美军可重构电子战系统发展现状分析

传统的电子战系统主要基于硬件定义射频功能，前端射频参数固化，难以根据目标与环境进行动态调整，很难通过软件升级提升作战能力，以及不能快速形成认知环路，难以适应认知对抗多自由度灵活机动的需求。此外，通信、雷达、侦察、干扰等设备功能单一，天线孔径独立配置，给设备安装维护与系统兼容带来了难题。通过天线、射频、处理等模块的一体化设计，硬件逐步具备可重构能力，如美国乔治亚理工大学 Merritt 等人提出了面向雷达、通信、电子支援、电子攻击等功能的一体化设计与可重构架构，可以应用于有人－无人协同作战等电磁机动战场景。

为了应对越发复杂的战场电磁环境及不断涌现的新威胁、新目标等需求，美军积极推动电磁频谱作战融合、电磁信号智能分析、无人作战智能决策、电子战功能动态重构等技术发展，并不断深化认知电子战、综合可重构电子战等装备应用，从而保持美军的电子战威慑能力与优势 。

图 1 JP3-85 电磁战重编程类型与流程说明

1.2　美空军条令电子战综合重编程

美空军条令 AFI 10-703《电子战综合重编程》（Electronic Warfare Integrated Reprogramming，EWIR）已发布了数个版本，为其电子战可重构发展明确了方向。结合该条令，兰德公司（Rand Corporation）Vedula 等研究人员基于对美空军电子战部队军官与作战人员的大量访谈，整理发表了《在电磁频谱中智胜敏捷对手》报告，重点梳理了美国空军在电子战综合重编程中面临的困境和解决路径。该报告指出，电子战重编程的目的是提供软件、固件和任务数据可快速重编程，以应对不断演变的威胁。考虑到传统的电子战载荷模式是固定的，使用通用架构的智能检测识别模型，一方面可以根据需要很方便地加载与切换，另一方面可以根据目标威胁的情况快速地学习与生成，这样就能通过重编程的自身变化来应对目标环境的变化。该报告认为，评估作战环境、检测对手动向并做出重编程反应，需要在几秒到几分钟之内完成；同时，需要制订敏捷软件和硬件更新升级方案，加强数据工程建设并强化各系统之间的互操作性。

该系统侧重于通过持续敏捷开发和持续成果交付，向作战人员交付成果。以指挥控制为例，其原型的能力等属性主要包括 7 个方面：联合规划能力、决策支持能力、云部署、与态势感知集成互操作、实施 DevSecOps（开发、安全、运营）、用户理解使用、开放式体系架构。其核心是利用容器化、微服务、开放应用程序接口和 DevSecOps 来实现可扩展性、互操作性、可重用性和可伸缩性，通过互操作性、持续集成与交付充分实现性能、进度和成本效益，以及实现用户界面 / 用户体验的最佳实践设计模式、开放架构数据存储和基于微服务的云原生实现架构，采用模块化和可扩展的零信任架构、国家信息交换模型、表征状态转移服务等美国防部批准架构，实现系统的扩展与重构。

2.2　美空军

美空军认为，检测、发现和防御敌对威胁系统的能力需要快速更新软件能力的支撑，包括对任务数据文件的更新能力。2022 年，美国空军 E-3G 机载 预 警 和 控 制 系 统（Airborne Warning And ControlSystem，AWACS）首次验证在空中更新了其电子战支援措施（Electronic Support Measures，ESM）库。AWACS 收集电子战数据，然后使用卫星通信系统将其传输到佛罗里达州埃格林空军基地的重编程中心，该中心在一个小时内对数据进行处理、分析和提炼，并将其传回飞机进行更新。该过程称为机载协同电子战综合可重编程交互，重编程时间从以往的几个月压缩到了几个小时。E-3G 通过使用现有数据链及升级的卫星通信系统，并与更智能灵活的任务计算系统相结合，支撑空中更新并压缩任务数据重编程时间来应对新威胁。

