DARPA射频虚拟化项目综述

为提升射频前端可重构能力并最终高度“软件化”，以及提升射频前端的认知能力并最终实现高度“智能化”，DARPA开发了一系列研究项目，以ART项目、ACT项目等为典型代表。

一、引言

传统上，美军的射频系统大多采用高度定制化的射频接口，以及精确调谐的天线、滤波器、上下变频器、振荡器等射频前端器件，这些前端电子器件负责将电磁信号进行初步处理并传递给高灵活性的数字化后端。这导致射频前端与数字化后端之间在灵活性、可重构能力方面的差距越来越大：射频系统的数字化部分灵活性越来越高，软件化波形层出不穷；而射频系统的射频前端灵活性非常差，频率、带宽、频段数、效率等参数均很难调整。即便是相对灵活的相控阵射频系统，其相控阵阵列尺寸、可控波束数等参数也较难改变。

而对于认知电子战系统而言，若射频前端可重构能力差或完全不可重构，将在很大程度上影响系统效能的发挥。例如，多目标跟踪与干扰能力需要相控阵天线能够实时调整其可控波束数量与指向；不同侦察模式对于天线、滤波器、变频器等的具体要求也不尽相同。因此，对于认知电子战系统，射频前端可重构能力至关重要，需至少实现射频前端的实时、现场可重用、可重构能力。实现这一目标（无论是否采用阵列化天线）的主要挑战是在确保射频前端（接收机、激励器）具备高度可重构能力的同时，仍可满足噪声系数、线性度、干扰缓解等方面的要求，这些方面的具体要求也会对可重构能力、可重用能力产生较大影响。

对于认知电子战而言，射频前端在具备可重构能力同时，还需要足够智能化（如图1所示），确保认知电子战认知引擎所做出的决策能够在射频前端这一“瓶颈”中快速、精准地落地。

图1 智能化射频前端示意图

如上所述，在认知电子战领域，射频虚拟化不仅仅是“能力提升”，而是“必由之路”——电子战所有功能的最终发挥必须依赖射频前端与天线，而由于认知电子战要根据电磁作战环境的变化而实时调整各种功能、各种参数（侦察模式、干扰波形等），因此认知电子战系统的射频前端、天线孔径等都必须具备强大的“可重构”能力，而“虚拟化”能力则是“可重构”的基础。

为提升射频前端可重构能力并最终高度“软件化”，以及提升射频前端的认知能力并最终实现高度“智能化”，DARPA开发了一系列研究项目。

二、DARPA射频虚拟化项目综述

DARPA“射频虚拟化类项目”包括自适应射频技术（ART）项目、商业时标阵列（ACT）项目等，这些项目的最终目标是实现射频层面的“虚拟化”，进而为处理、应用等环节的虚拟化、可重构奠定坚实的基础，如图2所示。

图2虚拟化射频及其基础支撑作用

1.

ART项目

2016年5月11日，DARPA在美国防部举办了“展示日”活动，此次展示涵盖了近年DARPA重点发展的70个战略项目，ART项目便是DARPA重点发展的频谱项目之一。根据DARPA的描述，ART主要用于通信领域，但从射频前端本身来说，用于通信与用于电子战乃至雷达领域，差别不大，因此该项目研究成果亦可用于认知电子战、认知雷达等领域。

ART项目旨在通过开发一种新型全自适应、可重构、无需遵循特定波形和标准的射频体系结构，以显著提升硬件性能。该体系结构可简单视作是“射频领域的现场可编程门阵列（FPGA）”，即在一个开关结构上部署有大量可重构器件（如，放大器、滤波器、混频器、功率合成器等）。这种体系结构的优势在于，不仅可对单个器件的参数（如，频率、带宽、噪声、线性度）进行重构，还可以对收发信机体系结构（如，超外差、低中频、直接数字化等）进行重构，最终实现性能优化、干扰抵消等目标。

ART项目将开发可重构射频前端，能够覆盖10 MHz~30 GHz频率范围，能够识别、接收和/或发送该频率范围内超过100种军用、民用通信波形。该项目开发的射频前端将包括完整的波形捷变信道和模拟感知信道，后者用于检测和识别特定波形。除维持关键通信链路之外，ART还可为士兵和小型无人平台配备小型化、多功能信号检测和分析平台，该平台能够描述信号环境。

