亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

技術發展的步伐催生了對可容納各種技術組合的開放式系統的需求。現有的研究主要集中在集成成熟技術的模塊化系統的開發上，很少有關于可容納實驗技術的開放式系統的研究。本研究解決的問題是如何評估系統的模塊化和開放性，特別是導彈組件試驗臺的模塊化和開放性。本研究的目的是提出一種評估測試系統架構的方法，以確定其模塊化和開放程度。本研究包括文獻綜述、方法建議、方法實施和結果分析。文獻綜述包括與模塊化和開放性評估相關的著作。提出的方法結合了基于模型的系統工程（MBSE）和評估模塊性和開放性的算法。建議的方法在兩個理論系統和一個測試平臺的四種情況下實施。結果表明，所提出的方法是有效的。所提出的測量方法可以捕捉模塊性和開放性。MBSE 框架為實施評估和生成計算模塊性和開放性指標所需的輸入提供了有效的工具集。應進一步探索利用 MBSE 應用程序的現有功能納入更多指標。還應考慮對 MBSE 應用程序的潛在改進。

模塊化系統引起了工程師、建筑師和設計公司的極大興趣，涉及多個學科。雖然研究主要集中在模塊化系統的開發上，其中包含了廣為人知且相對成熟的技術，但有關可容納實驗技術的開放式系統的研究卻寥寥無幾。與傳統測試相比，模塊化測試系統具有多種優勢，雖然模塊化開放系統的優勢已被充分理解和接受，但很難確定系統的模塊化程度。本研究提出了一種評估導彈實驗組件測試平臺模塊化程度的方法。同時還考慮了接口的標準化和開放性，因為開放式標準接口可以實現更多的模塊化設計并降低集成成本。關于本研究目的的一個重要說明是，它不是模塊化架構設計的規范；相反，它提出了一種評估現有或擬議系統架構的方法，以確定其模塊化和開放程度。

本研究包括文獻綜述、方法建議、方法實施和結果分析。文獻綜述包括與模塊化和開放性評估相關的幾部著作。建議的方法結合了基于模型的系統工程（MBSE）工具和算法來評估模塊性和開放性。建議的方法在理論系統以及導彈組件測試系統的實例中實施，分為四種情況，尤其關注測試臺子系統。

文獻綜述包括介紹和討論與系統和組件模塊化、模塊化分析和系統架構相關的幾部著作。文中介紹并討論了模塊化的定義、模塊化的測量方法以及可用于輔助測量的工具。雖然本章介紹的方法并未全部納入最終提案，但它們與模塊化評估相關，值得考慮。

評估模塊化程度需要對模塊化一詞進行定義。本研究將模塊化系統定義為那些其組件顯示出高度功能隔離和可分離性的系統。評估導彈組件試驗臺的模塊化程度需要對其組件進行建模。本研究采用基于模型的系統工程（MBSE）工具來表示系統，更好地理解系統的交互和接口，并生成用于分析評估系統模塊化程度的數據。建議的方法首先應用于兩個理論系統模型--一個在設計上基本是整體的，另一個在設計上基本是模塊化的。整體式系統的特點是連接度高，各組成部分之間缺乏功能獨立性，而模塊式系統的連接度較低，各組成部分之間的功能配對明顯。將所提出的方法應用于這些系統，可以解決有關模塊化測量有效性的問題。

然后，將該方法應用于導彈組件測試系統，重點關注四個不同環境下的導彈組件測試臺子系統。首先討論頂層系統模型，即 “導彈組件測試系統”。它有助于了解試驗臺在整個系統中的作用。然后對試驗臺本身進行建模，并在飛行試驗、帶有前端試驗的彈體試驗部分以及彈體和前端試驗部分中進行討論。此外，還對地面試驗進行了建模和討論。

結果表明，所提出的評估導彈部件測試系統模塊性和開放性的方法是有效的。在 MBSE 應用程序中創建的系統模型的數據可以導出和處理，以推斷組件和系統級模塊化。通過對不同系統配置的指標進行比較，可以確定潛在的設計改進措施，以及實現合理接口標準化的機會。未來的工作還有很多機會。應探索利用 MBSE 應用程序的現有功能納入更多指標的進一步工作。通過開發與本建議中使用的模型信息相同的算法，有可能獲得有關系統和組件級模塊化的更多見解。此外，還有機會改進分析中使用的 SysML 應用程序以及類似的應用程序。

