為提升射頻前端可重構能力并最終高度“軟件化”，以及提升射頻前端的認知能力并最終實現高度“智能化”，DARPA開發了一系列研究項目，以ART項目、ACT項目等為典型代表。

一、引言

傳統上，美軍的射頻系統大多采用高度定制化的射頻接口，以及精確調諧的天線、濾波器、上下變頻器、振蕩器等射頻前端器件，這些前端電子器件負責將電磁信號進行初步處理并傳遞給高靈活性的數字化后端。這導致射頻前端與數字化后端之間在靈活性、可重構能力方面的差距越來越大：射頻系統的數字化部分靈活性越來越高，軟件化波形層出不窮；而射頻系統的射頻前端靈活性非常差，頻率、帶寬、頻段數、效率等參數均很難調整。即便是相對靈活的相控陣射頻系統，其相控陣陣列尺寸、可控波束數等參數也較難改變。

而對于認知電子戰系統而言，若射頻前端可重構能力差或完全不可重構，將在很大程度上影響系統效能的發揮。例如，多目標跟蹤與干擾能力需要相控陣天線能夠實時調整其可控波束數量與指向；不同偵察模式對于天線、濾波器、變頻器等的具體要求也不盡相同。因此，對于認知電子戰系統，射頻前端可重構能力至關重要，需至少實現射頻前端的實時、現場可重用、可重構能力。實現這一目標（無論是否采用陣列化天線）的主要挑戰是在確保射頻前端（接收機、激勵器）具備高度可重構能力的同時，仍可滿足噪聲系數、線性度、干擾緩解等方面的要求，這些方面的具體要求也會對可重構能力、可重用能力產生較大影響。

對于認知電子戰而言，射頻前端在具備可重構能力同時，還需要足夠智能化（如圖1所示），確保認知電子戰認知引擎所做出的決策能夠在射頻前端這一“瓶頸”中快速、精準地落地。

圖1 智能化射頻前端示意圖

如上所述，在認知電子戰領域，射頻虛擬化不僅僅是“能力提升”，而是“必由之路”——電子戰所有功能的最終發揮必須依賴射頻前端與天線，而由于認知電子戰要根據電磁作戰環境的變化而實時調整各種功能、各種參數（偵察模式、干擾波形等），因此認知電子戰系統的射頻前端、天線孔徑等都必須具備強大的“可重構”能力，而“虛擬化”能力則是“可重構”的基礎。

為提升射頻前端可重構能力并最終高度“軟件化”，以及提升射頻前端的認知能力并最終實現高度“智能化”，DARPA開發了一系列研究項目。

二、DARPA射頻虛擬化項目綜述

DARPA“射頻虛擬化類項目”包括自適應射頻技術（ART）項目、商業時標陣列（ACT）項目等，這些項目的最終目標是實現射頻層面的“虛擬化”，進而為處理、應用等環節的虛擬化、可重構奠定堅實的基礎，如圖2所示。

圖2虛擬化射頻及其基礎支撐作用

1.

ART項目

2016年5月11日，DARPA在美國防部舉辦了“展示日”活動，此次展示涵蓋了近年DARPA重點發展的70個戰略項目，ART項目便是DARPA重點發展的頻譜項目之一。根據DARPA的描述，ART主要用于通信領域，但從射頻前端本身來說，用于通信與用于電子戰乃至雷達領域，差別不大，因此該項目研究成果亦可用于認知電子戰、認知雷達等領域。

ART項目旨在通過開發一種新型全自適應、可重構、無需遵循特定波形和標準的射頻體系結構，以顯著提升硬件性能。該體系結構可簡單視作是“射頻領域的現場可編程門陣列（FPGA）”，即在一個開關結構上部署有大量可重構器件（如，放大器、濾波器、混頻器、功率合成器等）。這種體系結構的優勢在于，不僅可對單個器件的參數（如，頻率、帶寬、噪聲、線性度）進行重構，還可以對收發信機體系結構（如，超外差、低中頻、直接數字化等）進行重構，最終實現性能優化、干擾抵消等目標。

ART項目將開發可重構射頻前端，能夠覆蓋10 MHz~30 GHz頻率范圍，能夠識別、接收和/或發送該頻率范圍內超過100種軍用、民用通信波形。該項目開發的射頻前端將包括完整的波形捷變信道和模擬感知信道，后者用于檢測和識別特定波形。除維持關鍵通信鏈路之外，ART還可為士兵和小型無人平臺配備小型化、多功能信號檢測和分析平臺，該平臺能夠描述信號環境。

