隨著人工智能技術的迅速發展和在軍事領域的逐步應用，智能雷達和智能雷達技術已經引起國內外廣泛關注。加強智能雷達及其關鍵技術研究，既是雷達技術發展的需要，更是提高雷達作戰能力的關鍵。

1、引言

傳統雷達主要按照預先設計設定的工作模式工作，基本不具備隨目標和環境變化而自動改變工作模式的能力，對目標和環境的適應能力不足。雖然自適應信號處理技術在提升雷達反雜波、抗干擾等性能等方面得到了廣泛應用，但由于自適應信號處理要求被處理的信號滿足平穩特性的理想條件才能獲得滿意的性能，因此實際作戰環境下特別是復雜戰場條件下自適應信號處理的作用也很有限。為滿足當前特別是未來作戰需求，雷達體制和技術必須進一步創新發展以不斷提升雷達的探測能力，才能適應日益復雜的作戰環境。

信息化作戰條件下戰場環境復雜多變，要求雷達必須能夠根據作戰任務要求和實際作戰環境“智能”地改變雷達工作模式、工作參數，自主地選擇對抗策略等。要做到這一切，必須在現有雷達設計基礎上為雷達增加“智能”功能，使雷達實現“智能化”?，F代雷達技術和人工智能技術的迅速發展和深度融合將為“智能化”雷達即智能雷達的發展提供有力的技術支撐。

2、智能雷達基本概念

（1）人工智能技術

到目前為止，關于“智能”的定義和本質仍是科學界正在努力探索研究尚未完全解決的問題。從工程技術角度看，可以將智能理解為“獲取存儲知識并運用知識解決問題的能力”。其基本特征是：具有感知能力；具有記憶與思維能力；具有學習與自適應能力；具有行為能力。而人工智能是一門研究機器智能的學科，即用人工的方法和技術，研究智能機器或智能系統來模仿、延伸和擴展人的智能，實現智能行為。

人工智能是在計算機科學、信息論、控制能、系統論、神經生理學、心理學、語言學、數學、哲學等多種學科深入研究、相互滲透的基礎上發展起來的，是一門綜合性很強的邊緣學科和前沿科學，也是一門新思想、新理論、新技術不斷涌現的新興學科。人工智能自問世以來，經歷了60多年曲折的發展過程，已廣泛應用于人們日常生活和工作的很多方面，并且在軍事領域也有著廣闊的應用前景。目前，人工智能技術進入了一個新的發展時期，人工智能在我國已得到國家和學術界高度關注，被寫入2017年政府工作報告。

（2）智能雷達基本概念

關于智能雷達的概念目前正在發展和形成過程中，對智能雷達的理解與認識隨著研究的深入將會逐步深化，當前國內外還沒有關于智能雷達的明確定義。我們認為，對于智能雷達一般可以有廣義和狹義兩種理解，廣義理解認為采用人工智能技術的雷達即是智能雷達，人工智能技術的應用對象可以是雷達的部分分系統或單個雷達系統，也可以是多個雷達組成的雷達組網系統。狹義理解認為智能雷達是“具有信息獲取、知識學習、自主推理和決策能力的雷達”，可以根據外部目標、環境以及任務需求自主改變發射信號形式、工作模式、處理方式和資源分配，以獲得更好的目標探測、跟蹤及識別性能。相對于廣義智能雷達來說，狹義智能雷達是智能化程度更高的智能雷達。

從智能化覆蓋廣度考慮，可以認為雷達部分分系統的智能化是智能雷達的初級形式，單個雷達系統的智能化是智能雷達的中級形式，多個雷達組網系統的智能化是智能雷達的高級形式。從智能化應用深度考慮，可以認為基于數學規則的智能雷達是初級智能雷達，基于經驗知識的智能雷達是中級智能雷達，基于數據驅動的智能雷達是高級智能雷達。

智能雷達是現代雷達技術、人工智能技術、通信與信息技術、計算機網絡技術等在雷達系統上深度融合和綜合應用的結果，是現代雷達發展的重要方向。

3、國內外智能雷達發展概況及趨勢

（1）國外研究情況

上世紀末以來美國空軍研究實驗室(AFRL)一直致力于智能信號處理方面的研究,其早期的研究主要在專家系統恒虛警處理(ES CFAR),此后分別開展了基于知識的空時自適應處理技術(KB STAP)和基于數字地圖信息的空時自適應處理（KBMap-STAP）研究項目。美國AFRL和DARPA先后資助基于知識的雷達(KB-Radar)、知識輔助的傳感器信號處理與專家推理(KASSPER)、知識輔助雷達(KA-Radar)以及自治智能雷達系統（AIRS）等多項研究。2007年，美國DARPA還將KASSPER列為雷達技術的主攻方向之一。2015年，美國DARPA啟動了“在競爭環境下目標識別與適應”跟蹤雷達目標識別項目，利用深度學習技術提高非合作目標識別能力。

