摘 要：随着电磁环境日益复杂、敌我对抗态势越发激烈，对无人系统信息传输的可靠性提出了更高的要求，传统节点的认知通信模式已难以适应未来自主化、分布式的宽带联合抗干扰发展趋势。针对无人系统面临的抗干扰低截获通信需求，围绕干扰的检测识别、变换分析和多域抑制等认知抗干扰关键技术展开具体分析，梳理常见的检测估计和分类识别研究现状；对典型干扰类型进行分类建模，总结变换处理过程的方法和问题；并对传统干扰抑制方法和新型干扰抑制方法进行了系统性概述，分析了未知干扰的分类识别、多样干扰的时域消除、分布干扰的联合分离以及协同干扰的优化控制等制约宽带联合抗干扰的关键问题，突出认知抗干扰技术对无人系统通信的重要作用。

随着5G技术的不断发展，无人系统的通信频率和带宽不断提高，从而迅速推动了高速率、低延迟和大容量的可靠通信，利用宽带和高速传输的优势，无人系统可以支持智能传感、控制和其他飞行器之间通信的广泛应用。但由于电磁频谱逐渐紧缺，所有相关的无人系统个体都面临着通信中断、阻塞或恶意干扰的挑战，从而容易影响通信效率和能力。因此，确保高频谱效率的前提下保证低截获概率和抗干扰性能，对于战术边缘网络中通信安全性和可靠性至关重要。

传统无人系统通信常采用直扩、跳频、跳时等抗干扰通信技术，通过将信号特征隐藏于时域或频域的方式规避敌方截获，但信号在循环平稳和各态历经性等方面存在一定的特征，容易被敌探测干扰。随着认知电子战技术的发展以及电磁频谱作战理念的兴起[1-2]，对传统通信技术的抗干扰能力提出了更高的要求，认知抗干扰通信通过将认知思想应用到抗干扰通信领域，实现了敏捷、智能的抗干扰能力，近年来逐渐受到各国研究人员的高度重视。

按照“OODA环”[3-4]中观察、判断、决策、行动等阶段对干扰的认知处理，认知抗干扰通信涉及的关键技术主要包括：快速准确的检测估计、智能鲁棒的分类识别技术、高效抗扰的波形变换技术、灵活适变的抑制消除技术以及多样联合的优化决策技术等[5-6]。其中干扰的检测识别为前提，优化决策是核心，波形变换和抑制消除是手段，如图1所示。本文主要针对干扰的检测识别、变换分析和抑制消除等展开分析。

图1 认知抗干扰的“OODA”环

Fig.1“OODA”loop for cognitive anti-interference

     1 干扰的检测识别 

干扰的检测识别作为认知抗干扰系统的基础环节，目的是通过获取干扰的强度、频段和类型等先验知识，从而为干扰的抑制消除提供所需的经验信息，主要包括干扰的检测估计和分类识别两部分[7-8]。其中，干扰检测估计的侧重点在于干扰存在性的检测算法，而干扰分类识别的研究则聚焦于干扰特征参数的估计和类型识别。下面分别具体展开分析。

1.1 干扰检测估计

干扰的检测估计通常指干扰信号存在与否的二元性检测，即在环境噪声的影响下，通过某一状态下的特征和判别准则进行干扰存在性的假设检验。常用的判别准则包括奈曼-皮尔森（Neyman-Pearson，NP）准则、Bayesian准则和最大后验概率（maximum a posteriori，MAP）准则等。基于NP估计框架，文献[9]研究了在加性高斯噪声影响下的发射信号检测问题，并利用检测概率函数的凸性特征，针对平均/峰值功率约束的发射机和接收机提出了最优/近似最优的分时策略及其策略参数，有效提高了干扰检测能力；在无论是否存在平均功率约束的情况下，Soganci等人基于总贝叶斯风险和最大贝叶斯风险两种不同的性能准则，设计了一类固定估计量的多参数最优检测估计方法[10]，并给出了相对应的最优参数表征和所取得的检测性能增益；为了在平均发射功率约束下最小化平均误差概率，在接收端利用MAP决策规则设计最优检测策略[11]，有效降低了系统误码率。

根据检测的信号处理形式，干扰检测估计算法可分为时频域检测估计、空域检测估计以及其他变换域检测估计等。其中，后者干扰的空域检测估计主要利用电磁波在天线阵列不同极化方向和不同波束方向的传播特性，通过波达方向（direction of arrival，DOA）估计目标的位置和角度等信息，进而通过控制天线阵列的方向图实现干扰抑制消除的目的。该方法具有分辨率高、信噪比灵敏度低的特点，能够检测出相干干扰和欺骗式干扰，但对天线材料和成本要求较高，如龙勃透镜，硬件实现有一定难度，适应于隐身飞机等特定场景，与应用更广泛的前两种方法相比，后者应用范围有限，需要进行专门的天线阵列设计。

干扰的时频域检测估计主要利用干扰波形在时频域的能量或频率变化特性，通过功率能量谱、循环特征谱、高阶累积量等特性信息以及连续均值去除和前向连续均值去除等频谱感知方法，实现干扰门限的设置和干扰参数的估计。该方法不需要任何先验信息，简单高效，能够一定程度上适应干扰强度的变化，但对噪声不太敏感，适用类型范围一定，特别是处理宽带干扰时容易出现虚警现象，精度受限。

干扰的变换域检测估计主要利用干扰、噪声和通信信号在不同变换域呈现的差异性特征来检测出干扰的，通过选取合适的变换基从而降低在时频域处理的复杂度。根据不同的变换基形式，通常可分为分数阶傅里叶变换、小波变换、离散余弦变换等干扰变换检测技术。该方法可以高效地处理时变多样的干扰类型，简化复杂的滤波实现过程，能够进行干扰的细节特征分析，特别适合于宽带稀疏性干扰，但目前获取最优变换的方法效率不高，时效性有待进一步提高。