0 引  言

传统雷达通常采用固定的发射信号，通过接收端的自适应处理及滤波算法的设计来提高性能。由于雷达的测量、分辨性能和杂波中目标的检测在很大程度上取决于发射的波形，对于日益复杂的战场环境及密集杂波、多目标背景等挑战，发射波形固定，当环境发生变化时，紧靠接收端的自适应已难以获得理想的效果。同时，超大规模集成电路技术和现代数字技术的发展为直接数字合成产生合成波形奠定了基础。如现代相控阵雷达，能够在微秒至百微秒级进行波束指向改变和波形捷变，具有高度的自适应能力和灵活性。当前的硬件技术水平已为实现雷达系统发射端的自适应提供了良好的基础。在此背景下，认知雷达（Cognitive Radar）概念的提出，指明了未来雷达的智能化发展趋势。认知雷达通过对历史和当前环境的检测、分析、学习、推理和规划，利用相应结果自适应调整系统的接收和发射，使用最适合的系统配置（包括频率、信号形式、发射功率、信号处理方式等），达到与外部环境和目标状态相匹配，获取最佳性能。认知雷达具有从接收机到发射机的信息反馈，利用所感知的信息以及其它先验知识，对发射机和接收机进行联合自适应设计，以实现对目标有效、可靠且稳健的感知和跟踪，从而大幅度提高系统的性能。

认知雷达能够更加适应日益复杂的战场环境及越来越拥挤的无线电环境，因而，自2006年提出以来，受到了极大地关注。本文分析、研究了认知雷达的相关概念、研究现状、关键技术及发展方向，提出了开展认知雷达研究的基本思路。

1 认知雷达概念的提出

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^[1]。人类和动物的基本认知过程如下图1所示，他们通过反馈信息感知、分析其行为作用结果，并利用经验调整其行为活动，以实现最优、智能的行为控制，并学习更新其经验知识。

图1 认知循环的基本形式

Fig.1 Human Cognitive Cycle in its most basic form

蝙蝠的回声定位系统具有很高的认知性，可以在目标跟踪的不同阶段改变发射声波脉冲的参数。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。

认知雷达受蝙蝠回声定位的启发，通过发射-接收电磁波感知环境，利用它与环境不断交互时得到的信息，结合先验知识和推理，不断地调整它的接收机和发射机参数，自适应地探测目标。认知雷达的基本结构如下图2所示。

图2 认知雷达闭环反馈结构图

Fig.2 Block diagram of cognitive radar viewed as a dynamic closed-loop feedback system

由认知雷达系统闭环反馈结构可以看出，认知雷达的发射模式和传统雷达有着很大的区别。传统雷达发射波形与环境无关，而且在发射过程中没有利用任何接收到的信息反馈到发射端，每次发射都是重复同样的波形。认知雷达却不同，在发射端，每次都会根据获取的信息改变发射波形，以实现和环境的最优匹配。环境分析器为接收机提供环境分析结果，这些信息主要是雷达回波和其他环境信息（如温度、湿度、压强和海洋状态），为接收机对目标做出判定提供依据。贝叶斯跟踪器按照环境分析器提供的环境信息以及先验知识（包括地形、非合作目标特性等），持续对目标的可能存在性进行判断。接收系统对雷达数据进行统计分析，明确了杂波和目标的模型。然后，接收系统将这些信息反馈给发射机，发射机根据该信息，调整发射波参数，再次照射环境目标，如此循环不停地重复。反馈机制是认知系统所必需的，而探测目标的过程是在贝叶斯目标跟踪器中完成的。

认知雷达与自适应雷达的区别有三个重要方面：

认知雷达对环境的认识，是通过与环境不断地交互得来的，它持续地学习环境，再利用学来的信息提高接收系统的性能，积累经验。

发射器智能地调整对环境的照射。它根据目标的尺寸、距离这些重要因素，以高效而健壮的方式调整发射波形参数。

整个雷达系统组成一个动态而封闭的发射器-环境-接收系统反馈环。

2 认知雷达研究现状

利用Google学术搜索检索参考文献[1]——认知雷达开创性论文。从2006年至今，该论文总共被直接引用150次，其中引用它的中文论文共8篇。这8篇中文论文中，有4篇的第一作者是西安电子科技大学的纠博^[2-5]。纠博是国内研究认知雷达方面比较早的，检索发现，其也获得2011年国家自然科学基金“宽带认知雷达自适应波形优化设计研究”的支持。其主要针对目标识别，研究雷达的最优发射波形。王彬等人在认知雷达基础上也提出了基于Q学习的自适应波形选择算法^[6]。

