Behavior-Aware Multi-Objective Action Selection for Cognitive Radar against Cognitive ESM Threats
यह शोधपत्र संज्ञानात्मक रडारों के लिए एक व्यवहार-जागरूक बहु-उद्देश्यीय क्रिया चयन ढांचे को प्रस्तुत करता है जो "रैंडम नियर-बेस्ट" नीति को नियोजित करके मिशन प्रदर्शन और लक्ष्य अनुमान की गुणवत्ता को अनुकूलित करते हुए संज्ञानात्मक ईएसएम (ESM) खतरों के लिए पूर्वानुमेयता को कम करता है, जो उच्च पुरस्कार के साथ कम व्यवहारिक नियमितता को संतुलित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
विद्युत चुम्बकीय तरंगों की अदृश्य दुनिया में, रडार प्रणालियों और उन्हें खोजने के लिए डिज़ाइन किए गए सेंसरों के बीच एक मौन प्रतियोगिता चलती रहती है। एक रडार ऊर्जा के पल्स (आवेग) भेजकर और किसी जहाज या विमान जैसे लक्ष्य से टकराकर वापस आने वाली हल्की गूँज को सुनकर काम करता है। इस काम को अच्छी तरह से करने के लिए, रडार को इतना स्मार्ट होना चाहिए कि वह मौसम, हस्तक्षेप या लक्ष्य की गति के अनुसार अपने संकेतों को तुरंत बदल सके। यह 'कॉग्निटिव रडार' का क्षेत्र है, एक ऐसी प्रणाली जो बेहतर निर्णय लेने के लिए अपने परिवेश से सीखती है। हालाँकि, इसमें एक पेच है: हर बार जब रडार बोलता है, तो उसे एक दुश्मन के सुनने वाले उपकरण द्वारा पकड़े जाने का जोखिम होता है जिसे इलेक्ट्रॉनिक सपोर्ट मेजर्स (ESM) सिस्टम कहा जाता है। ये उपकरण आकाश की निगरानी करते हैं, और रडार के प्रसारण के विशिष्ट सिग्नेचर को पहचानकर उसे खोजने की कोशिश करते हैं। पारंपरिक रूप से, इंजीनियरों ने रडारों को उनके संकेतों को कमजोर या पता लगाने में कठिन बनाकर छिपाने की कोशिश की है, जिसे 'लो प्रोबेबिलिटी ऑफ इंटरसेप्ट' (पकड़े जाने की कम संभावना) नामक रणनीति कहा जाता है। लेकिन एक नया प्रकार का खतरा उभर कर आया है: कॉग्निटिव ESM। पुराने सेंसरों के विपरीत जो केवल एक विशिष्ट सिग्नल की तलाश करते हैं, ये बुद्धिमान प्रणालियाँ रडार को समय के साथ देखती हैं, उसके व्यवहार के पैटर्न के आधार पर उसकी आदतों को सीखती हैं और उसके अगले कदम की भविष्यवाणी करती हैं।
यही वह चुनौती है जिसे इस्लामिक अज़ाद यूनिवर्सिटी ऑफ सेमन के शोधकर्ताओं ने हल करने का प्रयास किया। उन्होंने एक कठिन प्रश्न पूछा: रडार अपने काम में प्रभावी कैसे बना रह सकता है और साथ ही न केवल अपने सिग्नल को, बल्कि अपने व्यवहार को भी कैसे छिपा सकता है? यदि कोई रडार किसी विशेष स्थिति के लिए हमेशा सबसे अच्छा सिग्नल चुनता है, तो वह अनुमानित (predictable) हो सकता है, जिससे एक स्मार्ट दुश्मन यह अंदाजा लगा सकता है कि वह आगे क्या करेगा। शोधकर्ताओं ने रडार के लिए अपने कार्यों को चुनने का एक नया तरीका विकसित किया जो उच्च प्रदर्शन और अप्रत्याशित रहने की आवश्यकता के बीच संतुलन बनाता है। उन्होंने एक ऐसी प्रणाली बनाई जहाँ रडार अपने विकल्पों का मूल्यांकन दो मुख्य लक्ष्यों के आधार पर करता है: वह लक्ष्य को कितनी अच्छी तरह ट्रैक कर सकता है और एक मानक सेंसर द्वारा उसका पता लगाना कितना कठिन है। लेकिन उन्होंने इसमें एक तीसरा, महत्वपूर्ण स्तर जोड़ा: उन्होंने यह मापा कि एक स्मार्ट, सीखने वाले दुश्मन के लिए रडार के विकल्पों का क्रम कितना अनुमानित लगेगा।