項目具體研究內容包括：可在微波及以上頻段（30 GHz及以上）工作的運算放大器；可重構、可調諧的射頻模塊和模擬傳感器濾波器陣列；低功耗波形信號處理；靈活波形、可重構射頻前端和模擬/混合信號元件。對應這些研究內容，ART項目分別設立了多個子項目，其中與認知電子戰關系比較緊密的項目包括認知無線電低功耗信號分析傳感器集成電路（CLASIC，對應于“低功耗波形信號處理”研究）、射頻現場可編程門陣列（RF-FPGA，對應于“靈活波形、可重構射頻前端和模擬/混合信號元件”研究）、可重構集成電路微波陣列技術（MATRIC，對應于“可重構、可調諧射頻模塊和模擬傳感器濾波器陣列”研究）等。

1. CLASIC子項目

該項目的目標是為下一代軍用微系統開發單片、高性能、超高能效、信號識別集成電路。其中，下一代軍用微系統是指未來用于認知通信、認知雷達和認知電子戰等認知系統的微系統。認知系統能夠感知外部環境和內部狀態（如，認知射頻系統所在的電磁/信號環境），能夠自主決策、調整行為來優化服務質量等作戰目標。DARPA希望通過研發創新型射頻、模擬/模數混合信號集成電路體系結構和設計技術來實現上述目標。

該項目的主要優勢是能夠解決傳統信號識別機制（即，“數字化、搜索、關聯”）過程中能耗過高的問題。該問題在傳統的、非認知化的電子信息系統中并不突出。然而，隨著軍用電子信息系統所面臨的環境越來越復雜，傳統信號識別方法的各個環節在能耗方面的問題也逐步凸顯。例如：感知波形數量的不斷增加使得波形相關環節的能耗大幅提升；感知帶寬的不斷拓展使得模數轉換環節的能耗大幅提升；此外，諸如基于循環平穩計算與分析等的其它信號分類方法能耗也大幅提升，因其算法復雜度過高。DARPA希望CLASIC項目能夠在確保信號識別準確率95%以上的同時，將能效提升到當前主流集成電路的400倍。為此，DARPA對傳統信號識別機制進行了創新，提出了CLASIC處理器平臺，其概念框圖如圖 3所示，核心部分是一個多功能一體化、高能效的信號分析儀。

圖3CLASIC處理器平臺概念框圖

CLASIC項目主要開展兩方面研究，即低能耗盲源分離與參數提取和射頻前端集成。“低能耗盲源分離與參數提取”研究的主要目標是演示以低能耗方式精確分離同一頻段內存在的多個混合信號（波形）的能力。“射頻前端集成”主要研究如何將新開發的CLASIC處理器集成到當前認知無線電系統的射頻前端上。

2.RF-FPGA項目

2011年11月9日，DARPA發布射頻現場可編程門陣列（RF-FPGA）項目的廣泛機構公告，該項目主要研制可編程射頻器件，不需改動硬件，只需編寫不同收發鏈路即可實現對多種通信模式的支持，同時不影響系統性能。當前FPGA與RF-FPGA的對比如圖 4所示。可見，RF-FPGA可用于軍事通信、電子戰、信號情報等多個領域，并可顯著降低其成本和開發時間，因為在應用或識別新的無線功能或波形時無需再進行重復的、高成本的硬件開發。

圖4當前FPGA與RF-FPGA的對比

該項目的目標是利用收發信機鏈路的可編程能力來構建一個通用硬件體系結構，以便于同一組射頻前端組件在各種不同應用場合中的重用。具體來說，該項目的目標是在一個設備內實現多部微波收發信機所能實現的性能。實現方法是設計一個可編程的收發信機鏈，該鏈可以通過動態重構基本微波電路塊（basicmicrowave circuit block）之間的連接來實現重編程，而且這些電路塊本身也具備一定程度的可重構能力。

