構建一種「更智能」的機載電子攻擊的方法

美軍現在很清楚地知道，美國的機載武器平台已經面臨反介入/區域拒止(A2/AD)的戰場環境。與曾經面臨的作戰環境相比，機載武器平台在這樣的環境中將表現得更為激烈。這個令人生畏的挑戰正在變得愈演愈烈。

因此，機載電子攻擊(AEA)能力和整體AEA戰略需要顯著改善和重組，以跟上作戰環境威脅的發展。

美國國防部已經確定，為適應新的作戰環境，不能通過對現有系統的漸進式改進來實現，而是必須採取一種指數級的改進，並採用最新的技術。特別是人工智慧(AI)體系結構和機器學習技術和演算法。

在AEA的情況下，這些技術被認為是高度集成的網路中的認知電子戰自學習系統，能夠實時檢測環境，做出相應的反應並適應新的威脅。

先進綜合防空系統(IADS)的運行範圍和複雜性增加了，主動和被動監視和定向能力都是AEA規劃者最關心的問題。目前的方法幾乎全部依賴於專用的AEA平台，例如具有高功率寬頻干擾系統的EA-18G咆哮者和EC-130H指南針呼叫飛機。

然而，這些低密度，高需求的系統主要是在威脅系統之外運行，所以隨著威脅範圍的擴大，這些「隔離」平台的高功率干擾的有效性是顯著減少。

與此同時，他們的干擾信號的波束寬度也隨著距離同時擴大，使得它們本身更加明顯，更容易受到更廣泛的威脅。

改進的系統，如為EA-18G開發的下一代干擾機(NGJ)，將稍微能夠解決這個問題，但是它們不能完全解決這個問題。

無論如何，還需要額外的AEA能力來補充對抗能力。預計這些技術將會採取攔截/低概率檢測(LPI / LPD)無人機或消耗系統(空軍的微型空中發射誘餌MALD-X和美國海軍的版本MALD-N)。

克拉克說：「我們已經看到，AEA從基本上是一種對立的旁瓣干擾方式演變成為一種更具競爭力的環境中的獨立的能力。這些系統可以讓你靠近，並以較低的功率產生效果，而不會受到攻擊。」

機載電子攻擊與第三次抵消戰略

關於下一代AEA的發展和計劃，美國國防部長Ashton Carter和國防部副部長Bob Work提出了國防部新的「第三次抵消戰略」。

為了保證美軍將繼續在所有可能的對手方面擁有決定性的軍事優勢，戰略核心就是要快速發展和部署國防部所有服務和任務領域的最新技術能力。

包括在「深度學習系統，大數據和人機協作」這一特定的技術領域，這些都是基於人工智慧與人類智能的緊密結合，這些將是必不可少的，以確保美軍保持永久優勢。

圖 美國空軍的EC-130H是獲得遠距離AEA能力的中流砥柱，但它將很快被更小的飛機取代。

在商業領域人工智慧有了巨大的增長，現在國防部也有很多興趣，將人工智慧和機器學習應用到我們的系統中，使它們在實時處理任務時更智能，更具有適應性。

針對AEA，Niedzwiecki指出整個電磁頻譜(EMS)中無線電通信激增。這會在環境中造成電磁堵塞，大量不同的重疊信號使電磁堵塞更嚴重，但只要梳理清楚環境中的信號即可知道目標是什麼，堵塞了什麼，以及何時堵塞。

另一個區別是，今天的系統更多的具備軟體可重新編程功能。而過去的雷達主要由模擬元件組成，需要花費數年的時間才能完成功能更新。而隨著軟體可編程和數字處理架構的普及，這些威脅系統更加靈活，採取收集威脅數據的老方法，並將其帶回實驗室開發對抗演算法，以處理應對新的威脅信號類型，這是完全不切實際的。

這樣的老方法耗時太長，第三次抵消戰略已經意識到這個問題，利用機器學習和先進的信號處理是克服它的好方法。

「威脅設備的發射器在頻譜範圍內越來越敏捷，波形、頻率和行為能夠在從脈衝到接收的時間範圍內改變。頻譜信號密度相應增長也加劇了這一挑戰。特別是在高密度環境中被遮擋的情況下，敏捷雷達以意想不到的頻率出現，難以找到波形。因此在決定做什麼之前，系統將利用少量的威脅行為進行觀察。學習新雷達必須在威脅發現目標之前實時發生。」

認知電子戰需要解決威脅

為了滿足和跟上威脅的發展步伐，Yuse提出需要可以感知射頻環境並適應的認知系統。「我們的系統必須快速響應對手EMS參數的動態變化。認知電子戰，實時決策和相關的戰術執行是重中之重。針對EMS運營(EMSO)，機器學習提供了觀察、分析和應對任務之前未知的威脅的能力。」