इसका परीक्षण करने के लिए, टीम ने एक विस्तृत सिमुलेशन बनाया जिसमें एक रडार, एक गतिशील लक्ष्य और सौ अलग-अलग सुनने वाले उपकरणों की एक आबादी शामिल थी, जिनमें से प्रत्येक की अपनी अनूठी क्षमताएं और पहचान के तरीके थे। उन्होंने चार विशिष्ट सेटिंग्स द्वारा एक रडार "एक्शन" को परिभाषित किया: इसकी फ्रीक्वेंसी (आवृत्ति) में सिग्नल कितना फैलता है, यह कितनी बार पल्स भेजता है, यह लगातार कितनी पल्स भेजता है, और यह किस विशिष्ट वेवफॉर्म (तरंग रूप) का उपयोग करता है। अपने सिमुलेशन में, रडार को इन सेटिंग्स के 2,400 संभावित संयोजनों में से चुनना था। शोधकर्ताओं ने पहले एक कंप्यूटर मॉडल को यह भविष्यवाणी करने के लिए प्रशिक्षित किया कि इनमें से कौन सा एक्शन मिशन के लिए सबसे अच्छा काम करेगा, जिसके लिए हजारों सिम्युलेटेड परिदृश्यों से प्राप्त डेटा का उपयोग किया गया। इस मॉडल ने रडार पल्स के तत्काल परिणामों—जैसे कि गूँज की स्पष्टता और बैकग्राउंड शोर का स्तर—को देखना और यह अनुमान लगाना सीखा कि वह चुनाव ट्रैकिंग और स्टील्थ (छिपने की क्षमता) के लिए कितना अच्छा होगा।
उनकी खोज का मूल तत्व इस बात में निहित है कि रडार वास्तव में अपना अगला कदम कैसे चुनता है। सबसे स्पष्ट रणनीति यह होगी कि हमेशा उस एकल एक्शन को चुना जाए जिसकी कंप्यूटर मॉडल भविष्यवाणी करता है कि वह सबसे अच्छा होगा। हालाँकि, शोधकर्ताओं ने पाया कि इसे बार-बार करने से एक कठोर पैटर्न बन जाता है जिसे एक कॉग्निटिव दुश्मन आसानी से सीख और फायदा उठा सकता है। दूसरी ओर, पूरी तरह से यादृच्छिक (random) रूप से कार्य चुनना रडार को अप्रत्याशित तो बनाता है, लेकिन अक्सर लक्ष्य को ट्रैक करने के प्रदर्शन में गिरावट लाता है। टीम ने एक मध्य मार्ग प्रस्तावित किया जिसे वे "रैंडम नियर-बेस्ट" (Random Near-Best) कहते हैं। इस दृष्टिकोण में, रडार पहले उन शीर्ष छह कार्यों की पहचान करता है जो अच्छा प्रदर्शन करने की भविष्यवाणी की गई है। केवल सबसे अच्छे एक को चुनने के बजाय, यह उन छह में से एक को यादृच्छिक रूप से चुनता है। यह सरल बदलाव रडार को उसके मिशन में अत्यधिक प्रभावी बनाए रखता है और साथ ही उसके व्यवहार में पर्याप्त विविधता लाता है ताकि एक बुद्धिमान पर्यवेक्षक भ्रमित हो जाए।
उनके सिमुलेशन के परिणाम दिखाते हैं कि यह दृष्टिकोण उल्लेखनीय रूप से अच्छा काम करता है। जब रडार ने हमेशा सबसे अच्छे अनुमानित एक्शन को चुना, तो इसने मिशन के उच्च स्तर का प्रदर्शन किया, लेकिन इसका व्यवहार इतना नियमित था कि एक कॉग्निटिव दुश्मन इसका लगभग पूरी तरह से मॉडल बना सकता था। जब रडार ने पूरी तरह से यादृच्छिक रूप से चुनाव किया, तो यह बहुत कठिन था, लेकिन इसके मिशन प्रदर्शन में काफी गिरावट आई। "रैंडम नियर-बेस्ट" रणनीति ने एक लगभग सटीक संतुलन बनाया। इसने अपने शिखर मिशन प्रदर्शन का 94% बनाए रखा और साथ ही रडार के व्यवहार को यादृच्छिक रणनीति जितना ही कठिन बना दिया। अपने परीक्षणों में, इस नए तरीके ने व्यवहार संबंधी नियमितता को, जिसका फायदा एक कॉग्निटिव दुश्मन उठा सकता है, बिना रडार की काम करने की क्षमता को कम किए, बड़े अंतर से कम कर दिया।
शोधकर्ताओं ने इस व्यवहार संबंधी स्टील्थ (Stealth) को मापने का एक तरीका भी विकसित किया। उन्होंने अनुक्रमिक रडार उत्सर्जन का विश्लेषण करने के लिए उन्नत न्यूरल नेटवर्क और सांख्यिकीय उपकरणों सहित चार अलग-अलग गणितीय मॉडलों का उपयोग किया। इन मॉडलों ने संकेतों के समय और संरचना में पैटर्न की तलाश की, यह देखने की कोशिश की कि क्या रडार किसी दिनचर्या में फंस रहा है। उन्होंने पाया कि "रैंडम नियर-बेस्ट" नीति ने इन पैटर्न को सफलतापूर्वक तोड़ दिया, जिससे रडार का व्यवहार तरल और अप्रत्याशित बना रहा। यह कार्य बताता है कि आधुनिक रडारों के लिए स्मार्ट, सीखने वाले दुश्मनों के खिलाफ जीवित रहने के लिए, उन्हें केवल एक एकल सिग्नल की गुणवत्ता पर ध्यान केंद्रित नहीं करना चाहिए। उन्हें अपने कार्यों के पूरे अनुक्रम की लय और विविधता पर भी विचार करना चाहिए, यह सुनिश्चित करते हुए कि जब वे अपने सर्वश्रेष्ठ प्रदर्शन कर रहे हों, तब भी वे बहुत आसानी से पढ़े न जा सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।