⚡ electrical engineering

Behavior-Aware Multi-Objective Action Selection for Cognitive Radar against Cognitive ESM Threats

Este artículo presenta un marco de selección de acciones multiobjetivo consciente del comportamiento para radares cognitivos que optimiza el rendimiento de la misión y la calidad de la estimación de objetivos, al tiempo que minimiza la predictibilidad ante amenazas de ESM cognitivas mediante el empleo de una política de "Casi-Óptimo Aleatorio" que equilibra una alta recompensa con una reducción de la regularidad conductual.

Autores originales: abbas fadavi

Publicado 2026-09-11

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: abbas fadavi

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo invisible de las ondas electromagnéticas, se desarrolla un concurso silencioso entre los sistemas de radar y los sensores diseñados para encontrarlos. Un radar funciona enviando pulsos de energía y escuchando el tenue eco que rebota desde un objetivo, como un barco o una aeronave. Para realizar bien este trabajo, el radar necesita ser lo suficientemente inteligente como para cambiar sus señales sobre la marcha, adaptándose al clima, la interferencia o el movimiento del objetivo. Este es el ámbito del radar cognitivo, un sistema que aprende de su entorno para tomar mejores decisiones. Sin embargo, hay un inconveniente: cada vez que el radar habla, corre el riesgo de ser escuchado por un dispositivo de escucha enemigo conocido como sistema de Medidas de Apoyo Electrónico, o ESM. Estos dispositivos escanean los cielos, buscando la firma única de la transmisión de un radar para identificarlo y localizarlo. Tradicionalmente, los ingenieros han intentado ocultar los radares haciendo que sus señales sean débiles o difíciles de detectar, una estrategia llamada baja probabilidad de interceptación. Pero ha surgido un nuevo tipo de amenaza: el ESM cognitivo. A diferencia de los sensores antiguos que solo buscan una señal específica, estos sistemas inteligentes observan al radar a lo través del tiempo, aprendiendo sus hábitos y prediciendo su siguiente movimiento basándose en patrones de su comportamiento.

Este es el desafío que los investigadores de la Universidad Azad Islámica de Semnan se propusieron resolver. Se plantearon una pregunta difícil: ¿cómo puede un radar seguir siendo eficaz en su trabajo y, al mismo tiempo, ocultar no solo su señal, sino su propio comportamiento? Si un radar siempre elige la mejor señal para una situación determinada, podría volverse predecible, permitiendo que un enemigo inteligente adivine qué hará a continuación. Los investigadores desarrollaron una nueva forma para que el radar elija sus acciones que equilibra un alto rendimiento con la necesidad de permanecer impredecible. Crearon un sistema donde el radar evalúa sus opciones basándose en dos objetivos principales: qué tan bien puede rastrear un objetivo y qué tan difícil es de detectar por un sensor estándar. Pero añadieron una tercera capa crucial: midieron qué tan predecible sería la secuencia de elecciones del radar para un enemigo inteligente y capaz de aprender.

Para probar esto, el equipo construyó una simulación detallada que involucraba un radar, un objetivo en movimiento y una población de cien dispositivos de escucha diferentes, cada uno con sus propias capacidades y métodos de detección. Definieron una "acción" de radar mediante cuatro configuraciones específicas: qué tan ampliamente se dispersa su señal en frecuencia, con qué frecuencia envía pulsos, cuántos pulsos envía seguidos y la forma específica de la onda que utiliza. En su simulación, el radar tenía que elegir entre 2.400 combinaciones posibles de estas configuraciones. Los investigadores primero enseñaron a un modelo informático a predecir qué acción funcionaría mejor para la misión, utilizando datos recopilados de miles de escenarios simulados. Este modelo aprendió a observar los resultados inmediatos de un pulso de radar —como la claridad del eco y el nivel de ruido de fondo— y a estimar qué tan buena sería esa elección para el rastreo y el sigilo.

El núcleo de su descubrimiento reside en cómo el radar elige realmente su siguiente movimiento. La estrategia más obvia sería elegir siempre la única acción que el modelo informático predice que será la mejor. Sin embargo, los investigadores descubrieron que hacer esto repetidamente crea un patrón rígido que un enemigo cognitivo podría aprender y explotar fácilmente. Por otro parte, elegir acciones completamente al azar hace que el radar sea impredecible, pero a menudo conduce a un desempeño deficiente en el rastreo del objetivo. El equipo propuso un camino intermedio que llaman "Casi-Mejor Aleatorio" (Random Near-Best). En este enfoque, el radar primero identifica las seis mejores acciones que se predice que funcionarán bien. En lugar de elegir la única mejor, selecciona aleatoriamente una de esas seis. Este simple giro mantiene al radar altamente efectivo en su misión mientras introduce suficiente variedad en su comportamiento para confundir a un observador inteligente.

