Behavior-Aware Multi-Objective Action Selection for Cognitive Radar against Cognitive ESM Threats
تقدم هذه الورقة إطار عمل لاختيار الإجراءات متعدد الأهداف ومدرك السلوك للرادارات الإدراكية، والذي يعمل على تحسين أداء المهمة وجودة تقدير الهدف مع تقليل القدرة على التنبؤ من قبل تهديدات دعم الإنعال الإلكتروني (ESM) الإدراكية، وذلك عبر توظيف سياسة "العشوائية القريبة من الأفضل" التي توازن بين المكافأة العالية وتقليل الانتظام السلوكي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الموجات الكهرومغناطيسية غير المرئي، تدور معركة صامتة بين أنظمة الرادار والمستشعرات المصممة للعثور عليها. يعمل الرادار عن طريق إرسال نبضات من الطاقة والاستماع إلى الصدى الخافت الذي يرتد من هدف ما، مثل سفينة أو طائرة. وللقيام بهذه المهمة بشكل جيد، يجب أن يكون الرادار ذكيًا بما يكفي لتغيير إشاراته أثناء العمل، والتكيف مع الطقس، أو التداخل، أو حركة الهدف. هذا هو مجال الرادار الإدراكي (cognitive radar)، وهو نظام يتعلم من بيئته لاتخاذ قرارات أفضل. ومع ذلك، هناك عقبة: ففي كل مرة يتحدث فيها الرادار، فإنه يخاطر بأن يُسمع من قبل جهاز استماع معادٍ يُعرف باسم تدابير الدعم الإلكتروني (ESM). تقوم هذه الأجهزة بمسح السماوات، بحثًا عن التوقيع الفريد لإرسال الرادار لتحديده وتحديد موقعه. تقليديًا، حاول المهندسون إخفاء الرادارات بجعل إشاراتها ضعيفة أو صعبة الكشف، وهي استراتيجية تسمى "احتمالية اعتراض منخفضة". لكن نوعًا جديدًا من التهديدات قد ظهر: نظام دعم إلكتروني إدراكي (cognitive ESM). فخلافًا للمستشعرات القديمة التي تبحث فقط عن إشارة محددة، تراقب هذه الأنظمة الذكية الرادار بمرور الوقت، وتتعلم عاداته وتتنبأ بحركته التالية بناءً على أنماط في سلوكه.
هذا هو التحدي الذي سعى الباحثون في جامعة آزاد الإسلامية في سنند (Islamic Azad University of Semnan) لحله. لقد طرحوا سؤالًا صعبًا: كيف يمكن للرادار أن يظل فعالًا في مهمته مع إخفاء ليس فقط إشارته، بل سلوكه أيضًا؟ إذا كان الرادار يختار دائمًا الإشارة الأفضل لموقف معين، فقد يصبح قابلًا للتنبؤ، مما يسمح لعدو ذكي بتخمين ما سيفعله بعد ذلك. طور الباحثون طريقة جديدة لاختيار إجراءات الرادار توازن بين الأداء العالي والحاجة إلى البقاء غير قابل للتنبؤ. لقد أنشأوا نظامًا يقيم فيه الرادار خياراته بناءً على هدفين رئيسيين: مدى جودة تتبعه لهدف ما، ومدى صعوبة اكتشافه بواسطة مستشعر قياسي. لكنهم أضافوا طبقة ثالثة حاسمة: فقد قاموا بقياس مدى قابلية تسلسل خيارات الرادار للتنبؤ بالنسبة لعدو ذكي ومتعلم.
