电子战的丰富历史可以追溯到一个多世纪以前，它已经成为作战人员掌握的一个强大工具。然而，随着技术的不断进步，电子战系统的能力和用于评估它们的工具也必须不断进步。约翰霍普金斯大学应用物理实验室（APL）的一个团队利用技术和业务专业知识的独特组合，开发了一种简化的分析方法，以尽量减少分析的周转时间。本文概述了这种方法，并强调了一种强大的数字信号处理工具，为关键任务和操作相关的测试数据提供快速和彻底的分析结果。
引言
随着越来越多的行业在有限的电磁频谱中争夺空间，信号处理技术已被迫利用最近的计算速度和新型机器学习算法的进步来跟上需求。虽然这种快速的进步无疑在许多方面改善了我们的生活，但它也创造了一个动态和多面的电磁景观，需要小心翼翼地加以驾驭。我们现代无线电频率环境的复杂性可以被对手利用来达到恶意的目的。这种威胁对于在有争议的敌对环境中行动的作战人员尤为重要。潜在的恶意，加上快速发展和容易获得的技术，促使我们需要下一代电子战能力，以纳入既灵活又可靠的信号处理技术。
北约政策将电子战定义为 "一种利用电磁能量的军事行动，包括主动和被动，以提供态势感知并创造进攻和防御效果"。在这样的一般准则下，可以说电子战和公元前213年阿基米德通过反射太阳光烧毁罗马舰队的传说一样古老。实际上，电子战的出现要晚得多，可以追溯到日俄战争（1904-1905年），在那场战争中，无线电干扰首次被成功运用于战斗。在第一次世界大战期间（1914-1918年），无线电空地通信的使用被证明对侦察和炮兵观测至关重要。在第二次世界大战（1939-1945）之前的几年里，无线电导航和雷达等进步在整个战争中至关重要，使得工具和系统得到进一步发展，包括高频测向、电子对抗措施、反干扰电子对抗措施和电子情报。
冷战（1947-1991）、朝鲜战争（1950-1953）和越南战争（1955-1975）促使电子战战术和技术取得进一步进展，包括发明了晶体管、行波管、螺旋天线、机载电子战系统以及雷达归位和警告系统。从第一次海湾战争开始，计算机和网络信息已经高度融入现代战争系统以及执行任务和战争的方式中。这种整合要求电子战系统和战略相应地进步，以保持在现代无线电频率领域的主导地位。为了实现这一目标，系统必须经过广泛和复杂的测试，以确保操作和任务的成功。电子战系统的测试伴随着许多挑战--包括技术、后勤（预算、资源、时间表等）和安全合规的挑战，特别是在测试 "先进技术 "时。当尖端的硬件和信号生成需要满足尖端的测试环境和信号处理方法时，就会出现技术挑战。
由于现代电子战系统是在动态环境中运行的，因此很难计划准确复制真实世界的场景的测试。一些项目可能会选择有多个测试场地，可以提供不同的测试环境，如消声室或空中测试。为了最大限度地提高这些地点的效率，可以使用实验设计的方法，并且测试的优先级必须灵活，因为关于系统的意外发现已经展开。在整个计划、执行和分析过程中，这些测试点之间的沟通也是必须的，因为可能很难确定错误的来源。错误可能是由测试设置引起的，测试点的设计超出了系统的预期，人为错误，或系统故障，仅举几例。能够快速确定源头，使更大的测试社区能够识别和补救常见的异常，同时满足预算和进度限制。
不同的测试点可能会产生额外的数据分析复杂性，因为记录设备可能以各种格式存储数据，有时是专有格式。被测系统也可能有复杂的测试点，包括具有重叠功能的多个任务，数据速率限制，甚至复杂的系统逻辑分配任务。解决这些挑战需要一个强大的分析解决方案，在所有测试点上进行简化和自动化。快速转换结果的能力对于确保即将到来的电子战系统的操作和任务成功至关重要。考虑到这一点，我们的团队利用技术和业务专长的独特组合，开发了一个能够应对这些挑战的分析工具。
本文的其余部分介绍了该团队的概况以及它在整个APL层次中的位置，概述了精简分析管道的四个步骤，并提供了一个简短的例子来强调该工具的一些能力。最后，文章对未来进行了简要的展望。
