无人机蜂群通信感知一体化关键技术

无人机蜂群机动性强、易于调度、部署灵活,是未来战场态势互联互通、快速精确打击的重要手段。多无人机“通信感知一体化”将无人机通信和感知两个功能互融在一起,在无线信道传输信息的同时,主动认知并分析信道的特性,感知周围环境的物理特征,使得通信与感知功能相互得到增强。与此同时,深度强化学习将深度学习的感知能力和特征提取能力与传统强化学习的决策能力进行有机结合,解决了智能体决策博弈类的现实问题。将通信感知一体化和深度强化学习应用于多无人机态势感知、信息传递、任务规划、资源调度等,能够为多无人机蜂群系统的发展和实践应用奠定基础。     

空天防御体系及技术发展

随着信息化战争的不断深入,未来信息化战场面临来自空天方面的诸多威胁。在简述空天防御、空天防御系统概念和装备组成的基础上,重点论述了空天防御体系的体系结构、综合集成、技术支撑平台等。最后对空天防御体系及技术发展趋势进行了展望。     

人工智能在空天防御中的应用分析

人工智能技术正蓬勃发展,并在军事领域加速战斗力的生成。本文针对空天防御的作战需求,结合人工智能技术的现状和特点,在提升信息化实战能力的背景下,重点从态势认知、方案生成、智能打击和战场反演等方面进行应用分析,最后探讨了提升人工智能空天防御应用的几个关键途径。     

以智赋能构建现代化空天防御体系北大核心

当前,大国战略竞争态势加剧,“全域联合作战”、“马赛克战”、“分布式防御”等新型作战概念为空天安全对抗带来新的威胁与挑战。以大国战略竞争为背景,分析了现代化空天防御体系的要素齐备性、架构开放性、体系对抗性和能力汇聚性等特征,研究了空天防御体系智能化发展所面临的挑战,给出了空天防御体系智能化发展的重点,提出了未来智能化空天防御体系“运行敏捷化、对抗强健化、管控高效化”的发展愿景,为空天防御体系现代化建设发展提供了新思路。     

深度态势感知与智能化战争

未来战争是人机环系统融合的战争。它不仅仅是智能化战争,更是智慧化战争。未来的战争不但要打破形式化的数学计算,还要打破传统思维的逻辑计算,是一种结合人、机和环境各方优势互补的新型计算-算计博弈系统。本文以智能化战争为背景,探讨了深度态势感知的概念、内涵与模型;介绍了未来战争中深度态势感知模型发挥的作用,即深度态势感知解决了人工智能中的可解释性、学习及常识三个重要瓶颈;最后,介绍了深度态势感知在未来战争中面临的挑战,包括人机环境系统融合问题、战场中的不确定性以及智慧化协同作战的实现。鉴于人机融合智能机制、机理破解以及有效的协同方式将成为影响未来战争的关键因素,深度研究态势感知对预测未来战争走向具备一定借鉴意义。     

【专题】深度态势感知与智能化战争

未来战争是人机环系统融合的战争。它不仅仅是智能化战争,更是智慧化战争。未来的战争不但要打破形式化的数学计算,还要打破传统思维的逻辑计算,是一种结合人、机和环境各方优势互补的新型计算-算计博弈系统。本文以智能化战争为背景,探讨了深度态势感知的概念、内涵与模型;介绍了未来战争中深度态势感知模型发挥的作用,即深度态势感知解决了人工智能中的可解释性、学习及常识三个重要瓶颈;最后,介绍了深度态势感知在未来战争中面临的挑战,包括人机环境系统融合问题、战场中的不确定性以及智慧化协同作战的实现。鉴于人机融合智能机制、机理破解以及有效的协同方式将成为影响未来战争的关键因素,深度研究态势感知对预测未来战争走向具备一定借鉴意义。     

"空天一体防御"体系下的俄罗斯反导防御

随着空天一体作战形态的出现,空天领域的对抗决定未来军事行动的进程和战争的胜败.目前反导防御在俄罗斯大力加强的"空天一体防御"体系建设中仍然处于核心地位.对"空天一体防御"体系下的俄罗斯反导防御存在的问题、发展现状和趋势进行了分析和研究,详细论述了俄军重整升级反导信息保障系统、战略导弹防御系统和战术导弹防御系统的技术方法和内容.     

战场电磁态势融合感知技术框架研究?