該項目主要研究器件級可重構能力、全收發信機可重構能力、RF-FPGA的計算機輔助設計與編程等3方面內容。“器件級可重構能力”，即實現單個射頻器件或射頻器件組的可重構與可編程能力。其中“器件”包括射頻濾波器、中頻濾波器、低噪聲放大器、混頻器、匹配網絡、功率放大器等。“全收發信機可重構能力”，即實現整個射頻收發信機的可重構與可編程能力。實現可重構能力的同時，對收發信機本身性能參數（動態范圍、誤差向量量級、作用距離、功率系數等）不會造成任何影響，甚至在可重構以后還能提升其性能參數。“RF-FPGA的計算機輔助設計與編程”，主要開發用于實現RF-FPGA的計算機輔助設計平臺。

3.MATRIC項目

可重構集成電路微波陣列技術（MATRIC）項目主要由BAE系統公司開發，是一種可嵌入到靈活交換矩陣中的可重構射頻電路陣列。BAE研發出了兩個版本的MATRIC芯片（如圖5所示），每代芯片都包含4個1～20GHz微波組成單元（MW）、4個直流到6GHz射頻/基帶組成單元（RF/BB），2個0.01～20GHz可配置頻率發生器（CFG）。

圖5兩個版本的MATRIC芯片

MATRIC芯片能夠替代專用集成電路（ASIC）幫助射頻系統適應多種頻率，具有ASIC的尺寸、重量和功耗（SWaP）優勢，但無需負擔研發ASIC所需的長周期和高一次性費用；能夠讓工程師更快做出產品樣機，研究成果也能更快地投入戰場使用。支持未來射頻子系統在飛行中的動態重構，能夠適應變化的電磁環境，解決通信、電子戰和信號情報系統的未來需求。

2.

DARPA商業時標陣列（ACT）項目

2013年5月1日，DARPA微系統技術辦公室發布了ACT項目廣泛機構公告，旨在大幅縮短相控陣陣列開發、部署、升級的周期，將其縮短至商用相控陣陣列研發周期的量級。該項目將摒棄傳統的專用性強、耗時嚴重的陣列設計方法，并采用一種更加通用的方法來縮短開發周期。

該項目主要研究構建可用于多種不同功能陣列的通用硬件模塊；開發可重構電磁接口，該接口可支持多種射頻參數的重構，如極化方式、頻率、帶寬等；演示一套可擴展的基礎設施，借助精確授時和位置數據，部署在多個物理隔離平臺上的陣列即可合成一個大型的有效孔徑（即，實現相控陣功率合成）。可以看出，該項目開發出的電磁陣列非常適合用于電子戰、信號情報、通信等領域。傳統相控陣體系結構與ACT相控陣體系結構之間的區別如圖6所示。

圖6ACT相控陣和傳統相控陣在體系結構方面的區別

從另一個角度來看，ACT項目旨在將可重構能力、硬件重用能力引入到相控陣天線系統中。具體來說，該項目是把相控陣的多種功能模塊（輻射單元、接收機、激勵器、波束成形模塊等）“封裝”進一個可重構的通用硬件模塊內。

3.

DARPA電子復興倡議（ERI）中體系結構研究部分

2017年6月，DARPA微系統技術辦公室（MTO）提出了電子復興倡議（ERI），以推動新一代電子技術的發展。在開發的諸多項目中，與射頻虛擬化/軟件化相關的典型項目為軟件定義硬件（SDH）項目。

SDH項目的目標是構建一種運行過程中可重構的軟硬件，以確保在性能接近專用集成電路（ASIC）的同時，不影響數據密集型算法的編程能力。在此，“數據密集型算法”是指需要處理海量數據的機器學習算法和數據科學算法，其主要特點是在數據處理過程中需要用到密集型的線性代數運算、圖搜索運算、數據轉換運算。

若該項目獲得成功，則有望極低成本開發出一種數據密集型數據利用算法，進而實現大數據處理能力在多個國防領域的廣泛應用，如情報監視與偵察、可預測性后勤、決策支持等。

該項目的預期目標效能包括：

在輸入數據發生改變時，實現代碼與硬件的動態優化；

實現硬件可重構，以解決新問題、加載新算法。

項目主要研究兩方面內容：可重構處理器技術；高級語言動態軟硬件編譯器。這兩方面研究內容之間的關系如圖7所示。

圖7兩項研究內容之間的關系

可重構處理器技術主要開發如圖 8所示的處理器體系結構。該體系結構主要由存儲器（M）、算術邏輯單元（ALU）、可重構連接三部分構成，若與可重構的存儲控制器共同使用，即可滿足機器學習/人工智能（ML/AI）、圖搜索運算等的工作負荷要求。