美空军第五代战斗机，如 F-22 和 F-35，基于其传感器融合的特点，为机组人员提高了态势感知能力、生存能力和杀伤力。美国重编程实验室寻求补充模拟测试设备，大量模拟威胁信号，在压力足够大的条件下测试和优化任务数据加载，以确保在近战（near-pear）等环境中对当前和未来威胁具有足够的性能。

美空军下一代战机（Next-Generation Air Domi nance，NGAD） 预 计 会 采 用 有 源 相 控 阵（Active Electronically Scanned Array，AESA）等技术，将各类传感器、电子战、网络战和通信功能融合到单个多模式 AESA 中，且阵列在尺寸和配置上可灵活扩展。该方式可让飞机具备更多可用的内部空间和更简单的布线，支持更轻松地升级新硬件尤其是新软件，并加快测试验证速度。同时，支持以机器学习赋能的自动化认知电子战功能，针对突然出现的威胁信号或对未被机载威胁库识别的射频指纹，使用 AI 软件进行分析，甚至可根据飞机上的可用硬件来创建代码，或以最优方式生成和部署应对波形。

美空军研究实验室（Air Force Research Laboratory，AFRL）的自主飞机实验的重点是测试和完善 AI 和机器学习驱动的自主能力，以用于未来先进的无人驾驶飞机，并作为 NGAD 的协同作战飞机（Collab orative Combat Aircraft，CCA）计划的关键技术来源。通过支持 XQ-58 等无人机的测试评估，使其由地面控制模式切换到 AI 驱动飞行，并支持各类有人机与无人机的协同，更多地基于模拟器来训练 AI神经网络，以降低在真实飞机上的训练成本，并建立对 AI 的信任。

2.3　美海军

美海军 EA-18G 电子战飞机和下一代干扰机（Next Generation Jammer，NGJ）将采用宽带有源相控阵天线、捷变波束形成、氮化镓数字干扰源、极化控制与智能干扰、数字射频存储等新技术实现装备架构和性能的可重构，分为低、中、高波段 3种干扰吊舱，并采用 3 个增量阶段开发。

美海军先后发布了无人作战框架（Unmanned Campaign Framework）、智能自主系统（Intelligent Autonomous Systems，IAS）科技战略等，占领人工智能与无人自主技术及装备应用制高点。美海军规划了定位、导航与定时、感知与决策、通信、任务 AI、网络与物理安全、可靠性、载荷集成、供电与持续性、边缘处理等技术发展方向，以及空中、海面、水下、地面等场景系列化无人平台，提出了对人的依赖逐步降低和自主能力逐步提升的发展思路，目标是在复杂环境下自动规划并完成任务，提升速度更快、规模更大的作战弹性及分布式组网作战能力。

此外，美拉萨姆（Long Range Anti-Ship Missile，LRASM）反舰导弹装备的主被动传感器具有智能化海上目标搜索识别能力，可作为网络化的分布式传感器节点，突破纵深防御实施对海搜索探测，通过主动探测与被动探测，对目标进行分类识别与参数提取 。

2.4　美陆军

美陆军提出了电子战与网络空间作战开放系统架构途径，又称为传感器开放系统架构，包含Photon 软件架构和 CMOSS 硬件模块化架构，如图 2 所示。其中，Photon 是基于 GPU 加速的数字信号处理架构，支持按需的数据访问与宽带 I/Q 采样，能够与现有 CPU 平台融合，支持宽带信道化检测、实时 DFT 处理及基于 AI/ML（机器学习）的分析与检测处理，能在单个通用平台上提供多种服务，针对威胁提供快速的 AI/ML 新技术集成与分发，统一了 XMIDAS、REDHAWK、SALVAGE 等多个处理架构。

