生成对抗网络及其在无人系统中的应用

生成对抗网络(GAN)在无人系统多个层次上的应用提高了其智能化、自主化水平,具有巨大的应用价值和发展潜力。对GAN在无人系统技术中的应用进行了综合评述并且进行了展望。首先介绍了GAN的基本概念、训练方式和传统GAN的模型结构,并且从模型结构的变动、目标损失的变化以及适用的领域等方面详细介绍了深度卷积生成对抗网络(DCGAN)、循环生成对抗网络(CylcleGAN)、生成对抗模仿学习(GAIL)、序列生成对抗网络(SeqGAN)等GAN的8种衍生模型。接着概述了与无人系统OODA回路相关的智能感知、智能判断、智能决策、人机交互等方向上GAN方法的实际应用。最后基于无人系统共性技术的发展趋势,对GAN在无人系统的单体智能、多体或群体智能以及人机混合智能等方向上的应用进行了展望。     

基于循环条件生成对抗网络的数据生成方法

针对军事领域数据采集困难以及数据生成人工依赖性强、成本高、效率低等问题,在生成对抗网络(GAN)框架的基础上,构建长短期循环神经网络(LSTM-RNN)代替生成对抗网络中的生成器和鉴别器,以最大平均差异和最大似然估计作为指标构建数据生成评估模型,提出一种可生成数据序列的循环条件生成对抗网络(RC-GAN).该方法完全依靠数据驱动,无需经过精心设计的建模过程,便可生成与真实数据相一致的数据.通过基于实际数据的仿真实验,验证了该方法在数据相似度、估计误差、抗干扰性以及泛化性方面的优势.     

基于对抗推演的训练样本生成框架

针对军事目标图像智能识别、智能平台对抗等AI算法学习训练缺乏高质量样本难题,提出了一种基于对抗推演的训练样本生成框架。从训练样本的数据格式、作战业务的维度,建立了训练样本分类体系;从样本特征、样本标签两方面,提出了训练样本的表征方法,建立了军事目标图像、目标航迹等训练样本表征模型;建立了基于对抗推演的训练样本生成框架,依据红蓝双方的行为决策模型,开展对抗式仿真推演,积累训练样本数据;以智能空战决策训练样本为典型案例,提出了基于规则与微分方程求解相结合的方法,通过自主对抗模拟产生训练样本数据,支撑智能空战决策AI算法训练。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

基于生成对抗网络的空中红外小目标仿真模型

空中红外小目标在目标检测、目标追踪等军事领域有较高的应用价值,但是其获取成本高昂。在WGAN模型中引入降噪算法改善生成图像质量,同时改进Wasserstein距离惩罚项,提出了一种基于生成对抗网络的空中红外小目标仿真模型（IST-WGAN）,在自建空中红外小目标数据集上训练模型,模型生成的红外图像通过主观判别、FID分值和小目标检测算法验证。结果表明,所提模型能够生成有效的红外小目标样本。     

基于RoBERTa-Span-Attack的标签指针网络军事命名实体识别

军事领域文本中存在大量军事实体信息,准确识别这些信息是军事文本信息提取和构建军事知识图谱的基础性任务。首先,提出了一种基于RoBERTa预训练模型、跨度和对抗训练的标签指针网络的融合深度模型(RoBERTa-Span-Attack),用于中文军事命名实体识别;然后,采用了一种基于Span的标签指针网络,同时完成实体的起止位置和类别的识别任务;最后,在模型训练过程中加入对抗训练策略,通过添加一些扰动来生成对抗样本进行训练。在军事领域数据集上的实验结果表明：所提出的军事领域命名实体识别模型相较于BERT-CRF、BERT-Softmax和BERT-Span,在识别准确度上具有更优的效果。     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。     

干扰抑制类生成式对抗网络

为进一步改善超低频频段的通信质量,在传统改进广义旁瓣抵消算法的基础上,提出新的超低频干扰抑制算法——生成式旁瓣抵消算法。该算法将人工智能研究热点之一的生成式对抗网络模型引入广义旁瓣抵消算法中,通过优化设计生成模型的网络结构及相关超参数,有效地解决了原算法存在的期望信号残留问题,为旁瓣抵消通道中的后级滤波算法提供了与主通道相关性更强的干扰参考信息,从而提高了算法对主通道干扰估计的准确性。为了验证优化后生成模型的有效性以及所提算法对不同类别干扰的抑制能力,在实验室环境下搭建实验平台,设计了多组对照实验。实验结果表明:优化后的生成模型具有较好的生成能力、较好的鲁棒性以及相对较低的运算复杂度；相比于传统改进的广义旁瓣抵消算法,所提算法进一步提高了信号带宽内的信干噪比。     

模拟体系对抗价值链的网络同步模型

描述战斗毁伤"规模效应"的Lanchester模型默认作战体系内部是"完美的"。本文扬弃此假设,首次从作战体系内部"共识"涌现的视角提出了一个模拟体系对抗价值链的网络"同步效应"模型,研究了战场变化、个体/群体认知、自同步与对抗均衡等概念的网络拓扑和权值演化形式,并发现在对抗均衡条件下无标度网络具有"同步脆弱性"。     