项目具体研究内容包括：可在微波及以上频段（30 GHz及以上）工作的运算放大器；可重构、可调谐的射频模块和模拟传感器滤波器阵列；低功耗波形信号处理；灵活波形、可重构射频前端和模拟/混合信号元件。对应这些研究内容，ART项目分别设立了多个子项目，其中与认知电子战关系比较紧密的项目包括认知无线电低功耗信号分析传感器集成电路（CLASIC，对应于“低功耗波形信号处理”研究）、射频现场可编程门阵列（RF-FPGA，对应于“灵活波形、可重构射频前端和模拟/混合信号元件”研究）、可重构集成电路微波阵列技术（MATRIC，对应于“可重构、可调谐射频模块和模拟传感器滤波器阵列”研究）等。

1. CLASIC子项目

该项目的目标是为下一代军用微系统开发单片、高性能、超高能效、信号识别集成电路。其中，下一代军用微系统是指未来用于认知通信、认知雷达和认知电子战等认知系统的微系统。认知系统能够感知外部环境和内部状态（如，认知射频系统所在的电磁/信号环境），能够自主决策、调整行为来优化服务质量等作战目标。DARPA希望通过研发创新型射频、模拟/模数混合信号集成电路体系结构和设计技术来实现上述目标。

该项目的主要优势是能够解决传统信号识别机制（即，“数字化、搜索、关联”）过程中能耗过高的问题。该问题在传统的、非认知化的电子信息系统中并不突出。然而，随着军用电子信息系统所面临的环境越来越复杂，传统信号识别方法的各个环节在能耗方面的问题也逐步凸显。例如：感知波形数量的不断增加使得波形相关环节的能耗大幅提升；感知带宽的不断拓展使得模数转换环节的能耗大幅提升；此外，诸如基于循环平稳计算与分析等的其它信号分类方法能耗也大幅提升，因其算法复杂度过高。DARPA希望CLASIC项目能够在确保信号识别准确率95%以上的同时，将能效提升到当前主流集成电路的400倍。为此，DARPA对传统信号识别机制进行了创新，提出了CLASIC处理器平台，其概念框图如图 3所示，核心部分是一个多功能一体化、高能效的信号分析仪。

图3CLASIC处理器平台概念框图

CLASIC项目主要开展两方面研究，即低能耗盲源分离与参数提取和射频前端集成。“低能耗盲源分离与参数提取”研究的主要目标是演示以低能耗方式精确分离同一频段内存在的多个混合信号（波形）的能力。“射频前端集成”主要研究如何将新开发的CLASIC处理器集成到当前认知无线电系统的射频前端上。

2.RF-FPGA项目

2011年11月9日，DARPA发布射频现场可编程门阵列（RF-FPGA）项目的广泛机构公告，该项目主要研制可编程射频器件，不需改动硬件，只需编写不同收发链路即可实现对多种通信模式的支持，同时不影响系统性能。当前FPGA与RF-FPGA的对比如图 4所示。可见，RF-FPGA可用于军事通信、电子战、信号情报等多个领域，并可显著降低其成本和开发时间，因为在应用或识别新的无线功能或波形时无需再进行重复的、高成本的硬件开发。

图4当前FPGA与RF-FPGA的对比

该项目的目标是利用收发信机链路的可编程能力来构建一个通用硬件体系结构，以便于同一组射频前端组件在各种不同应用场合中的重用。具体来说，该项目的目标是在一个设备内实现多部微波收发信机所能实现的性能。实现方法是设计一个可编程的收发信机链，该链可以通过动态重构基本微波电路块（basicmicrowave circuit block）之间的连接来实现重编程，而且这些电路块本身也具备一定程度的可重构能力。

