专栏：电磁频谱空间人工智能技术2023(6)
发刊词
《电磁频谱空间人工智能技术》
专栏发刊词
经过半年多的征稿与筹备，《电磁频谱空间人工智能技术》专栏正式和大家见面了！
电磁频谱空间是继陆、海、空、天、网之后的第六维国家战略空间，是构建全球信息技术、科技创新、经济发展、无人化作战竞争新优势的关键。为了应对电磁频谱空间所面临的重大挑战，迫切需要将人工智能理论与技术引入电磁频谱空间，促进人工智能理论与电磁频谱空间管控理论的深度融合，实现对电磁频谱空间的智能掌控。为进一步促进电磁频谱空间人工智能等领域的新理论、新技术、新方法的创新研究，促进全国电磁频谱空间人工智能相关行业的相互交流、学习借鉴，组织集中反映该领域最新的研究成果及研究进展的专栏很有必要。
因此，本刊设立了《电磁频谱空间人工智能技术》专栏，邀请了4位对电磁频谱空间人工智能技术领域有深入研究的专家担任编委，组织征稿，旨在报道电磁频谱空间人工智能算法等领域最新的研究成果，实现相关领域最新进展的互通共享，促进我国电磁频谱空间人工智能和太赫兹技术研究领域的发展。通过半年多的稿件征集，本专栏吸引了许多学者、业内人士的关注与参与，最终精选出6篇论文出刊。本次专栏内容丰富，包括智能电磁空间构建、辐射源个体识别网络、通信信号调制识别、信号挖掘与预测、多基站非圆信号直接定位、美国电磁频谱应用现状等技术研究。在此，我们对关心并支持本专栏出版的各位领导、组稿专家学者，以及积极参与专栏征文活动的所有作者表示衷心的感谢！
文章列表
2023, 21(6):713-724.
DOI: 10.11805/TKYDA2022180
摘要:
在梳理电磁物理空间认知概念模型基础上，针对电磁空间物理域和信息域不能有效融合以及电磁信息应用智能化不足两大问题，提出了智能电磁空间的概念。智能电磁空间必须具有表征、理解、预测和决策4种能力，其特征是以模型为核心，以软件为载体，高度依赖数据驱动，达到对物理世界的精准映射，为作战指挥和部队行动提供智能决策服务。从电磁空间信息组织机理着手，进一步解决多源异构物理—信息数据融合问题的研究思路，构建了智能电磁空间的技术架构，提出了结合GeoSOT的高维电磁网格数据(GeoSOT-ND)模型高维张量建模与计算、多域电磁空间感知与高效存储、全维电磁态势重构与智能推演、基于网格数据驱动的应用方法等亟待突破的关键技术及实现思路。
在梳理电磁物理空间认知概念模型基础上，针对电磁空间物理域和信息域不能有效融合以及电磁信息应用智能化不足两大问题，提出了智能电磁空间的概念。智能电磁空间必须具有表征、理解、预测和决策4种能力，其特征是以模型为核心，以软件为载体，高度依赖数据驱动，达到对物理世界的精准映射，为作战指挥和部队行动提供智能决策服务。从电磁空间信息组织机理着手，进一步解决多源异构物理—信息数据融合问题的研究思路，构建了智能电磁空间的技术架构，提出了结合GeoSOT的高维电磁网格数据(GeoSOT-ND)模型高维张量建模与计算、多域电磁空间感知与高效存储、全维电磁态势重构与智能推演、基于网格数据驱动的应用方法等亟待突破的关键技术及实现思路。
2023, 21(6):751-758.
