1. RFMLS簡(jiǎn)介

隨著無線電終端和物聯(lián)網(wǎng)設(shè)備的爆炸性增長(zhǎng)，無線電頻譜正在變得越來越擁擠，識(shí)別、定位和阻斷干擾信號(hào)變得異常困難。為了改善頻譜共享環(huán)境和提高無線網(wǎng)絡(luò)安全，需要開發(fā)新技術(shù)來了解頻譜的實(shí)際使用狀態(tài)。

美國(guó)國(guó)防高級(jí)研究計(jì)劃局（Defense Advanced Research Projects Agency, DARPA）于2017年8月設(shè)立了新的研究項(xiàng)目無線電頻譜機(jī)器學(xué)習(xí)系統(tǒng)（Radio Frequency Machine Learning Systems, RFMLS），探索在頻譜領(lǐng)域利用機(jī)器學(xué)習(xí)理解無線電信號(hào)。

RFMLS項(xiàng)目的目標(biāo)是創(chuàng)建能夠全面理解無線電頻譜的機(jī)器學(xué)習(xí)算法，識(shí)別潛在的危害信號(hào)，并根據(jù)任務(wù)由系統(tǒng)自主地做出響應(yīng)。目前該計(jì)劃的合同授予了BAE Systems，Expedition Technologies，Northeastern University，Teledyne Technologies和Stanford Research Institute[1]。

2. 機(jī)器學(xué)習(xí)與RFMLS項(xiàng)目

2.1 機(jī)器學(xué)習(xí)的進(jìn)展

早期的人工智能主要基于專家系統(tǒng)，即在特定應(yīng)用中執(zhí)行具有明確規(guī)則定義的系統(tǒng)。這些專家系統(tǒng)嚴(yán)格地將專業(yè)知識(shí)和決策規(guī)則限制在可預(yù)測(cè)的范圍內(nèi)，例如簡(jiǎn)單的游戲和工業(yè)流程控制。當(dāng)前廣泛使用的自適應(yīng)無線電系統(tǒng)屬于專家系統(tǒng)。一些專家系統(tǒng)根據(jù)以往信號(hào)分析的經(jīng)驗(yàn)來制定響應(yīng)的規(guī)則，并且已經(jīng)部署在無線電工作環(huán)境中，例如，工程師在程序中指定當(dāng)遇到無線電干擾時(shí)切換到備用頻率的規(guī)則。雖然專家系統(tǒng)在一定程度上有效，但是依靠專業(yè)知識(shí)制定規(guī)則的過程既昂貴又耗時(shí)，并且響應(yīng)速度跟不上無線電信號(hào)的變化，此外，這些系統(tǒng)幾乎不了解頻譜中實(shí)際發(fā)生的情況，嚴(yán)重限制了專家系統(tǒng)的實(shí)用性。

在過去的幾年中，基于機(jī)器學(xué)習(xí)的人工智能快速發(fā)展起來。機(jī)器學(xué)習(xí)是利用大樣本數(shù)據(jù)建立統(tǒng)計(jì)模型，以便在沒有明確規(guī)則的情況下對(duì)目標(biāo)進(jìn)行預(yù)測(cè)和優(yōu)化。機(jī)器學(xué)習(xí)最重要的分支是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，當(dāng)有足夠的樣本數(shù)據(jù)時(shí)，能夠?qū)ζ溆?xùn)練以執(zhí)行各種復(fù)雜的分類和預(yù)測(cè)任務(wù)。基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)已經(jīng)在語音識(shí)別、圖像識(shí)別以及自動(dòng)駕駛等領(lǐng)域?qū)崿F(xiàn)了革命性的進(jìn)步。這些創(chuàng)新的關(guān)鍵是從針對(duì)每個(gè)任務(wù)定制的專家系統(tǒng)演變?yōu)閺拇髷?shù)據(jù)中學(xué)習(xí)的通用系統(tǒng)。

然而，在無線電領(lǐng)域使用人工智能卻沒有跟上機(jī)器學(xué)習(xí)的這些進(jìn)步，并且很少有研究探索傳統(tǒng)無線電信號(hào)處理和機(jī)器學(xué)習(xí)的交叉點(diǎn)。針對(duì)當(dāng)前無線電頻譜環(huán)境可能遭到惡意破壞的威脅，探索如何將機(jī)器學(xué)習(xí)應(yīng)用于傳統(tǒng)的無線電信號(hào)領(lǐng)域變得至關(guān)重要[2]。