为了高效精确感知现代战场条件下的电磁态势,分析了战场电磁态势感知的需求,研究了基于高层信息融合的电磁态势融合感知技术框架。战场电磁态势融合感知技术框架面向异构信息综合处理和融合模型柔性控制,基于电磁实体序列识别形成观测态势,基于作战行动企图估计形成估计态势,基于电磁威胁预测评估形成预测态势,构建现代战场综合电磁态势图。研究表明基于融合理论的战场电磁态势融合感知技术框架具有适应性强、高效精确的特点。     

基于数据挖掘的海战场态势可视化平台构建

可视化和数据挖掘是进行海战场态势评估、实现战场可视化的两项关键技术。海战场态势可视化能提高指挥员的战场态势感知能力,有效辅助指挥员进行当前态势评估和未来态势预测。而数据挖掘技术是对海量战场态势数据进行知识发现的有效工具,基于数据挖掘技术从顶层构建了海战场态势数据可视化挖掘平台,并对其中的各子模块进行了具体研究。     

基于深度学习的战场态势评估综述与研究展望

适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型.     

战场态势感知关键技术研究

信息技术的飞速发展和战场复杂性变化,对态势感知技术提出了新的挑战.伴随着信息融合、数据挖掘、战场可视化等技术的发展,战场态势的内涵得到了极大的拓展.在对态势感知基本概念模型分析的基础上,分析了影响态势感知的因素,并对态势感知涉及到的关键技术研究进展进行了分析,最后对战场态势感知技术的发展提出了展望.     

海战场态势感知能力的度量方法研究

信息域的态势感知能力评估,通常是以融合中心生成的综合态势图为基础,来构建指标进行度量分析.这种度量往往忽略了态势使用用户对感知内容和感知要求的不同需求.在海战场环境下,尝试以各用户获得的感知态势图为基础,结合用户对感知的实际需求,研究了感知能力的三个重要指标:完备性、准确性、时效性,并以系统下所有用户的态势感知来反映最终态势感知能力.对实际作战中军队态势感知能力、信息优势的评估与度量具有参考价值.     

空天防御效能指标及其标准值的确定方法

空天领域的对抗决定了未来军事行动的进程和战争的胜败,空天威胁也已经成为各国国家军事安全的主要威胁.军事强国的全球打击系统、快速打击系统和弹道导弹的迅猛发展使得未来空天防御作战环境越来越复杂,也对空天防御作战提出了更高要求.空天防御是信息化空天时代的主要作战样式之一,是维护国家安全的重要屏障.本文提出了空天防御的充分性准...     

基于预测的战场态势感知信息分发机制

针对目前战术互联网传输能力无法满足态势感知信息传输要求的现状和态势感知信息存在大量冗余的特点,提出了一种基于预测的战场态势感知信息分发机制。通过Qualnet软件对这种方式进行了仿真验证,结果表明在可用带宽紧张时,预测方式相对于原有的周期分发方式,降低了数据的发送量,并能提供更高精度和时效性的态势感知信息。     

面向未来两栖作战的态势智能认知概念框架研究

全面准确地掌握战场态势,是未来两栖作战取得胜利的先决条件。分析了两栖作战对态势智能认知的需求,提出了态势智能认知概念框架,描述了框架各组成部分的功能、作用和主要模型内容,为两栖作战态势感知能力向态势智能认知能力的发展奠定基础,为未来两栖作战提供先决条件。     

基于深度强化学习的作战实体智能感知与决策研究

为解决战场上作战实体的自主感知与决策问题,构建了一种基于深度强化学习的智能感知与决策框架,主要包括态势数据预处理、态势感知、行动优化和知识库4个模块,并通过单智能体无人机突防实验验证其应用效果,为解决作战实体的自主感知与决策问题提供了一种可行的技术途径。     

美国太空态势感知能力建设研究

美国是全球太空态势感知能力的领先者,研究其太空态势感知能力建设,有利于推动新时期我国太空态势感知力量建设、提升太空态势感知力量运用效益。通过研究美国太空目标监视、太空环境监测、太空态势信息整合与处理、太空态势感知作战运用等能力水平,分析了美国在目标监视、特性获取、信息解译、任务分配流程、指挥控制、作战应用等方面面临的现实问题,系统阐明了未来美国太空态势感知系统建设、体系运行、指挥控制能力建设的具体途径,归纳了未来美国太空态势感知能力建设的发展趋势。     

战场态势感知系统评价方法?

战场态势感知系统主要由传感器系统、通信系统以及其他分系统构成,是现代战争系统的基础组成部分。由于战场态势感知活动广泛作用于物理域、信息域和认知域,相关评价研究面临诸多困难和挑战。在介绍战场态势感知系统相关概念的基础上,重点对其评价方法的研究现状进行了综述,并对不同评价方法的特点进行了分析比较,最后,指出了战场态势感知系统评价方法有待进一步研究和解决的问题。     

空天防御作战规划问题研究

从技术与作战结合的角度,系统分析空天防御作战系统和对抗特点等问题,构建了"态势组态—目标排序—目标分配—冲突动态最优预测"新型作战规划方法,提出"博弈控制理论与方法",论述了空天防御作战规划方法论。对空天防御作战规划理论研究有一定参考价值,为发展空天防御作战规划系统提供了研究思路和技术支撑。     

复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。