雷达组网认知管控技术研究 .pdfVIP

雷达组网认知管控技术研究

雷达组网协同探测是当前应对多种威胁目标的重要手段，文章将认知管控技

术引入到组网探测系统中，通过赋予系统感知外部环境、学习、推理并做出有效

判断的能力，能够使雷达网络有效应对复杂多变的战场环境，提升系统反应能力，

最大化探测效能。

标签：雷达组网；认知；管控

1概述

雷達组网探测利用探测系统在空域上空间分集、频域上频率分集、极化域上

极化分集、时域上信息互补、信息域上信息融合的优势，来突破单一装备对非合

作目标探测存在的局限性。随着组网探测系统在军事预警探测领域的广泛应用，

如何有效的利用有限的雷达资源，实现对国土及边境24小时不间断监测、快速

应对突发事件，已经成为雷达网络系统面临的重要挑战之一。

认知控制技术结合脑科学与人工智能技术，能够赋予雷达组网系统智能感知

外部环境、学习、推理并做出有效决策判断的能力，使雷达系统有效应对外部复

杂的战场环境[1-2]。与传统雷达组网资源“开环管控”模式不同，认知管控强调“感

知-学习-决策-行动”的反馈闭环，同时赋予雷达网络存储、记忆的能力。近年来，

Haykin教授在人脑认知的机理上，提出并发展了动态认知系统（Dynamic

CognitiveSystem，DCS）概念[3]，为认知系统的构建提供了理论的支撑。一个

典型的动态认知系统如图1所示。

2雷达组网资源管控基本内容

雷达组网资源管控包括空间管理、模式管理、时间管理、能量管理、附属资

源管理等诸多方面的内容[4]。在雷达组网预警探测系统中，雷达资源管控与信

息融合是密切相关、互相对应的。JDL模型是数据和信息融合领域最通用的模型，

它将数据和信息融合的级别分为威胁评估、态势评估、目标评估以及信号评估四

个层次[5]。与之相对应，雷达资源管控也可以分为四层：任务规划、资源分配、

激励器调度和信号产生[6]。JDL模型与雷达资源管控模型的对应关系如图2所

示：

雷达组网资源管控的基本内容如下：（1）第3级管控（level3）：顶层任务规

划，包括对资源优化管理周期的设置、探测目标选择、目标环境分析、保卫资产

设置、任务优先级、资源状态监测与评估、探测效能评估等功能；（2）第2级管

控（level2）：多传感器资源分配，主要指不同传感器之间的资源调度与协同工作，

包括资源优化部署、多目标跟踪中雷达选择、目标分配、目标交接等；（3）第1

级管控（level1）：传感器资源安排，主要包括探测空域设置、时域设置、工作模

式设置、频率设置等；（4）第0级管控（level0）：针对单个雷达的波束调度、波

形、调制样式、极化方式、功率分配、脉冲宽度等参数进行管理和优化设置。

3雷达组网认知管控系统架构

基于动态认知系统理论以及雷达组网资源管控的基本内容，本文提出的雷达

组网认知管控架构如图3所示。

在认知管控架构中，雷达网络通过传感器对物理环境的探测，形成对真实环

境的描述，在此基础上学习、分析得出感兴趣的探测区域以及目标，结合传感器

状态通过智能规划自适应生成各类探测行动策略以及感知行动策略，完成资源管

控闭环。系统各部分功能如下：

感知组合：通过传感器组合实现对物理环境的量测，同时基于量测数据生成

目标运动状态以及信息熵状态。目标运动状态表示目标运动物理轨迹，而信息熵

状态则描述外部环境的“不确定性”。必要的时候，感知组合接受认知控制模块的

调节，完成认知雷达系统的“内反馈”。在感知部分可调节的雷达资源包括目标运

动模型、滤波模型、杂波模型、检测门限等。

存储及记忆：雷达测量数据中往往包含着对环境的重要信息，这些信息可能

给当前以及今后的探测提供重要的帮助，因此雷达网络必须存储这些信息。记忆

是在存储基础上建立起的对环境、对系统自身工作的知识、规律的总结，包括感

知记忆以及行动记忆。前者表示对环境的认知（例如先验检测概率）以及对感知

系统参数调节的记录，后者表示对每一次调度策略及其效果的记录。根据需要记

忆又可以分为短期记忆以及长期记忆，后者主要是指各种算法、知识、规律等。

认知控制：认知控制是认知雷达网络系统的“大脑”，是完成反馈闭环的中枢。

认知控制通过分析感知系统对物理环境的不确定性描述（信息熵），结合过去的

“记忆”，把认知雷达网络系统中有限的资源集中到感兴趣的区域以及目标上，实

现探测效能的最大化。认知控制主要包括学习、规划以及评估三大功能。学习是

基于探测的