R站不确定在双基地雷达对抗中的优势评估

针对"R站不确定是否会给双基地雷达对抗带来优势"这一问题,提出了关于R站不确定对双基地对抗效果影响的定量分析方法。该方法首先构建R站配置位置与双基地对抗效果间的映射关系;然后,利用统计试验的方法,给出R站配置位置服从特定概率分布条件下的干扰效果值,并将其作为输出的待分析数据;最后,对输出数据进行处理,定量评估R站不确定在双基地对抗中的优势。     

反战术弹道导弹（ATBM）攻防对抗过程有关参数计算模型研究

以椭圆理论为基础,在分析攻防对抗数据流程基础上,建立了反ＴＢＭ攻防对抗过程有关参数计算模型。     

典型舰艇编队条件下水声对抗模型及其效果

水面舰艇编队水声对抗模型的正确与否直接影响到编队内舰艇的生存能力.为了提高编队水下鱼雷防御能力和生存能力,重点研究了典型舰艇编队条件下使用助飞对抗器材对抗声自导鱼雷攻击的对抗模型,并对其对抗效能进行了仿真检验.研究结果可为水声对抗器材在舰艇编队条件下的作战使用提供科学依据.     

基于改进反馈神经网络的坦克分队对抗模型

坦克分队对抗效能评估是一个典型的动力学系统问题,而反馈神经网络是一种反馈动力学系统。通过分析影响对抗效能的主要因素入手,建立坦克分队火力对抗效能的评估指标体系,构建改进反馈神经网络对抗模型。通过编制应用程序,对该模型进行实例验证,其结果表明,该模型能够较好地解决坦克对抗的问题,为坦克对抗模型的研究提供了新思路。     

小样本装备软件成本估算相关向量机建模

针对装备软件成本估算时面临的历史数据少的小样本难题,提出把机器学习理论运用到装备软件成本估算研究领域,构建了基于相关向量机的小样本装备软件成本估算模型,采用COCOMO模型数据库中的数据对所构建模型进行训练和验证。为进一步验证所构建模型的合理性,在机器学习领域分别运用支持向量机模型和神经网络模型对相同数据进行估算,实验结果证明了基于相关向量机估算模型在小样本装备软件成本估算时比其他两种模型更精确。     

坦克火力对抗仿真研究

利用"蒙特卡罗"随机模拟方法对坦克火力对抗这一过程进行仿真,得出了近似实战的仿真结果。通过改变作战系统的初始值,还可以获得不同战术背景下理想的、描述了火力对抗结果的基本数据,这对坦克火力对抗中兵力部署和火力控制具有十分重要的意义。     

基于演化网络的体系对抗效能模型

在对Lanchester假设的扩展和网络化基础上,构造了体系对抗战场的图论表示FR,B=红军网络IR∪蓝军网络IB∪交战空间fR,B,利用生成fR,B的随机子网和对参战网络"去点"的方法,提出一种统一表示体系对抗中交战行为与网络行为的模型新范例——体系对抗演化网络模型,模型中网络部队作战效能不但依赖兵力规模和武器性能,而且受网络结构及其战场环境的影响。试验对比了拥有同等作战资源网络体系的作战效能,得到在一个对抗系统中无标度网络对随机网络的胜率高但并非总赢的结论,初步分析了在对抗系统中无标度网有效、鲁棒但脆弱的原因。     

体系对抗仿真建模中的网络模型与交互模型相关问题研究

从信息化战争体系对抗模拟仿真的EBI模型体系出发,界定了体系对抗的网络模型和交互模型的概念,探讨了网络模型和交互模型的建模内容,分析了利用网络模型和交互模型表现体系对抗复杂性的途径,并在探讨体系对抗仿真网络模型和交互模型的关系和相互作用的基础上,提出了一种基于ABM建模方法构建体系对抗网络模型和交互模型的研究设想.     

雷达对抗系统作战能力的评估模型

针对雷达对抗系统的作战能力评估问题,结合其组成及基本作战模式,建立了雷达对抗系统作战能力评价指标体系.基于指标体系中不同的上下层指标间的关系给出了两种不同的聚合模型.采用该模型分析了雷达对抗系统作战能力评价指标体系中各层指标间的聚合关系,得到了雷达对抗系统的作战能力评估模型,实例表明该雷达对抗系统作战能力评估模型具有实...     

一种用于大闭环火控系统的脱靶量预测模型

本文以一组靶场试验数据为依据,分析了文献[1]——[6]中介绍的闭环校正算法在小样本多步预测时存在的问题,对靶场试验数据进行了统计分析,针对小样本多步预测问题建立了简单实用的脱靶量预测模型,并用不同的模型对靶场数据进行了仿真计算。结果表明,新模型对小样本多步预测问题是适用的。