随着人工智能技术的迅速发展和在军事领域的逐步应用，智能雷达和智能雷达技术已经引起国内外广泛关注。加强智能雷达及其关键技术研究，既是雷达技术发展的需要，更是提高雷达作战能力的关键。
1、引言
传统雷达主要按照预先设计设定的工作模式工作，基本不具备随目标和环境变化而自动改变工作模式的能力，对目标和环境的适应能力不足。虽然自适应信号处理技术在提升雷达反杂波、抗干扰等性能等方面得到了广泛应用，但由于自适应信号处理要求被处理的信号满足平稳特性的理想条件才能获得满意的性能，因此实际作战环境下特别是复杂战场条件下自适应信号处理的作用也很有限。为满足当前特别是未来作战需求，雷达体制和技术必须进一步创新发展以不断提升雷达的探测能力，才能适应日益复杂的作战环境。
信息化作战条件下战场环境复杂多变，要求雷达必须能够根据作战任务要求和实际作战环境“智能”地改变雷达工作模式、工作参数，自主地选择对抗策略等。要做到这一切，必须在现有雷达设计基础上为雷达增加“智能”功能，使雷达实现“智能化”。现代雷达技术和人工智能技术的迅速发展和深度融合将为“智能化”雷达即智能雷达的发展提供有力的技术支撑。
2、智能雷达基本概念
（1）人工智能技术
到目前为止，关于“智能”的定义和本质仍是科学界正在努力探索研究尚未完全解决的问题。从工程技术角度看，可以将智能理解为“获取存储知识并运用知识解决问题的能力”。其基本特征是：具有感知能力；具有记忆与思维能力；具有学习与自适应能力；具有行为能力。而人工智能是一门研究机器智能的学科，即用人工的方法和技术，研究智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。
人工智能是在计算机科学、信息论、控制能、系统论、神经生理学、心理学、语言学、数学、哲学等多种学科深入研究、相互渗透的基础上发展起来的，是一门综合性很强的边缘学科和前沿科学，也是一门新思想、新理论、新技术不断涌现的新兴学科。人工智能自问世以来，经历了60多年曲折的发展过程，已广泛应用于人们日常生活和工作的很多方面，并且在军事领域也有着广阔的应用前景。目前，人工智能技术进入了一个新的发展时期，人工智能在我国已得到国家和学术界高度关注，被写入2017年政府工作报告。
（2）智能雷达基本概念
关于智能雷达的概念目前正在发展和形成过程中，对智能雷达的理解与认识随着研究的深入将会逐步深化，当前国内外还没有关于智能雷达的明确定义。我们认为，对于智能雷达一般可以有广义和狭义两种理解，广义理解认为采用人工智能技术的雷达即是智能雷达，人工智能技术的应用对象可以是雷达的部分分系统或单个雷达系统，也可以是多个雷达组成的雷达组网系统。狭义理解认为智能雷达是“具有信息获取、知识学习、自主推理和决策能力的雷达”，可以根据外部目标、环境以及任务需求自主改变发射信号形式、工作模式、处理方式和资源分配，以获得更好的目标探测、跟踪及识别性能。相对于广义智能雷达来说，狭义智能雷达是智能化程度更高的智能雷达。
从智能化覆盖广度考虑，可以认为雷达部分分系统的智能化是智能雷达的初级形式，单个雷达系统的智能化是智能雷达的中级形式，多个雷达组网系统的智能化是智能雷达的高级形式。从智能化应用深度考虑，可以认为基于数学规则的智能雷达是初级智能雷达，基于经验知识的智能雷达是中级智能雷达，基于数据驱动的智能雷达是高级智能雷达。
智能雷达是现代雷达技术、人工智能技术、通信与信息技术、计算机网络技术等在雷达系统上深度融合和综合应用的结果，是现代雷达发展的重要方向。
3、国内外智能雷达发展概况及趋势
（1）国外研究情况
上世纪末以来美国空军研究实验室(AFRL)一直致力于智能信号处理方面的研究,其早期的研究主要在专家系统恒虚警处理(ES CFAR),此后分别开展了基于知识的空时自适应处理技术(KB STAP)和基于数字地图信息的空时自适应处理（KBMap-STAP）研究项目。美国AFRL和DARPA先后资助基于知识的雷达(KB-Radar)、知识辅助的传感器信号处理与专家推理(KASSPER)、知识辅助雷达(KA-Radar)以及自治智能雷达系统（AIRS）等多项研究。2007年，美国DARPA还将KASSPER列为雷达技术的主攻方向之一。2015年，美国DARPA启动了“在竞争环境下目标识别与适应”跟踪雷达目标识别项目，利用深度学习技术提高非合作目标识别能力。