1980-1990年代，Guerci在認知無線電領域進行了大量研究，提出“匹配照射”概念，其實質是對空間的照射功率進行智能分配。1994年Kershaw和Evans提出通過增加從接收機到發射機的離線鏈接,使系統轉變為一個閉環雷達反饋系統。2002年，由美國空軍研究實驗室、空間與導彈防御司令部以及海軍研究實驗室聯合組織成立了波形分集工作組，開展雷達智能發射技術的科研與實驗工作，在頻率分集陣、時空編碼陣等方面取得重大突破。

2006年，加拿大Simon Haykin首次提出認知雷達的概念，通過知識輔助和自適應發射，能夠實現與環境的不斷交互和學習，獲取環境的信息，結合先驗知識和推理，不斷地調整雷達接收機和發射機參數，自適應探測目標。2007年，Guerci提出基于知識輔助的認知雷達系統架構。2013年，美國DARPA支持了雷達與通信共享頻譜（SSPARC）研究項目，以認知無線電和認知雷達為基礎實現了通信與雷達互相傳遞頻譜使用情況，降低了雷達與通信的相互干擾。2016年，Greco將認知雷達擴展到被動雷達。

此外，基于知識輔助的決策支持、性能評估、模擬訓練、故障診斷技術等也是智能雷達技術研究的重要方面，而且很早就開始走向實用化。1991年美國國防部正式頒發了《綜合診斷》標準，作為提高新一代武器系統的戰備完好性、降低使用保障費用的主要途徑，運用人工智能技術的故障診斷已開始應用于新研雷達系統。

總體來看，雖然國外很少提及“智能雷達”的概念，但在智能雷達相關技術領域開展了大量研究工作，技術成熟度不斷提升，諸多研究成果正處于實戰應用的前夕，部分研究已經走向實用。

（2）國內研究情況

自2008年開始，國內多家單位在認知雷達領域開展了研究，在環境感知與描述、最優化波形設計、自適應信號處理等方面進行了初步探索。目前國內在智能雷達信息處理和雜波抑制技術等方面已經具備一定的研究基礎，主要研究特點是結合MIMO雷達、認知雷達、軟件化雷達等研究方向，重點在對目標和環境數據統計分析的基礎上形成知識，并進一步利用多波形優化、自適應處理和帶有反饋的認知結構，提高雷達系統對弱目標的檢測性能、雜波抑制性能和雷達系統資源的利用效率。在智能雷達目標識別技術研究方面，國內也有較為廣泛的研究基礎，包括利用神經網絡、支持向量機對雷達一維距離像結果的分類識別、SAR圖像的分類識別等。此外，國內近年來也高度關注認知電子戰，并開展了相關的初步研究工作，這在很大程度上推動了雷達智能抗干擾技術的研究工作。

總體來看，目前國內在智能雷達技術領域持續跟進并開展了部分研究，但在研究的系統性、先進性、創新性等方面與國外相比還有較大差距，針對軍事應用的智能雷達技術成熟度還不高，“智能雷達”的裝備概念、使用特征、系統架構、技術體系等尚未建立起來。

（3）智能雷達發展趨勢

深度智能化。隨著人工智能技術的走向深入和日趨成熟，雷達智能化程度勢必加深，目前基于數學規則的自適應算法處理技術已經廣泛應用，雷達開始具備初級智能；未來采用深度學習的高級智能化雷達也將逐步出現。

廣泛實用化。猶如智能手機的出現使傳統手機很快銷聲匿跡一樣，智能雷達將在各種作戰平臺上廣泛實用化。認知雷達與認知電子戰如影隨形，在矛盾相生相克中不斷前進，智能雷達技術體制本身也將通過不斷學習而逐漸發展成熟。

多功能集成化。智能常常意味著多能，隨著有源相控陣技術、數字陣列技術、軟件無線電技術等的不斷成熟，集防空、反導、反衛等任務于一身，警戒、引導、目指、制導等功能于一體的多功能集成化智能雷達即將出現。

綜合射頻一體化。探測、偵察、干擾、通信、攻擊、管控、評估是未來信息化戰爭的重要組成要素，但其底層技術機理極為相通相容。在未來強對抗條件和復雜電磁環境下，基于智能雷達技術實現上述綜合射頻一體化，將是軍事電子信息技術的必然發展趨勢。