DOI: 10.11805/TKYDA2023063
摘要:
随着电磁信号环境日趋复杂以及通信设备数量的不断增加，电磁信号受到干扰问题逐渐加剧。因此，对于信号在不同噪声环境下的接收与处理技术的研究以及在复杂的电磁环境中对信号各项数据指标及其携带信息的利用十分关键。为了解在不同电磁环境下含噪信号的性能表现，提高信号的利用质量及可靠性，本文提出一种基于时间序列分解的电磁数据处理方法。建立了基于加法季节性时间序列分解的含噪信号处理模型，并利用该模型对信号在有噪环境下的表现与规律性、趋势、误码率等性能进行分析与评估，对原始信息、载波信息进行挖掘预测。与传统方法相比，本文提出的基于时间序列分解的信号挖掘与预测模型在高噪环境下对信号预测更为准确。
随着电磁信号环境日趋复杂以及通信设备数量的不断增加，电磁信号受到干扰问题逐渐加剧。因此，对于信号在不同噪声环境下的接收与处理技术的研究以及在复杂的电磁环境中对信号各项数据指标及其携带信息的利用十分关键。为了解在不同电磁环境下含噪信号的性能表现，提高信号的利用质量及可靠性，本文提出一种基于时间序列分解的电磁数据处理方法。建立了基于加法季节性时间序列分解的含噪信号处理模型，并利用该模型对信号在有噪环境下的表现与规律性、趋势、误码率等性能进行分析与评估，对原始信息、载波信息进行挖掘预测。与传统方法相比，本文提出的基于时间序列分解的信号挖掘与预测模型在高噪环境下对信号预测更为准确。
2023, 21(6):734-744.
DOI: 10.11805/TKYDA2022243
摘要:
由于射频信号种类多，电磁环境复杂，特征提取难度大，现有的基于人工特征的射频辐射源个体识别方法的鲁棒性、适用性难以满足应用需求。数据驱动的深度学习方法虽然可以提供更灵活的辐射源个体识别模式，但深度学习方法自身可解释性差，而且缺乏通用测试模式来评价一个深度学习方法的优劣。本文在电磁大数据非凡挑战赛目标个体数据集的基础上，探索了基于该数据集的深度学习模型测试方法，提出面向辐射源个体识别神经网络模型的通用测试系统架构。该构架通过信号特征遮掩、生成对抗网络(GAN)、欺骗信号汇集、信道模拟等方法构造仿真测试样本，并把测试样本与原样本数据导入深度模型进行识别结果对比测试。基于测试结果分析了深度模型聚焦的信号关键特征位置，分析模型的鲁棒性，揭示信道环境对识别性能的影响，从而解释了深度学习网络模型的性能。
由于射频信号种类多，电磁环境复杂，特征提取难度大，现有的基于人工特征的射频辐射源个体识别方法的鲁棒性、适用性难以满足应用需求。数据驱动的深度学习方法虽然可以提供更灵活的辐射源个体识别模式，但深度学习方法自身可解释性差，而且缺乏通用测试模式来评价一个深度学习方法的优劣。本文在电磁大数据非凡挑战赛目标个体数据集的基础上，探索了基于该数据集的深度学习模型测试方法，提出面向辐射源个体识别神经网络模型的通用测试系统架构。该构架通过信号特征遮掩、生成对抗网络(GAN)、欺骗信号汇集、信道模拟等方法构造仿真测试样本，并把测试样本与原样本数据导入深度模型进行识别结果对比测试。基于测试结果分析了深度模型聚焦的信号关键特征位置，分析模型的鲁棒性，揭示信道环境对识别性能的影响，从而解释了深度学习网络模型的性能。
2023, 21(6):725-733.
