來源：雷達通信電子戰

對于機載雷達來說，傳統任務對處理能力的需求將持續增加。 這些需求將來自廣域長時間監視、寬帶處理、傳感器融合、平臺網絡、感知、自主和人工智能。這些需求的增長都是相互聯系的，并且其中許多都是來自于無人飛行器的傳感器使用需求。

計算·散熱

對于通用計算場景來說，為了有效地利用不斷增加的并行內核數量，需要進行重大的更改。技術上的限制可能會導致摩爾定律的失效，但這需要在各級進行創新，以找到加快處理能力增長的方法。

一直不變的問題是隨著晶體管數量增多和密度增大帶來的散熱問題，這或許將促使封裝內主動冷卻技術的進步。

寬帶·多功能

最大限度地將現有孔徑和天線運用到多傳感器應用場景的需求，促進并給了寬帶多功能射頻處理異軍突起的機會。而 產生對寬帶頻率靈活性的需求，也使得雷達、ECM、ECCM和通信情報之間的界限不那么清晰。

寬帶多功能射頻處理技術對信息處理的影響是在雷達前端附近進行更寬帶寬、更低延遲的處理 ，這可能很大程度上要依賴于改進FPGA性能或使用定制硅芯片。

多個傳感器的結果已經在很多平臺上進行了某種程度的融合。傳感器融合在質和量方面都可能會發生顯著的變化。這在一定程度上是由于利用了網絡數據、傳感器的認知以及向自主或人工智能系統提供數據的需求。

融合·認知

認知感知是利用雷達和其他傳感器平臺上已知的環境參數，對包括雷達在內的傳感器的操作進行修改和優化。

認知感知和傳感器融合之間有很大的重疊性，但從信息處理角度來看，一個區別可能是認知感知需要快速訪問大型非易失性存儲器，并將先前已知的數據傳遞給正在進行的處理過程。

一個簡單的認知感知的例子是在以前收集的數據和當前的SAR圖像之間進行實時的相干變化檢測，但是認知感知技術的未來會出現更多的機會和挑戰。

無人飛行器可以在有限的控制和數據通信情況下在敵人的活動范圍內執行任務。它們需要具有在連續直接控制缺失的情況下到達任務地區的能力。這意味著它們必須能夠自主執行飛行任務并對它們的傳感器進行優化控制。這種能力對所有的航空信息處理系統都具有極大的啟示意義。

吞吐率·實時性

數據處理的吞吐率可以使用并行計算技術和流水線技術得到提升。在計算層面，要保證流水線上數據供應不能有間隙，且流水線的各個處理階段是正常的。在雷達信號處理流水線層面，必須要具為流水線上處理能力的重新分配提供一定的彈性，且必須要有足夠的存儲空間和總線帶寬來進行內部變量交換。

FPGA、DSP和微處理解決方案都有其優勢。 如果有持續的高速數據需要進行流水線型的整數運算，那么FPGA是非常合適的。微處理器能夠提供支持高級語言編程和雙精度浮點運算的通用系統，但是如果需要非常高的時序要求，操作系統和緩存可能會引起問題。DSPs介于FPGA和微處理器之間，并有很好的性能，但是編程過程比微處理器要困難的多。

確定某個處理解決方案是否有滿足應用環境的足夠的數據吞吐率的最可靠的方法是在真實硬件場景下實際使用和測試一下。如果做不到這一點，基于盡可能接近最終應用場景的基準編程套件進行預測是最可靠方法。

即使處理單元以最有效的方式吞吐數據也比它執行計算本身要花費更長的時間。因此，有效使用高速內存（如處理器數據緩存）可能對性能產生關鍵影響。

當評估處理器性能或處理器提速值的時候，必須考慮處理過程中所有步驟的時間，可以使用Amdahl定律來定位那些最能節省時間的步驟。