图 2　美陆军电子战与网络战开放系统架构 

3.1　BAE 公司 F-35 与刺猬系统

应 用 于 电 子 战 和 信 号 情 报 领 域 的“ 刺 猬”（Hedgehog）系统是 BAE 系统公司推出的一种可实时重构的软件定义无线电（Software Defined Radio，SDR）系统，其射频前端由“可重构集成电路用微波阵列技术”（Microwave Array Technology Requiredfor Resttable Integrated Circuits，MATRIC） 收 发 器组 成， 受 到 美 国 国 防 高 级 研 究 计 划 局（Defense Advanced Research Projects Agency，DARPA）资助，如图 3 所示，芯片尺寸约为 10 美分硬币大小。系统可以实现直流到 40 GHz 信号的调谐，并能在纳秒时间内完成开关切换，可以实现电子战系统在作战及飞行中的重编程。系统的数字化及处理功能则采用 Xilinx 公司的 RFSoC（射频片上系统）技术，系统可同时实现 16 通、2 GHz 宽带射频信号的数字化。

图 3　BAE 开发的 MATRIC 收发器

3.2　佐治亚理工学院“愤怒的小猫”吊舱

佐治亚理工学院研制了 ALQ-167“愤怒的小猫”（Angry Kitten）训练吊舱，用于在空军测试和训练任务期间模拟敌方电子攻击信号，其发展理念是可通过机器学习和易于更新的软件更快地适应新威胁，可快速收集并分析电磁频谱信号，同时可通过人工智能学习，自主生成最佳作战方案的认知型电子对抗系统。因其在训练中展现出极强的作战能力、灵活性及重新编程能力，美空军决定将其转换为战斗版本，用来干扰敌方传感器。在测试中，吊舱任务数据可实现数小时内更新，以提升应对威胁的性能。此外，该吊舱还提供了开放式软硬件解决方案，允许平台通过更换硬件模块或软件来升级能力，从而改变攻防效果。2022 年 8 月，美空军宣布，经过改进的吊舱实现了功能快速重构，通过系列评估，具备战场环境自适应、敌方电磁信号实时分析、干扰阻断方式自主选择等能力。

3.3　哈里斯公司小型电台与电子战载荷

哈里斯是较早开发软件通信体系架构（SoftwareCommunications Architecture，SCA） 电 台 的 厂 家，其 AN/PRC-117G 电台支持频段覆盖 30 MHz~2 GHz范 围， 支 持 VULOS、SINCGARS、P-25、HPW、HAVEQUICK、ANW2、DAMA 等十几种波形的组件化设计，可采用动态加载切换的方式进行波形及其安全加密的重构。

哈里斯公司收购的 Disruptor SRx 系统是一个集成了信号情报（Eelectronic Intelligence，ELINT）、电子支援措施（Electronic Eupport Measures，ESM）和 雷 达 告 警 接 收 器（Radar Warming Receiver，RWR）的多功能微型系统，该系统可根据任务需求在功能间自由切换，具有自适应、远程重编程、全频段覆盖等特点，支持软件、固件和任务数据文件的重编程。此外，系统模块只有手掌大小，可配置于有无人、海陆空等各类作战环境平台，如图 4 所示，典型系统重量分别为 0.16 kg、0.45 kg、0.73 kg，在导弹、无人系统及诱饵设备上具有较好的应用前景。

图 4　Disruptor SRx 小型化电子战载荷

3.4　雷神公司电子战管理工具

雷神公司为美陆军开发的电子战规划与管理工具（Electronic Warfare Planning and Management Tool，EWPMT）能够连接各侦察装备，是一种可视化控制、管理、支配电磁频谱的指挥工具，具备计划、协调和同步电子侦察和电子支援能力。EWPMT 分阶段演进，具备任务规划与行动计划、任务指挥、频谱管理与干扰消减监控、建模分析、传感器管理、导航战等功能，并通过逐步升级迭代，同时增加机器学习 /AI 等自动处理能力与侦察节点组网控制能力，可以配置各电子战节点设备的升级重构，如图 5 所示 。