Los resultados de sus simulaciones mostraron que este enfoque funciona notablemente bien. Cuando el radar siempre elegía la única mejor acción predicha, lograba un alto nivel de desempeño en la misión, pero su comportamiento era tan regular que un enemigo cognitivo podía modelarlo casi perfectamente. Cuando el radar elegía completamente al azar, era muy difícil de predecir, pero su desempeño en la misión caía significativamente. La estrategia "Casi-Mejor Aleatorio" alcanzó un equilibrio casi perfecto. Mantuvo el 94% del rendimiento máximo de la misión mientras hacía que el comportamiento del radar fuera casi tan difícil de predecir como la estrategia aleatoria. En sus pruebas, el nuevo método redujo la regularidad del comportamiento que un enemigo cognitivo podría explotar por un margen amplio, sin sacrificar la capacidad del radar para hacer su trabajo.

Los investigadores también desarrollaron una forma de medir este sigilo conductual. Utilizaron cuatro modelos matemáticos diferentes, incluyendo redes neuronales avanzadas y herramientas estadísticas, para analizar la secuencia de emisiones del radar. Estos modelos buscaban patrones en la sincronización y la estructura de las señales, tratando de ver si el radar estaba cayendo en una rutina. Encontraron que la política "Casi-Mejor Aleatorio" logró romper estos patrones, manteniendo el comportamiento del radar fluido e impredecible. Este trabajo sugiere que, para que los radares modernos sobrevivan frente a enemigos inteligentes y capaces de aprender, no pueden centrarse solo en la calidad de una sola señal. También deben considerar el ritmo y la variedad de toda su secuencia de acciones, asegurando que, incluso cuando están realizando su mejor labor, no se vuelvan demasiado fáciles de leer.

Resumen Técnico: Selección de Acciones Multiobjetivo Consciente del Comportamiento para Radar Cognitivo

Declaración del Problema
Los radares cognitivos adaptan sus parámetros operativos (ancho de banda, intervalo de repetición de pulsos, número de pulsos y modo de forma de onda) para optimizar el rendimiento de la misión. Sin embargo, las estrategias tradicionales de selección de acciones suelen centrarse únicamente en maximizar métricas instantáneas como la Calidad de la Estimación del Estado del Objetivo (TSEQ) y la Baja Probabilidad de Interceptación (LPI). Este artículo identifica una vulnerabilidad crítica: la selección repetida de las acciones con mayor rendimiento puede crear regularidades temporales en el comportamiento de la emisión. Los sistemas de Medidas de Apoyo Electrónico (ESM) cognitivos pueden explotar estos patrones para modelar y predecir el comportamiento del radar, comprometiendo así el sigilo. El desafío central es seleccionar acciones que mantengan un alto rendimiento de la misión y, al mismo tiempo, minimicen la predictibilidad del comportamiento explotable por un ESM cognitivo.

Metodología
El marco propuesto opera en dos escalas temporales: el Nivel de Acción (pasos de decisión individuales) y el Nivel de Secuencia/Política (comportamiento temporal a lo largo del tiempo).

Espacio de Acción y Simulación:
- El espacio de acción consiste en 2,400 combinaciones de cuatro parámetros: ancho de banda (20–50 MHz), PRI (10–100 µs), número de pulsos (128–2048) y 12 modos de forma de onda.
- Un entorno de simulación genera respuestas de radar incorporando la dinámica del objetivo, trayectoria múltiple (multipath), clutter, interferencia (jamming) y ruido.
- Entrenamiento Offline: El sistema genera un conjunto de datos donde la "recompensa real" de la misión se calcula utilizando estados de objetivo de verdad de terreno (ground-truth) y una población de 100 receptores ESM heterogéneos.
- Operación Online: El radar no puede acceder a la verdad de terreno ni a datos externos del receptor. En su lugar, extrae 11 características medibles (por ejemplo, SINR, dispersión Doppler, entropía espectral) del eco recibido para estimar el rendimiento.
Métricas y Construcción de la Recompensa:
- Recompensa de la Misión ( $R_{Mission}$ ): Definida a nivel de acción mediante un criterio de Maximin que combina dos métricas externas:
  - $M_{TSEQ}$ : Calidad de la Estimación del Estado del Objetivo (basada en el error de estimación de rango/velocidad).
  - $M_{LPI}$ : Rendimiento LPI convencional (basado en la proporción de una población de 100 receptores que no logran detectar la emisión).
- Mapeo de Característica-a-Recompensa: Se entrena un mapeo de mínimos cuadrados afines offline para predecir $R_{Mission}$ a partir de las 11 características observables, permitiendo la toma de decisiones online sin necesidad de verdad de terreno.
- Métrica de Sigilo Conductual ( $M_{CESM}$ ): Definida a nivel de secuencia (sobre 10 observaciones consecutivas). Evalúa la regularidad temporal de la secuencia de emisión utilizando cuatro modelos: Base de Desviación Estándar Inversa, Modelo de Markov, LSTM y GRU. Estos modelos analizan características como la Curtosis, la Entropía Espectral y el Factor de Cresta. Las salidas se normalizan frente a dos referencias (Acción Aleatoria y Mejor Acción Predicha) para formar una puntuación compuesta donde valores más altos indican una menor predictibilidad.
Estrategias de Selección de Acciones:
- Selector de Acciones: Se compararon varios métodos de aprendizaje automático (kNN, Bosque Aleatorio, Regresión Directa). Los Árboles de Decisión Potenciados (BDT) fueron seleccionados como el selector principal debido a su alta relación de rendimiento medio (0.96) y su rendimiento mínimo robusto.
- Políticas Evaluadas:
  - Acción Aleatoria: Selecciona cualquier acción de manera uniforme (alta diversidad, bajo rendimiento).
  - Mejor Acción Predicha: Selecciona la acción única con mayor clasificación de la BDT (alto rendimiento, alta regularidad).
  - Casi-Mejor Aleatoria (Random Near-Best): La estrategia propuesta. Clasifica las acciones mediante BDT y selecciona aleatoriamente una de entre los $K$ candidatos principales.

