无人机群通信网络态势感知研究现状与发展趋势

来源：核心期刊咨询网时间：2019-10-25 10:2812

摘要：摘要：无人机群作战被认为是颠覆未来战场的新型作战力量，通信网络是牵引着无人机群正常运行的风筝线，是连通无人机群的神经脉络，无人机群通信网络态势(离散状态、全局形势以及演化趋势)信息的高效可靠获取是突破电磁迷雾并取得未来战场制信息权的基础和关

　　摘要：无人机群作战被认为是颠覆未来战场的新型作战力量，通信网络是牵引着无人机群正常运行的“风筝线”，是连通无人机群的“神经脉络”，无人机群通信网络态势(离散状态、全局形势以及演化趋势)信息的高效可靠获取是突破“电磁迷雾”并取得未来战场制信息权的基础和关键。本文从战场网络态势感知、典型无人机群作战项目、无人机群通信网络态势感知研究动态三个方面综述了国内外相关研究现状，分析了当前研究存在的不足，展望了未来发展趋势。

　　关键词：无人机群;通信网络;态势感知;频谱感知;网络结构;态势预测

　　推荐阅读：《铁路通信信号工程技术》(双月刊)创刊于2005年，由铁道部主管，北京全路通信信号研究设计院主办。办刊宗旨是：反映国内外铁路和城市轨道交通领域的近期成果和发展动态。

　　0引言

　　无人机群作战被认为是颠覆未来战场的新型作战力量，已成为世界各国展开激烈竞争的高科技领域之一。在无人机群侦察、无人机群饱和攻击、无人机群遭遇战等典型作战想定下，战场环境相比传统作战更加不透明，战场态势时空变化更加剧烈，战场信息元素种类及其关联更加复杂，敌方、我方、友方目标交错共存，导致战场信息环境往往是复杂不确定的[1-3]。

　　复杂不确定战场信息环境下通信网络态势(离散状态、全局形势以及演化趋势)信息的高效可靠获取是未来作战系统的“卡脖子”类难题，是突破“电磁迷雾”并取得未来战场制信息权的基础和关键，具有重要的科学研究价值和广泛的军事应用前景[4-6]。通信网络态势感知主要涉及无源/被动信号检测、识别与推理技术，在具有隐蔽性的同时，不仅检测对手无人机群电磁信号的有无和分布，而且识别电磁信号的来源和归宿，旨在基于机器学习和人工智能技术实现无人机群通信网络的全面深度频谱测绘成像，可以为作战系统提供频谱侦察预警等电磁支援服务，提升复杂不确定环境下认知对抗水平，使得攻击/防御等后续决策更加有的放矢、事半功倍[7-8]。

　　然而，复杂不确定战场信息环境下的无人机群通信网络态势感知的研究面临着严峻的技术挑战。一是复杂、对抗、非合作、不透明的战场环境下，战场信息数据样本属性呈现多维性和不确定性;二是空天地、敌友我电磁信号复杂耦合，信号识别和检测难度极大;三是动态目标和异常信号的存在与态势估计高精度需求构成了尖锐的矛盾;四是单机资源受限，如何提升单机自主感知与多机智能协同认知能力是国际性前沿难题。

　　围绕无人机群通信网络态势感知这一主题，本文将从战场网络态势感知、典型无人机群作战项目、无人机群网络态势感知三个方面梳理国内外研究现状。在此基础上，分析当前研究存在的不足，展望未来发展趋势。

　　1战场网络态势感知概述

　　现代化战争中，驱散“战争迷雾”并取得制信息权是优化作战决策、决定战场走向的基础和前提，而战场网络态势感知正是建立该优势的关键技术[9-11]。战场网络态势感知的定义众说纷纭，通常认为，战场网络态势感知是指对一定时间和空间环境中的战场态势要素进行感知，并对获得的信息进行理解，进而形成对这些态势要素下一时刻状态的预测推理。美国军方依据网络中心战理念大力推动第二代战场态势感知系统建设，进一步突出体现网络化感知特征。美国联合实验指导委员会提出的战场态势感知模型分为五个层次，即目标精炼、态势评估、威胁估计、过程精炼以及认知精炼，其中信号与目标识别、态势估计、威胁评估构成了战场态势感知的关键技术。

　　复杂战场环境中，空天地、敌友我电磁信号复杂耦合，信号与目标识别面临信息不完备、观测对象高度动态性等挑战，如图1所示。特别是随着电子战的不断发展，越来越多的电子对抗与电子反对抗使得战场的电磁环境变得日趋复杂。这就要对多源信息进行相关性分析，结合已知信息从中估计出信号和目标的属性特征，然后在噪声、干扰、信息提取错误等不确定性因素影响下，对其实现准确识别[12]。

　　在信号与目标识别的基础上，需要提炼当前环境中海量目标与事件之间的聯系，形成鲜明的敌我对抗态势。基于此，判定目标意图，预测下一步趋势。态势估计强调实体自身的时间、空间变化规律和各个实体相互间的通信、因果、隶属关系信息，而威胁估计侧重于依据当前敌我双方的战场环境态势判断在未来一段时间内敌方的威胁程度、敌我双方的攻击能力、敌方的作战意图等[13]。然而，随着电磁设备日益增多，目标的动态性愈发突出，特别是大中小无人机在各种战场环境中的广泛应用，使得战场环境更加复杂且瞬息万变，现有研究存在如下局限：一是没有充分考虑目标的动态变化对数据处理精度、信息更新速度的影响，忽略了敌我对抗中欺骗信号、虚假目标等对态势生成的误导性影响，信号与目标的可靠、快速识别值得进一步深入研究;二是忽略了突发战场情况下感知资源受限、感知数据不完全的问题，有必要思考如何在有限感知能力约束下，利用数据挖掘等方法以算力置换资源，从有限数据中提取出尽可能多的态势信息。

　　近年来，在无人机群作战研究中，美国军方先后设立了山鹄(Perdix)、小精灵(Gremlins)、低成本无人机集群(LOCUST)、拒止环境中协同作战(CODE)、进攻性集群战术(OFFSET)等系列研究项目。本文选取两个典型项目阐述其研发动态。

　　2.1拒止环境中协同作战(CODE)项目

　　无人机在从情报、监视、侦察(ISR)到打击等方面都发挥着重要作用。但大部分无人机都需要专门的远程飞行员、传感器操作人员以及数据分析人员。对人员的需求将限制无人机作战应用的扩展以及无人机作战使用的成本效益。而且在激烈的电磁对抗环境中，针对远程高机动目标使用无人机将非常困难。

　　2014年5月，美国国防部高级研究计划局(DARPA)发布了“拒止环境中协同作战”(CODE)正式邀约(DARPA-BAA-14-33)，旨在使侦察和攻击无人机在电子干扰、通信降级以及其他恶劣运行环境中执行任务时可编队协同工作。

转载请注明来自：http://www.qikan2017.com/lunwen/dzi/14728.html