智能化电子战：传统规则方法现状与人工智能发展趋势

高由兵; 张伟; 顾杰

doi:10.12263/newIT.2024.06.006

您当前的位置：

首页 >

文章列表页 >

智能化电子战：传统规则方法现状与人工智能发展趋势

综述 | 更新时间：2025-10-10

- 智能化电子战：传统规则方法现状与人工智能发展趋势
- Intelligent Electronic Warfare： Status Quo of Traditional Rule-Based Approaches and AI Development Trends
- 新一代信息技术 2024年7卷第6期页码：33-40
- 作者机构：
  
  1.中国电子科技集团公司第二十九研究所，四川成都 610036
  2.电磁空间安全全国重点实验室，四川成都 610036
  3.电子科技大学信息与通信工程学院，四川成都 611731
- 作者简介：
  
  高由兵（1982—），男，高级工程师，硕士。主要研究方向为电子侦察。E-mail： 474244922@qq.com
  张伟（1985—），男，研究员级高级工程师，博士。主要研究方向为电子对抗。E-mail： zhangwei1103@163.com
  顾杰1974—），男，研究员级高级工程师，博士。主要研究方向为自适应信号处理。E-mail： 13558699175@qq.com
- 基金信息：
  
  国家自然科学基金(U20B2070;U23B2013)
- DOI：10.12263/newIT.2024.06.006
  中图分类号： TN971
- 修回日期：2025-07-03，
  
  录用日期：2025-07-10，
  
  纸质出版日期：2024-06-15
- 稿件说明：
移动端阅览
高由兵, 张伟, 顾杰. 智能化电子战:传统规则方法现状与人工智能发展趋势[J]. 新一代信息技术, 2024, 7(6): 33-40

GAO You-bing, ZHANG Wei, GU Jie. Intelligent Electronic Warfare: Status Quo of Traditional Rule-Based Approaches and AI Development Trends[J]. New Generation of Information Technology, 2024, 7(6): 33-40
高由兵, 张伟, 顾杰. 智能化电子战:传统规则方法现状与人工智能发展趋势[J]. 新一代信息技术, 2024, 7(6): 33-40 DOI： 10.12263/newIT.2024.06.006.

GAO You-bing, ZHANG Wei, GU Jie. Intelligent Electronic Warfare: Status Quo of Traditional Rule-Based Approaches and AI Development Trends[J]. New Generation of Information Technology, 2024, 7(6): 33-40 DOI： 10.12263/newIT.2024.06.006.

摘要

本文首先分析了现有电子战系统中，在面对当前复杂密集电磁环境及先进雷达威胁对象时，传统专家知识规则方法在辐射源信号分离、辐射源识别、干扰效果预估、干扰样式选择等方面存在的局限性。然后，针对这些传统方法面临的挑战，借鉴以深度学习为代表的新一代人工智能方法在其他领域的大规模成功应用，思考将其引入电子战解决相关问题的可能类比性以及当前的应用研究情况。最后，以围棋AI程序AlphaGo为具体案例，深入探讨了智能化电子战在系统架构构建和波形样式表征建模两方面的未来应用展望。

Abstract

This paper first analyzes the limitations of traditional expert knowledge-based rule methods in existing electronic warfare (EW) systems. These limitations manifest in critical areas such as the separation of emitter signals

emitter identification

jamming effectiveness prediction

and jamming waveform selection when confronted with the current complex dense electromagnetic environment and advanced radar threats. Then

addressing the challenges faced by these conventional methodologies

the paper explores the potential analogies for introducing new-generation artificial intelligence approaches—represented by deep learning—into electronic warfare to solve the related problems. This exploration is inspired by the large-scale success of these AI methods in other domains. The current status of relevant applied research is also discussed. Finally

taking the AlphaGo AI program as a concrete case study

this paper conducts an in-depth exploration of its future application prospects in both system architecture construction and waveform pattern representation modeling within intelligent electronic warfare.

关键词

Keywords

references

DAVID A . 电子战原理与应用 [M ] . 王燕, 朱松, 译. 北京 : 电子工业出版社 , 2017 .

RICHARD A P . 电子战与信息战系统 [M ] . 兰竹, 常晋聃, 译. 北京 : 国防工业出版社 , 2017 .

IAN G , YOSHUA B , AARON C . 深度学习 [M ] . 赵申剑, 译. 北京 : 人民邮电出版社 , 2017 .

LECUN Y , BENGIO Y , HINTON G . Deep learning [J ] . Nature , 2015 , 521 ( 7553 ): 436 - 444 .

MARDIA H K . New techniques for the deinterleaving of repetitive sequences [J ] . IEE Proceedings F: Radar and Signal Processing , 1989 , 136 ( 4 ): 149 - 154 .

MILOJEVIC D J , POPOVIC B M . Improved algorithm for the deinterleaving of radar pulses [J ] . IEE Proceedings F: Radar and Signal Processing , 1992 , 139 ( 1 ): 98 - 104 .

刘海军 , 柳征 , 姜文利 , 等 . 基于联合参数建模的雷达辐射源识别方法 [J ] . 宇航学报 , 2011 , 32 ( 1 ): 142 - 149 .

尼克 . 人工智能简史 [M ] . 北京 : 人民邮电出版社 , 2017 .

周志华 . 机器学习 [M ] . 北京 : 清华大学出版社 , 2016 .