APL研究团队的愿景
作为美国最大的大学附属研究中心（UARC），APL在近80年来一直是美国政府值得信赖的顾问和技术专家。因此，在APL多样化的投资组合中，有大量专注于电子战和与之相关的工作，这一点并不奇怪。事实上，APL的部队投射部门有多个小组专门负责电子战系统和先进的电子攻击开发，并在其精确打击任务区有一个专门的电子战项目区。
作者的数据分析小组只是众多深入致力于该任务区的小组之一，他们利用自己独特的才能支持下一代电子战系统的测试和评估。简而言之，他们探索系统行为和波形生成，以验证在许多环境和参数下的适当性能。这些团队不仅由科学家、数学家和工程师组成，还包括退役飞行员、电子战军官和任务规划人员。多样化的背景使我们能够全面理解大局的任务目标、系统行为对任务的影响以及赞助商的组织需求。我们团队的互动可以延伸到政府的测试执行小组，最好是在APL、这些政府测试执行小组和我们的赞助者之间建立一个沟通的三合一，以决定测试的优先次序。鉴于这个社区支持的系统和任务的多样性，我们开发了一个系统的、可适应的、精简的和自动化的方法。
方法概述
结果往往需要快速周转，以便为随后的测试计划或执行提供信息，这可能发生在当前交付数据的一周内。由APL创建的快速浏览简报向测试界展示了哪些测试条件是符合要求的，哪些需要在未来的测试计划中进一步调查。此外，如果可以在数据收集过程中做出改变，以更准确地捕捉系统行为，该信息可以及时传达给测试执行团队。图1显示了测试生命周期的概况，测试计划首先发生，接着是执行，然后是分析。分析为未来的测试计划和执行提供信息，使这个周期反复进行。
图1. 测试生命周期的概述。测试计划首先发生，接着是执行，然后是分析。分析为未来的测试计划和执行提供信息，使循环反复进行。
我们团队的数据分析方法可以分解为四个连续的阶段：数据收集和整合、预处理、分析和输出。它的具体设计目标是通过最大限度地提高分析人员快速和准确地解释结果的能力，最大限度地缩短周转时间。虽然这些都是数据分析管道的明显目标，但令人惊讶的是，它们很难有效地实现，主要是因为这些目标经常相互竞争。更明确地说，对于关键任务的结果，对彻底分析的渴望需要与加快结果的需要巧妙地平衡。
为了实现这种平衡，我们设计了一个框架，在分析管道的开始和结束时优先考虑用户界面，允许大部分的分析不受阻碍地进行，而不需要用户参与其中。将用户界面优先放在管道的末端，可以有效地检查分析结果，以标记不规则或异常的行为。因此，当我们开始开发我们的分析管道时，我们首先检查所需的分析最终产品，并确定创建这些分析产品所需的步骤。同样，在一开始就优先考虑用户界面，可以确保分析管道的正确初始化，使数据能够根据需要快速、可靠地重新分析。
本节的其余部分简要介绍了分析过程的四个阶段（如图2所示），解释了我们在本设计中如何处理每个阶段，并提供了一个突出分析能力的子集的例子。
图2. 分析管道的概要。这个概述显示了测试数据和分析员输入是如何被用来提取和输出分析结果的。I/Q，相内/正交相位。
数据整合
需要进行数据整合，以确保在使用我们的分析工具之前，来自不同来源的数据文件是标准化的。此外，我们的主要重点是验证系统是否按预期工作；因此，每个数据集都需要先验信息，如指令波形参数。这些信息不仅可以精确地量化指定参数值和实际参数值之间的误差，而且还可以大大减少分析一组特定数据的挑战。也就是说，测试和评估小组的成员不负责收集数据。相反，数据文件是由全国各地的各种测试点发送给我们的。虽然有多种数据来源的好处，但也有缺点。我们不得不解决的一个特殊障碍是，在不同的测试点之间，甚至在同一测试点的不同测试活动之间，在命名、存储、记录和发送数据方面缺乏标准化的惯例。
