编辑的选择


精致的威胁筹集了电子战冲突的股权

2022年3月30日编辑的选择

大多数现代军事冲突开始超越肉眼。在所有领域 - 土地,空中,海,空间和网络空间 - 军队争取电磁(EM)光谱的主导地位。这些力量使用EM谱来检测敌军,欺骗他们或扰乱他们的努力。具有不同形式的电子攻击,他们可以削弱,禁用甚至破坏他们的敌人的频谱使用。

这些EM频谱操作的自适应性质使得难以保持领先于它们的步骤。与此同时,广泛可用和大大改进的技术转化为电子战(EW)域中的更多对手。今天的EW环境越来越多地具有未知的演员,产生响应,不可预测的威胁。

EW定义为EM频谱中的战,通常包括在射频(RF)光谱中运行的任何操作。电磁操作目标是EW环境的许多方面,从雷达和干扰传达到军事通信。通过空中沟通的任何东西都是潜在的目标。

EW系统使用EM频谱来支持通信,感知和防御。撤防这些功能意味着禁用敌人的沟通或导航的能力。信号智能系统也收集智能或查找目标。

EM频谱是一个关键的运营战层。通过成功的电子攻击,在土地,空中或海上运营的军事单位履行任务。因此,随着现代威胁的工作以确保使用响应性,不可预测的行为,获得频谱演习的人最迅速实现优势。

准备转移战场

今天的军事单位努力确定现代威胁。在某些情况下,据报道,对手吹嘘这么多的EW专业知识,迫使他们的EM足迹萎缩。他们无法维护他们的信息,不想冒险(干扰他们的通信)或对他们的敌人射击。

即使是小型对手也可以利用市售技术,如全球定位系统(GPS)干扰设备。例如,导航系统开展的攻击可能会威胁军方同步其运营的能力。更可怕的是,对手的网络系统可以提供不准确的位置,时序或导航信息。这种可能性可能导致问题从混乱到可怕的事故。威胁不必进行可见的攻击,而是可以造成通信,协调和其他操作失败。

在任何EW冲突中,获胜者是通过利用技术进步来通过EM频谱迅速操纵的胜利者。由于以下趋势的趋同,威胁数量越来越多地增长:

1.技术的可用性:10年前,很少有球员主宰这场战场。在EW中占主导地位的技术能力和投资禁止其他人开发竞争的EW能力。随着商业电子产品变得更便宜,更可用,所有尺寸的对手进入了EW竞技场。现在,甚至较小的对手潜在竞争威胁阿森纳,使威胁环境更加危险和不可预测。随着进入的障碍如此之低,任何具有正确技能和知识的人都可以确保足够的设备成为威胁。

2.软件定义的无线电(SDR)系统:最初,SDR仅基于软件转换为可重新配置的无线电。模数转换直接发生在天线处。现代SDR通常采用更复杂的形式,更改其运行频率,调制,操作带宽和网络协议,而无需更改系统硬件。作为数字信号处理(DSP)和模数转换器的速度增加

(ADC),更多的信号处理以数字方式发生。通过利用这种系统,军事力量可以更容易地升级其威胁系统。

3.人工智能(AI):商业上可获得的两用技术和软件定义系统的快速变化步伐驱动了未来威胁的多样性和复杂性。随着AI的增加,这些威胁也从每个冲突中吸取教训,更有可能在未来占上风。

EW威胁的类型

由于这些技术暂停,威胁日益复杂。过去的威胁是静态的,即,在外观和行为中一致。今天的威胁是对响应的,根据场景改变他们的行为。例如,如果对手堵塞了反应威胁,则它将切换频率或采取另一个动作来避开这种干扰。对手现在必须假设威胁可能会改变并准备相应地反应。

认知或自适应威胁改变并随着时间的推移而适应。虽然人们可以互换使用这些术语,但存在许多级别的适应性,其中大部分不符合认知EW的能力。

认知EW系统使用机器学习进入环境,没有先验知识的对手的能力,并迅速了解方案。通过做一些使逆境的系统反应的事情,他们可以快速评估它并开发适合该特定对抗系统的有效响应。

相比之下,自适应解决方案无法快速掌握并响应新的场景。例如,自适应雷达感测环境并改变其传输特性,为每个传输或调整脉冲处理提供新的波形。这种灵活性允许自适应雷达增强其目标分辨率。许多对手系统只需要简单的软件改变来改变波形,这增加了波形外观和行为的不可预测性。军事力量争取从其他信号,朋友或敌人隔离自适应雷达脉冲。

非常适应性和认知的发展是响应反访问/区域拒绝(A2 / AD)威胁。A2威胁防止或阻碍盟军部署盟军部署到冲突区。例如,这些威胁可以做一些事情来强迫对手从较低的有效距离接合。成功的A2威胁可以防止盟友的访问甚至通过盟友。

相比之下,广告威胁采取阻碍友好行动的行动。这些威胁致力于限制或消除对抗反应其盟友或其他友军的能力。这种威胁的例子包括攻击船只或飞机,以及导弹。广告威胁会影响域内的操作。由于这些威胁增长日益适应,因此他们的对手必须在更短的时间内回应它们。

