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**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**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**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**应用, 如5G 通信、人工智能应用、激光通信、定向能**、反无人机系统以及新兴概念；最后, 总结了美国**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。

装备的认知能力集中体现了认知电子战的根本属性, 也是能否对复杂、智能的电子装备实施有效干扰的关键。强化学习作为人工智能领域炙手可热的技术手段, 具备不依赖先验数据的自学习能力, 是解决多功能雷达干扰难题的一个重要途径。在回顾传统的雷达干扰决策算法的基础上, 阐述了利用强化学习进行雷达干扰决策的原理, 分析了基于强化学习的雷达干扰决策技术的发展现状, 并通过仿真分析了基于强化学习的干扰决策方法的性能, 最后进行了总结与展望。

针对认知电子战装备面临的作战场景复杂多样、真实数据难以获取、实战训练成本高昂等问题，为满足认知电子战系统方案论证、关键技术研究需求，将人工智能技术与系统仿真技术相结合，通过建立认知电子战装备及其典型作战对象的信号级模型，以及模拟电子战装备与作战对象在复杂电磁环境下的信息交互过程，构建面向未来战场认知对抗的学习训练与仿真评估系统。本文对系统的功能、体系结构、工作流程和关键模块/模型等方面进行了详细介绍，并对系统应用实例进行了分析。从应用效果看，系统可为认知电子战的智能算法模型训练、装备作战能力仿真试验评估提供研究手段。

电子战是当代信息化战争的开端, 战场多时空、多维域的信息掌控权决定着战争的胜负。信息化战场的决策问题不同于传统作战指挥问题, 由于战场环境的复杂性、信息的多样性、装备的信息化, 干扰决策问题的研究愈加重要。目前, 人工智能领域的快速发展, 认知无线电、认知电子战的概念相继被提出。在基于现有研究成果的基础上, 介绍了认知干扰决策理论, 并梳理了国内外的相关文献, 主要从认知干扰决策涉及的3个方面(状态识别预测、参量控制、资源调度)出发, 归纳了常用的理论方法及其存在的不足, 最后对未来雷达认知干扰决策的前景予以展望。

现代战争中的电子战指挥相较于传统作战方式需要考虑的因素更多、更复杂。借助动态贝叶斯网络(DBN)的动态可推理性建立了一种电子战指挥决策定量辅助决策模型, 将传统作战决策中的一维定量分析转化为动态多维定量推理分析。利用影响电子战作战效果的各类因素进行每个作战时刻的贝叶斯网络(BN)构建, 结合节点之间的条件概率矩阵, 使用隐马尔可夫(HMM)模型推理算法实现了电子战辅助决策的动态推理。对实际演习算例进行模型仿真和分析, 得出对电子战指挥员切实有效的指挥决策建议, 表明了模型的有效性。

电子战中的干扰资源分配问题是典型的组合优化问题, 同时也是NP难题, 求解途径除了各种典型的数学规划方法之外, 各种智能优化方法也在近年来得到非常广泛的应用。针对这一技术应用趋势, 在概要阐述干扰资源分配的数学模型及其典型求解框架的基础上, 以遗传算法、免疫算法、进化算法、粒子群算法、蚁群算法及其各种改进算法等为典型代表, 对智能优化方法在干扰资源分配问题中的应用研究进展情况进行了综述, 总结了各种方法的应用要点, 展现了该应用方向上的发展现状, 从而为各方法的工程应用和人工智能在电子战中的应用示范研究提供了有益借鉴。

现代战争中雷达信号日趋复杂，如何快速准确地从种类繁多、数据量庞大的雷达检测数据中，获取目标航迹的类别信息，为战场指挥提供准确有效的信息是当前急需解决的难题。传统基于人的经验认知的雷达目标航迹识别方法已经无法有效应对瞬息万变的战场和海量数据。根据实际雷达数据特点，提出了使用对数的雷达航迹预处理方法，并构建了基于卷积神经网络的深度学习模型，实现了对雷达对抗中的目标航迹的识别与检测。基于模拟生成的雷达目标航迹数据对提出的数据预处理方法和构建的模型进行测试；实验表明，所提出的方法能很好地实现对目标航迹的检测与识别。