2.2 當(dāng)前無線電系統(tǒng)的不足

隨著越來越多的無線電終端、通信系統(tǒng)、雷達(dá)、干擾機(jī)和其他應(yīng)用和設(shè)備在頻譜環(huán)境中運(yùn)行，電磁環(huán)境變得越來越復(fù)雜。目前電磁環(huán)境中存在的主要風(fēng)險(xiǎn)是態(tài)勢(shì)感知能力不足、威脅無法確定以及通信易受惡意干擾[2]。并且惡意干擾發(fā)射機(jī)變得更加智能，能夠通過偽裝身份以掩飾其特征。圖1為非授權(quán)用戶通過偽裝的MAC地址試圖接入無線網(wǎng)絡(luò)。

圖1. 非授權(quán)用戶的威脅（來源：DARPA）

當(dāng)前的無線電系統(tǒng)普遍采用的是基于規(guī)則的推理（類似于早期人工智能中的專家系統(tǒng)），制定了一套信號(hào)分析和響應(yīng)規(guī)則。絕大多數(shù)此類系統(tǒng)都使用查找表的思路：信號(hào)數(shù)據(jù)進(jìn)入系統(tǒng)后按照類似電子表格的軟件進(jìn)行分類，將輸入信號(hào)與對(duì)應(yīng)的響應(yīng)處理相關(guān)聯(lián)。

傳統(tǒng)的無線電系統(tǒng)常常按順序掃描頻率和空間區(qū)域，幾乎不了解頻譜的實(shí)際使用情況，對(duì)該電磁環(huán)境中的信號(hào)統(tǒng)計(jì)數(shù)據(jù)所知甚少，例如，哪些信號(hào)在某個(gè)區(qū)域或頻段是異常的。

2.3 RFMLS的內(nèi)容

為了利用機(jī)器學(xué)習(xí)的進(jìn)步來解決當(dāng)前無線電系統(tǒng)中存在的問題，DARPA正在尋求利用利用機(jī)器學(xué)習(xí)來改善頻譜管理，并滿足軍事和民用通信中對(duì)無線電頻率日益增長(zhǎng)的需求。DARPA提出的RFMLS項(xiàng)目是一項(xiàng)基礎(chǔ)性工作，目標(biāo)是建立將現(xiàn)代機(jī)器學(xué)習(xí)應(yīng)用于無線電頻譜領(lǐng)域的技術(shù)基礎(chǔ)。RFMLS將通過機(jī)器學(xué)習(xí)理解電磁環(huán)境并實(shí)現(xiàn)決策能力，從而顯著改善傳統(tǒng)的無線電系統(tǒng)。

RFMLS項(xiàng)目的最終目的是理解無線電頻譜的實(shí)際使用狀態(tài)。例如，掌握占用頻譜的信號(hào)種類、從背景中提取出重要的信號(hào)，并識(shí)別那些違反無線電規(guī)則的信號(hào)，以實(shí)現(xiàn)頻譜共享和提高物聯(lián)網(wǎng)系統(tǒng)安全。其中，無線網(wǎng)絡(luò)將自主協(xié)作并推理如何共享無線電頻譜和避免干擾，實(shí)現(xiàn)對(duì)頻譜資源的最有效利用。

RFMLS通過機(jī)器學(xué)習(xí)從無線電頻譜中提取出額外的信號(hào)特征，利用頻譜大數(shù)據(jù)識(shí)別以前無法監(jiān)測(cè)到的無線電信號(hào)，從而更好地理解電磁環(huán)境。該系統(tǒng)能夠從大規(guī)模物聯(lián)網(wǎng)設(shè)備發(fā)射的無線電信號(hào)中分辨出細(xì)微的差異，例如，由于制造缺陷等因素導(dǎo)致的無意調(diào)制，并能將企圖欺騙或入侵網(wǎng)絡(luò)設(shè)備的信號(hào)區(qū)分出來。最終，該系統(tǒng)能夠理解無線電環(huán)境中正在發(fā)生的事情，并具備無線電信號(hào)取證能力，以便在復(fù)雜的電磁環(huán)境中識(shí)別感興趣的信號(hào)。在未來，機(jī)器學(xué)習(xí)不僅可以處理采集的頻譜數(shù)據(jù)，而且還可根據(jù)目標(biāo)任務(wù)來確定無線電傳感器需要采集哪些頻譜數(shù)據(jù)，以及規(guī)劃數(shù)據(jù)采集的時(shí)間和地點(diǎn)。

