⚡ electrical engineering

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

Este artigo apresenta um framework de seleção de ações multiobjetivo consciente de comportamento para radares cognitivos que otimiza o desempenho da missão e a qualidade da estimativa do alvo enquanto minimiza a previsibilidade para ameaças de ESM cognitivas, empregando uma política "Random Near-Best" que equilibra alta recompensa com redução da regularidade comportamental.

Autores originais: abbas fadavi

Publicado 2026-09-11

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: abbas fadavi

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

No mundo invisível das ondas eletromagnéticas, uma disputa silenciosa ocorre entre os sistemas de radar e os sensores projetados para encontrá-los. Um radar funciona enviando pulsos de energia e escutando o eco tênue que retorna de um alvo, como um navio ou uma aeronave. Para realizar bem esse trabalho, o radar precisa ser inteligente o suficiente para alterar seus sinais sobre a marcha, adaptando-se ao clima, à interferência ou ao movimento do alvo. Este é o domínio do radar cognitivo, um sistema que aprende com seu ambiente para tomar melhores decisões. No entanto, há um problema: toda vez que o radar fala, ele corre o risco de ser ouvido por um dispositivo de escuta inimigo conhecido como Medidas de Apoio Eletrônico, ou ESM. Esses dispositivos varrem os céus, procurando pela assinatura única da transmissão de um radar para identificá-lo e localizá-lo. Tradicionalmente, os engenheiros tentaram esconder os radares tornando seus sinais fracos ou difíceis de detectar, uma estratégia chamada de baixa probabilidade de interceptação. Mas uma nova espécie de ameaça surgiu: o ESM cognitivo. Ao contrário dos sensores antigos que apenas procuram por um sinal específico, esses sistemas inteligentes observam o radar ao longo do tempo, aprendendo seus hábitos e prevendo seu próximo passo com base em padrões em seu comportamento.

Este é o desafio que pesquisadores da Universidade Islâmica Azad de Semnan se propuseram a resolver. Eles fizeram uma pergunta difícil: como um radar pode permanecer eficaz em seu trabalho e, ao mesmo tempo, esconder não apenas seu sinal, mas seu próprio comportamento? Se um radar sempre escolhe o melhor sinal para uma determinada situação, ele pode se tornar previsível, permitindo que um inimigo inteligente adivinhe o que ele fará a seguir. Os pesquisadores desenvolveram uma nova forma para o radar escolher suas ações que equilibra alto desempenho com a necessidade de permanecer imprevisível. Eles criaram um sistema onde o radar avalia suas opções com base em dois objetivos principais: o quão bem ele pode rastrear um alvo e o quão difícil é de ser detectado por um sensor padrão. Mas eles adicionaram uma terceira camada crucial: eles mediram o quão previsível a sequência de escolhas do radar pareceria para um inimigo inteligente e capaz de aprender.

Para testar isso, a equipe construiu uma simulação detalhada envolvendo um radar, um alvo em movimento e uma população de cem dispositivos de escuta diferentes, cada um com suas próprias capacidades e métodos de detecção. Eles definiram uma "ação" de radar por quatro configurações específicas: o quão ampla sua transmissão de frequência se espalha, com que frequência envia pulsos, quantos pulsos envia em sequência e a forma específica da onda que utiliza. Em sua simulação, o radar tinha que escolher entre 2.400 combinações possíveis dessas configurações. Os pesquisadores primeiro ensinaram um modelo de computador a prever quais dessas ações funcionariam melhor para a missão, usando dados coletados de milhares de cenários simulados. Esse modelo aprendeu a observar os resultados imediatos de um pulso de radar — como a clareza do eco e o nível de ruído de fundo — e estimar o quão boa seria essa escolha para o rastreamento e para a furtividade.

O cerne de sua descoberta reside em como o radar realmente escolhe seu próximo passo. A estratégia mais óbvia seria sempre escolher a única ação que o modelo de computador prevê que será a melhor. No entanto, os pesquisadores descobriram que fazer isso repetidamente cria um padrão rígido que um inimigo cognitivo poderia facilmente aprender e explorar. Por outro lado, escolher ações completamente ao acaso torna o radar imprevisível, mas frequentemente leva a um desempenho ruim no rastreamento do alvo. A equipe propôs um caminho intermediário que chamam de "Random Near-Best" (Aleatório Próximo ao Melhor). Nesta abordagem, o radar primeiro identifica as seis melhores ações que se prevê que terão um bom desempenho. Em vez de escolher a única melhor, ele seleciona aleatoriamente uma dessas seis. Esse simples ajuste mantém o radar altamente eficaz em sua missão, ao mesmo tempo em que introduz variedade suficiente em seu comportamento para confundir um observador inteligente.

