美国海军空战中心飞机分部(NAWCAD)的工程师Itschner正在开发一种人工智能(AI)系统,其应用前景包括如何识别和消除雷达信号的外部干扰。如果成功的话,这种智能系统将被集成到先进动态飞机测量系统(ADAMS)中,而ADAMS主要模拟来自飞机的雷达散射截面数据。
雷达散射截面只是测量以雷达为参照物目标物体的大小。它与电压的高低有关,而不是实际尺寸。从飞机上反射回来的雷达信号可能受到外部射频干扰(RFI)。当在x-y图上绘制时,RFI在雷达信号中显示为尖峰,这使得它很难分辨什么是从飞机返回的真正雷达,什么是来自不想要的外部来源。而雷达散射截面数据后处理是劳动密集型的,研究人员希望能让机器完成80%的工作,然后再交给分析人员。
上周,在新墨西哥州阿拉莫戈多附近的霍洛曼空军基地(Holloman Air Force base)的美国国家雷达散射截面测试设施(NRTF)上,Itschner通过一系列有限的数据展示了他的初步结果。Itschner提出了一种机器学习算法卷积神经网络(CNN)。CNN能够识别雷达数据是否被RFI损坏。目前,他在90%的Learjet数据上训练了人工智能系统,然后测试了剩余的10%的数据。该系统实现了80%的正确的RFI分类,而且几乎没有误报。也就是说,当使用庞巴迪Learjet飞机的“概念验证”雷达数据集时,真实雷达的识别结果几乎不存在RFI。
Itschner的下一步计划是为更高的处理能力购买硬件,以便用更广泛的雷达数据测试系统。