圖8可重構處理器體系結構

高級語言動態軟硬件編譯器主要為確保實現上述可重構處理器。傳統的編譯器主要針對固定的處理器，能夠從輸入的程序中生成用于該處理器的代碼，并通過迭代的方式更新代碼。這種處理過程可實現不依賴數據的優化，但受限于可用處理硬件。新開發的編譯器應充分體現出其可重構能力，因此必須具備對“高級”語言（如，說明性語言（declarative language））的支持能力。該編譯器應能夠自行選擇或合成最優的代碼執行方案，并選擇最優硬件配置以支持該執行方案。

三、DARPA射頻智能化項目綜述

DARPA“智能化類項目”則主要以射頻機器學習系統（RFMLS）為代表。2017年8月11日， DARPA微系統技術辦公室（MTO）發布了一份射頻及其信息系統（RFMLS）項目的廣泛機構公告，研究將機器學習等人工智能理念與方法用于射頻系統設計。一言以概之，該項目旨在尋求射頻頻譜域與數據驅動型機器學習（如深度學習）之間的交集。具體來說，即讓現有機器學習方法能夠用于射頻頻譜這一特定領域或用于探索新的體系結構、學習算法等。RFMLS項目的目標是提升射頻系統的人工智能程度，如圖9所示。

圖9基于人工智能的射頻系統

RFMLS項目主要研究射頻取證、頻譜感知、射頻系統集成與演示等3方面內容，如圖10所示。

圖10射頻系統的離線訓練與在線評估示意圖

射頻取證。該研究領域又細分為兩個子領域，即射頻特征學習和射頻波形合成。射頻特征學習旨在開發一種可訓練的系統（指的是算法，而非硬件），該系統應能夠區分10000個以上的、名義上“完全一樣”的射頻設備。由于這些信號可用傳統的人工設計的射頻信號特征（如，調制樣式類型、數據速率等）來區分，因此本子領域必須能從射頻發射鏈或相關硬件中學習出一些更加抽象的信號特征。此外，開發出的可訓練系統必須具備通用性，以便用于處理多種不同的無線通信協議。開發出的算法在不同的訓練狀態下也必須具備足夠的魯棒性，這些狀態包括不同的信噪比水平、相鄰信道干擾、共信道干擾、無線信道效應等。射頻波形合成環節的主要工作是開發一種射頻發射系統，該系統可通過學習有意識地利用發射機的固有信令特征（signaling characteristics），以提升射頻特征學習環節正確識別發射機的能力。所合成的射頻波形主要為了實現如下兩大功能：通信，即學習出的波形應仍能以正常速率傳輸所需信息；可識別性，即學習出的波形只能用特定的射頻設備來發射，若另外一臺設備想要重用該波形，則必須注冊為一個不同的設備，因為這兩臺發射機之間存在差別。最終設計出的波形應具備唯一性，即能夠從那些模擬的波形中明確區分出來。具體來說，即新生成的波形必須能確保與發射機唯一對應，而且還要能與射頻特征學習數據庫中的其它發射機區分開。

頻譜感知。該領域又細分為2個子領域，即射頻資源聚焦與顯著性、自主射頻傳感器配置。射頻資源聚焦與顯著性子領域主要研究在監測500MHz帶寬的同時學習資源聚焦與顯著性，以及檢測、描述重要信號并為之打標簽。自主射頻傳感器配置子領域主要研究復雜射頻系統的自主配置，以進一步將監測頻段擴展到整個5GHz頻段。這兩個子領域之間的關系如圖11所示。射頻資源聚焦與顯著性子領域旨在開發那些能夠學習重要信號、非重要信號及其標簽的算法與系統，開發出的系統應能夠根據不同需求從同一個數據集中學習出完全不同的結果，具體取決于系統的訓練方法。自主射頻傳感器配置子領域旨在開發那些能夠通過學習來控制復雜射頻傳感器的算法與系統。該子領域所控制的數據是“射頻資源聚焦與顯著性”子領域所接收的那些數據，因此這兩個子領域的評價指標相同。

圖11 射頻資源聚焦與顯著性和自主射頻傳感器配置兩個子領域之間的關系

審核編輯 ：李倩