美国陆军报告称，它已与弗吉尼亚理工学院和州立大学合作开发机器学习算法，以改进军用雷达系统。
根据最近发布的一份服务新闻稿，美国陆军作战能力发展司令部(现称为 DEVCOM)的研究人员开发了一种自动方式，使雷达能够在商用 4G LTE 和未来 5G 通信系统造成的拥挤和有限频谱环境中无缝运行。
陆军研究员 Anthony Martone 博士说：“未来将该算法应用于陆军遗留和开发雷达，将为士兵提供前所未有的频谱优势。”“这将使士兵能够使用他们的雷达解决诸如跟踪传入目标的同时减轻干扰以最大化目标探测范围等问题。”
研究人员研究了未来国防部雷达系统将如何与商业通信系统共享频谱。该团队使用机器学习来学习频谱中不断变化的干扰行为，并找到干净的频谱以最大限度地提高雷达性能。一旦确定了干净的频谱，就可以修改波形以最适合频谱。
这项研究是一个更大的防御计划的一部分，该计划将自适应信号处理和机器学习算法实施到软件定义的雷达平台上，以实现自主实时行为。
“随着这种算法的发展，这种能力在不到八年的时间里就从一个概念快速发展为一个有记录的国防计划，”Martone 说。“与更典型的 30 年周期相比，这是一个明显加快的周期，它将更快地为士兵提供安全通信。”
该团队正在领导未来的研发工作，使认知雷达成为可能，并在雷达界分享新的研究领域，旨在使用更先进的软件定义雷达平台继续开发。
还指出，该团队在同行评审期刊认知通讯与网路汇刊上发表了其研究成果《在拥挤的光谱环境中进行雷达检测和跟踪的深度强化学习控制》。
