خلاصة:
جنگ الکترونیک (EW)[1] یکی از مهمترین ویژگیهای نبردهای مدرن و امروزی است. این حوزه میتواند بر نحوه استفاده نیروهای نظامی از طیف الکترومغناطیسی جهت شناسایی اهداف یا در اختیار گذاشتن اطلاعات بهطرز چشمگیری تاثیرگذار باشد. تحولات اخیر در زمینه هوش مصنوعی (AI)[2] نشان میدهد که این فناوری در حال ظهور یک تاثیر قطعی و بالقوه دگرگونساز بر قدرت نظامی در هر کشوری خواهد داشت. الگوریتمهای مبتنی بر هوش مصنوعی میتوانند نقش بسیار موثری در حوزههای مختلف EW مانند: پردازش سیگنالهای راداری در راستای شناسایی و طبقهبندی انواع فرستندهها، تشخیص نوع عملیات جمینگ و مشخصههای آن و همچنین توسعه الگوریتمهای موثر ضد اخلال داشته باشند. تکنیکهای هوش مصنوعی همچنین میتوانند انواع سیستمهای EW را بهگونهای توانمند سازند که بهطور مستقل و خودکافی کار کنند. تمرکز ما در این مقاله بر روی توصیف جنبههای اساسی EW و اجزاء مرتبط با آن، عناصر مختلف و تکنولوژیهای مربوط به نسل فعلی سیستمهای EW، کاربرد هوش مصنوعی در سامانهها و تجهیزات جنگ الکترونیک بهخصوص در حوزه (EA) بهعنوان یک عنصر کمکی جهت تصمیمگیری و انجام واکنش صحیح و موثر در برابر سامانهها و تجهیزات راداری در صحنه نبرد و سناریوهای در حال تکامل EW برای نیروهای نظامی (در حال حاضر و یا برنامههای آتی) است. دو تکنیک اصلی ECM شامل ECM عامل و ECM غیرعامل است.
ملخص الجهاز:
الگوریتمهای مبتنی بر هوش مصنوعی میتوانند نقش بسیار موثری در حوزههای مختلف EW مانند: پردازش سیگنالهای راداری در راستای شناسایی و طبقهبندی انواع فرستندهها، تشخیص نوع عملیات جمینگ و مشخصههای آن و همچنین توسعه الگوریتمهای موثر ضد اخلال داشته باشند.
تمرکز ما در این مقاله بر روی توصیف جنبههای اساسی EW و اجزاء مرتبط با آن، عناصر مختلف و تکنولوژیهای مربوط به نسل فعلی سیستمهای EW، کاربرد هوش مصنوعی در سامانهها و تجهیزات جنگ الکترونیک بهخصوص در حوزه (EA) بهعنوان یک عنصر کمکی جهت تصمیمگیری و انجام واکنش صحیح و موثر در برابر سامانهها و تجهیزات راداری در صحنه نبرد و سناریوهای در حال تکامل EW برای نیروهای نظامی (در حال حاضر و یا برنامههای آتی) است.
کاربردهای هوش مصنوعی (AI) بهصورت تواماً با EW میتواند بهعنوان یک گزینه راهگشا و موثر مورد استفاده قرار گیرد؛ چراکه پتانسیل بالقوهای جهت پر کردن شکاف بین توانایی رزم الکترونیک و مهارتهای به دست آمده در این بستر وجود دارد.
در این راستا، یک روش مبتنی بر CNN برای طبقهبندی انواع سیگنال جمینگ راداری در[27] مورد بحث قرار گرفته است.
در [28] یک روش جدید برای تشخیص جمینگ نوع "سدی" و طبقهبندی رادار روزنه مصنوعی (SAR) 1 بر اساس CNN مورد بحث قرار گرفته است.
Shen, ``A radar signal recognition system based on non-negative matrix factorization network and improved artificial bee colony algorithm,'' IEEE Access, vol.
Wei, ``Convolutional neural network based radar jamming signal classification with suficient and limited samples,'' IEEE Access, vol.
keywords: Artificial Intelligence, Cyber security, Machine Learning, Eelectronic systems, Electronic Warfare.