基于大数据技术的电子战情报系统

2017-06-05戴江山张慕华

中国电子科学研究院学报 2017年2期

关键词：电子战辐射源海量

高坤,戴江山,张慕华

(中国电子进出口总公司，北京 100036)

综述

基于大数据技术的电子战情报系统

高坤,戴江山,张慕华

(中国电子进出口总公司，北京 100036)

介绍了电子战情报系统面临的挑战，分析了电子战情报系统的大数据应用需求和关键技术，提出了基于大数据的电子战情报系统的总体框架及情报产品信息模型。

大数据；电子战；情报模型；情报系统

0 引言

随着电子对抗侦察技术的不断提升、侦察手段的增多，侦察到的数据种类越来越多，数据格式越来越复杂，数据量也呈爆发式增长，这就给电子对抗情报处理带来了困难。另外，在情报处理过程中，还需要综合空情、海情、技侦以及各种资料情报数据。如何从多源、海量的侦察数据中快速、及时地获取有价值的情报信息是电子战情报系统亟待解决的重要课题。

大数据时代已然到来，各种大数据分析技术发展得如火如荼。大数据分析[1]就是对大量多种类的数据进行分析处理，获得潜在的、有价值的情报信息。本文首先分析了大数据时代电子战情报系统面临的挑战；其次面向情报系统，分析了大数据技术的应用需求及主要关键技术；最后提出了基于大数据的电子战情报系统的构想。

1 电子战情报系统面临的挑战

电子战情报系统[2]主要就是利用陆、海、空、天平台的通信侦察、雷达侦察等电子对抗侦察设备，获取辐射源目标在空域、时域、频率域的特征参数数据，并结合海情、空情、技侦、图像、资料数据，进行数据关联、多源融合处理，获取辐射源情报、电子目标情报及电子战斗序列(EOB)情报等，形成战场态势，为信息作战提供情报支持。

随着电磁环境的日益复杂和电子侦察能力的日益提升，电子对抗侦察数据在数据量级、数据类型、数据格式等各个方面均有显著增加。电子战情报系统在情报处理过程中面临以下挑战：

(1)数据来源多样化。既包括通信侦察、雷达侦察、敌我识别侦察、导航侦察等各类传感器获得的侦察数据，也包括海情、空情、技侦、图像等外部系统的数据，同时还包括各种资料情报、人工谎报，对多源情报融合提出了更高的要求。

(2)数据量非常庞大。各种侦察原始数据、解调的音频数据，随着时间的积累，数据量增长很快，通常以TB及至PB来计算，要在海量数据中快速提取高价值的情报对系统的数据挖掘效率提出了更高的要求。

(3)数据类型多样。系统处理的数据源既有辐射源特征参数等结构化数据，也有原始侦察数据、文本、网页等半结构化数据，同时还包括音频、图像等非结构化数据，这就决定了单一的情报处理和分析方式已经不能适应情报处理的需求。

2 电子战情报系统大数据应用需求及关键技术

在上一章中分析了海量数据的存储、快速处理等问题给电子战情报系统带来了新的挑战，体现出大数据处理能力的新需求。因此，本章主要分析电子战情报系统大数据应用需求和主要关键技术。

2.1 大数据的定义

什么是大数据[3]？麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统软件工具能力范围的数据集合，具有海量的数据规模(Volume)、快速的数据流转(Velocity)、多样的数据类型(Variety)和价值密度低(Value)四大特征。

大数据技术[4]指能够处理4V特征数据，有助于分析事物间关系的技术。从数据获取、分发与处理的整个过程看，包括数据的采集、传输、存储、整合、分析和呈现等多个环节，各环节均有相关关键技术。

2.2 大数据应用需求及关键技术

(1)海量数据存储管理

电子战情报系统包括通信侦察、雷达侦察等多种数据来源。一方面，非结构化异构数据大幅增长，传统的关系型数据库无法实现高效的存储管理，带来了对海量非结构化数据的存储需求；另一方面，数据量呈现爆炸性增长，传统的物理存储方式扩展性差，难以有效应对大容量数据的存储管理，带来了存储的弹性扩容需求。大数据分布式存储融合接入陆、海、空、天等多类侦察平台的数据，支持结构化和非结构化大数据的统一存储管理，支持弹性扩容、大容量、高并发和高速一体化的数据访问。其关键技术包括数据的采集和质量控制、安全有效的分布式文件系统和分布式数据库等。

