人工智能在軍事通信中的應(yīng)用

王振義，鄒 力

（國防科技大學(xué)信息通信學(xué)院，湖南 長沙 410003）

0 引 言

人工智能被譽(yù)為引領(lǐng)科技變革的顛覆性技術(shù)，近幾年在多個領(lǐng)域得到了廣泛應(yīng)用和發(fā)展，引起了國內(nèi)外研究人員的高度重視。美國國防部第三次“抵消戰(zhàn)略”，日本的“人工智能/大數(shù)據(jù)分析/物聯(lián)網(wǎng)/網(wǎng)絡(luò)安全項目”，歐盟的“人腦計劃”，均力圖搶占人工智能在軍事科技領(lǐng)域的高地[1]。目前，人工智能已經(jīng)成功應(yīng)用于智能翻譯、電子戰(zhàn)系統(tǒng)、自動情報與圖像識別系統(tǒng)、人工智能武器等方面。在通信領(lǐng)域，人工智能也逐步在組合優(yōu)化、檢測、估計等問題上進(jìn)行了成功探索。可見，研究人工智能在軍事通信中的應(yīng)用，對未來戰(zhàn)場的通信保障有著重大意義。

1 人工智能的概念

人工智能誕生于20世紀(jì)中葉，發(fā)展過程并非一帆風(fēng)順。隨著計算機(jī)計算規(guī)模的逐步提升，依托強(qiáng)大的計算力，近年來人工智能復(fù)興并取得了矚目成果。人工智能技術(shù)涵蓋遺傳算法和人工神經(jīng)網(wǎng)絡(luò)兩大類，本身是普適性的機(jī)器學(xué)習(xí)技術(shù)，可以進(jìn)行數(shù)據(jù)的分類、推斷、擬合、聚類以及優(yōu)化等。根據(jù)訓(xùn)練標(biāo)簽是否已知，可以將人工智能算法粗略分為監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)3大類[2]。

監(jiān)督學(xué)習(xí)從給定的數(shù)據(jù)集中學(xué)習(xí)一個函數(shù)（模型參數(shù)），并可根據(jù)非數(shù)據(jù)集中的輸入數(shù)據(jù)預(yù)測結(jié)果。監(jiān)督學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集要求包含輸入和輸出，即訓(xùn)練標(biāo)簽要已知。訓(xùn)練集中的目標(biāo)是人為標(biāo)注的，利用人為標(biāo)注的訓(xùn)練集訓(xùn)練得到最優(yōu)模型，再利用這個模型將所有的輸入映射為相應(yīng)的輸出。監(jiān)督學(xué)習(xí)是訓(xùn)練神經(jīng)網(wǎng)絡(luò)和決策樹的常見技術(shù)，高度依賴數(shù)據(jù)集的標(biāo)簽。常見的監(jiān)督學(xué)習(xí)算法有回歸分析和統(tǒng)計分類等。

當(dāng)輸入標(biāo)簽未知即無法明確一個給定輸入的確切輸入結(jié)果時，只能從原先沒有樣本標(biāo)簽的樣本集中開始學(xué)習(xí)，這種方法稱為非監(jiān)督學(xué)習(xí)。通過非監(jiān)督學(xué)習(xí)，算法試圖尋找數(shù)據(jù)中的隱含結(jié)構(gòu)，從而解決問題。非監(jiān)督學(xué)習(xí)算法可分為兩大類，一類為概率密度函數(shù)估計的直接方法，另一類為基于樣本間相似性度量的簡潔聚類方法。

強(qiáng)化學(xué)習(xí)用于描述和解決智能體與環(huán)境交互過程中通過學(xué)習(xí)策略制定達(dá)到最大化回報的問題。強(qiáng)化學(xué)習(xí)的模型為標(biāo)準(zhǔn)馬爾可夫決策過程。按照給定條件，強(qiáng)化學(xué)習(xí)可分為基于模式的強(qiáng)化學(xué)習(xí)和無模式強(qiáng)化學(xué)習(xí)，以及主動強(qiáng)化學(xué)習(xí)和被動強(qiáng)化學(xué)習(xí)[3]。

人工智能的核心為數(shù)據(jù)處理和模型訓(xùn)練。因此，目前應(yīng)用效果較好的行業(yè)集中在擁有數(shù)據(jù)質(zhì)量和數(shù)量的業(yè)務(wù)，如金融領(lǐng)域的交易系統(tǒng)、汽車領(lǐng)域的自動駕駛、人臉識別、棋類競技等。2018年全國人民代表大會和全國政協(xié)代表大會正式將人工智能寫入政府報告，宣告了其廣闊的發(fā)展前景。

2 人工智能在軍事通信中的應(yīng)用

作為普適性的人工智能技術(shù)，在軍事通信領(lǐng)域可廣泛應(yīng)用于各個環(huán)節(jié)。按照待解決的技術(shù)問題，可大體分為以下3個方面[4]。