该项目主要研究器件级可重构能力、全收发信机可重构能力、RF-FPGA的计算机辅助设计与编程等3方面内容。“器件级可重构能力”，即实现单个射频器件或射频器件组的可重构与可编程能力。其中“器件”包括射频滤波器、中频滤波器、低噪声放大器、混频器、匹配网络、功率放大器等。“全收发信机可重构能力”，即实现整个射频收发信机的可重构与可编程能力。实现可重构能力的同时，对收发信机本身性能参数（动态范围、误差向量量级、作用距离、功率系数等）不会造成任何影响，甚至在可重构以后还能提升其性能参数。“RF-FPGA的计算机辅助设计与编程”，主要开发用于实现RF-FPGA的计算机辅助设计平台。

3.MATRIC项目

可重构集成电路微波阵列技术（MATRIC）项目主要由BAE系统公司开发，是一种可嵌入到灵活交换矩阵中的可重构射频电路阵列。BAE研发出了两个版本的MATRIC芯片（如图5所示），每代芯片都包含4个1～20GHz微波组成单元（MW）、4个直流到6GHz射频/基带组成单元（RF/BB），2个0.01～20GHz可配置频率发生器（CFG）。

图5两个版本的MATRIC芯片

MATRIC芯片能够替代专用集成电路（ASIC）帮助射频系统适应多种频率，具有ASIC的尺寸、重量和功耗（SWaP）优势，但无需负担研发ASIC所需的长周期和高一次性费用；能够让工程师更快做出产品样机，研究成果也能更快地投入战场使用。支持未来射频子系统在飞行中的动态重构，能够适应变化的电磁环境，解决通信、电子战和信号情报系统的未来需求。

2.

DARPA商业时标阵列（ACT）项目

2013年5月1日，DARPA微系统技术办公室发布了ACT项目广泛机构公告，旨在大幅缩短相控阵阵列开发、部署、升级的周期，将其缩短至商用相控阵阵列研发周期的量级。该项目将摒弃传统的专用性强、耗时严重的阵列设计方法，并采用一种更加通用的方法来缩短开发周期。

该项目主要研究构建可用于多种不同功能阵列的通用硬件模块；开发可重构电磁接口，该接口可支持多种射频参数的重构，如极化方式、频率、带宽等；演示一套可扩展的基础设施，借助精确授时和位置数据，部署在多个物理隔离平台上的阵列即可合成一个大型的有效孔径（即，实现相控阵功率合成）。可以看出，该项目开发出的电磁阵列非常适合用于电子战、信号情报、通信等领域。传统相控阵体系结构与ACT相控阵体系结构之间的区别如图6所示。

图6ACT相控阵和传统相控阵在体系结构方面的区别

从另一个角度来看，ACT项目旨在将可重构能力、硬件重用能力引入到相控阵天线系统中。具体来说，该项目是把相控阵的多种功能模块（辐射单元、接收机、激励器、波束成形模块等）“封装”进一个可重构的通用硬件模块内。

3.

DARPA电子复兴倡议（ERI）中体系结构研究部分

2017年6月，DARPA微系统技术办公室（MTO）提出了电子复兴倡议（ERI），以推动新一代电子技术的发展。在开发的诸多项目中，与射频虚拟化/软件化相关的典型项目为软件定义硬件（SDH）项目。

SDH项目的目标是构建一种运行过程中可重构的软硬件，以确保在性能接近专用集成电路（ASIC）的同时，不影响数据密集型算法的编程能力。在此，“数据密集型算法”是指需要处理海量数据的机器学习算法和数据科学算法，其主要特点是在数据处理过程中需要用到密集型的线性代数运算、图搜索运算、数据转换运算。

若该项目获得成功，则有望极低成本开发出一种数据密集型数据利用算法，进而实现大数据处理能力在多个国防领域的广泛应用，如情报监视与侦察、可预测性后勤、决策支持等。

该项目的预期目标效能包括：

在输入数据发生改变时，实现代码与硬件的动态优化；

实现硬件可重构，以解决新问题、加载新算法。

项目主要研究两方面内容：可重构处理器技术；高级语言动态软硬件编译器。这两方面研究内容之间的关系如图7所示。

图7两项研究内容之间的关系

可重构处理器技术主要开发如图 8所示的处理器体系结构。该体系结构主要由存储器（M）、算术逻辑单元（ALU）、可重构连接三部分构成，若与可重构的存储控制器共同使用，即可满足机器学习/人工智能（ML/AI）、图搜索运算等的工作负荷要求。