3. RFMLS的組成

RFMLS將建立一種能夠從數(shù)據(jù)中學(xué)習(xí)并以任務(wù)為導(dǎo)向的無線電系統(tǒng)，包含以下四個(gè)組成部分[3]。

（1）信號(hào)特征學(xué)習(xí)

RFMLS將利用采集的無線電信號(hào)數(shù)據(jù)集，學(xué)習(xí)用于識(shí)別和表征各種民用和軍用環(huán)境中的信號(hào)特性，從而對(duì)信號(hào)進(jìn)行簡(jiǎn)潔的描述。

第一代人工智能在頻譜中的應(yīng)用依賴于專家設(shè)計(jì)的信號(hào)特征。最近有可能通過將頻譜問題遷移到在深度學(xué)習(xí)中已經(jīng)成功應(yīng)用的其他領(lǐng)域，來建立信號(hào)特征。RFMLS將能夠從采集的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)合適的特征來描述無線電信號(hào)和相關(guān)屬性。圖3為信號(hào)特征學(xué)習(xí)的結(jié)構(gòu)。

圖3. 信號(hào)特征學(xué)習(xí)（來源：DARPA）

（2） 注意力引導(dǎo)

下一代無線電系統(tǒng)從表征頻譜的MHz演變?yōu)镚Hz。為了有效地利用帶寬擴(kuò)展，RFMLS必須了解哪些信號(hào)是重要的，將處理資源集中在這些信號(hào)上，并通過忽略對(duì)特定任務(wù)的次要信號(hào)來節(jié)省資源。區(qū)分重要和次要的無線電信號(hào)和操作至關(guān)重要。RFMLS需要利用機(jī)器學(xué)習(xí)算法將注意力引導(dǎo)到具有潛在重要性的無線電操作中，例如，在雷達(dá)信號(hào)工作頻段中檢測(cè)出感興趣的通信信號(hào)。

圖4為注意力引導(dǎo)測(cè)試，在500MHz帶寬的背景信號(hào)上疊加多個(gè)“重要的信號(hào)”，期望在測(cè)試系統(tǒng)中將這些目標(biāo)信號(hào)分離出來。

圖4. 區(qū)分重要信號(hào)的測(cè)試（來源：DARPA）

（3）自主無線電傳感器配置

自適應(yīng)無線電系統(tǒng)的許多早期研究都集中在模擬無線電電子設(shè)備（即射頻前端），建立可重新配置的系統(tǒng)，在設(shè)計(jì)時(shí)不會(huì)將操作特性設(shè)置成固定不變的。最近的進(jìn)步已經(jīng)產(chǎn)生了靈活的大規(guī)模全數(shù)字無線電系統(tǒng)。但是這些進(jìn)步的開發(fā)程度很低，因?yàn)楹苌儆醒芯繉⑦@種適應(yīng)性與重新配置無線電傳感器所需的智能相結(jié)合。

RFMLS能夠根據(jù)給定的任務(wù)學(xué)習(xí)并優(yōu)化大量可操作的配置（如模擬電子設(shè)備、波束轉(zhuǎn)向角度、帶寬靈敏度、位置等），控制硬件系統(tǒng)來提高信號(hào)接收能力，如圖5所示。機(jī)器學(xué)習(xí)方法結(jié)合感知處理和決策推理，能夠在大型控制空間內(nèi)自動(dòng)重新配置傳感器，以提高整體任務(wù)性能，并實(shí)現(xiàn)復(fù)雜的任務(wù)。

圖5. 自主無線電傳感器配置（來源：DARPA）

（4）波形合成

RFMLS能夠利用機(jī)器學(xué)習(xí)算法以數(shù)字方式編碼合成幾乎任何可能的發(fā)射波形。利用這種為特定無線電設(shè)備創(chuàng)建新波形的能力，可以改善在復(fù)雜電磁環(huán)境中識(shí)別友好用戶的性能。圖6為波形合成示意圖。