DARPA在該領域進行著廣泛而持續的努力，CSBA的克拉克概述了技術的當前狀態，並期望遵循的道路是先進的。

「今天，我們的系統非常自動化，能夠產生針對刺激的預先計劃響應，但我們現在正在進入使這些系統適應的領域，這意味著他們可以獲取信息，並根據信息告訴他們，能夠採取幾個預先計劃的反應，並提出一種技術或多個技術組合，這是有效的。這個系統更聰明，但是它們的反饋仍然需要基於操作員的輸入。」

Clark將下一步描述為實際轉換到機器學習或AI的地方。「我們正在尋找電子戰系統，它能夠檢測到一個未知的信號，看起來不像以前看到的任何信號，但是根據其基本特徵，能夠找出一種可能有效的技術，使用它創建的技術，觀察效果是什麼，然後實時更改該技術。這種技術將會隨著機器在環境中所看到的情況而不斷變化。」Clark說，DARPA目前正在研究這種體驗式學習，作為該機構認知電子戰工作的一部分，目前正在建設示範性的功能。

據BAE的Niedzwiecki說：「事實上，研發領域的工作是在認知電子戰中進行的。我們正在積极參与這個過程，特別是在機器學習演算法方面。」他描述的目標如下：「我沒有去查看一個新的信號如何與我以前見過的事物相匹配，而是用它的一般特徵來推斷它的能力，然後我用一系列技術來試圖攻擊這個威脅，為了確定我是否有效而作出反應的行為改變。然後我使用這些知識來訓練我的演算法。」

圖 微型空中發射誘餌干擾器（MALD-J）能夠飛入防禦空域，可近距離干擾IADS。

但是Niedzwiecki強調，這不僅僅是潛在的威脅信號參數和特徵，不是一般的行為，而是參與決策的過程。「例如，在天氣雷達或商用空中交通管制雷達，除了信號特徵外，還將具有一定的行為特徵，如掃描整個空域。這些行為特徵對於瞄準特定飛機的跟蹤雷達及其發射的信號是不同的。基於一些演算法利用這些知識來幫助確定哪些信號優先，哪些是最好的技術。」

Niedzwiecki指出，電子戰研發社區正在利用機器學習方面的許多優勢，結合深入了解的商業行業，已經將重點放在大數據領域。「我們正在把這些東西應用到電子戰領域，結合機器學習、先進信號處理以及我們對物理的理解來解決問題。」

事實上，摩爾定律(處理器能力提高的速度)還在繼續發揮作用。「現在好的是，我們的很多演算法都可以在非常低端的SWaP處理器上運行，所以當你想用一些商業應用程序去實現機器學習時，這些演算法就駐留在大型網路伺服器機房中。

目前，我們正在研究這些演算法如何在戰術平台嵌入式系統上運行。有很多開發工作正在優化這些演算法，這些演算法可以減少SWaP，而對整體性能影響最小。通過改進處理器，例如使用圖形處理單元(GPU)，允許您進行大規模並行計算，用這些處理架構來進行電子戰應用。」

聯網非常重要

但是，最終的解決方案並不是在單個平台層面上完成的。這需要能夠同時解決許多不同平台和感測器的資源。如果感測器/平台級機器學習的好處要真正達到最大化，那麼每個系統必須能夠立即與網路上的其他所有系統共享所有的學習信息。

正如CSBA的克拉克所指出的那樣，第三抵消戰略強調的領域之一，就是能夠進行網路化運作。「這是任務的重要組成部分。

電子戰由電子保護(EP)，電子支援(ES)和電子攻擊(EA)組成，除非您可以管理和控制網路運行和生活的EMS，否則您將無法進行聯網戰爭。我們在網路戰爭中的優勢是有風險的。

我們可能會升級網路技術，並有很多的經驗，但是這取決於我們是否能夠獲得和使用EMS的能力。如果我們是對手的話，在我們接入EMS之後，所有這些網路技術都不適用。這就是為什麼在第三次抵消中如此重視電子戰，以確保我們能夠獲得所需的EMS來促進網路化的能力。」

雷神的Yuse對這一點做出了回應。「技術的同步融合，將整合和優化任務系統，並最終實現一攬子計劃，這是戰略核心。戰略性地設計和部署一個成功的AEA能力，需要適應先前未知行為的系統，並保留傳統的有效性。這些系統必須整合多種感應模式並協調多種效果。

我們正在投資，將EMSO從嚴格的使命推動者轉變為自身的效應者。各種綜合技術和系統將在技術和武器組合中發揮作用。高功率隔離式干擾器、非傳統平台上的小型輕量級AEA系統，高價值平台上高度集成的複雜系統都將包括在內。這將需要從動能和非動能EMSO效應的層面來防禦威脅。」

為了達到AEA目前預期的最終能力，網路技術的重大進步是必不可少的。 Niedzwiecki指出：「網路總是被要求進一步推進，因為有幾個不同的因素。一方面是EMS變得越來越擁擠，找到可用的頻譜進行通信而不受干擾是一個越來越大的挑戰。當然，除非對手積極嘗試堵塞你的通信信號。