由于全球定位系統在室內容易受到干擾和失去覆蓋范圍，因此在全球定位系統缺失的環境中進行可靠導航仍然是自主無人系統面臨的一項挑戰。本研究通過將卷積神經網絡（CNN）與視覺傳感器集成，研究如何在不依賴 GPS 的情況下實現實時姿態估計，從而解決無人地面車輛（UGV）面臨的這一挑戰。針對位置和航向估算實施了雙 CNN 架構，并在具有相應姿態的大量圖像數據集上進行了訓練。通過與改進的勢場算法集成，實現了周期性漂移估計和校正。其中一個主要貢獻是用于漂移校正的世界表示調整方法，該方法可根據 CNN 估計值動態調整航點位置。利用這種方法，在受控環境中實現了連續多圈的成功導航，大大提高了沒有漂移校正的基線性能。這項研究的結果表明，通過這種方法可以大大降低自主導航系統對全球定位系統的依賴性，從而有可能提高無人系統對電子戰戰術的應變能力，使其能夠在有爭議的環境中持續運行。

美海軍部（DON）無人作戰框架強調了海軍部 “投資于先進自主和無人系統 ”的承諾。隨著這些技術的進步和實施，無人系統對可靠定位能力的依賴程度也在增加。然而，在干擾和欺騙等電子攻擊成為普遍威脅的有爭議環境中，期望全球定位系統（GPS）成為可靠的定位手段變得不那么可行。此外，在室內環境或衛星能見度有限的區域工作時，GPS 的可靠性也會降低。隨著無人駕駛系統的使用日益增多，在 GPS 無法使用或不可靠的情況下，有必要提供替代解決方案。

隨著無人駕駛系統的分布越來越廣，相互連接越來越緊密，GPS 拒絕或欺騙所造成的脆弱性也隨之加劇。定位中的單點故障會產生連鎖效應，降低整個系統的能力并增加風險。因此，為自主輪式無人飛行器探索可靠、精確的導航技術至關重要，這種技術可在 GPS 信號被屏蔽的環境中有效運行，確保無人駕駛行動在有爭議的復雜場景中繼續取得成功。

這項研究旨在為在室內環境或 GPS 信號不可靠或不可用的地區運行的無人潛航器開發一種穩健的導航解決方案。該方法將利用兩個主要來源的數據：車輪編碼器和視覺傳感器。車輪編碼器數據將使用死算模型進行處理，而 CNN 將用于分析視覺傳感器數據。通過將這些技術相結合，該系統將實現無需 GPS 的同步自主導航。這種方法的一個關鍵方面是實時激活 CNN，CNN 可以解釋環境的獨特特征，并相應地引導 UGV。

這項研究的范圍包括利用深度學習技術為 UGV 開發無 GPS 定位和導航解決方案。將通過 P3-DX Pioneer 機器人系統在室內實驗室環境中使用模擬 UGV 進行廣泛的驗證和測試。不過，某些領域被認為不屬于本研究的范圍。其中包括路徑規劃算法的開發，因為車輛將使用現有的反應式自主方法。此外，除視覺數據外，也不會考慮探索其他傳感器模式。研究重點將不是在有移動障礙物的高動態環境中進行導航。預計面臨的主要技術挑戰是優化計算時間以實現實時性能、減少長時間漂移以及在激烈機動過程中保持定位精度。在項目限制條件下，將盡可能利用和調整現有技術和算法，以最大限度地提高魯棒性。

本論文共分五章，每一章都側重于研究的一個特定方面。第 2 章：“背景 ”通過介紹和解釋與論文工作相關的基本概念，為研究奠定了基礎。本章包括對該領域現有文獻的全面回顧，重點介紹了當前的技術，并指出了本研究要解決的差距。

第 3 章：“方法與實驗設計 ”介紹了論文工作中采用的方法和手段。它詳細描述了實驗中使用的硬件組件和實施的具體算法。本章還討論了實驗設置、數據收集過程以及用于評估所提解決方案性能的評價指標。

第 4 章：“結果與分析 ”主要評估本研究中開發的 CNN 的性能。本章介紹了獲得的實驗結果，并對結果進行了深入分析。本章還包括圖表等可視化內容，以支持對結果的解釋。本章討論了所提方法的優勢和局限性，并將結果與文獻中的現有方法進行了比較。

第 5 章：“結論與未來工作 ”總結了論文研究的主要發現和貢獻。本章強調了這項工作的意義及其對自主導航和定位領域的潛在影響。此外，本章還確定了未來的研究領域，并為進一步改進和擴展所提出的方法提供了建議。

