在棋类领域大展拳脚的人工智能，在军事电子领域内也有相应的应用。美国国防高级研究计划局（DARPA）开发了自适应电子战的行为学习（BLADE）、自适应雷达对抗（ARC）、极端射频条件下的通信（CommEx）等涉及电子支援、电子攻击、电子防护三大领域的认知电子战项目，这三个项目是人工智能用于电子战领域的典型代表。
在民用领域内，基于人工智能的雷达遥感还处于起步阶段。
传统雷达通常采用固定的发射信号，通过接收端的各种信号处理算法的来提高性能。然而，雷达的检测、测量和分辨性能在很大程度上取决于发射的波形；在复杂路面环境中，仅靠接收端的信号处理技术已难以获得理想的效果。
事实上，在复杂环境中，蝙蝠却一直应付自如。蝙蝠在捕猎过程中，根据目标所处的位置和状态，采用不同频率和波形的声波对猎物进行搜索、跟踪和捕获。在搜索阶段，蝙蝠使用低频、长周期的声波搜寻目标。当有目标出现时，它改用频率较高，周期较短的声波对目标进行识别，同时估计目标的方位和飞行速度。一旦目标被确定，蝙蝠再次改变声波的频率和波形，开始对目标进行捕获。这时，它不再对目标的特征感兴趣，而是关注目标的精确位置和运动规律。
受蝙蝠回声定位系统及认知过程的启发，国际著名信号处理专家Simon Haykin于2006年首次提出了认知雷达的概念。如上图所示，人类认知活动中的思考、推理、判断及解决问题，对应于认知雷达的专家系统、基于规则的推理、自适应算法及计算。认知雷达的典型功能包括：1、适应环境的智能信号处理；2、接收信号反馈至发射机；3、存储雷达回波信息。
上图即为认知雷达结构框图，它是一种闭环结构。在这个闭环中，首先发射机发射信号对环境或目标进行交互；接着，雷达接收到的回波信号分别送至环境分析器和贝叶斯检测跟踪器；在贝叶斯检测跟踪中，基于环境分析器提供的信息和先验知识库，对目标存在与否进行判断并估计运动状态；最后，智能发射机利用接收机所获得的信息选择合适的配置参数持续对目标区域进行探测。
复杂环境下的ADAS毫米波雷达
谷歌在无人驾驶汽车持续6年、行程数百万公里的测试中，以及发生了十几起事故。其原因在于，真实的道路环境，相对于现有的人工智能水平来说，实在是太复杂了。
在这么复杂的道路环境下，还是采用传统体制雷达，犹如用一把固定的尺子去衡量大小不一的众多物体，其精度与性能可想而知。结合认知雷达技术，汽车雷达系统能够在实际行驶复杂的路面环境中，通过感知环境而自适应的调整雷达收发系统，大幅提升雷达系统性能。
联系客服