此外，利用cnki、维普等检索关键字“认知雷达”和“感知雷达”（国内部分作者将Cognitive Radar翻译为感知雷达），以更加全面查找国内的研究现状。国防科技大学的王宏强和夏洪恩等从认知雷达的思想出发，研究了杂波环境下的波形自适应选择问题，提出了基于修正概率数据关联的波形自适应选择目标跟踪算法，显著提高了跟踪性能^[7]。国防科技大学的范梅梅等针对多个雷达目标的识别问题，研究了认知雷达的波形自适应方法，明显提高了多目标的识别性能^[8]。此外，61081部队张婷等参照认知雷达，提出了认知卫星导航系统的概念^[9]。西北工业大学李晓花等提出了认知声纳的概念^[10]。电子信息控制重点实验室的沈妮等将认知概念发展到电子战装备，以期实现智能化的电子对抗^[11]。

硕博学位论文方面，笔者共检索到国内两篇相关硕士论文，分别是国防科大夏洪恩^[12]的“基于目标跟踪的波形自适应选择技术”和电子科技大学曹伟^[13]的“认知雷达的波形设计算法研究”。均是重点研究认知雷达中自适应发射波形的设计和选择。

由文献可以看出，国内研究主要集中在最优发射波形的设计。通常是定义特定的最优化准则，根据目标和杂波的特性，求取最优发射波形的参数。

在Web of Science中，检索标题中含有Cognitive Radar的SCI索引论文共7篇，ISTP索引的会议论文共21篇。将Cognitive Radar作为主题词检索，检索出SCI索引论文共36篇，ISTP索引的会议论文共62篇。可见，认知雷达在国外的研究也处于刚起步阶段。

Simon Haykin的学生Yanbo Xue的博士论文”Cognitive Radar: Theory and Simulations”是第一篇关于认知雷达的博士论文^[14]。其在接收端利用求容积卡尔曼滤波器（cubature Kalman filter）近似最优贝叶斯滤波器，在发射端提出了近似动态规划算法选择发射波形，并提出了嵌套认知雷达（nested cognitive radar）以提高认知能力，做了大量地仿真工作，得出了一系列的有益结果。表明将认知能力引入雷达，大大提高了雷达性能。

此外，Ric A Romero的博士论文也讨论了认知雷达匹配滤波器的设计和自适应^[15]。

值得注意的是，自认知雷达一提出，美国国防部先进研究计划署（Defense Advanced Research Projects Agency, DARPA）领导者Joseph R. Guerci就对认知雷达进行了大量深入的研究，并出版了一部著作^[16]。

在专利方面，Simon Haykin等人也申请了一些关于认知雷达的专利^{[17, 18]}，国内暂未检索到相关专利。

3 认知雷达的关键技术及发展方向

认知雷达的关键技术主要包括以下几个方面：

（1）最优发射波形的设计和选择。如何根据雷达回波和先验知识等，确定相应的优化指标，采取高效、鲁棒的算法，自适应地设计、选择发射波形参数，直接决定着雷达的智能程度。

（2）数据挖掘和基于知识的推理。认知雷达具有存储器，如何从大量的传感器信号和“记忆”中挖掘出有效的信息并加以利用，是实现智能行为的关键。

（3）资源分配的最优化算法。在雷达波发射、计算、存储等环节，如何规划有限资源，对于多目标，如何设计、选择发射波同时探测不同特性的目标，使整个系统的性能达到最优，涉及到高效、稳健的最优化算法的研究。

（4）需要进一步研究自适应波形的产生技术。

多部认知雷达协同作战是重要的发展方向，通过资源、信息的共享和协作，以达到智能行为的涌现。此外，认知雷达对电磁环境的认知、推理能力，使得其能更有效的应对复杂的电磁环境以及各种电子对抗。

4 总结与建议

认知雷达的研制依托的硬件比较简单，可直接升级旧装备。从大量的文献可以看出，认知雷达能大大提高雷达的性能。而且这些研究大都只是加入了部分的认知行为，对于先验知识、推理，以及认知雷达网络等，目前研究较少。

认知雷达的研究，国内外都尚处于起步阶段，未见报道认知雷达实装的出现。应抓住机遇、抢占先机，尽快开展相关研究。认知雷达是一门交叉学科，需要结合雷达专业研究人员和人工智能相关学科的研究人员。雷达专业人员可从事雷达技术指导和雷达仿真技术研究；人工智能相关专业人员，可从事运筹学、最优化算法、知识推理等研究。认知雷达的相关理论成果可部分推广到通信装备、导航装备、电子对抗装备等的智能化研究中。

http://www.cnki.net/kcms/detail/12.1151.TP.20120518.2251.002.html