《认知电子战系统》56页

与敌方雷达系统交战时的决策过程对任务的成败以及飞行员的生存能力至关重要。考虑到电子战（EW）处理过程中的大量模糊性，这些决策可能很难做出。由于电子战处理过程中存在大量可变性，本项目开发了一个由各种机器学习工具组成的认知系统，用于电子战决策制定。所开发的系统会分析敌方发射器的特征，以确定最佳行动方案。该系统与之前开发的电子战系统不同，因为它由集成的机器学习模型组成，而之前开发的系统仅由认知体组成。对各种机器学习工具和认知推理器进行了测试，并开发了最佳认知系统架构。本论文提供的集成系统可在拦截敌方雷达信号时为飞行员提供最佳行动方案。该系统可用于测试不同场景下的交战协议，并决定最佳行动方案。

一个强大的电子战处理系统需要解决三个主要问题。第一个问题是模拟飞行员可能遇到的各种状态。这些状态包括处于友方/敌方环境中，同时被敌方雷达探测到或未被探测到。这些状态可能会变得复杂，这取决于所涉及的参与者数量（即所涉及的友方和敌方智能体数量）。第二个问题是决策。对于飞行员可能遇到的每种不同情况，都有各种不同的规程需要遵循，以压制或躲避对手。这些规程在已知情况下可能定义明确，但如果飞行员遇到新的情况，就需要做出决策来打击对手。第三个问题是建立与传入数据相关的模糊模型。飞行员正在经历的威胁程度是一个模糊的概念，这对电子战处理系统大有裨益。

本项目致力于开发一种电子战系统，该系统可模拟高度动荡的环境，并能适应突发情况，以确定特定情况下的最佳行动方案。随着自适应和低拦截概率雷达系统的兴起，现代电子战处理系统需要具有自适应能力，能够从环境中学习。在执行任务时，飞行员的生命和昂贵的设备都处于危险之中，需要不惜一切代价保护这些资产。因此，能够推荐规避机动和最佳电子攻击的电子战处理系统将成为一项必不可少的技术。为了对大量高度变化的电子战数据进行推理，人们研究了认知推理器和机器学习算法，以开发这样一种系统。一个强大的电子战处理系统需要解决前面所说的三个问题：它需要为电子战状态建模、做出决策和处理模棱两可的情况。其目标是为飞行员提供最佳行动方案，以压制敌方雷达系统并完成任务，如图 1.2 所示。这些行动方案包括决定使用 EA 和规避机动以到达目标位置。

本研究项目包括对各种机器学习算法和认知推理器进行研究和实验，以确定哪种模型最能解决与电子战处理相关的三个主要问题。为了确定适合本项目的流行技术和算法，我们进行了广泛的文献综述。在列出算法清单后，使用各种工具开发和测试了这些用于电子战的模型。根据这些结果，选择了最优模型用于实施认知电子战处理系统。一旦确定了最佳算法和推理器，就会开发一个综合电子战系统架构，以确定各个模型之间如何相互作用。将这些独特的算法以协调一致的方式结合在一起，开发出了一个非常强大的电子战处理系统，可以考虑各种情况，而无需由系统工程师进行硬编码。这种自动学习/构建系统的方式将缩短在现实世界中部署最新电子战处理系统所需的时间，还将降低开发此类系统的相关成本。为测试电子战处理系统，开发了一个电子战模拟器。模拟器由导航协议、电子战行动协议和雷达响应模型组成。这些模型用于模拟不同的场景，以观察所开发系统的性能。