最后，為簡潔起見，“UGV ”和 “機器人 ”這兩個術語在本論文中交替使用。

圖 3.8. 增強型數據存儲過程的可視化表示，這是 CNN 訓練的準備階段。這既減少了圖像所需的存儲空間，又為 CNN 訓練過程保持了適當的預期輸出響應。

人工智能的最新進展為研究自主空對空作戰提供了機會。本研究考慮了一個單對單空戰機動問題（ACMP），其中友方自主飛機必須在超視距（BVR）環境中與敵方自主飛機交戰并擊敗敵方自主飛機。馬爾可夫決策過程描述了 BVR-ACMP 的特征，提供了一個數學建模框架，用于確定高質量的決策策略，使友方自主飛機能夠做出智能機動和導彈發射決策。高級仿真、集成和建模框架（AFSIM）對 BVR 空中格斗中使用的飛機的復雜和相互依存的操作進行建模，包括運動學以及傳感器和武器使用。BVR-ACMP 中的狀態和決策變量具有高維度和連續性的特點，因此無法使用精確的求解程序。相反，采用了強化學習（RL）求解程序，實施線性值函數近似方案來表示狀態-決策對的值。創建了一個具有代表性的中性起始狀態場景，用于訓練友好型自主飛行器和評估 RL 求解方法的性能。通過設計實驗來確定友機特性如何影響求解程序所獲得的策略。在評估各種飛機參數重要性的實驗中，進行了兩階段超參數調整實驗，以獲得超級策略。為了了解友機如何利用從 BVR-ACMP 文獻中獲得的固定策略擊敗敵機，考慮了幾個案例研究，并檢查了 RL 求解方法確定的高質量機動和射擊策略。結果驗證了在AFSIM中使用RL求解方法訓練自主飛機的可行性，并為未來研究人員利用AFSIM的建模能力研究更復雜的空戰場景提供了途徑。

技術進步和創新使現代軍隊的作戰能力不斷提高。美國軍方認識到，人工智能（AI）的發展為維持空中優勢帶來了越來越大的安全風險（Morgan 等人，2020 年）。美國空軍（USAF）的主要任務是空中優勢，即在友軍行動不受敵方干擾的情況下實現空中優勢（美國空軍部，2016 年）。人工智能的崛起為敵方戰斗人員以前所未有的方式破壞美國空軍的空中優勢目標提供了機會。Hoadley 和 Lucas（2018 年）指出，人工智能技術為軍事行動帶來了獨特的挑戰，因為絕大多數人工智能研究都發生在私營部門。因此，美國空軍已通過國防高級研究計劃局（DARPA）調查的倡議認識到，它必須在空對空作戰領域利用人工智能的進步。眾所周知的 F-16 飛機已經接受了人工智能方法的訓練，可以在測試試驗中自主飛行并執行各種任務（馬丁，2017 年）。

目前，一些國家正在對人工智能技術民主化后建立的半自動飛機進行飛行測試。Byrnes（2014）得出結論認為，這些自主飛機代表著空戰戰術新一天的到來。2015 年，美國前海軍部長表示，F-35 幾乎肯定會成為最后一種有人駕駛的戰斗機（LaGrone，2015）。通常情況下，飛機由人類飛行員在空中或通過無人機系統控制。由人類飛行員在空中控制的飛機面臨著基于人體機能的限制。不受人類飛行員限制的飛機有可能承受以前無法想象的機動動作（Halpern，2022 年）。美國國防部研究機構的 “空戰進化 ”項目計劃于 2024 年在四架由人工智能控制的飛機之間進行一次空對空實戰演習。盡管這些演習只是初步的，但如前所述，在不遠的將來，各國軍隊使用人工智能增強型飛機來對付敵人并非不可想象。

從第一次世界大戰到 20 世紀 50 年代中期，空對空作戰的形式是視距內（WVR）空戰，也稱為 “狗斗”。WVR 空戰要求飛行員操縱飛機部署火炮摧毀目標。20 世紀中期的武器發展包括紅外（IR）和雷達制導導彈。制導導彈的首次使用是在 1958 年 9 月（Stillion，2015 年）。這些導彈允許在超視距（BVR）環境下進行攻擊，在這種環境下，敵人可以被摧毀，而無需像在 WVR 環境下那樣機動到有利位置使用火炮。現在，BVR作戰占據了空對空交戰的大部分（Stillion，2015）。因此，美國空軍的當務之急是充分利用在飛機探測、傳感和空對空導彈（AAM）方面取得的技術進步，獲取并保持空中優勢。