自組織網絡化。網絡化無疑是未來雷達發展的一個重要方向，未來智能雷達自組織網絡可以有兩種形式：一種是分布式的，即每部雷達都具有較高的智能；另一種是集中式的，即設置一個中心基站，只需該基站雷達具有較高的智能。

4、智能雷達主要關鍵技術

智能雷達發展的目標是使雷達具備智能化感知環境、處理信息、決策反應、控制行動等自主行為的能力，在推進智能雷達由初級形式向高級形式發展、由初級智能向高級智能演進的進化過程中，當前需重點突破以下智能雷達關鍵技術，以推動智能雷達持續不斷向前發展。

（1）智能信息處理技術

針對隱身飛機等低雷達散射截面積目標和復雜的地/海雜波環境，引入人工智能的技術思路，利用各種先驗知識形成目標和環境的知識庫，在不斷獲取目標和環境特性信息的基礎上，通過機器學習、分析和判斷等過程，自主調整雷達系統的頻率、波形和能量等資源，提高對弱目標的檢測和跟蹤性能。主要研究內容包括基于先驗知識的目標檢測跟蹤技術，雷達信息處理知識形成、規則提取和邏輯推理等技術。

（2）智能雜波抑制技術

針對機載預警雷達下視工作環境下雜波強、空時耦合性高的特點和難題，基于人工智能理論，通過不斷的知識積累和學習，形成雜波環境的先驗知識，結合先進的數字陣列雷達多波形靈活發射技術，提高對雜波的抑制性能和復雜雜波環境下動目標檢測性能。主要研究內容包括雜波環境感知和參數化表征技術，雷達發射方向圖和發射波形優化技術等。

（3）智能抗干擾技術

針對電子戰環境下干擾信號非平穩高動態變化特點以及認知電子戰技術的發展，采用人工智能理論和技術，在對電子戰環境進行實時感知和學習的基礎上，快速完成認知和決策，并在時間、空間、頻率、波形、極化等多個維度上開展資源評估和調度，實現復雜干擾條件下的智能化博弈。主要研究內容包括干擾環境感知技術、抗干擾措施自動優化選取技術、抗干擾效果反饋和評估技術等。

（4）智能目標識別技術

針對實際作戰環境下對目標類型、屬性、數量等分類和識別要求，采用深度學習、支持向量機等機器學習理論和方法，完成目標和環境特征提取和模式識別等任務，實現對非合作目標的有效識別。主要研究內容包括基于深度網絡的目標特征學習與識別方法、基于大數據小樣本的目標分類識別方法、人機協同目標識別方法等。

（5）智能資源分配與調度技術

針對雷達面臨的多種類目標、真/假彈頭、有源/無源干擾等復雜作戰環境，依靠人工智能等技術手段實現復雜場景判別計算、快速智能決策和靈活資源分配，解決實時實施體系抗干擾、合理分配目標跟蹤資源、有效實施重點目標識別等復雜問題，充分利用現有雷達資源提高雷達作戰效能。主要研究內容包括雷達資源智能動態調度與任務規劃技術、雷達資源智能動態重構與實時評估技術等。

（6）智能多源數據挖掘技術

針對預警作戰指揮決策能力提升需求，采用人工智能理論和方法，對雷達系統平時戰備值班、訓練、試驗中積累的大量數據進行組織、分類、分析、解釋以累加描述數據中的信息，通過人工智能自適應地學習不同來源的各類數據，發現數據中的關聯信息，形成多維度的情報內容，并通過進一步的試驗、作戰進行調整完善，以提升對預警作戰指揮決策的智能支持能力。主要研究內容包括基于多雷達數據的知識模型、知識獲取、知識組織等技術，基于知識的學習算法、推理分析等技術，以及分布式智能雷達網專家系統和決策支持系統等。

5、結束語

當前，雷達裝備和技術發展面臨許多重大挑戰，雷達的未來在哪里？未來雷達該如何發展等是擺在我們面前必須認真思考和回答的問題。雷達裝備和技術的發展決不能“閉關自守”，必須緊隨先進技術發展潮流，融合新興技術，加快創新發展的步伐。人工智能是正在迅速發展的新興前沿科學，是繼三次工業革命后的又一次革命，隨著大數據、云計算等技術的發展，自然語言理解、人機交互、智能決策控制等人工智能技術可能在雷達上有大的應用突破。智能雷達是一個新的雷達系統概念，也是未來雷達技術發展的重要方向。雖然目前關于智能雷達的基本概念和關鍵技術尚不成熟，并且智能雷達從工程實現上也會面臨許多巨大挑戰，但智能雷達未來的發展應引起我們高度關注。適應智能感知的發展趨勢，將雷達技術發展與人工智能技術發展深度融合，會使未來雷達變得更加智能，從而給雷達的未來帶來光明的前景。