Os resultados de suas simulações mostraram que essa abordagem funciona de forma notável. Quando o radar sempre escolhia a única melhor ação prevista, ele alcançava um alto nível de desempenho da missão, mas seu comportamento era tão regular que um inimigo cognitivo poderia modelá-lo quase perfeitamente. Quando o radar escolhia completamente ao acaso, era muito difícil de prever, mas seu desempenho na missão caía significativamente. A estratégia "Random Near-Best" atingiu um equilíbrio quase perfeito. Ela manteve 94% do desempenho máximo da missão, enquanto tornava o comportamento do radar quase tão difícil de prever quanto a estratégia aleatória. Em seus testes, o novo método reduziu a regularidade comportamental que um inimigo cognitivo poderia explorar por uma margem considerável, sem sacrificar a capacidade do radar de realizar seu trabalho.

Os pesquisadores também desenvolveram uma forma de medir essa furtividade comportamental. Eles utilizaram quatro modelos matemáticos diferentes, incluindo redes neurais avançadas e ferramentas estatísticas, para analisar a sequência de emissões do radar. Esses modelos procuravam padrões na temporização e na estrutura dos sinais, tentando ver se o radar estava caindo em uma rotina. Eles descobriram que a política "Random Near-Best" conseguiu quebrar esses padrões, mantendo o comportamento do radar fluido e imprevisível. Este trabalho sugere que, para os radares modernos sobreviverem contra inimigos inteligentes e capazes de aprender, eles não podem focar apenas na qualidade de um único sinal. Eles também devem considerar o ritmo e a variedade de toda a sua sequência de ações, garantindo que, mesmo quando estiverem desempenhando em seu nível máximo, não se tornem fáceis de ler.

Resumo Técnico: Seleção de Ações Multiobjetivo Consciente de Comportamento para Radar Cognitivo

Declaração do Problema
Radares cognitivos adaptam seus parâmetros operacionais (largura de banda, intervalo de repetição de pulso, número de pulsos e modo de forma de onda) para otimizar o desempenho da missão. No entanto, as estratégias tradicionais de seleção de ações focam frequentemente apenas na maximização de métricas instantâneas como a Qualidade de Estimativa do Estado do Alvo (TSEQ) e a Baixa Probabilidade de Interceptação (LPI). Este artigo identifica uma vulnerabilidade crítica: a seleção repetida das ações de maior desempenho pode criar regularidades temporais no comportamento de emissão. Sistemas de Medidas de Apoio Eletrônico (ESM) Cognitivas podem explorar esses padrões para modelar e prever o comportamento do radar, comprometendo assim o sigilo. O desafio central é selecionar ações que mantenham um alto desempenho da missão enquanto minimizam a previsibilidade comportamental explorável por um ESM Cognitivo.

Metodologia
O framework proposto opera em duas escalas temporais: o Nível de Ação (passos de decisão individuais) e o Nível de Sequência/Política (comportamento temporal ao longo do tempo).

Espaço de Ação e Simulação:
- O espaço de ação consiste em 2.400 combinações de quatro parâmetros: largura de banda (20–50 MHz), PRI (10–100 µs), contagem de pulsos (128–2048) e 12 modos de forma de onda.
- Um ambiente de simulação gera respostas de radar incorporando dinâmica de alvos, multipath, clutter, jamming e ruído.
- Treinamento Offline: O sistema gera um conjunto de dados onde a "recompensa real" da missão é calculada usando estados de alvo de verdade fundamental (ground-truth) e uma população de 100 receptores ESM heterogêneos.
- Operação Online: O radar não consegue acessar a verdade fundamental ou dados externos de receptores. Em vez disso, ele extrai 11 características mensuráveis (ex: SINR, dispersão Doppler, entropia espectral) do eco recebido para estimar o desempenho.
Métricas e Construção de Recompensa:
- Recompensa da Missão ( $R_{Mission}$ ): Definida no nível de ação usando um critério Maximin combinando duas métricas externas:
  - $M_{TSEQ}$ : Qualidade de Estimativa do Estado do Alvo (baseada no erro de estimativa de alcance/velocidade).
  - $M_{LPI}$ : Desempenho LPI convencional (baseado na proporção de uma população de 100 receptores que falham em detectar a emissão).
- Mapeamento de Característica-para-Recompensa: Um mapeamento afim de mínimos quadrados é treinado offline para prever $R_{Mission}$ a partir das 11 características observáveis, permitindo a tomada de decisão online sem necessidade de verdade fundamental.
- Métrica de Sigilo Comportamental ( $M_{CESM}$ ): Definida no nível de sequência (ao longo de 10 observações consecutivas). Ela avalia a regularidade temporal da sequência de emissão usando quatro modelos: Baseline de Desvio Inverso, Modelo de Markov, LSTM e GRU. Esses modelos analisam características como Curtose, Entropia Espectral e Fator de Crista. As saídas são normalizadas contra duas referências (Ação Aleatória e Melhor Ação Prevista) para formar uma pontuação composta onde valores mais altos indicam menor previsibilidade.
Estratégias de Seleção de Ação:
- Seletor de Ação: Vários métodos de aprendizado de máquina (kNN, Floresta Aleatória, Regressão Direta) foram comparados. Árvores de Decisão com Impulso (BDT) foram selecionadas como o seletor primário devido à sua alta razão de desempenho médio (0,96) e desempenho mínimo robusto.
- Políticas Avaliadas:
  - Ação Aleatória: Seleciona qualquer ação uniformemente (alta diversidade, baixo desempenho).
  - Melhor Ação Prevista: Seleciona a única ação de maior ranking do BDT (alto desempenho, alta regularidade).
  - Aleatória Próxima da Melhor (Random Near-Best): A estratégia proposta. Ela classifica as ações via BDT e seleciona aleatoriamente uma entre os $K$ principais candidatos.

