通信小组率先行动起来，他们仔细研究了各种无人机可能採用的通信协议和频段，分析了现有无线电频谱分析设备的性能指標，並开始著手设计能够快速捕获和识別敌方无人机信號特徵的算法模型。
他们甚至开始模擬各种复杂的电磁干扰环境，以测试识別算法的鲁棒性。
雷达小组则聚焦於相控阵雷达的应用。他们深入探討了如何將雷达的探测功能与高功率微波发射功能相结合，研究波束的精確控制和能量的高效转换。
他们开始设计实验方案，验证利用现有雷达系统进行定向微波发射的可行性，並评估其对不同材质无人机通信模块的毁伤效果。
人工智慧小组的任务则最为艰巨。
他们需要构建一个能够实时处理海量频谱数据，快速识別敌我信號，並根据识別结果精確控制微波脉衝发射的智能决策系统。
但幸好的是，有周宇在。
周宇作为核心成员，与他们一起討论算法框架、特徵提取方法和模型训练策略。
他们开始著手收集和標註各种无人机通信信號数据，並利用研究院的超级计算机进行模型训练。
人工智慧组解决问题的效率反而是几个小组当中最快的，这可苦了通信等小组，他们被迫进入內卷行列，每天加班。
过了一周后，他们就已经完成了敌我信號识別模型构建和训练，与雷达系统数据接口的对接，实现了模擬数据的实时接收和处理。
雷达小组利用现有相控阵雷达系统进行定向微波发射的实验验证，还完成了高功率微波发射模块的选型和设计，並开始著手解决能量转换效率和散热等关键技术问题。
通信小组在巨大的压力下，也取得了显著进展，
他们梳理並分析了当前主流的无人机通信协议和频段，並建立了一个包含详细技术参数的资料库。
他们还设计並验证了几种针对特定通信协议的特徵提取方法，为人工智慧模型的训练提供了关键的输入特徵，此外，他们还开始研究抗干扰通信技术，以確保我方无人机集群在敌方微波攻击下的通信安全。
电子对抗小组则完成了对敌方可能採取的电子对抗手段的评估，並提出了若干应对策略，他们还设计了针对“猎手”系统的反制方案，包括如何进行信號偽装和干扰规避等。
最关键的技术低延迟与高可靠性的决策执行，也就是从识別到发射微波脉衝，整个过程必须在极短的时间內完成，才能有效地应对快速移动的