過去，由于缺乏敵我識別（IFF）能力，BVR 技術的進步及其實施受到了限制。在 BVR 環境下，無法識別飛機是敵是友會讓飛行員猶豫不決（Stillion，2015 年）。IFF 技術不斷進步，使飛行員能夠在遠程 BVR 環境中辨別飛機是敵是友（Stillion，2015 年）。基于這一現代現實，Stillion（2015）預計空對空作戰將趨向于傳感器技術和遠程信息的較量，而不是飛機速度和機動性的較量，而速度和機動性在 WVR 空對空作戰環境中是非常可取的。

隨著傳感器技術的進步，為 BVR 空戰部署的反坦克導彈可使飛行員增加可能的摧毀射擊集，而不受 WVR 武器的限制。使用反坦克導彈的一個顯著特點是知道應在何時何地發射反坦克導彈以摧毀敵人。一個有用的概念是 “無逃逸區”，在這一區域內，無論是否有任何機動逃逸嘗試，導彈都有近乎確定的概率擊中敵方目標（Neuman，1988 年）。因此，人工智能方法可以發現人類飛行員過去可能沒有考慮或利用的信息，從而了解最佳的反坦克導彈發射時間。然而，人工智能的使用是雙向的。摩根等人（2020 年）指出，對手可以利用人工智能方法來顛覆部署人工智能技術的組織的目的。

此外，軍用人工智能對美軍構成了獨特的威脅，因為美軍并不壟斷該技術。美國國防部對《2022 年國防戰略》的總結肯定了這一現實，其中觀察到俄羅斯和中國等國家為在各自軍隊中利用人工智能進行了大量投資（United States Department of Defense, 2022）。因此，如果美國及其盟國希望在現代保持空中優勢，那么人工智能在國防領域的發展就必須繼續下去。

人工智能技術（或更具體地說，機器學習）性能的基礎是自主系統用于 “學習 ”的訓練經驗（Jordan and Mitchell, 2015）。訓練自主系統的一種方法是基于規則的邏輯，即在給定一組信息要素的情況下，自主智能體根據預先設定的選擇做出決策。一旦知道了智能體將要做出的舉動，這類人工智能就很容易被打敗。同樣，新的智能行為也不是通過簡單地將已知信息嵌入人工智能體內部就能獲得的。為了應對軍事領域自主系統所面臨的難題，人工智能需要提供新的信息，為用戶帶來優勢。

與基于規則的邏輯相比，更好的方法是用強化學習（RL）來訓練自主系統。強化學習是智能體發現哪些行為能給它們帶來最大回報的過程（Sutton 和 Barto，2018 年）。正如摩根等人（2020 年）所說明的，RL 非常適合復雜的游戲式場景，在這種場景中，學習智能體可以利用游戲環境的優勢來發現制勝策略。例如，RL 可以訓練計算機智能體在最復雜的活動中擊敗人類冠軍，如經典的圍棋游戲（Silver 等人，2016 年）。即便如此，這些擊敗冠軍的智能體也可能被另一個通過 RL 訓練的智能體利用對手的策略擊敗（Silver 等人，2017 年）。研究人員利用空對空作戰的博弈特性，使用博弈論對其進行建模（Austin 等人，1990 年）。由于空對空作戰非常適合建模，而 RL 已被證明能夠為決策者提供高質量的行動，因此在研究中使用 RL 是非常合適的。

因此，試圖模擬在一對一（1v1）BVR 戰斗中的自主無人戰斗飛行器（AUCAV），在這種戰斗中，AUCAV 做出機動和武器部署決策以擊敗對手飛機。采用 RL 技術優化 AUCAV 的能力，以生成這種智能體。制定了一個無限視距、貼現馬爾可夫決策過程（MDP）模型來模擬這一場景。馬爾可夫決策過程是一種順序決策模型，用于確定基于系統環境的最優決策（Puterman，2005 年）。順序決策問題可通過 RL Powell (2022) 求解。本研究采用無模型 RL 算法 Q-learning 來確定最佳決策策略。

RL 算法與仿真、集成和建模高級框架（AFSIM）（West 和 Birkmire，2020 年）相連接。AFSIM 為RL 智能體提供了訓練和獲得高質量解決方案的環境。在美國國防部，AFSIM 是標準的任務級仿真工具（Zhang 等人，2020 年）。由于它是面向對象和基于智能體的，AFSIM 為實施 RL 解決方案程序提供了理想的基礎，同時還包含了兩架競爭飛機的必要領域信息。利用 Python 編程語言來構建算法，并與 AFSIM 接口，以測試和訓練智能體。