对于需要以特定方式输入预期波形信息和信号相位/正交相位（I/Q）数据的工具来说，这种标准化的缺乏是有问题的。因此，一个主要的和正在进行的工作是将各种数据源合并成详细和一致的文件，以便输入分析工具箱。简化这一过程在很大程度上取决于正确解析来自不同数据和头文件、测试日志、系统输出文件甚至手写笔记的信息的能力。因此，没有一个适合所有情况的解决方案来实现这一过程的自动化，即使在最好的情况下，该解决方案也至少需要一些用户输入，以确保信息被正确分割。幸运的是，随着团队接触到具有新的命名和记录惯例的数据集，开发一套多样化的工具可以在未来从广泛的数据格式中快速解析出相关信息。
预处理
数据整合之后是数据预处理。这一步的主要目的是为分析工具箱的处理准备数据集，该工具箱是为分析单一分配频率下的单个波形参数而设计的。在这一步进行的所有分析的目标是将涉及不同无线电频率的多种波形类型的复杂数据集划分为要分析的单个波形成分。
目前，预处理包括以下功能：
- 验证用于加载和保存数据的必要文件夹是否存在
- 搜索没有系统辐射输出的时间段的数据集（即空白），并从I/Q数据中删除这些部分
- 确定数据集是否对应于时间转换技术，如果是的话
- 分析换算参数（从一种技术转换到另一种技术的时间，或死区时间；每种技术的辐射时间，或停留时间；等等），并保存初步分析结果
- 将单个数据集划分为多个数据集，与每个换向技术相对应
- 估算和消除可能存在的任何中心频率偏移，并存储偏移值，供今后分析使用
- 将预处理的数据保存为MATLAB.mat文件
虽然这个程序大部分是自动化的，但清除空白和时间换算分析步骤目前需要最小的用户输入，以确定数据的不同部分之间的适当阈值。我们试图将这些步骤自动化，但不同数据集之间信号水平的变化是一个持续的挑战。
分析
分析工具箱是这项工作的关键，是管道的下一个层次。在这一层，综合信息文件与预处理的I/Q数据相结合，提供不同波形的参数分析。这个代码库设计得既快速又彻底，构成了一个强大的工具，能够将众多重叠的参数解耦，以提供对波形的全面分析。此外，用户可以通过选择一个将被分析的预处理测试点的子集，并确定分析过程中 "开 "或 "关 "的分析工具类型来加快结果。
分析过程可以分成两个步骤： (1）分析与技术类型无关的参数，和（2）分析技术特定的参数。第一类包括诸如副载波率、中心频率偏移、填充宽度、斑点宽度（覆盖率）、光谱效率和光谱振幅变化等参数，它们适用于我们团队可能分析的任何波形。第二类包含一个更广泛的参数列表，根据波形技术的不同，可以分为五个子类别。目前在每个子类别中可以分析的参数的完整列表见图3。
所有需要的分析完成后，结果被保存在具有专门设计的存储层次的数据结构中。这种方法使该管道后端的工具能够快速、可靠地拉出结果供分析人员审查。在这里，团队在波形分析方面的专业知识得到了最充分的利用。任何不正常的结果都会被标记出来以便进一步调查，这些测试点和/或参数会在用户的参与下被重新分析，以确定这些不正常现象是分析工具的缺陷造成的，还是数据中的异常。如果是前者，有问题的分析代码将被及时调试，并重新分析数据。如果是后者，分析小组将与主题专家和测试人员合作，对异常行为进行更彻底的调查，并将其纳入最终的分析报告。
图3. 目前的分析能力。能力包括非特定于任何特定波形的参数，以及与团队主要关注的五个波形相对应的参数。
输出
分析管道是灵活的，因此它可以用来分析各种平台，因此输出（例如，可视化、图表和演示）可以定制。用户在分析开始时为每个系统选择配置文件；这些文件包含的信息，如每个技术的指定要求，可以从系统中辐射出来。此外，APL的团队已经确定了 "操作影响 "要求。这些要求是由退役飞行员、电子战军官和任务规划人员指定的，并帮助确定我们分析中最关键的任务规格。这些配置文件告诉分析工具给每个被测试的规格分配 "通过 "或 "失败"，然后将结果保存在一个树状结构中，可由其他支持工具进行解析。