因此，在A2 / AD環境中操作和提供這些系統的網路是一個挑戰，我們要把認知AEA概念應用於認知EP。如何利用我對通信信號干擾環境的理解，實時優化我的波形，並在發生干擾時保持通信正常。」

另一方面，AEA網路工作性能與網路容量和數據速率有關，當前在網路上需要傳遞越來越多的信息。為了有效地完成，需要高效的網路優化技術。 Niedzwiecki指出：「這是另一個需要高度重視的領域。確保網路資源管理和網路協調演算法足夠靈活，可以處理丟失的數據或丟失的信息。從電子戰角度來看，在信號密度高的情況下，管理資源的能力尤其重要，例如，針對某些信號的平台和針對其他平台的平台。」

通信與雷達整合的機載電子戰

除了不斷演變的威脅之外，機器學習演算法、處理和網路技術的進步也將影響執行AEA的平台的類型、組合和任務。在任務方面，目前主要有不同的專業平台和系統服務的通信和雷達AEA任務，將越來越多地滿足單一的多用途系統。

CSBA的Clark說：「過去，我們不得不單獨對待它們，因為當你使用基於硬體的信號處理和干擾系統(TWTs，波導等)時，你不具備這種適應性。用硬體驅動產生信號的頻率範圍和特性。」

鑒於威脅雷達和通信系統一般在不同的頻率範圍內運行，這意味著不同的AEA系統和攜帶它們的平台也不同。現在，克拉克說，隨著基於GaN的AESA技術的出現，我們可以期待看到更多的多功能軟體控制系統能夠在更寬的帶寬上執行這兩個任務。

「今天我們已經看到了一些這樣的情況，例如，一些雷達干擾系統有能力進入通信頻率範圍，反之亦然。我們將在NGJ和海軍的SEWIP Block 3中看到更多的這一點，我們必然會看到通用的AEA系統適用於通信和雷達。」

雷神公司的Yuse對此表示贊同，但他補充道：「AEA的能力需要融合到複雜的、可擴展的、價格合理的端到端EMSO系統中，而智能EMSO的未來則是關於網路，高收益、EA、賽博空間、可擴展通用後端和多功能陣列。

混合模式可能是有效的，但是需要網路化來配合，且伴隨著分散式管理和通信等內在挑戰。另外，多用途系統也面臨挑戰。

主要原因是多用途工具為了獲得有效的多種用途，往往是妥協的，達不到最理想的用途。具有主要和次要功能(或冗餘)的系統可能是一個很好的妥協，並有助於提升整體戰鬥彈性。」

BAE的Niedzwiecki說這引起了資源管理的問題。「當你在一個環境中查看多個信號時，演算法將不得不找出哪些信號是最重要的，哪些信號是最致命的，哪些信號是我的系統能夠最高優先順序、最大限度地發揮整體任務的有效性。」

圖 DARPA 「小精靈」計劃旨在證明蜂擁式網路無人平台可以在IADS內，執行各種任務，包括AEA。(DARPA)

這反過來又涉及到最符合AEA要求的平台或系統的組合，以及在電子戰層面上有效資源管理的需要。還可以推廣到更廣泛的任務管理，以及系統自主運行的程度。

Niedzwiecki說道：「有了這些信息，任務指揮官會對威脅空間有一個更好的描述，以便在任務中做出戰術決定。」

另一方面，減少人工任務負載是將認知電子戰和機器學習應用到AEA任務中最顯著的益處之一。為了描述需要考慮的替代方案和權衡，Niedzwiecki指出：「由於所需的時間安排，您肯定會希望這些系統是採用完全自治的配置和任務組，但是也有其他的方法可能需要有一個操作員處於『人在迴路』狀態。在這種情況下，雖然操作員實際上並不在迴路中驅動決策過程，但他們可以觀察到正在發生的事情並確認機器建議的一個方法，或者在某些情況下，手動覆蓋它。」

第三種選擇是運營商在線環境，Niedzwiecki把它描述為更多的任務指揮官：「你不僅要使用你收集和處理EMS的信息，還要使用所有的信息，包括您在從平台上的所有其他感測器收集信息，以幫助優化整體使命。」有指揮官的地方就是「人在迴路」可以接管的地方。Niedzwiecki指出：「即便如此，目前也在研究如何儘可能地使這個過程自動化，以便減少戰士的認知負擔。」

超越基於通信和雷達的威脅

雷達和通信系統將不再是唯一的有助於應對複雜IADS環境或者A2 / AD環境的威脅系統。其他潛在的監視、瞄準以及主動、被動武器技術也必須加以考慮和處理，例如：利用商業發射器(電視和無線電信號)信號工作的被動雷達、衛星系統、紅外與光學感測器、無人機和攜帶型防空系統等。

雷達通信電子戰RadarCommEW

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！