图8可重构处理器体系结构

高级语言动态软硬件编译器主要为确保实现上述可重构处理器。传统的编译器主要针对固定的处理器，能够从输入的程序中生成用于该处理器的代码，并通过迭代的方式更新代码。这种处理过程可实现不依赖数据的优化，但受限于可用处理硬件。新开发的编译器应充分体现出其可重构能力，因此必须具备对“高级”语言（如，说明性语言（declarative language））的支持能力。该编译器应能够自行选择或合成最优的代码执行方案，并选择最优硬件配置以支持该执行方案。

三、DARPA射频智能化项目综述

DARPA“智能化类项目”则主要以射频机器学习系统（RFMLS）为代表。2017年8月11日， DARPA微系统技术办公室（MTO）发布了一份射频及其信息系统（RFMLS）项目的广泛机构公告，研究将机器学习等人工智能理念与方法用于射频系统设计。一言以概之，该项目旨在寻求射频频谱域与数据驱动型机器学习（如深度学习）之间的交集。具体来说，即让现有机器学习方法能够用于射频频谱这一特定领域或用于探索新的体系结构、学习算法等。RFMLS项目的目标是提升射频系统的人工智能程度，如图9所示。

图9基于人工智能的射频系统

RFMLS项目主要研究射频取证、频谱感知、射频系统集成与演示等3方面内容，如图10所示。

图10射频系统的离线训练与在线评估示意图

射频取证。该研究领域又细分为两个子领域，即射频特征学习和射频波形合成。射频特征学习旨在开发一种可训练的系统（指的是算法，而非硬件），该系统应能够区分10000个以上的、名义上“完全一样”的射频设备。由于这些信号可用传统的人工设计的射频信号特征（如，调制样式类型、数据速率等）来区分，因此本子领域必须能从射频发射链或相关硬件中学习出一些更加抽象的信号特征。此外，开发出的可训练系统必须具备通用性，以便用于处理多种不同的无线通信协议。开发出的算法在不同的训练状态下也必须具备足够的鲁棒性，这些状态包括不同的信噪比水平、相邻信道干扰、共信道干扰、无线信道效应等。射频波形合成环节的主要工作是开发一种射频发射系统，该系统可通过学习有意识地利用发射机的固有信令特征（signaling characteristics），以提升射频特征学习环节正确识别发射机的能力。所合成的射频波形主要为了实现如下两大功能：通信，即学习出的波形应仍能以正常速率传输所需信息；可识别性，即学习出的波形只能用特定的射频设备来发射，若另外一台设备想要重用该波形，则必须注册为一个不同的设备，因为这两台发射机之间存在差别。最终设计出的波形应具备唯一性，即能够从那些模拟的波形中明确区分出来。具体来说，即新生成的波形必须能确保与发射机唯一对应，而且还要能与射频特征学习数据库中的其它发射机区分开。

频谱感知。该领域又细分为2个子领域，即射频资源聚焦与显着性、自主射频传感器配置。射频资源聚焦与显着性子领域主要研究在监测500MHz带宽的同时学习资源聚焦与显着性，以及检测、描述重要信号并为之打标签。自主射频传感器配置子领域主要研究复杂射频系统的自主配置，以进一步将监测频段扩展到整个5GHz频段。这两个子领域之间的关系如图11所示。射频资源聚焦与显着性子领域旨在开发那些能够学习重要信号、非重要信号及其标签的算法与系统，开发出的系统应能够根据不同需求从同一个数据集中学习出完全不同的结果，具体取决于系统的训练方法。自主射频传感器配置子领域旨在开发那些能够通过学习来控制复杂射频传感器的算法与系统。该子领域所控制的数据是“射频资源聚焦与显着性”子领域所接收的那些数据，因此这两个子领域的评价指标相同。

图11 射频资源聚焦与显着性和自主射频传感器配置两个子领域之间的关系

审核编辑 ：李倩