(2)海量数据的计算处理

在计算模式方面，目前系统采用传统的集中式数据计算模式，该模式以数据迁移为代价，无法支撑大数据的高效计算。为实现高效计算处理，需要通过分布式的大数据计算技术，以计算迁移实现高效处理。多模式大数据计算支持批处理、内存计算、流计算和图计算等，实现多种计算模式的资源分配和统一调度，为大数据的分析处理提供高效和可定制的计算框架。关键技术包括计算任务的智能解析、计算的智能管理调度等。

(3)智能情报分析

通过对海量历史数据的分析处理，如快速智能的检索目标相关信息、挖掘目标的特征、规律和行为意图，以提升系统的情报智能分析能力。大数据的分析挖掘技术针对海量历史数据的目标静态特征和行为特征，构建战场目标特征知识库，以知识库为基础，结合战场实时信息的快速检索和处理，动态识别目标身份及行为，实现对其作战能力及意图的认知。关键技术包括基于知识图谱的情报检索、多源异构数据联合挖掘、关联分析等。

3 基于大数据的电子战情报系统

3.1 系统架构

为应对大数据时代的挑战，借助大数据技术在多源海量数据管理、高效计算、分析处理等方面的优势，构建基于大数据的电子战情报系统，系统体系架构如图1所示。系统分为数据源层、大数据层、分析层和应用层。

图1 基于大数据的电子战情报系统体系架构

数据源层负责接入各类数据源各种形式的情报数据，包括雷达侦察数据(ELINT)、通信侦察数据(COMINT)、雷达数据(RADINT)、图像数据、语音数据技侦数据及其他资料数据等。

大数据层用于对各种形式的数据进行存储，并支持上层服务和应用的海量运算请求和并发访问请求，包括OLTP(联机事务处理)引擎、OLAP(联机分析处理)引擎、分布式计算框架、分布式消息框架和数据仓库等。

分析层是系统的通用算法层，为上层应用提供算法支撑，包括情报模型、查询、统计、可视化、文本分析、自然语言处理、图像分析和知识图谱等。

应用层是系统的业务层，为用户提供不同的情报分析业务功能，包括辐射源情报分析、平台目标情报分析、部队/组织情报分析和综合情报分析。

3.2 情报模型

情报模型是分析层的核心，是大数据分析算法的设计输入，也是系统分析处理成果的最终表现形式。根据电子战情报处理领域情报产品设计的经验，经裁剪和扩充，形成了如图2所示的电子战情报产品信息模型[5]，描述了情报产品实体以及实体之间的关系。

图2 电子战情报产品信息模型

情报产品实体包括辐射源、平台目标、部队/组织及综合。辐射源是配备在平台目标上的，如飞机、舰船等，每个平台目标可配备多个不同类型的辐射源，比如飞机上有通信电台和雷达等。平台目标装备于部队/组织，每个部队/组织可装备多种类型的平台目标，部队/组织间也存在隶属关系。综合情报是对部队/组织、平台目标、辐射源等的综合分析。

(1)辐射源

辐射源主要指通信电台、雷达等辐射电磁波的电子设备，利用基本属性、技术参数、通联关系、活动情况、方位/位置等进行描述。

基本属性：用于描述辐射源的基本情况，包括辐射源的型号、类型、用途等信息。

技术参数：用于描述辐射源的频率域特征参数，对于通信辐射源，包括工作频率、带宽、调制样式等，对于雷达辐射源，包括工作频率、脉宽、重频等。

通联情况：用于描述通信辐射源的通联活动情况，包括通联关系、通联时间、通信内容等。

活动情况：用于描述辐射源的工作情况，包括工作时序、工作用频、工作模式等。

方位/位置：用于描述辐射源的活动方位/位置，如侦察设备通过测向/定位获得的辐射源方位/位置信息。

(2)平台目标

平台目标主要是指配属有辐射源、服务于部队/组织的各种作战平台或设施，包括空中目标、海上目标、地面目标等，利用基本属性、武器配备、通信网络、活动情况、位置等进行描述，平台上可配属多种类型的辐射源。