TAIGMAN Y , YANG M , RANZATO M , et al . DeepFace: Closing the gap to human-level performance in face verification [C ] // 2014 IEEE Conference on Computer Vision and Pattern Recognition . IEEE , 2014 : 1701 - 1708 .

LIU Z M , YU P S . Classification, denoising, and deinterleaving of pulse streams with recurrent neural networks [J ] . IEEE Transactions on Aerospace and Electronic Systems , 2019 , 55 ( 4 ): 1624 - 1639 .

LI X Q , LIU Z M , HUANG Z T . Deinterleaving of pulse streams with denoising autoencoders [J ] . IEEE Transactions on Aerospace and Electronic Systems , 2020 , 56 ( 6 ): 4767 - 4778 .

LIU Z M . Pulse deinterleaving for multifunction radars with hierarchical deep neural networks [J ] . IEEE Transactions on Aerospace and Electronic Systems , 2021 , 57 ( 6 ): 3585 - 3599 .

ZHU M T , WANG S F , LI Y J . Model-based representation and deinterleaving of mixed radar pulse sequences with neural machine translation network [J ] . IEEE Transactions on Aerospace and Electronic Systems , 2022 , 58 ( 3 ): 1733 - 1752 .

刘玉伟 . 一种基于图像语义分割的雷达信号分选方法 [D ] . 长春 : 吉林大学 , 2022 .

刘洪嘉 . 基于语义分割的雷达信号分选方法研究 [D ] . 长春 : 吉林大学 , 2024 .

WANG C , SUN L T , LIU Z M , et al . A radar signal deinterleaving method based on semantic segmentation with neural network [J ] . IEEE Transactions on Signal Processing , 2022 , 70 : 5806 - 5821 .

LI Y J , ZHU M T , MA Y H , et al . Work modes recognition and boundary identification of MFR pulse sequences with a hierarchical seq2seq LSTM [J ] . IET Radar , Sonar & Navigation, 2020 , 14 ( 9 ): 1343 - 1353 .

LIU Z M . Recognition of multifunction radars via hierarchically mining and exploiting pulse group patterns [J ] . IEEE Transactions on Aerospace and Electronic Systems , 2020 , 56 ( 6 ): 4659 - 4672 .

康政宇 . 基于深度学习的雷达辐射源型号识别 [D ] . 成都 : 电子科技大学 , 2024 .

阮天宸 , 吴启晖 , 赵世瑾 , 等 . 认知学习: 电磁频谱空间机器学习新范式 [J ] . 电子学报 , 2023 , 51 ( 6 ): 1430 - 1442 .

邹晔 . 启发式优化算法理论及应用 [M ] . 北京 : 清华大学出版社 , 2023 .

李云杰 , 朱云鹏 , 高梅国 . 基于Q-学习算法的认知雷达对抗过程设计 [J ] . 北京理工大学学报 , 2015 , 35 ( 11 ): 1194 - 1199 .

邢强 , 贾鑫 , 朱卫纲 . 基于Q-学习的智能雷达对抗 [J ] . 系统工程与电子技术 , 2018 , 40 ( 5 ): 1031 - 1035 .

WANG L L , PENG J L , XIE Z D , et al . Optimal jamming frequency selection for cognitive jammer based on reinforcement learning [C ] // 2019 IEEE 2nd International Conference on Information Communication and Signal Processing (ICICSP) . IEEE , 2019 : 39 - 43 .

张柏开 . 基于Q-Learning的多功能雷达认知干扰决策方法 [J ] . 电讯技术 , 2020 , 60 ( 2 ): 129 - 136 .

IU H D , ZHANG H T , HE Y , et al . Jamming strategy optimization through dual Q-learning model against adaptive radar [J ] . Sensors , 2022 , 22 ( 1 ): 145 .

彭进霖 , 韩素丹 , 韩寒 . 一种基于强化学习的雷达压制式干扰决策方法 : 中国 , CN114415126A [P ] . 2022-04-29 .

张柏开 , 朱卫纲 . 对多功能雷达的DQN认知干扰决策方法 [J ] . 系统工程与电子技术 , 2020 , 42 ( 4 ): 819 - 825 .

饶鲜 . 基于深度强化学习的雷达干扰决策方法 : CN111199127A [P ] . 2022-09-06 .

娄雨璇 . 基于深度强化学习的多功能雷达干扰决策 [D ] . 杭州 : 杭州电子科技大学 , 2023 .

邹玮琦 , 牛朝阳 , 刘伟 , 等 . 基于A3C的多功能雷达认知干扰决策方法 [J ] . 系统工程与电子技术 , 2023 , 45 ( 1 ): 86 - 92 .

SILVER D , HUANG A , MADDISON C J , et al . Mastering the game of Go with deep neural networks and tree search [J ] . Nature , 2016 , 529 ( 7587 ): 484 - 489 .

SILVER D , SCHRITTWIESER J , SIMONYAN K , et al . Mastering the game of Go without human knowledge [J ] . Nature , 2017 , 550 ( 7676 ): 354 - 359 .

姜道安 , 石荣 , 程静欣 , 等 . 从电子战走向电磁频谱战: 电子对抗史话 [M ] . 北京 : 国防工业出版社 , 2023 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于区域定位残差网络的皮肤病分类方法

Tor网络的网站指纹攻击方法研究

基于残差神经网络的颅骨缺损识别研究

深度学习在极端灾害性天气预测中的应用及展望

结合可解释信息的深度学习排序算法