《面向内外协同融合与对手辐射源协同定位的改进型自动电子情报收集系统》

随着2022年美国《国防战略》将重点从反叛乱行动转向对等对手，美国空军及国防部所属机载情报、监视与侦察平台也在进行改进以提升在对等冲突中的效能。这些平台需要能在存在远程威胁的对抗环境中快速有效运作，充当蓝军的前沿情报节点，并为国防部门研发工作提供有关对手新型信号与技术的尖端数据。为应对这些挑战，本项目引入机器学习驱动的方法，从四个方面改进美机载ISR平台的自动电子情报收集系统（ACS）：首先，通过自动聚合飞机现有数据向用户实时提供节点分析，以降低操作员认知负荷；其次，将外部情报数据库信息与机载数据库信息融合，提升目标定位置信度；第三，采用支持向量机算法为操作员提供自动信号异常检测，根据历史活动与模式生命周期预测提示潜在关注信号；最后，通过引入锥角测量提升对空/对地识别能力，协助操作员实现更快威胁告警与环境态势感知。研究结果表明，支持向量机在单信号异常检测预测中表现最佳，AUC达84%；基于均值的规则分类法成功区分1089个地对空电子情报样本，成功率89%，高于高斯混合模型（68%）与K近邻算法（66%）。

美国防部从反叛乱向对等对手的战略转向，提升了军方对更快速、可靠信息的需求，以支持威胁告警、远程杀伤链作战及增强对对手能力的理解。电磁环境日益密集复杂，尤其在美国对等对手活动区域。国防部与情报界操作员无力处理全部采集数据，必须进行优先级筛选。大量未经验证的射频数据流入国防部数据库（单次机载ISR任务产生5万以上文件），且尽管自动电子情报收集系统存在误标，这些数据仍被采信，导致决策者与作战规划得出错误结论。同样错误数据也会输入机载ISR平台内部操作员；虽电磁战操作员可手动识别信号，但其速度远慢于系统，在密集战时易延误蓝军威胁告警。此外，自动截获数据可输入融合系统与链路（如“网络中心协同定位”与“同步调谐”），增强远程作战中的精确定位能力。自动电子情报收集系统数据质量越高、多源情报融合能力越强，威胁告警、国家数据库支撑智能决策及蓝军远程精确打击能力就越强。

本项目目标从四方面改进自动电子情报收集系统（尤针对美空军机载ISR平台）。其一，自动综合机内多源情报以辅助操作员态势理解。这种自动节点分析可为蓝军提供更快速、高可信度数据，用于态势感知、威胁告警及高置信度目标指示。其二，近实时融合外部情报数据库信息与机内信息。使机载ISR平台在传统情报源通信中断时仍能作为可靠前沿情报节点，并向操作员提示潜在关注信号。其三，通过支持向量机异常检测向操作员推荐关注信号，基于历史活动预测情报界指定关注信号的活跃状态。此举可降低操作员认知负荷，使其聚焦任务关键信号（符合高层指令要求）。其四，针对现系统对地/空电子情报识别弱点，探索K近邻与高斯混合模型分类以提升分类能力。