本研究旨在填補 BVR 空中格斗場景 RL 解決方案方面的文獻空白。從 McGrew 等人（2010 年）開始，空戰機動問題（ACMP）被證明可以通過 ADP（即基于模型的 RL）求解。Yang等人（2019）、Wang等人（2020）、Pope等人（2021）和Crumpacker等人（2022）將McGrew等人（2010）的研究擴展到了高保真模型和不同的ADP求解程序。不過，McGrew 等人（2010 年）的研究以及他們的延伸研究考慮的是可視范圍內（WVR）的設置。貢獻包括采用無模型 RL 求解程序來解決 1v1 BVR-ACMP 問題，這在 ACMP 文獻中尚未成為研究對象。此外，還探討了不同環境問題特征的重要性，以及它們在使 AUCAV 戰勝敵方 AUCAV 方面的能力。

本論文的其余部分安排如下。第二章概述了與 ACMP、一般 AAM 和 AAM 控制相關的文獻、用于解決以前版本 ACMP 的求解程序，以及與無模型 RL 算法相關的文獻。第三章介紹了BVR-ACMP 和相應的 MDP 模型表述，以及用于為AUCAV 尋找高質量決策策略的 RL 求解程序。第四章介紹了用于訓練AUCAV 的計算實驗結果，同時還分析了AUCAV 在訓練過程中獲得的決策策略。第五章總結了研究，并提供了未來研究的潛在途徑。

無人水面艦艇（USV）的編隊控制算法通常需要利用射頻（RF）通信網絡來確定艦艇之間的距離和方位，以保持編隊狀態。無論是 USV 之間還是每艘 USV 與集中式編隊控制器之間的射頻信號，都很容易被敵方行動探測和破壞，因此無法采用典型的編隊控制方法。這項研究通過模擬具有計算機視覺能力的 USV，使現有的控制算法分散化，這些 USV 能夠確定與蜂群中其他 USV 的距離和方位。將對分布式控制算法的性能進行分析，以確定具有不同視場的模擬攝像機的影響，以及不同的所需蜂群行為。

《水下航行器：設計與應用》首先探討了自適應卡爾曼濾波算法在高速自主水下航行器（AUV）動態估算中的應用。

作者研究了在低慣性水下航行器上實施的不同控制方案的性能，包括非基于模型、基于模型和基于自適應模型的控制方案，用于三維螺旋軌跡跟蹤。

考慮到水下航行器使用傳感器檢測到任意形狀和非凸面障礙物的情況，介紹了在三維環境中避免碰撞的控制法則。

采用過程噪聲協方差校正（Q-適應）的漸變卡爾曼濾波器（AFKF）估算 AUV 動態。

第 1 章中提出的方法基于傳統 KF 算法的適應方案，通過引入單個或多個衰減因子來檢測和修正噪聲協方差的變化。盡管系統存在不確定性，但所提出的 AFKF 算法仍能提供精確的估計結果。所提出的 AFKF 算法簡單實用，計算負擔不重。這些特點使得所介紹的 AFKF 算法在為高速 AUV 控制系統提供可靠的參數估計方面極為重要。考慮到 AUV 通常在惡劣的環境中使用，系統輸入/參數極有可能出現故障，因此采用所提出的 AFKF 算法而不是傳統的 KF 算法可能會帶來顯著優勢。

第 2 章研究了不同控制方案的性能，從非基于模型的（比例-積分-派生控制，PID）到基于模型的（計算扭矩控制，CT）以及基于模型的自適應（自適應比例-派生加控制，APD+），這些方案都在低慣性水下航行器上實現，用于三維（3D）螺旋軌跡跟蹤。然后，基于 Lyapunov 直接法證明了每種控制方案所產生的閉環動力學的漸進穩定性。然后，通過基于場景的數值模擬，演示了在 Leonard 水下航行器上實施三維螺旋軌跡跟蹤的控制方案的性能。所提議的模擬在以下因素的影響下進行：潛水器的浮力和阻尼變化、參數變化；傳感器噪聲、潛水器內部擾動；以及水流、外部干擾抑制。此外，作者還演示了飛行器在執行水下任務時運送物體的任務。仿真結果表明，APD+ 控制方案對海洋應用中低慣性水下航行器的跟蹤控制具有有效性和魯棒性，優于其他控制器。

在三維環境中避免碰撞對于規劃自主飛行器的安全軌跡問題非常重要。關于避免碰撞的現有文獻假定障礙物的形狀是先驗已知的，并將障礙物建模為球體或邊界框。然而，在三維環境中，自動駕駛車輛并不知道障礙物的形狀，車輛會使用三維傳感器（如三維聲納）檢測障礙物的邊界。