圖6. 波形合成（來源：DARPA）

在RFMLS的四個(gè)組成部分中，信號(hào)特征學(xué)習(xí)和波束合成屬于射頻前端，注意力引導(dǎo)和自主無線電傳感器配置屬于頻譜感知。

4. RFMLS的具體任務(wù)

RFMLS能夠在更加擁擠的頻譜環(huán)境中識(shí)別和表征無線電信號(hào)，這將為新興的自動(dòng)化無線電系統(tǒng)和依賴它們的軍事指揮提供關(guān)鍵的信息，以便了解頻譜使用的實(shí)際情況。

針對(duì)RFMLS的四個(gè)組成部分，將執(zhí)行以下四項(xiàng)具體任務(wù)[4]：

（1）無線電指紋識(shí)別

傳統(tǒng)的無線安全依賴于每個(gè)無線電設(shè)備的軟件身份，往往會(huì)被黑客入侵或以其他方式進(jìn)行復(fù)制。信號(hào)在通過模擬電子器件進(jìn)行調(diào)整和放大的過程中，往往會(huì)附加微弱但獨(dú)特的特征。RFMLS能夠?qū)W習(xí)基于該發(fā)射機(jī)的固有硬件缺陷所代表的唯一無線電指紋，來識(shí)別特定的發(fā)射機(jī)，試圖解決傳統(tǒng)無線電系統(tǒng)中的安全問題。此任務(wù)側(cè)重于信號(hào)特征學(xué)習(xí)。

（2）無線電指紋增強(qiáng)

為了進(jìn)一步增強(qiáng)無線安全性，通信系統(tǒng)通過機(jī)器學(xué)習(xí)來調(diào)整其發(fā)射波形以增強(qiáng)其自然指紋。該任務(wù)側(cè)重于合成波形。

（3）頻譜意識(shí)

傳統(tǒng)的無線電頻譜監(jiān)測(cè)系統(tǒng)通過使用窄帶和相對(duì)簡(jiǎn)單的技術(shù)來識(shí)別占用頻譜的信號(hào)（例如信號(hào)頻率）。隨著商用寬帶ADC、軟件定義無線電、頻譜共享和通用無線電技術(shù)變得成熟，傳統(tǒng)的無線電監(jiān)測(cè)方法受到了挑戰(zhàn)。RFMLS系統(tǒng)將通過機(jī)器學(xué)習(xí)理解大帶寬中存在的重要和次要信號(hào)之間的差異，以便建立更實(shí)用和準(zhǔn)確的頻譜感知系統(tǒng)，實(shí)現(xiàn)目標(biāo)信號(hào)精準(zhǔn)監(jiān)測(cè)。這項(xiàng)任務(wù)強(qiáng)調(diào)注意力引導(dǎo)。

（4）自主無線電系統(tǒng)配置

為了進(jìn)一步提高頻譜感知的性能，RFMLS將尋求學(xué)習(xí)如何以最佳的方式來調(diào)整和配置其硬件資源，從而在復(fù)雜的電磁環(huán)境中最大化識(shí)別重要信號(hào)的能力。此任務(wù)強(qiáng)調(diào)自主無線電傳感器配置。

來源：中國(guó)無線電管理網(wǎng)
作者：國(guó)家無線電監(jiān)測(cè)中心深圳站 郝才勇?

參考文獻(xiàn)

[1] Cognitive Electronic Warfare: Radio Frequency Spectrum Meets Machine Learning. http://interactive.aviationtoday.com/cognitive-electronic-warfare-radio-frequency-spectrum-meets-machine-learning. 2018.08.28

[2] DARPA contract to apply machine learning to the radio frequency spectrum. https://www.baesystems.com/en-us/article/darpa-contract-to-apply-machine-learning-to-the-radio-frequency-spectrum. ?2018.11.27

[3] The Radio Frequency Spectrum + Machine Learning = A New Wave in Radio Technology. https://www.darpa.mil/news-events/2017-08-11a. 2017.08.18

[4] Radio Frequency Machine Learning Systems. https://www.darpa.mil/program/radio-frequency-machine-learning-systems. 2018.08.23.

編輯：黃飛

?