APL团队开发了两个辅助工具来解析输出结构以帮助分析人员。第一个工具是一个简报生成器，它为每个被分析的测试点自动创建一个演示幻灯片；每个幻灯片包含技术光谱、指定的技术参数和一个总结技术规格、操作影响要求和所产生的分析通过/失败值的红绿灯图。这个工具提高了我们分析过程的效率和效果，节省了开发简报的时间，并提供了一致的演示格式，帮助我们轻松识别异常行为，使我们的合作伙伴组织和赞助者能够快速了解我们的结果。
APL团队创建的另一个工具是射频信号分析的视觉辅助工具（VARSA）。VARSA允许用户快速比较测试矩阵中不同参数的分析结果，并确定任何趋势。用户可以选择绘图的类型和特征，以及彩图，以获得最佳的分析图表。
这些工具具有足够的通用性，以至于它们在我们团队之外被改编为使用我们创建的通用树状结构的任何数据的分析。
示例
为了展示分析工具的一些能力，本节提供了一个简短的例子，它是我们分析中遇到的波形类型的代表。例子中使用的计算机生成的数据包括两个时间转换的赋值（即信号在时间上来回切换）；第一个赋值是一个频率调制的噪声技术，其中心频率在赋值带宽上啁啾，第二个是一个跳频脉冲技术，其跳频集的中心频率在所需带宽上啁啾。白高斯噪声也被添加到信号中，以产生尽可能真实的代用数据。图4-6描述了分析过程。
该分析管道的第一步是将换向信号（图4）划分为两个独立的文件，对应于组成技术（图5）。这是在预处理步骤中通过利用信号的瞬时频率（即随时间变化的频率）和随时间变化的功率实现的。此外，这些分离的信号中的每一个都被 "居中 "了频率，以产生易于分析的数据集。
图4. 收到的数据。未经处理的、经过时间转换的I/Q数据，由两种不同的技术组成，具有各种重叠的波形参数和调制。图中用彩色编码来区分频率调制噪声技术（蓝色）和跳频脉冲技术（青色）。
图5. 预处理步骤。时间换算的技术被分成两个独立的数据文件。中心频率偏移被删除，以便每个数据集都以基带为中心。
图6. 分析步骤。叠加的啁啾声被从每个数据集中去除并进行分析。基本技术被揭示出来，允许对每个不同的波形进行彻底分析。
进入分析步骤，从每个信号的时间序列中去除叠加的啁啾调制（图6）。这个过程提供了对啁啾斜率的准确测量，以便与指定的值进行比较，使人们清楚地了解基本波形，并使分析过程能够准确地测量技术参数。在特定波形的分析完成后，分析结果被系统地存储和保存，供分析人员审查。
虽然说得很简洁，但上述例子展示了一个强大的数字信号处理工具。依次剥离复杂波形的能力不仅可以对众多参数进行复杂的分析，而且还可以使测试团队通过将多种特征和调制叠加到较少的信号中来减少捕获的测试点的数量。这些进步共同提高了吞吐量，减少了周转时间，提供了对关键任务和操作相关数据的快速和彻底的分析。
展望未来
敌方的传感器和指挥与控制系统正变得更加难以定位和瞄准，它们采用的波形和技术更加敏捷，对电磁环境的感知和反应能力也更强。系统经常使用认知方法来在电子攻击的情况下有效地运作。为了应对这些新出现的复杂威胁系统，我们的电子战能力必须变得更有适应性，对对手的反制措施更有弹性。
未来的电子战正朝着高能力、分布式和协作式系统的组合发展，这些系统可以在飞行中学习，并运用空间、机载、地面和/或海基平台的多领域能力来实现效果（例如，协作使用电子攻击和电子支持、诱饵和网络）。所期望的最终状态是一套能够有效拒绝、降低、欺骗并最终控制电磁波谱的能力。这些下一代的系统需要高度功能的测试和分析管道的支持。
尽管到目前为止我们已经开发的分析管道的功能是广泛的，但它并不详尽。我们正在不断地扩大工具集的功能，以解决新的系统能力，同时优化和加强现有的代码，以处理新的或异常的数据集。支持未来测试所需的较新的分析能力的一些例子是：同步分配、同步通信和干扰、先进的干扰技术，以及整合机器学习技术以进一步减少对循环中用户的需求。
原文
相关内容
微信扫码咨询专知VIP会员