3.2 新型抑制方法
随着干扰机的功能和样式持续推陈出新，电子信息攻击和高功率电磁脉冲攻击成为针对无人系统最有效的打击手段，对传统时域抑制技术提出了更高的抗干扰要求。目前现有的抗干扰系统设计和改进更多地基于变换域思想进行干扰抑制和消除，如傅里叶变换、分数阶傅里叶变换和小波变换等；在此基础上，又依据宽带信号的稀疏特性发展出了基于压缩感知的新型抗干扰技术，并在宽带/超宽带电子系统中得到推广应用。Pan等人[35]基于通信信号和干扰的压缩分量正交性提出了一种压缩滤波方法，实现了干扰的有效抑制；裴立业等人[36]利用通信信号和干扰的稀疏可分性提出了基于选择性测量的噪声干扰抑制方法；Gomaa等人[37]利用基于稀疏度感知的干扰估计方法实现了干扰的时域对消和抑制。一般来说，目前基于压缩感知的干扰抑制方法主要包括三类：选择性观测、稀疏分离和重构对齐，各方法特点如表2所示。
表2 不同抑制方法性能对比分析
Table 2 Comparisons of different suppression methods
（1）干扰的选择性观测。该方法主要利用测量矩阵不同的代表性特征，实现对电磁信号的选择性接收，从而达到干扰和接收信号的压缩采样的分离效果，具有原理简易高效、针对性强等优势。基于通信信号及其遭受干扰之间压缩成分的正交性，提出了一种有效抑制干扰的压缩滤波方法[34]；经验证，虽然选择性观测方法的原理简单有效，其干扰形式的针对性相当明显，但不同程度地降低了通信信号的重构性能，且需要根据不同的干扰特性专门设计最优干扰子空间，算法复杂度高，应用范围却相对有限。
（2）干扰的重构对齐。该方法主要适用于干扰强度较大的场景，在高精度恢复干扰后通过采用创新的时域对消技术，能够减少对接收信号的负面扰动，且在一定范围内重构精度随着干扰强度的增强而提高，实际应用相对广泛。Liu等人所设计的增强型干扰估计方法[38]通过估计稀疏性的感知程度，实现了时域的干扰消除和抑制，还证实了应对高功率强度干扰的优势。尽管如此，在实际中仍存在干扰消除不彻底的现象，需要从硬件上改进多天线结构以提升自身性能，成本较高；在理想情况下，提升干扰的重构精度和降低天线结构改进的成本仅能够保证干扰消除效果基本可行，需要更加详细的稀疏分布特点等历史数据和经验信息，在联合干扰知识库的支持下能更好地发挥其抑制效果。
（3）干扰的稀疏分离。该方法通常利用干扰和接收信号在同一或不同完备（或过完备）字典学习或基变换学习下的稀疏表示可分性，实现对电磁信号的稀疏分离。在此基础上，基于通信信号和干扰的稀疏分离关系设计了一种噪声干扰的恢复和抑制工具[39]，发现改进的方法可以用简单计算实现分离效果，且具有较低的复杂度。由于不需要全部或大部分干扰信息的重构，具有计算简单、复杂度低等特点，应用范围比较广泛；但提升干扰分离效果要求自适应地学习稀疏字典或变换基，原理上只要干扰形式满足了稀疏性的要求，就可以通过稀疏变换进行干扰分离，这将增加对多样化干扰联合处理的适用性。
4 “边云协同”发展趋势
为保证感知信息更加全面，联合处理方式协同一致，无人系统各节点通常对获取的频谱感知信息进行融合处理；所有节点的计算、存储等资源统一支配调度，按照需求灵活地提供一种或多种服务，从而满足不同任务群组多样化传输需求。然而，所有业务都在“云组织”终结并非完全有效，尤其是一些区域业务若不在本地终结，则既浪费资源也增加时延。因此，需要根据相应的任务属性灵活配置，移动边缘计算通过将区域服务在边缘节点上运行，使得反馈更为迅速；同时，将内容存储和计算需求下沉，提供智能化的流量调度，内容实现本地缓存，并在网络侧增加计算、存储、处理等功能，构建移动边缘云，可根据各自的功能配置和任务属性虚拟出多个具备不同特性的逻辑群，利用端到端的网络切片将网络资源灵活分配为不同的切片业务提供相应的服务质量保障，如图2所示。
图2 任务分工+资源调度支撑“边云协同”施效
Fig.2 Task division+resource scheduling supporting effect of“edge-cloud synergy”
在无人系统节点实现认知抗干扰通信的同时，对于复杂电磁环境和多域联合抗干扰的能力要求，需要依托无人系统“云组织”，充分发挥云计算的整体优势，分解成各子任务，网络能力按需组合，统筹规划，合力解决；同时，对于简单的抗干扰任务，它也能够发挥边缘计算的资源特点，将其分配给特定的无人系统节点，将部分区域性业务本地化，内容本地缓存，独立或协同完成相应的任务，从而实现无人系统多节点联合抗干扰的“边云协同”施效。
针对多无人系统的组网应用，考虑到“云—边—群—网”的层次化分布和宽带频谱感知的实际需求，设计了基于“边云协同”的联合抗干扰架构，达到按需边云分级干扰处理的目的，边云组网的架构设计如图3所示。在新兴“云组织”广域分布的节点感知和灵活智能的边云处理体系支撑下，重构基于认知变换域的联合抗干扰架构，通过多样化复合分类决策、多任务同时检测消除、分布式联合分离处理以及多手段协同优化管理等新型抗干扰方法，以更好地满足未来无人系统全域全维电磁频谱对抗的能力要求。各项联合抗干扰能力的运行机制概述如下：