2.1 組合優(yōu)化問題

軍事通信涵蓋多個設(shè)備、多類別資源的組合運(yùn)用。這些設(shè)備與資源工作在通信網(wǎng)絡(luò)的各個層級，如何最大化資源利用率，提高通信效率，涉及資源池中的最優(yōu)資源配置方式的選擇計算，是一個典型的組合優(yōu)化問題。美國DARPA組織的為期3年的“頻譜協(xié)作挑戰(zhàn)賽”，力爭通過人工智能更好地完成空間頻譜協(xié)作能力，提高頻譜利用率。賽事中人工智能表現(xiàn)出來的性能較傳統(tǒng)自適應(yīng)算法有明顯提升，且動態(tài)跟蹤預(yù)測的效果要遠(yuǎn)勝于傳統(tǒng)算法。通信組網(wǎng)的優(yōu)化同樣是人工智能在軍事領(lǐng)域的一大發(fā)展前景。電臺組網(wǎng)和傳感器間的組網(wǎng)是各國軍事領(lǐng)域爭相競爭的技術(shù)高點，極具代表的有戰(zhàn)術(shù)通信數(shù)據(jù)鏈和無人機(jī)集群。目前，傳統(tǒng)的組網(wǎng)方式為人為設(shè)置或通過基于多項式計算的自組網(wǎng)路由算法，其效率和網(wǎng)絡(luò)規(guī)模都較小，人工智能的普適性和訓(xùn)練特性可顯著提高自組網(wǎng)的靈活性。

2.2 檢測問題

對網(wǎng)絡(luò)制式、通信信號等的識別，可以提高自身打擊和抗打擊能力。現(xiàn)在已商用的調(diào)制方式識別、編碼識別等，都是典型的檢測問題。目前，實驗室環(huán)境下已經(jīng)實現(xiàn)了高于傳統(tǒng)識別率的調(diào)制識別，編碼識別也經(jīng)過了功能性驗證。軍事領(lǐng)域的干擾和抗干擾是通信對抗中的兩大方面，傳統(tǒng)的通信對抗已越來越難適應(yīng)現(xiàn)代化高節(jié)奏的戰(zhàn)場需求。通過識別對方或己方的調(diào)制方式、編碼、射頻頻帶以及復(fù)用方式等，可以更精準(zhǔn)地實施干擾和抗干擾，且人工智能的預(yù)測性能可以很好地解決對方策略調(diào)整的問題。經(jīng)過大量的數(shù)據(jù)學(xué)習(xí)和積累，它的干擾和抗干擾能力將逐步遞增。通過人工智能的方式檢測參數(shù)、調(diào)整參數(shù)，可以大大降低人為操作帶來的失誤率。

2.3 估計問題

軍事通信中的參數(shù)估計對通信系統(tǒng)的可靠性起著至關(guān)重要的作用。戰(zhàn)爭條件下準(zhǔn)確估計出敵方通信參數(shù)，將會迅速占據(jù)主動權(quán)。例如，無線通信中的信道估計，是實現(xiàn)穩(wěn)定通信的必要條件。在大規(guī)模MIMO的大量應(yīng)用下，信道估計在天線陣密集、接收機(jī)配備的射頻鏈路受限的情況下將極具挑戰(zhàn)性。文獻(xiàn)[4]提出的LDAMP網(wǎng)絡(luò)已證明其信道估計的性能已優(yōu)于當(dāng)前最具潛力的其他信道估計算法。國內(nèi)外學(xué)者也提出了多個基于深度學(xué)習(xí)的信道估計器，都表現(xiàn)了各自的優(yōu)勢，逐步向?qū)嶋H應(yīng)用推進(jìn)。

另外，還存在以上三個問題聯(lián)合或協(xié)作應(yīng)用的探索。有學(xué)者應(yīng)用深度神經(jīng)網(wǎng)絡(luò)設(shè)計端到端的無線通信系統(tǒng)，與信號相關(guān)的編碼、解碼、調(diào)制以及均衡等都使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計，實現(xiàn)了功能性探索，但可操作性較低。軍事領(lǐng)域人工智能與5G技術(shù)的結(jié)合，將產(chǎn)生多種應(yīng)用場景。人工智能中模型的環(huán)境自適應(yīng)性和泛化性，將非常適合未來動態(tài)多變的戰(zhàn)場和越來越緊張的頻譜資源。同時，5G場景下的低時延、高速率也非常適配未來戰(zhàn)場數(shù)據(jù)的高速增長。

3 人工智能在軍事通信領(lǐng)域面臨的挑戰(zhàn)

雖然人工智能在軍事通信領(lǐng)域有著廣闊的應(yīng)用場景，但目前成功運(yùn)用的案例較少，人工智能自身面臨著挑戰(zhàn)。首先，軍事通信領(lǐng)域的通信數(shù)據(jù)集獲取是一個極具挑戰(zhàn)性的工作，尤其對于非己方數(shù)據(jù)的獲取，而這是人工智能最關(guān)鍵的部分。其次，軍事通信領(lǐng)域不同于民用領(lǐng)域，其對安全性、可靠性的要求較高。通信系統(tǒng)日趨復(fù)雜，各模塊之間緊密聯(lián)系，一旦某個模塊的某個模型受到攻擊，將大大影響整體性能，大大制約了人工智能在軍事通信領(lǐng)域的發(fā)展。最后，人工智能強(qiáng)烈依賴于強(qiáng)大的計算力，動輒上億的浮點型運(yùn)算和GB量級的通信數(shù)據(jù)，將給通信設(shè)備的廣泛列裝和小型化、便攜化帶來巨大挑戰(zhàn)。

4 結(jié) 論

隨著計算機(jī)資源的快速發(fā)展和人工智能算法的逐步演進(jìn)，模型壓縮和加速算法性能逐步提升。鑒于人工智能在民用領(lǐng)域已經(jīng)取得的矚目成績，雖然目前許多技術(shù)還處于初步探索階段，但人工智能在軍事通信領(lǐng)域?qū)⒂瓉砀夹缘陌l(fā)展。