DOI: 10.11805/TKYDA2022210
摘要:
针对现有多阵列非圆(NC)信号直接定位方法(DPD)谱峰搜索计算复杂度高，对基站的位置比较敏感，没有考虑信号在空间中传播时的损耗差异，导致估计性能不稳定的问题，提出一种联合降维传播算子与泰勒补偿(JRT-PM)的非圆信号直接定位算法。首先根据非圆信号的椭圆协方差信息扩展阵列孔径，通过降维方法消除非圆相位搜索维度进行粗估计降低计算复杂度，然后联合所有基站的信息进行泰勒补偿提升算法估计性能。仿真实验表明，相比于传统到达角K均值聚类(AOA-clustering)两步定位算法、最小均方无畸变响应(MVDR)直接定位算法、子空间数据融合(SDF)直接定位算法，所提算法在提升定位精确度的同时可以估计更多目标；与非圆传播算子(NC-PM)直接定位相比，所提算法在保证估计性能的同时显著降低了计算复杂度。
针对现有多阵列非圆(NC)信号直接定位方法(DPD)谱峰搜索计算复杂度高，对基站的位置比较敏感，没有考虑信号在空间中传播时的损耗差异，导致估计性能不稳定的问题，提出一种联合降维传播算子与泰勒补偿(JRT-PM)的非圆信号直接定位算法。首先根据非圆信号的椭圆协方差信息扩展阵列孔径，通过降维方法消除非圆相位搜索维度进行粗估计降低计算复杂度，然后联合所有基站的信息进行泰勒补偿提升算法估计性能。仿真实验表明，相比于传统到达角K均值聚类(AOA-clustering)两步定位算法、最小均方无畸变响应(MVDR)直接定位算法、子空间数据融合(SDF)直接定位算法，所提算法在提升定位精确度的同时可以估计更多目标；与非圆传播算子(NC-PM)直接定位相比，所提算法在保证估计性能的同时显著降低了计算复杂度。
2023, 21(6):703-712.
DOI: 10.11805/TKYDA2022178
摘要:
电磁频谱是继陆、海、空、天、网之后的第六维作战空间，并贯穿于其他五维空间的作战中。为有效应对电磁频谱空间的挑战和威胁，美国国防部提出了电磁频谱作战概念，对未来作战样式乃至战争形态产生深远影响。本文从电磁频谱应用角度出发，系统性介绍了美国国防部对电磁频谱的应用现状和代表性工作。首先，系统性梳理了电磁频谱的传统军事应用，如无线通信、雷达、信号情报、红外传感器、电子战、导航战；其次，重点介绍了电磁频谱的新兴军事应用，如5G通信、人工智能应用、激光通信、定向能武器、反无人机系统以及新兴概念；最后，总结了美国国防部制定的电磁频谱战略和政策，结合国内电磁频谱的发展水平，提出了加强我国电磁频谱作战能力的对策建议。
电磁频谱是继陆、海、空、天、网之后的第六维作战空间，并贯穿于其他五维空间的作战中。为有效应对电磁频谱空间的挑战和威胁，美国国防部提出了电磁频谱作战概念，对未来作战样式乃至战争形态产生深远影响。本文从电磁频谱应用角度出发，系统性介绍了美国国防部对电磁频谱的应用现状和代表性工作。首先，系统性梳理了电磁频谱的传统军事应用，如无线通信、雷达、信号情报、红外传感器、电子战、导航战；其次，重点介绍了电磁频谱的新兴军事应用，如5G通信、人工智能应用、激光通信、定向能武器、反无人机系统以及新兴概念；最后，总结了美国国防部制定的电磁频谱战略和政策，结合国内电磁频谱的发展水平，提出了加强我国电磁频谱作战能力的对策建议。
2023, 21(6):745-750.
DOI: 10.11805/TKYDA2022231
摘要:
通信信号调制识别作为管理、监测电磁频谱的重要手段，具有重要的研究价值和应用前景。本文利用调制信号的频域信息，提出一种基于复数神经网络的信号调制识别方法。首先将I、Q两路信号组合成复信号，经过快速傅里叶变换(FFT)后把得到的实部和虚部组合起来作为输入网络的数据集。其次，设计了一种复数神经网络结构，并引入了注意力机制对网络结构进行改良。仿真结果表明，本文提出的方法可以有效识别9种调制方式，在信噪比为6 dB时，平均正确识别率达到96.33%。
通信信号调制识别作为管理、监测电磁频谱的重要手段，具有重要的研究价值和应用前景。本文利用调制信号的频域信息，提出一种基于复数神经网络的信号调制识别方法。首先将I、Q两路信号组合成复信号，经过快速傅里叶变换(FFT)后把得到的实部和虚部组合起来作为输入网络的数据集。其次，设计了一种复数神经网络结构，并引入了注意力机制对网络结构进行改良。仿真结果表明，本文提出的方法可以有效识别9种调制方式，在信噪比为6 dB时，平均正确识别率达到96.33%。