1980-1990年代，Guerci在认知无线电领域进行了大量研究，提出“匹配照射”概念，其实质是对空间的照射功率进行智能分配。1994年Kershaw和Evans提出通过增加从接收机到发射机的离线链接,使系统转变为一个闭环雷达反馈系统。2002年，由美国空军研究实验室、空间与导弹防御司令部以及海军研究实验室联合组织成立了波形分集工作组，开展雷达智能发射技术的科研与实验工作，在频率分集阵、时空编码阵等方面取得重大突破。
2006年，加拿大Simon Haykin首次提出认知雷达的概念，通过知识辅助和自适应发射，能够实现与环境的不断交互和学习，获取环境的信息，结合先验知识和推理，不断地调整雷达接收机和发射机参数，自适应探测目标。2007年，Guerci提出基于知识辅助的认知雷达系统架构。2013年，美国DARPA支持了雷达与通信共享频谱（SSPARC）研究项目，以认知无线电和认知雷达为基础实现了通信与雷达互相传递频谱使用情况，降低了雷达与通信的相互干扰。2016年，Greco将认知雷达扩展到被动雷达。
此外，基于知识辅助的决策支持、性能评估、模拟训练、故障诊断技术等也是智能雷达技术研究的重要方面，而且很早就开始走向实用化。1991年美国国防部正式颁发了《综合诊断》标准，作为提高新一代武器系统的战备完好性、降低使用保障费用的主要途径，运用人工智能技术的故障诊断已开始应用于新研雷达系统。
总体来看，虽然国外很少提及“智能雷达”的概念，但在智能雷达相关技术领域开展了大量研究工作，技术成熟度不断提升，诸多研究成果正处于实战应用的前夕，部分研究已经走向实用。
（2）国内研究情况
自2008年开始，国内多家单位在认知雷达领域开展了研究，在环境感知与描述、最优化波形设计、自适应信号处理等方面进行了初步探索。目前国内在智能雷达信息处理和杂波抑制技术等方面已经具备一定的研究基础，主要研究特点是结合MIMO雷达、认知雷达、软件化雷达等研究方向，重点在对目标和环境数据统计分析的基础上形成知识，并进一步利用多波形优化、自适应处理和带有反馈的认知结构，提高雷达系统对弱目标的检测性能、杂波抑制性能和雷达系统资源的利用效率。在智能雷达目标识别技术研究方面，国内也有较为广泛的研究基础，包括利用神经网络、支持向量机对雷达一维距离像结果的分类识别、SAR图像的分类识别等。此外，国内近年来也高度关注认知电子战，并开展了相关的初步研究工作，这在很大程度上推动了雷达智能抗干扰技术的研究工作。
总体来看，目前国内在智能雷达技术领域持续跟进并开展了部分研究，但在研究的系统性、先进性、创新性等方面与国外相比还有较大差距，针对军事应用的智能雷达技术成熟度还不高，“智能雷达”的装备概念、使用特征、系统架构、技术体系等尚未建立起来。
（3）智能雷达发展趋势
深度智能化。随着人工智能技术的走向深入和日趋成熟，雷达智能化程度势必加深，目前基于数学规则的自适应算法处理技术已经广泛应用，雷达开始具备初级智能；未来采用深度学习的高级智能化雷达也将逐步出现。
广泛实用化。犹如智能手机的出现使传统手机很快销声匿迹一样，智能雷达将在各种作战平台上广泛实用化。认知雷达与认知电子战如影随形，在矛盾相生相克中不断前进，智能雷达技术体制本身也将通过不断学习而逐渐发展成熟。
多功能集成化。智能常常意味着多能，随着有源相控阵技术、数字阵列技术、软件无线电技术等的不断成熟，集防空、反导、反卫等任务于一身，警戒、引导、目指、制导等功能于一体的多功能集成化智能雷达即将出现。
综合射频一体化。探测、侦察、干扰、通信、攻击、管控、评估是未来信息化战争的重要组成要素，但其底层技术机理极为相通相容。在未来强对抗条件和复杂电磁环境下，基于智能雷达技术实现上述综合射频一体化，将是军事电子信息技术的必然发展趋势。