在第 3 章中，作者介紹了避免碰撞的控制法則，考慮了航行器使用傳感器檢測任意形狀和非凸面障礙物的情況。此外，在設計控制法則時還考慮了運動約束，如車輛的最大轉彎率和最大速度。使用 MATLAB 仿真驗證了控制法則的有效性。

在航運交通中對無人潛航器（UUV）進行探測、分類、定位和跟蹤（DCLT）是被動聲學港口安全系統的一項關鍵任務。一般來說，船舶可以通過機械振動和空化噪聲產生的獨特聲學特征進行跟蹤。然而，UUV 的空化噪聲比船舶和船只要小得多，這就大大增加了探測的難度。本論文在淺水實驗中使用固定陣列與過往船只一起演示了利用 UUV 的高頻電機噪聲被動跟蹤 UUV 的可能性。首先，通過對兩艘 UUV 在不同速度下的直接測量，確定了高頻音的成因。通過分析，確定了噪聲的共同主要特征：電機脈寬調制頻率及其諧波的強音。根據馬達的獨特聲學特征，推導出了一種高精度遙感方法，用于估算螺旋槳的轉速。在淺水無人潛航器現場實驗中，證明了與來自飛行器的寬帶噪聲相比，通過電機噪聲探測無人潛航器可將誤報率從 45% 降低到 8.4%，真實探測率為 90%。與寬帶噪聲相比，對電機噪聲進行波束成形可將方位精度提高 3.2 倍。由于信號也是高頻的，因此可以觀察到電機噪聲的多普勒效應，證明測距率是可以測量的。此外，與 "噪聲包絡調制檢測 "算法相比，測量電機噪聲是一種估算螺旋槳轉速的更優方法。從電機特征推斷多個測量值意義重大，因為軸承-多普勒轉速測量值優于傳統的軸承-多普勒目標運動分析。在無特征卡爾曼濾波器的實施中，軸承、軸承率、測距和測距率的跟蹤解精度分別提高了 2.2 倍、15.8 倍、3.1 倍和 6.2 倍。這些發現對于改進無人潛航器定位和跟蹤以及為下一代靜音無人潛航器推進系統提供參考意義重大。

圖 2-3：柴油發動機內部如何產生機械噪音的示意圖。

戰術光纜連接航空指揮和控制系統，以協調空域作戰。在為支持作戰節奏而轉移到其他戰場陣地時，戰術光纖會妨礙單元的機動性。本論文旨在評估用本地 5G 無線通信網絡取代或增強連級單元戰術光纖的可行性，以提高作戰后勤、機動性和最終的殺傷力。本論文研究了與 5G 網絡相關的技術，以及與目前戰術光纖實施方式相比正在進行的實驗。論文還探討了在動態作戰環境中如何使用 5G 網絡，在這種環境中，有效的數據傳輸必須與允許用戶快速移動保持平衡。研究分析了帶寬、范圍、延遲和后勤方面的考慮因素，以評估實施本地 5G 無線通信網絡的可行性。6 GHz 以下頻率可提供取代戰術光纖所需的功能，但需要進一步開發戰術設備才能有效實施。毫米波技術在技術上還不夠成熟，無法投入實戰。要為 5G 網絡開發出安全的框架，還需要進一步的研究、開發和實地測試，但這些能力為戰術光纜提供了一個前景廣闊的替代方案。

該項目為與使用無人系統支持分布式海戰（DMO）有關的作戰概念和系統設計決策提供信息。研究通過系統地改變仿真模型中的系統設計特征和作戰活動，支持對無人系統（UVC）進行能力級分析。分析結果表明，UVC 可提高各種無人系統的作戰可用性（Ao）和使用時間（TOS），因為它可隨時進入維護、加油和重新武裝設施，而無需長時間前往岸基設施或分布式支援艦艇。在比較使用 UVC 的配置與在自適應兵力包 (AFP) 中分配無人系統支持的配置時，單個無人系統的 Ao 提高了 6% 到 31%。仿真模型分析確定了 UVC 架構，其中包括至少 8 個無人機發射回收站、至少 3 個船舷托架和至少 5 個甲板井托架，以最大限度地提高 Ao。