Principais Contribuições

Framework de Três Objetivos: Formulação de um framework de radar cognitivo que otimiza simultaneamente TSEQ, LPI convencional e sigilo comportamental, distinguindo entre objetivos de nível de ação e de nível de sequência.
Avaliação de LPI Heterogênea: Desenvolvimento de um modelo LPI usando uma população de 100 receptores ESM heterogêneos com variados mecanismos de detecção (energia, sensibilidade, densidade espectral, etc.), em vez de um único modelo de receptor.
Métrica de Sigilo Comportamental ( $M_{CESM}$ ): Definição de uma métrica composta que agrega saídas de múltiplos modelos comportamentais (Markov, LSTM, GRU, Desvio Inverso) normalizadas contra políticas de referência para quantificar a previsibilidade.
Estratégia Random Near-Best: Introdução de uma política que equilibra desempenho de missão e diversidade comportamental ao restringir a seleção aleatória a um conjunto de candidatos de alto desempenho ( $K=6$ ).
Mapeamento Offline-para-Online: Demonstração de um método para estimar recompensas de missão online usando apenas características observáveis, contornando a necessidade de verdade fundamental ou dados de receptores externos durante a operação.

Resultos

Mapeamento de Característica-para-Recompensa: O mapeamento linear alcançou um erro relativo absoluto médio de aproximadamente 8% na estimativa da recompensa da missão a partir de características observáveis.
Desempenho do Seletor de Ação: As Árvores de Decisão com Impulso (BDT) alcançaram uma Razão de desempenho médio de 0,96 (relativo a uma ação óculo ideal) com um mínimo de Razão de 0,85, superando outros métodos padrão em estabilidade.
Comparação de Políticas (K=6):
- Melhor Ação Prevista: Alcançou uma Razão de 0,96, mas um $M_{CESM}$ de ~0,00 (altamente regular/previsível).
- Ação Aleatória: Alcançou uma Razão de 0,87 e um $M_{CESM}$ de 1,00 (altamente diversa/imprevisível).
- Random Near-Best: Alcançou uma Razão de 0,94 (uma redução mínima de 0,02 em relação à Melhor Ação Prevista) e um $M_{CESM}$ de 0,98 (quase igualando a diversidade da Ação Aleatória).
Sensibilidade de Parâmetros: Aumentar o tamanho do conjunto $K$ de 1 para 6 melhorou o $M_{CESM}$ significativamente (0,00 para 0,98) com apenas uma diminuição marginal no desempenho da missão (0,96 para 0,94). Aumentos adicionais para $K=7$ não geraram ganhos significativos.

Significância e Alegações
O artigo afirma que o framework proposto demonstra com sucesso que a seleção de ação de radar cognitivo não deve focar exclusivamente na maximização da recompensa de ações individuais. Ao adotar a estratégia Random Near-Best, o radar pode manter um desempenho de missão próximo ao ideal (Estimativa de Alvo e LPI) enquanto reduz drasticamente a regularidade temporal da qual os sistemas de ESM Cognitivos dependem para modelagem comportamental. O estudo enfatiza que o compromisso (trade-off) entre desempenho de missão e sigilo comportamental é gerenciável; uma leve redução na seleção da ação absolutamente "melhor" produz um ganho substancial em imprevisibilidade comportamental sem comprometer os objetivos primários da missão do radar. O trabalho destaca a necessidade de avaliar políticas de seleção de ação no nível de sequência, e não apenas no nível de ação, para contrapor ameaças cognitivas avançadas.

Mais como este