图 5　美军 EWPMT 操作演练

微型空射诱饵（Miniature Air-Launched Decoy，MALD）是美空军发展的通过改变雷达反射信号来欺骗目标雷达的由 F-16 和 B-52 挂载的空射诱饵弹，能够模拟战斗机、轰炸机的飞行及雷达反射特性，发射后具备约 1 个小时的巡航能力，并基于同一平台进一步发展成为具备电子干扰能力的 MALD-J。二者采用相同的硬件平台，通过软件重构可以实现不同的载荷功能配置，具备火力打击、通信组网、侦察干扰等能力，还可以灵活适配美海军战机及地面发射等平台。F-16 挂载 MALD 飞行测试如图 6所示。

图 6　美军测试 MALD

3.5　诺斯罗普·格鲁曼公司集成传感器系统

诺斯罗普·格鲁曼公司已向美国 DARPA 和AFRL 交付了商业时标阵列集成和验证（Arrays at Commercial Timescales Integration and Validation，ACT-IV）传感器系统，该系统能够在不同模式下执行不同的操作，实现雷达、通信、感知和电子战等功能，通过软件定义实现网络攻击、通信、干扰和感知，如图 7 所示 [20]。ACT-IV 是基于数字AESA 的多功能系统，通过多功能射频系统的可重构，可让作战人员实现联网条件下的新威胁快速应对。该方式能缩短相控阵设计周期，简化能力升级部署过程。

图 7　ACT-IV 系统

3.6　其他装备

美 Peraton Labs 公司在 DARPA 项目资助下构建了基于分布式 DLR（D-DLR）的射频指纹训练与识别平台，支持多个辐射源数据的共享和模型训练升级。

美国DeepSig公司的下一代射频感知工具OmniSIG，除了具备现有的频谱监测能力，通过定制深度学习方法，基于基带 IQ 数据时域、频域特征，利用卷积神经网络和定制网络架构，实现最大化 AI 学习的功能。该系统不仅可以同时检测和分类信号，而且还了解频谱环境，为上下文分析和决策提供信息，可以使用捕获的 RF 数据文件来训练识别新信号或提升现有信号类型识别性能，其呈现效果如图 8所示。

图 8　OmniSIG 工具智能识别结果态势呈现

DeepSig 公司联合 Hewlett Packard Enterprise（HPE）公司推出了嵌入 AI 的无线信号识别与分析平台 HPE Edgeline EL8000， 可 以 支 持 AI 推 理 优 化 的 4 个 1U节点设备（如图 9 左图，每个节点使用了 NVIDIA T4 16 GB GPU）和支持加速分析与训练优化的设备（如图 9 右图，包含两个 1U 节点和 1 个 2U 节点，其中2U 节点使用了 NVIDIA v100 32 GB GPU）。

图 9　 HPE 智能平台

美国 HawkEye 360（鹰眼 360）公司建设和运营了全球第一个基于无线电信号测绘技术的商业低轨道星座组网系统，并通过全球范围内采集特定的无线电发射信号，实现对地面、空中无线电信号的高精度测绘与定位。该系统已验证了对船舶 AIS 信号、海事雷达信号、GPS 干扰信号的分析与定位，其架构设计如图 10 所示。

图 11　美军电子战系统可重构思路

4.1　应用智能化 + 响应快速化

美军可通过智能化的训练和动态加载架构，针对新型威胁，快速进行预警、标注、采集样本并训练出新的威胁识别模型，还可以通过快速更新任务、软件、固件，来实现对新目标、新威胁的侦察，从而把原升级或重构所需的几年、几个月降到几小时甚至几分钟，不仅支持日常侦察任务的远程重构，而且支持战时交战任务的快速重构。

4.2　平台通用化 + 载荷可重构

美空军、海军、陆军及跨军种联合作战都建立了围绕智能无人自主和电子战载荷的条令规划或通用平台。通过“平台 + 载荷”的设计方式，既可以实现平台的通用化，又可以支撑载荷的多样化。此外，还可以通过不同载荷的重构与加载，实现功能的重构与切换，同时还能大大降低开发与维护成本。

4.3　系统分布式 + 重构网络化