在支持分布式海上作戰（DMO）時，無人系統有可能發揮兵力倍增器的作用，在提高殺傷力的同時降低有人系統的風險。然而，無人系統到岸基維護、加油和重新武裝設施的轉運時間減少了可用于支持執行 DMO 的自適應兵力包（AFP）的總體駐扎時間（TOS）。本項目研究了無人水面艦艇 (USV)、無人水下航行器 (UUV) 和無人機 (UAV) 在美國海軍現有艦艇上的集成問題，該艦艇已被重新改裝為無人載具 (UVC)。在本報告中，"UxV "一詞用于描述無人系統這一類別。

如 Van Bossuyt 等人（2019 年）所述，項目團隊采用了系統定義、系統建模和系統分析的通用系統工程流程序列。在系統定義過程中，項目團隊重點開發了作戰概念（CONOPS），并定義了 UVC 的系統要求。系統建模活動的重點是構建 UVC 的離散事件仿真模型。在系統分析階段，團隊利用所開發的模型來評估 UVC 的各種設計參數對每種無人系統類型的運行可用性（Ao）的影響。

A. 系統定義

在系統定義階段，從自上而下和自下而上的角度開發和考慮了 UVC 要求。從自上而下的角度來看，團隊分析并確定了滿足總體任務有效性目標所需的能力，而與任何現有的候選平臺無關。從自下而上的角度來看，團隊評估了一艘登陸直升機船塢（LHD）艦，以確定該平臺可實現的最大 UVC 能力。通過查閱文獻和分析利益相關者的需求，項目團隊確定了 UVC 的以下關鍵能力：指揮與控制 (C2)、UxV 發射、UxV 維護和 UxV 回收。根據設想，UVC 將包括著陸甲板無人機發射和回收站、無人機維護/布防/燃料艙、用于大型 USV/UUV 操作的船舷艙或站，以及用于小型 USV/UUV 操作的井甲板艙。

B. 系統建模

項目構想將 UVC 視為針對地面和岸上敵對兵力實施 DMO 的 AFP 的一部分。UVC 的作用是支持 UxV 對敵方岸基導彈基地進行偵察和打擊。在打擊階段之前、期間和之后，UxV 提供全天候的情報、監視和偵察（ISR）、目標定位和戰損評估服務。UVC 的總體目標是通過消除到岸基支持設施的較長運輸時間來增加 UxV 的全時服務時間。為實現這一總體目標，研究小組選擇 "航程 "和 "持續停留時間 "作為性能指標（MOP），并選擇 "UxV 任務時間"、"UxV 停機時間 "和 "維護灣利用率 "作為效果指標（MOE）。

設計并開發了一個離散事件仿真模型，用于分析 UVC 設計參數對 MOP 和 MOE 的影響。該模型是通過 ExtendSim10 建模程序開發的。該模型包括 UxV 發射和回收、UxV 維護活動以及 UxV 重新武裝和加油活動。UxV 的發射時間表和總模擬運行時間是根據擬議的 UVC CONOPS 制定的。目前，該模型并未考慮 UxV 的損失或故障；這是未來可能開展工作的一個領域。模型的主要輸出是每種 UxV 的 Ao。

C. 系統分析

為了廣泛探索實驗空間，同時減少試驗總數和模型運行時間，我們專門設計了一個填充空間的拉丁超立方設計。每次試驗重復模擬 30 次并收集結果。合并所得的 Ao 值，得出每個試驗的統計平均值。

分析結果表明，UVC 可隨時提供維護、加油和重新武裝設施，而無需在岸基設施或分布式支援艦艇之間進行長時間的轉運，從而改善了每種 UxV 的 Ao 值和 TOS 值。對于任何特定的 UxV，通過增加 UVC 發射、回收和維護站的數量，從而消除或減少這些服務的排隊時間，可獲得最大的 Ao。分析表明，UVC 在設計時應至少配備 8 個無人機發射/回收站、至少 3 個船舷托架和至少 5 個焊接甲板托架。這些參數沒有確定上限，這也是未來研究的一個潛在領域。

有趣的是，雖然 UVC 的存在改善了大型無人水面艦艇（LUSV）的航速，但 UVC 的實際設計似乎對 LUSV 的航速沒有影響。這可能是由于 LUSV 的假定任務持續時間長，假定維護間隔長，因此不可能出現任何排隊現象。單個船側停泊區似乎足以為多艘 LUSV 提供服務，但即使是單個船側停泊區，也可通過消除到岸基設施的轉運時間來改善 Ao。

本論文論證了將小巧、輕便、低成本的商用現貨（COTS）多光譜傳感器集成到小型戰術無人機系統（UAS）中的可行性，以增強對偽裝目標和戰場異常的探測能力。與目前設計中使用的普通電子光學和紅外傳感器（EO/IR）相比，這種能力增強了對此類目標的探測能力。