Contribuciones Clave

Marco de Tres Objetivos: Formulación de un marco de radar cognitivo que optimiza simultáneamente la TSEQ, la LPI convencional y el sigilo conductual, distinguiendo entre objetivos a nivel de acción y a nivel de secuencia.
Evaluación de LPI Heterogénea: Desarrollo de un modelo LPI utilizando una población de 100 receptores ESM heterogéneos con mecanismos de detección variables (energía, sensibilidad, densidad espectral, etc.), en lugar de un único modelo de receptor.
Métrica de Sigilo Conductual ( $M_{CESM}$ ): Definición de una métrica compuesta que agrega las salidas de múltiples modelos de comportamiento (Markov, LSTM, GRU, Desviación Estándar Inversa) normalizadas frente a políticas de referencia para cuantificar la predictibilidad.
Estrategia Casi-Mejor Aleatoria: Introducción de una política que equilibra el rendimiento de la misión y la diversidad conductual limitando la selección aleatoria a un conjunto de candidatos de alto rendimiento ( $K=6$ ).
Mapeo de Offline-a-Online: Demostración de un método para estimar las recompensas de la misión online utilizando únicamente características observables, evitando la necesidad de verdad de terreno o datos externos del receptor durante la operación.

Resultados

Mapeo de Característica-a-Recompensa: El mapeo lineal logró un error absoluto relativo medio de aproximadamente el 8% en la estimación de la recompensa de la misión a partir de las características observables.
Rendimiento del Selector de Acciones: Los Árboles de Decisión Potenciados lograron una Relación de rendimiento medio de 0.96 (respecto a una acción oráculo óptima) con un mínimo de Relación de 0.85, superando a otros métodos estándar en estabilidad.
Comparación de Políticas (K=6):
- Acción Mejor Predicha: Logró una Relación de 0.96 pero un $M_{CESM}$ de ~0.00 (altamente regular/predecible).
- Acción Aleatoria: Logró una Relación de 0.87 y un $M_{CESM}$ de 1.00 (altamente diversa/impredecible).
- Casi-Mejor Aleatoria (Random Near-Best): Logró una Relación de 0.94 (una reducción mínima de 0.02 respecto a la Mejor Predicha) y un $M_{CESM}$ de 0.98 (casi igualando la diversidad de la Acción Aleatoria).
Sensibilidad de Parámetros: Aumentar el tamaño del conjunto $K$ de 1 a 6 mejoró significativamente el $M_{CESM}$ (de 0.00 a 0.98) con una disminución marginal en el rendimiento de la misión (de 0.96 a 0.94). Aumentos posteriores a $K=7$ no produjeron ganancias significativas.

Significado y Reivindicaciones
El artículo sostiene que el marco propuesto demuestra con éxito que la selección de acciones de un radar cognitivo no debe centrarse exclusivamente en maximizar la recompensa de las acciones individuales. Al adoptar la estrategia Casi-Mejor Aleatoria, el radar puede mantener un rendimiento de misión casi óptimo (Estimación de Objetivo y LPI) mientras reduce drásticamente la regularidad temporal de la que dependen los sistemas ESM cognitivos para el modelado de comportamiento. El estudio enfatiza que el compromiso entre el rendimiento de la misión y el sigilo conductual es gestionable; una ligera reducción en la selección de la acción absolutamente "mejor" produce una ganancia sustancial en la impredecibilidad conductual sin comprometer los objetivos primarios de la misión del radar. El trabajo destaca la necesidad de evaluar las políticas de selección de acciones a nivel de secuencia, y no solo a nivel de acción, para contrarrestar amenazas cognitivas avanzadas.

Más como este