美国空军最近退役了第一架EC-130H“罗盘呼叫”电子战飞机。这种电子战飞机于1982年制造,经过特殊改装,可以执行例如如定位、监听和干扰敌方通信的电子战行动,从而抑制敌方部队的通信和协调。这些先进的能力保证了它近40年的存在。

2018年9月30日,阿富汗巴格拉姆机场,美军第455远征维修小组的一名飞行员对EC-130H“罗盘呼叫”电子战飞机上进行例行维修。EC-130H使用噪声干扰来阻止敌方通信或降低其对武器系统和其他资源的指挥和控制所必需的信息传输

然而,随着信息技术在军事上的深入应用,交战双方在冲突中使用电磁频谱的行动开始以更快的速度发展,导致更复杂的电子战应用。各种技术和市场趋势融合在一起,使新的威胁不断出现,挑战现代军事单位及时了解这些迅速演变的威胁。

在任何电子战冲突中,赢家都是能够利用技术进步在电磁频谱中实现最快机动的人。然而,威胁在数量和复杂程度上都日益增长,原因之一是技术的可用性。

十年前,很少有参与者能主宰这个战场。在电子战中占据主导地位所需的技术能力和投资,禁止其他国家发展相互竞争的电子战能力。然而,随着商业电子产品越来越便宜,越来越容易获得,各种规模的对手都加入了电子战这一行当。甚至更弱小的对手现在也有可能拥有一个竞争性的威胁武器库,这使得威胁环境更加危险和不可预测。

威胁有多种形式

由于这些技术的飞跃,威胁也变得越来越复杂。过去的威胁在本质上是静态的——总是以同样的方式出现和表现。当前的威胁是响应性的,根据场景改变它们的行为。例如,如果一个对手正在干扰一个反应式威胁,它将切换频率或采取另一个行动来躲避干扰。对手现在必须假设威胁可能会改变,并准备作出相应的反应。

通常,这种威胁被描述为认知或适应性威胁。尽管人们可以互换使用这些术语,但这里面存在许多层次的适应性。它们大多不接近认知电子战的能力。使用机器学习,认知电子战系统可以进入一个不了解对手能力的环境,并快速了解场景。通过让对手的系统做出反应,他们可以评估对手的能力。然后,他们可以开发出一种适合于特定对手系统的有效响应作战方案。

相比之下,自适应解决方案无法以原始方式快速把握和响应新的场景。例如,自适应雷达可以感知环境并相应地改变传输特性,为每次传输提供新的波形或调整脉冲处理。例如,这种灵活性可以使它提高目标分辨率。

许多敌方系统只需要简单的软件修改就可以改变波形,这就增加了波形出现和行为的不可预测性。美国军队正努力将自适应雷达脉冲与其他信号(敌友)隔离开来。随着这些威胁的适应能力越来越强,它们的对手必须在更短的时间内作出反应。

机器学习的影响

有了人工智能,智能机器的工作和反应就像人类一样。因此,机器可以使用信号识别等功能执行更智能的任务。机器学习使人工智能更进一步,使机器能够不断地从数据中学习并适应结果。这些计算机随着时间的推移学习速度非常快。使用机器学习的威胁继续从每一个冲突中学习,确定更有效的方法,以便它们战胜未来的对策。

当计算机决定如何改变行为时,这种进化不需要人类的交互作用。当开始测试或使用时,这些威胁系统从经验中学习。它们会因此改变自己未来的行为,这意味着电脑决定下一步的行动。由于系统的不可预测的行为,即使是研发出它的人也无法预知它的确切行为。

美军认为,在未来的战区中,其对手将拥有更完整的作战画面。在美军过去十年转型的基础上,未来10到20年有望实现更快、更先进的技术发展。许多人预测,机器学习和人工智能的发展将推动电子战的强大、持续的发展。电子战威胁环境将利用巨大的处理改进,例如,使用多个设备在更短的时间内提供更多信息。传感技术也将发挥更大的作用,收集有关冲突地区的信息。新的编码技术已经催生越来越复杂、相互连接的传感器。

这些技术创新将催生有见识、反应迅速的新威胁,并找到在电磁频谱中获取能量的新方法。虽然技术将继续发展,新的威胁不断出现,但有一个不变的事实:实现并保持频谱优势的军事力量也将主导电子战战区。

声明:本文来自从心推送的防务菌,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。