無人系統在現代軍事行動中應用廣泛，可為戰場指揮官和軍事規劃人員提供新的或增強的能力和作戰概念。它們的主要優勢在于能夠以更高效、規避風險和低成本的方式執行枯燥、骯臟和危險的任務。由于這些原因，無人系統，特別是無人機系統，如今正在執行大多數監視和偵察行動，在所有作戰層面提供必要的情報。

為了應對在現代戰場上擴大使用戰術和戰區級無人機系統進行偵察和監視的情況，地面兵力正在加大力度隱藏其資產，使用偽裝，或利用地形和植被。此外，正規軍和非正規軍廣泛使用地雷和簡易爆炸裝置，對地面部隊構成重大威脅。這些戰術給情報搜集行動帶來了新的挑戰，需要新一代無人機系統加以解決，特別是在戰術層面。

在過去的十年中，多光譜成像技術不斷發展，提供了結構緊湊、成本低廉的傳感器，可增強戰術無人機系統的能力，使其能夠擊敗偽裝，探測普通傳感器無法看到的戰場異常情況。與普通成像傳感器相比，多光譜設備可在可見光和紅外光譜的特定窄波段內成像。此外，多光譜設備還能利用不同材料在這些波段中的吸收和反射率差異，對這些波段進行算法融合。

這項研究旨在回答兩個研究問題，要求探索 COTS 多光譜傳感器探測偽裝人造目標或戰場異常的能力，并將其性能與 RGB 和全色傳感器進行比較。為了回答這些問題，我們使用集成在小型戰術級無人機系統中的多光譜傳感器對偽裝目標進行了幾次實驗性飛行。從這些飛行中收集的數據被用來評估傳感器的性能，并探索融合多光譜數據和生成成像產品的方法。

利用 MATLAB 編程環境開發了一種算法，以實現多光譜數據的融合。該算法可對各個多光譜波段數據進行對齊，并實施三種融合方法。使用歸一化差異植被指數（NDVI）、彩色紅外（CIR）和歸一化差異紅邊藍邊指數（NDREB）對多光譜數據進行融合。歸一化差異植被指數廣泛用于商業農業應用，以區分植被和環境。CIR 還能在多色成像中突出植被。最后，NDREB 是為本論文開發的，它利用了人造目標與環境在紅邊和藍帶反射率上的差異。

對實驗飛行所收集數據的解讀證明，COTS 多光譜傳感器能夠探測偽裝目標和戰場異常，其性能優于普通的 EO/IR 傳感器。此外，還在多個目標場景中評估了所使用的三種融合方法的性能。最后，確定了當前算法在實時操作方面的局限性。成功評估了低成本、緊湊型多光譜傳感器在探測偽裝目標方面的性能，為其在戰術無人機系統中的應用提供了概念證明，并為該領域的未來研究奠定了基礎。

作者正在研究分布式雷達在穿墻感應中的應用。這項技術的預期操作場景是在建筑物外的（安全）遠程距離內探測和識別建筑物內的人員和武器裝備。本研究使用的雷達結構和信號處理算法類似于美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）實施的埋藏和隱蔽表面目標探測的設計；目前的雷達發射和接收頻率更高。

在這項研究中，實驗是在ARL的阿德爾菲實驗中心（ALC）507號樓（"沙盒 "區域）進行的，使用的是室內低金屬兩層夾板結構。用來測試分布式雷達的受控環境與用來測試ARL針對電子目標的諧波雷達的低金屬環境相同。

圖1 步進頻率雷達收發器：(a)賽靈思的RFSoC與Alion/HII的雷達固件，以及(b)定制的發射器/接收器（Tx/Rx）濾波器和放大器PCB，由28VDC供電

結論及后續工作

本研究中收集的數據表明，在低矮的金屬建筑中，相互成直角的天線對能夠探測到多個移動目標，而這些目標從建筑外是看不到的。隨時間變化的距離圖顯示了目標所遵循的路徑；在一個頻道中跟蹤的目標路徑的模糊性可以通過在另一個頻道中跟蹤同一目標來緩解。仍需努力將同時收集的數據的IQ振幅一致地結合起來，以解決多個目標。一個目標是在二維（下行和上行）圖像上繪制目標位置，也許是以視頻動畫的形式疊加在場景的俯視圖上（即被成像的建筑物的典型平面圖）。在對移動目標進行成像時，發射器和接收器天線的雙穩態配對是否具有優勢（與標準的單穩態發射器天線配對相比）還有待確定。