宇宙大爆炸创造了我们所居住的这个世界，而数据大爆炸正在创造一个全新的数字宇宙。我们目前处于数据大爆炸的起始阶段:在2006年，个人用户才刚刚迈进TB时代，全球新产生了约180EB(1EB =10亿GB)的数据;而在2011年，这个数字达到了1800EB(1ZB =1000 EB) 。根据知名市场研究机构IDC的预测，到2020年这个数字将增至35．2ZB。从B(Byte)、KB、MB、GB、TB，到PB、EB、ZB、YB……数据的边界不断扩大，“大数据”时代，正在到来。

爆炸性增长的数据为企业带来了新的机遇和挑战: 一方面，数据的不断更新扩张给数据存储、管理和分析利用带来了挑战，同时，也对传统领域的创新发展带来了新的机遇。“大数据”已经深入到信息、安全、医疗、服务等众多行业，并产生了重大效益。大数据在近年来已取得了大量技术成果，把相关技术成果创新应用在情报侦察领域，并由此形成新的信号情报侦察体系架构，解决情报侦察在“大数据”时代面临的诸多问题，是值得深入研究的前沿课题。

01  信号情报侦察已经迈入大数据时代

现代信号情报侦察已经迈入了大数据时代。目前的信号情报侦察采用的是传统体系架构，每个站点的功能相对固化，站点之间的相互关系也较为固定。这种体系架构已经难以应对信号情报侦察系统所呈现出的特征，并面临着以下问题:

(1)每个站点的功能相对固定，站点之间信息难以实现共享，而单个站点的功能存在局限性，从而无法实现全概率截获;

(2)不能多系统层面对数据进行采集和存储，数据之间的关联性不强，无法分析通信过程，也不能对信号进行对比分析和关联性分析;

(3)由于传统结构缺乏对大数据的分析和存储方法，难以从海量数据中准确抽取所需信号，会造成小信号遗漏等问题。

02   大数据时代的侦察体系架构新的单站结构

新的单站对外提供三种资源，分别是传感资源、计算资源和数据资源。这时单站作为系统中的一个资源节点，在系统的统一管理下工作。通过搜索服务与上层管理中心进行交互，并实现对单站内资源的调度。搜索服务可以根据上层发送过来的搜索指令，通过搜索响应和配制模块，调用不同的控制程序来执行相应的功能。

通过信息的搜索响应和资源配置，单站通过搜索服务以情报索引方式进行结果返回，完成单站对搜索指令的响应。

可重构系统框架

新的情报侦察系统框架通过智能侦察搜索引擎对外进行交互，智能侦察搜索引擎是整个架构的核心，负责资源的统一管理和智能调度。在新的侦察体系架构下，系统的保障能力更强，能够响应各种实时和非实时、常规和非常规的侦察需求; 系统的“鲁棒性”更好，对系统的硬件、软件错误有很强的容忍度; 同时资源利用率更高，可以有效整合各部分的资源进行高效侦察。

03   系统构建的关键问题

与现有侦察系统的衔接

下一代侦察系统只有处理好与现有侦察系统的无缝连接，才能保证系统的快速构建，提高现有设备的利用效率。通过分析新的单站结构可以发现，新的单站是基于现有的装备技术和能力，结合大数据、云计算等新的计算模式，增加适当的存储和计算设备构建而成。

在单站的基础上，要构建上层数据处理中心，它可能需要专用服务器，在存储能力、计算能力和服务能力方面有较高的要求，能够满足一定强度的搜索请求和信息收集能力，根据需要可能还需建立更大的上层中心，实现大中心、分中心、侦察装备的分级结构，数据采用分布式的存储方式。在这种中心架构基础上，各个单站采集的数据可以实现共享和存储，以实现随时、随地利用全系统资源的效果，并且可以充分挖掘数据中蕴含的新价值。

引入大数据的基础

在信号情报侦察中使用大数据架构，则首先需要具备大数据处理的基本条件，包括侦察信号的表示、处理及传输技术。在此基础上，新的信号情报侦察和处理的重心将向“计算”倾斜，将侦察的问题转变为计算问题，可以借鉴大数据的研究成果，应用于下一代信号情报侦察领域。

基于大数据的侦察系统可重构技术

现有的较好的侦察系统，尤其是采用软件无线电的无线侦察系统，在装备的设计和使用方面，都比较强调单装、单系统的功能发挥，其设计结构基本上是以“算法”为核心的。侦察的流程也局限在功能搜索，围绕某个特定的目的在单系统中进行搜索。在该系统框架下，可重构技术也只停留在“功能层面”，缺乏系统级的统筹规划。

新的信号情报侦察体系结构中的可重构技术是一种全局的可重构功能，它是在当前搜索资源不足或侦察针对性不强的情况下进行在线重构。要实现系统级可重构，则首先需要获取当前系统的资源信息，包括位置和功能等信息，然后进行资源的合理配置和调度，以完成对搜索的请求。这中间存在资源发现和管理、资源调度、资源响应时间等系列问题，是下一代信号情报侦察体系架构下需要解决的关键技术。

04   现有技术借鉴

构建大数据时代下的信号情报侦察系统，需要解决一系列的关键问题。其中有些问题，可以从现在大数据的成熟应用中借鉴。以下列举一些可以借鉴的技术。

Google云计算技术

Google 云计算平台主要由文件存储、并行数据处理、分布式锁和结构化数据表四部分组成，其构成如图所示。

大数据分析技术

大数据分析(BDA，big data analytics)是将先进的分析技术用于大数据集。从功能角度来讲，BDA实现了从大数据到情报的转换，而这种转换本身与大数据的“4V”特性分不开。转换过程必须采用各种BDA平台、工具，如，阿帕奇Hadoop。Hadoop技术与平台使得大数据分析人员可以对原始数据进行分析，并得到支持决策所需的情报。BDA相关理论、技术、工具已经有了初步发展，可借鉴其相关技术以促进新一代信号情报侦察技术的发展。

05   结语

信号情报的发展给传统侦察体系带来了挑战，应用大数据的概念构建下一代信号情报侦察系统成为了一种新的解决思路。本文对大数据时代下的信号情报侦察系统进行了初步设想，并给出了关键问题和相关参考技术。在大数据日益深入的今天，借鉴大数据的方法将能够更好地解决信号情报侦察所面临的4个“V”，并促进信号情报侦察的发展。

（来源《中国电子科学研究院学报》 作者为中国工程院院士杨小牛，中国电子科技集团公司第36 研究所专家杨志邦，赖兰剑。本篇节选自论文《下一代信号情报侦察体系架构:大数据概念的应用》，发表于《中国电子科学研究院学报》第8卷第1期)