评估机器学习的影响

使用AI,智能机器工作,并尽可能地响应人类,使用像信号识别等功能执行更复杂的任务。机器 - 学习需要一步,允许机器从数据中学习并连续调整。


这些计算机以非常快速的速度学习时间。使用机器学习的威胁继续从每一个冲突中学习,并确定违背未来对策的方法。当计算机决定如何改变行为时,进化发生而不需要人类互动。

由于威胁系统的不可预测的行为,即使是实施它的人也不能预测其确切的行为。

随着威胁系统使用机器学习技术推进,它们将以越来越快速的速度调整和改变其行为或行动方案。例如,如果雷达试图跟踪喷气式飞机,则对抗的对策可能会阻止它从后续成功。使用机器学习,雷达将多次尝试实现成功的新方法。今天的机器具有智能,比EW中的人类专家高出一个数量级,因为他们从继续汇总时间的数据中学习。

知道如何为未来做好准备

由于新的,现代,响应威胁的丰富,军事力量vie控制EM谱。频谱优势使他们能够在保护军队的同时检测,欺骗和破坏敌军。军队必须不断创新他们的EW威胁和对策来主导EM频谱并保持领先地位。为了跟上不断变化的威胁环境,军事力量需求灵活,可扩展的解决方案。从现在开始减轻的风险可能不是六个月的问题。因此,军队继续面临来自敌军的新威胁。

不完整的分类数据阻止军队获得或创造明确的威胁图片。他们缺乏对测试这些威胁的方法,这是一种源于传统的EW威胁模拟系统的问题。相反,他们使用通常具有相关对策的已知威胁数据库。这些已知目标的分类列表不再有效,它们很快就会过时。这些系统未构建以识别和隔离EM环境中的威胁,并在飞行中确定对策。

即使能够处理新的信号,传统的EW威胁仿真系统也涉及一个非常耗时的过程。例如,军事力量从现场收集关于一种信号类型的信息,例如频率或脉冲重复间隔(PRI)。他们将该信息发送给实验室,在那里分析以收集更多信息并制定对策。几个月通过,然后在系统中提供信息之前。

未来,对手将有更完整的运营情况。建设过去十年的转型,接下来的10到20年承诺提供更快,更易发展的技术发展。行业专家预测,机器学习和人工智能将推动强大的,连续演变。EW威胁环境将利用剧烈加工改进,例如使用多个设备在更少的时间内提供更多信息。传感技术也将发挥更大的作用,收集有关冲突区域的信息。新的编码技术已经导致越来越复杂,互连和相关的传感器。

这些技术创新将产生知识渊博,新响应的威胁,以便在EM谱中找到新的途径。虽然技术将继续发展和新的威胁,但仍然存在:实现和维护频谱优势的军事力量将控制EW领域。


信用卡



分享这篇文章:
通过电子邮件分享 通过LinkedIn分享 打印此页

进一步阅读:

无处不在传感的光学液体分析原型平台
Altron Arrow编辑器的选择模拟,混合信号,LSI
原型复杂光学液体分析测量是一项挑战,需要仔细考虑化学,光学和电子器件如何相互作用,以产生精确的结果。

阅读更多...
水蒸汽对保形涂层保护的影响
Techmet Editor的选择制造/生产技术,硬件和服务
涂层材料在吸水率和水蒸气渗透性方面不同,这可能影响机械性能,粘附,玻璃化转变温度,光和耐候性,腐蚀保护和电绝缘。

阅读更多...
图表中国的陨石芯片销售轨迹
编辑的选择新闻
SIA归因于此增长主要是为了增加美中的紧张局势和全国努力,推动中国芯片部门,包括政府补贴,采购偏好和其他优惠政策。

阅读更多...
来自编辑服务台:匆匆忙忙,等待或紧贴亲爱的生活?
技术推出编辑的选择新闻
它似乎永远是因为当地工业的公司在一起并形成了一个关于改善其成员和行业的事情的关联,而不是劳动,而不是单独劳动,以便像往常一样保持“业务”。

阅读更多...
2022及以后的电子元件短缺
Coniple Technologies编辑的选择新闻
接下来的两到三年的最佳解决方案是为方案管理人员计划进一步提前和股票买家,以确保订单充分发放。

阅读更多...
安全性是有效的EV无线电池管理的关键
Altron Arrow Editor的选择电力电子/电源管理
在2016年黑帽会议期间,通过车辆的网关在2016年黑色帽子会议期间,研究人员对远程控制汽车的可能性。

阅读更多...
Keysight提供轻松访问的电子学习内容
Cancium Technologies测试和测量
Keysight Technolulaties最近首页,Keysight大学是一个互动的在线平台,用于了解测试和测量基础,工程设计提示和最佳实践 ......

阅读更多...
状态监测系统的信号链实现
Altron Arrow编辑器的选择模拟,混合信号,LSI
与所有系统设计一样,在设计一个条件监控系统时,每个系统都有许多选择,其中每个权衡都有各种权衡,并且可以大大改变DAQ信号链设计。

阅读更多...
人格简介:Doug Gunnewegh
编辑的选择新闻
“他们说,如果它没有杀死你,它只会让你更强壮,所以现在所有的幸存者都是超级英雄。”

阅读更多...
World-First Demo的无线动力5G基站
编辑的选择新闻
爱立信和Powerlow Technologies正在探索提供安全无线电力光束功能的可能性,以实现对移动网络的清洁和更可持续的操作。

阅读更多...








Baidu