蹤不同目標是一個需要深入研究的問題。

3.2 雷達組網資源優化

隨著協同的發展，未來雷達探測必將進行系統級、信號級、數據級等不同等級的協同，以提升雷達探測能力和對目標探測的可靠性。無源雷達組網反隱身，多部有源雷達的優化部署，掃描波束的協同匹配，都可以轉化為多目標優化問題，可以在有限臺套的雷達資源下實現雷達網覆蓋能力的最大化。

3.3 雷達雜波抑制

在雷達雜波抑制方面，針對海面小目標探測問題中雜波強的難點，通過大數據積累和學習，形成不同環境下雜波先驗知識、自適應優化設計濾波器特性和雜波處理算法，從而提升雷達在強雜波環境下的小目標檢測能力。

3.4 雷達抗干擾決策

隨著無人系統的廣泛裝備和協同作戰技術的不斷發展，未來的戰場日益復雜。基于半導體和射頻技術的不斷發展，各國的電磁系統能力日益增強。在雷達抗干擾決策中，隨著認知電子戰技術和人工智能的進一步發展，在對復雜電磁環境中電子戰措施的實時感知和學習的基礎上，快速完成認知和決策，采用不同的抗干擾決策或決策的組合有效系統電子干擾措施，提升雷達的智能抗干擾能力。

結束語

一些軍事強國已將人工智能技術引入自適應雷達系統。分析了人工智能技術與雷達系統結合所帶來的理想的應用效果。從技術層面、安全性、可靠性以及人才培養等方面總結了繼續深入人工智能與雷達系統融合發展需要重點解決的關鍵問題。針對未來發展趨勢，人工智能技術將在很長一段時間繼續處于研究熱潮，要把目光放遠、放長，緊跟科學發展腳步，力爭實現成為技術創新的引領者。

參考文獻：

[1]劉剛.智能化驅動模式下雷達系統的發展趨勢研究[J].中國信息技術通信，2018，22（11）：90-93.