自组织网络化。网络化无疑是未来雷达发展的一个重要方向，未来智能雷达自组织网络可以有两种形式：一种是分布式的，即每部雷达都具有较高的智能；另一种是集中式的，即设置一个中心基站，只需该基站雷达具有较高的智能。
4、智能雷达主要关键技术
智能雷达发展的目标是使雷达具备智能化感知环境、处理信息、决策反应、控制行动等自主行为的能力，在推进智能雷达由初级形式向高级形式发展、由初级智能向高级智能演进的进化过程中，当前需重点突破以下智能雷达关键技术，以推动智能雷达持续不断向前发展。
（1）智能信息处理技术
针对隐身飞机等低雷达散射截面积目标和复杂的地/海杂波环境，引入人工智能的技术思路，利用各种先验知识形成目标和环境的知识库，在不断获取目标和环境特性信息的基础上，通过机器学习、分析和判断等过程，自主调整雷达系统的频率、波形和能量等资源，提高对弱目标的检测和跟踪性能。主要研究内容包括基于先验知识的目标检测跟踪技术，雷达信息处理知识形成、规则提取和逻辑推理等技术。
（2）智能杂波抑制技术
针对机载预警雷达下视工作环境下杂波强、空时耦合性高的特点和难题，基于人工智能理论，通过不断的知识积累和学习，形成杂波环境的先验知识，结合先进的数字阵列雷达多波形灵活发射技术，提高对杂波的抑制性能和复杂杂波环境下动目标检测性能。主要研究内容包括杂波环境感知和参数化表征技术，雷达发射方向图和发射波形优化技术等。
（3）智能抗干扰技术
针对电子战环境下干扰信号非平稳高动态变化特点以及认知电子战技术的发展，采用人工智能理论和技术，在对电子战环境进行实时感知和学习的基础上，快速完成认知和决策，并在时间、空间、频率、波形、极化等多个维度上开展资源评估和调度，实现复杂干扰条件下的智能化博弈。主要研究内容包括干扰环境感知技术、抗干扰措施自动优化选取技术、抗干扰效果反馈和评估技术等。
（4）智能目标识别技术
针对实际作战环境下对目标类型、属性、数量等分类和识别要求，采用深度学习、支持向量机等机器学习理论和方法，完成目标和环境特征提取和模式识别等任务，实现对非合作目标的有效识别。主要研究内容包括基于深度网络的目标特征学习与识别方法、基于大数据小样本的目标分类识别方法、人机协同目标识别方法等。
（5）智能资源分配与调度技术
针对雷达面临的多种类目标、真/假弹头、有源/无源干扰等复杂作战环境，依靠人工智能等技术手段实现复杂场景判别计算、快速智能决策和灵活资源分配，解决实时实施体系抗干扰、合理分配目标跟踪资源、有效实施重点目标识别等复杂问题，充分利用现有雷达资源提高雷达作战效能。主要研究内容包括雷达资源智能动态调度与任务规划技术、雷达资源智能动态重构与实时评估技术等。
（6）智能多源数据挖掘技术
针对预警作战指挥决策能力提升需求，采用人工智能理论和方法，对雷达系统平时战备值班、训练、试验中积累的大量数据进行组织、分类、分析、解释以累加描述数据中的信息，通过人工智能自适应地学习不同来源的各类数据，发现数据中的关联信息，形成多维度的情报内容，并通过进一步的试验、作战进行调整完善，以提升对预警作战指挥决策的智能支持能力。主要研究内容包括基于多雷达数据的知识模型、知识获取、知识组织等技术，基于知识的学习算法、推理分析等技术，以及分布式智能雷达网专家系统和决策支持系统等。
5、结束语
当前，雷达装备和技术发展面临许多重大挑战，雷达的未来在哪里？未来雷达该如何发展等是摆在我们面前必须认真思考和回答的问题。雷达装备和技术的发展决不能“闭关自守”，必须紧随先进技术发展潮流，融合新兴技术，加快创新发展的步伐。人工智能是正在迅速发展的新兴前沿科学，是继三次工业革命后的又一次革命，随着大数据、云计算等技术的发展，自然语言理解、人机交互、智能决策控制等人工智能技术可能在雷达上有大的应用突破。智能雷达是一个新的雷达系统概念，也是未来雷达技术发展的重要方向。虽然目前关于智能雷达的基本概念和关键技术尚不成熟，并且智能雷达从工程实现上也会面临许多巨大挑战，但智能雷达未来的发展应引起我们高度关注。适应智能感知的发展趋势，将雷达技术发展与人工智能技术发展深度融合，会使未来雷达变得更加智能，从而给雷达的未来带来光明的前景。