在這項工作中，我們解決了雷達波形優化和目標跟蹤的問題。提出了一種基于控制論方法的優化波形設計和目標跟蹤算法，其中波形參數是通過最小化跟蹤均方誤差（MSE）而自適應設計的。在這項工作中，采取了幾種方法來提高雷達跟蹤性能。首先，卡爾曼濾波器被用來估計目標位置，用它來優化波形參數。實驗結果表明，所提出的算法有能力在笛卡爾空間內跟蹤飛行目標，它提供了對目標位置和目標速度笛卡爾矢量以及徑向速度的準確估計。該算法根據估計矢量在飛行中調整波形參數。在文獻中，多普勒效應理論被大量用于估計目標速度。在某些條件下，如跟蹤高速目標或惡劣的海洋和天氣條件下，多普勒效應就不那么有效。因此，在這第一個方法中，引入了一種依賴于卡爾曼濾波估計的算法，而不依賴于多普勒效應。一個具有實時自適應參數的低通濾波器被應用于估計的速度矢量，并提取準確的速度估計。此外，從一個現實的角度來解決雷達跟蹤問題，承認目標運動不能像我們提出的使用卡爾曼濾波器那樣用矩陣來描述，因此引入了交互式多模型算法來估計目標位置。通過模擬，我們證明了所提算法的良好性能，并證明波形優化可以提高雷達的跟蹤性能。最后，考慮從兩個天線而不是一個天線收集信息，并使用其中一個數據融合算法，以及IMM算法，我們能夠減少跟蹤誤差，并為跟蹤問題提供一個更穩健可靠的解決方案。

圖 1. 大腦/認知雷達感知-行動周期。

認知被定義為參與認識、學習和理解事物的心理過程。這個定義介紹了定義CR的三個主要成分：

• 系統與環境持續互動并感知其地標的能力，包括潛在的目標和障礙物；這使得相控陣天線成為CR的主要組成部分，因為它們能夠快速掃描環境。

• 智能地處理接收到的回波，并提取有關目標和周圍環境的測量值的能力。

• 能夠提取有關目標和環境的信息，并相應地使用它來做出有關波形和目標運動估計的決定。

認知型雷達在某種程度上模仿了大腦的學習方式，并根據感官采取行動，遵循一個類似的循環：感知、學習、調整、行動。它們不斷地從環境中學習，并作出決定以提高跟蹤性能。類似的循環，即眾所周知的感知-行動循環（PAC），在解釋大腦如何工作或描述一些智能系統的文獻中被多次提及（[2][3][4]）。引用[2]，神經科學家Joaquin Fuster將感知-行動循環描述為 "在處理目標導向行為的過程中，信息從環境到感覺結構，再到運動結構，再次回到環境，再到感覺結構，如此循環往復"。圖1解釋了與認知雷達相關的大腦的運行周期。在這項工作中，我們討論了這個閉環循環的所有步驟，這些步驟制約著CR的性能。提出了一個系統模型，并進一步討論了以估計和波形優化過程為重點的內容。

在文獻中，討論了兩種主要的波形選擇方法：控制論和信息論。在這項工作中，考慮了控制理論方法中的波形選擇標準。雷達波形參數主要通過最小化跟蹤均方誤差（MSE）來確定。

CR有一個閉環的工作循環。該系統依靠接收器的反饋來收集關于目標和環境的知識。這些知識然后被用來優化發射波形，并改進對目標的探測、跟蹤、估計和識別。這個概念在2006年由S.Haykin[1]在文獻中首次提出，他寫道，我們引用[1]"整個雷達系統構成了一個動態的封閉反饋回路，包括發射器、環境和接收器。

CR的運行周期（即上述閉環）從發射器對環境的照射開始。然后，從環境中反彈出來的傳輸波形（即目標回波、雜波等）被接收器截獲。關于目標和環境的有用信息從接收到的回波中提取出來，然后更新一個信息庫（記憶塊），在下一個周期由目標估計器（TE）作為一組關于環境的先驗知識使用。根據TE提供的估計結果，波形被優化。通常考慮用貝葉斯方法來實現目標估計器。

在CR中，提取的信息不僅在接收機層面發揮作用，而且在發射機層面通過改變波形和一些相關參數，如脈沖重復頻率（PRF）、脈沖寬度、脈沖數N和雷達發射時間表來發揮作用。這方面是CR與經典的自適應雷達的區別，后者只能在接收層面使用提取的信息。