ولاختبار ذلك، بنى الفريق محاكاة مفصلة تتضمن رادارًا، وهدفًا متحركًا، ومجموعة مكونة من مائة جهاز استماع مختلف، لكل منها قدراتها وطرق كشف فريدة. حددوا "إجراء" الرادار من خلال أربعة إعدادات محددة: مدى انتشار إشارته في التردد، وعدد النبضات التي يرسلها، وعدد النبضات المتتالية، والشكل المحدد للموجة التي يستخدمها. في محاكاتهم، كان على الرادار الاختيار من بين 2,400 تركيبة ممكنة من هذه الإعدادات. قام الباحثون أولاً بتعليم نموذج حاسوبي التنبؤ بأي من هذه الإجراءات سيكون الأفضل للمهمة، باستخدام بيانات تم جمعها من آلاف السيناريوهات المحاكية. تعلم هذا النموذج النظر إلى النتائج الفورية لنبضة الرادار — مثل وضوح الصدى ومستوى الضوضاء الخلفية — وتقدير مدى جودة هذا الخيار من حيث التتبع والتخفي.
يكمن جوهر اكتشافهم في كيفية اختيار الرادار لخطوته التالية. الاستراتيجية الأكثر وضوحًا ستكون اختيار الإجراء الوحيد الذي يتنبأ النموذج الحاسوبي بأنه سيكون الأفضل دائمًا. ومع ذلك، وجد الباحثون أن القيام بذلك بشكل متكرر يخلق نمطًا جامدًا يمكن لعدو إدراكي تعلمه واستغلاله بسهولة. ومن ناحية أخرى، فإن اختيار الإجراءات بشكل عشوائي تمامًا يجعل الرادار غير قابل للتنبؤ ولكنه يؤدي غالبًا إلى أداء ضعيف في تتبع الهدف. اقترح الفريق مسارًا متوسطًا يسمونه "القريب من الأفضل العشوائي" (Random Near-Best). في هذا النهج، يحدد الرادار أولاً أفضل ستة إجراءات يُتوقع أن تؤدي أداءً جيدًا. وبدلاً من اختيار الأفضل منها بمفرده، يختار واحدًا منها عشوائيًا. هذه اللمسة البسيطة تجعل الرادار فعالاً للغاية في مهمته مع إدخال قدر كافٍ من التنوع في سلوكه لإرباك مراقب ذكي.
أظهرت نتائج عمليات المحاكاة الخاصة بهم أن هذا النهج يعمل بشكل جيد للغاية. فعندما كان الرادار يختار دائمًا الإجراء الوحيد الأفضل المتوقع، حقق مستوى عاليًا من أداء المهمة، لكن سلوكه كان منتظمًا للغاية بحيث يمكن لعدو إدراكي نمذجته بدقة تقريبًا. وعندما كان الرادار يختار عشوائيًا تمامًا، كان من الصعب جدًا التنبؤ به، لكن أداء مهمته انخفض بشكل كبير. حققت استراتيجية "القريب من الأفضل العشوائي" توازنًا شبه مثالي؛ فقد حافظت على 94% من ذروة أداء المهمة مع جعل سلوك الرادار صعب التنبؤ به بقدر استراتيجية الاختيار العشوائي تقريبًا. وفي اختباراتهم، قللت الطريقة الجديدة من الانتظام السلوكي الذي يمكن للعدو الإدراكي استغلاله بفارق كبير، دون التضحية بقدرة الرادار على أداء عمله.
كما طور الباحثون طريقة لقياس هذا التخفي السلوكي. استخدموا أربعة نماذج رياضية مختلفة، بما في ذلك الشبكات العصبية المتقدمة والأدوات الإحصائية، لتحليل تسلسل انبعاثات الرادار. بحثت هذه النماذج عن أنماط في توقيت وهيكل الإشارات، محاولة معرفة ما إذا كان الرادار يسقط في روتين معين. ووجدوا أن سياسة "القريب من الأفضل العشوائي" نجحت في كسر هذه الأنماط، مما أبقى سلوك الرادار مرنًا وغير قابل للتنبؤ. يشير هذا العمل إلى أنه لكي تنجو الرادارات الحديثة أمام أعداء أذكياء ومتعلمين، لا يمكنها فقط التركيز على جودة إشارة واحدة. بل يجب عليها أيضًا مراعاة إيقونة وتنوع تسلسل إجراءاتها بالكامل، لضمان أنه حتى عندما تؤدي عملها بأفضل شكل، فإنها لا تصبح سهلة القراءة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.