基本属性：用于描述平台目标的基本情况，包括平台型号、类型、平台战技参数等。

武器配备：用于描述平台目标配备的武器情况，包括武器型号、类型等。

配属的辐射源：用于描述平台目标所配属的辐射源，包括辐射源型号、类型等。

通信网络：用于描述平台目标基于通信、互联而建立的通信系统，包括通信网络的技术特征、网络拓扑、通信成员等。

活动情况：用于描述平台目标的活动规律，包括活动频度、活动时间、活动区域等。

位置：用于描述平台目标的位置信息，可以是固定位置，也可以是一段时间的航迹。

(3)部队/组织

部队/组织主要是指由人员组成的、具有特定层次结构的军事/民间机构，利用基本属性、组织关系、位置进行描述，部队/组织可配属多种类型的装备。

基本属性：用于描述部队/组织的基本情况，包括名称、所属国家、类型、任务等。

组织关系：用于描述部队/组织的组织结构，包括编制、层次关系等。

位置：用于描述部队/组织的驻地或作战部署地。

装备的平台目标：用于描述部队/组织所装备的平台目标，包括平台型号、数量等。

(4)综合情报

综合情报主要是指在某个条件下对部队/组织、平台目标、辐射源的综合分析结果，如在某段时间某个区域内部队/组织、平台目标、辐射源的部署及活动情况。

3.3 情报分析

利用大数据分析平台及各种分析算法，电子战情报系统对各类数据源进行分析处理，生成辐射源、平台目标、部队/组织及综合情报等产品。

(1)辐射源情报分析。对各类侦察传感器获得的信号数据进行分析，获得辐射源的特征参数，对同类辐射源的特征参数进行关联和归并处理，掌握辐射源的准确参数信息。对于通信辐射源来说，还可分析掌握其通联情况。通过对辐射源工作时序、工作用频等进行分析，掌握辐射源的活动规律。

(2)平台目标情报分析。对通信侦察数据、雷达侦察数据、海空情、图像、技侦等多源情报信息进行融合处理，建立飞机、舰船等平台目标与通信电台、雷达等辐射源的关联关系。通过通信辐射源的通联情况分析，掌握平台目标的通信网络关系。通过对不同数据来源的目标活动情况、目标辐射源的活动情况等数据进行关联分析，掌握目标的活动规律。

(3)部队/组织情报分析。通过关联和分析辐射源、平台目标、通信网络和资料情报等数据，掌握部队/组织EOB情报，包括指挥层级、部队编配、装备编配、运用规律等。

(4)综合情报分析。综合通信侦察、雷达侦察、海空情等多源情报信息，生成空中、海上、地面目标的分布及活动态势，并根据平台目标活动规律对作战意图进行预测分析。

4 结语

利用大数据分析技术，能够高效地对海量电子侦察数据进行管理、分析和处理，提取各类不同数据源的关联关系，挖掘出高价值的情报数据，对于提升电子战情报系统的情报处理能力具有重要作用。

[1] 陈明，大数据分析，计算机教育，2014年3月，第5期.

[2] 王海清，数据挖掘在情报侦察系统中的应用，信号与信息处理，2009年4月.

[3] 维克托.迈尔-舍恩伯格、肯尼斯.库克耶，大数据时代，浙江人民出版社.

[4] 王宏，大数据技术在指挥信息系统中应用，指挥信息系统与技术，2015年4月，第6卷，第2期。

[5] 温小东，浅谈通信情报建模，通信技术，2016年6月.

Application of Big Data Analysis Technology in Electronic Warfare Intelligence System

GAO Kun,DAI Jiang-shan,ZHANG Mu-hua

(China Electronics Import & Export Corporation，Beijing 100036)

This paper introduces the challenges of electronic warfare intelligence system, analyzes the application requirements and key technologies of Big Data in warfare intelligence system, and puts forward the overall framework and information product information model of electronic warfare intelligence system based on large data.

big data; electronic warfare; intelligence model; intelligence system

10.3969/j.issn.1673-5692.2016.02.001

2017-02-02

2017-04-15

TN97;TP311.13

1673-5692(2017)02-111-04