波形優化設計作為一個重要的研究課題出現在信號處理界，因為它在許多領域都有廣泛的應用，如通信系統、聲納，以及在我們感興趣的情況下，改善雷達系統的性能。文獻中討論了許多設計標準，其中我們提到了最大信噪比（SINR）標準[9]、最大探測概率標準[14]、最大互感信息（MI）[8]標準和最小化均方誤差標準（MMSE）[10]、[11]。這些設計標準方法可以分為兩類：控制理論方法，其目的是為連續運行的動態系統開發一個控制模型；信息理論方法，更側重于研究信息流和從接收的測量數據中提取更多的目標信息。本文采用了控制理論方法，通過最小化跟蹤MSE來確定最佳波形選擇/設計。

認知方法在幾乎所有方面可提高現有雷達的性能，這導致了近年來研究的激增，空軍雷達建模和仿真（M&S）工具的一個關鍵差距是缺乏針對分布式全適應雷達（FAR）系統的全面、動態分布式雷達情景生成能力。截至2015年初，所有的研究都是在理論上推進概念，并通過模擬檢驗其性能，或者最多使用預先錄制的數據。沒有關于實驗驗證概念的報告，主要是因為還沒有開發出測試它們的必要硬件。然而，為了確定應用認知處理方法的真正性能潛力，這一步驟是至關重要的。為了解決這個問題，俄亥俄州立大學（OSU）電子科學實驗室（ESL）的認知傳感實驗室（CSL）與Metron公司、空軍研究實驗室（AFRL）和空軍科學研究辦公室（AFOSR）一起，已經開始了一項研究計劃，從分析和實驗上開發和檢驗認知雷達處理概念。

CSL設計并建造了認知雷達工程工作區（CREW），這是世界上第一個專門用來測試完全自適應和認知算法的雷達測試平臺，Metron和OSU開發了一個認知FAR系統的理論框架，在單一傳感器和目標的目標探測和跟蹤范圍內確定了關鍵的系統組件并進行了數學建模。我們一直在開發建模、模擬、分析和實驗能力，以證明FAR系統比傳統的前饋雷達（FFR）系統取得的性能改進。我們從OSU的軟件定義雷達（SDR）系統的模擬場景和預先記錄的數據開始。我們現在有能力利用CREW演示認知雷達跟蹤系統的實時操作。

這個項目的目標是為分布式FAR雷達開發一個基于MATLAB的M&S架構，從而能夠在模擬的、以前收集的和實時的流式數據上進行算法開發和測試。在第一階段，我們開發了一個基線FAR M&S架構，該架構采用面向對象編程（OOP）方法在MATLAB中編碼。它包括一個控制感知-行動（PA）周期運行的FAR引擎和確定下一組傳感參數的軟件對象；從傳感器獲取數據；處理數據以跟蹤目標；存儲和顯示傳感和跟蹤過程的結果。我們開發的模塊實現了模擬和預先錄制的SDR數據實例，以及實時和模擬的CREW數據實例。

第一階段開發的FAR M&S架構允許在模擬和實驗CREW數據源之間，以及在驅動傳感的FAR算法之間進行透明切換。輕松交換傳感和處理對象的能力將允許快速開發和測試認知雷達算法，通過構建M&S功能來避免重復工作和 "單點 "解決方案。它將使工業界、學術界和空軍的研究人員之間的合作成為可能，因為不同研究人員開發的算法可以使用一致的模擬、收集的數據和實驗室條件進行測試和比較。

摘要

英國國防部（MOD）的科學和技術戰略已經指示研究重點放在下一代（GAN）的軍事能力上。GAN能力是指那些英國防部今天無法采購的能力，在它們出現之前需要基礎科學和技術。Dstl最近領導了一項活動，以確定GAN對應用于國防培訓、教育和準備的國防模擬和合成環境的研究意味著什么。這涉及到收集國防利益相關者（未來的一線軍事用戶）的意見，以及對英國工業界和學術界（由QinetiQ、Thales、Cordillera應用集團和微軟領導）的GAN技術的審查。

本報告將概述推薦的下一代技術，這些技術對英國防部在未來五年內的成熟非常重要。這包括以下領域：擴展現實（XR）；數字孿生；元宇宙；學習技術；核心模擬技術；人工智能和自動化；以及代表未來復雜作戰環境所需的技術。它將提供一個概述，說明英國防部應該把研究重點放在什么地方；什么應該留給消費者領域去推動走向成熟；以及國防部可能期望在五年時間內能夠利用的功能和能力。

1.0 引言

1.1 英國國防部的科學和技術戰略

技術及其使用對英國國防部實施其戰略的能力和我們的運作方式越來越重要。英國國防部的科技戰略和最近的國防和安全綜合審查都強調，英國國防部需要更好地了解未來，并尋找、培育和資助下一代技術。英國國防部還必須通過示范、實驗來識別、評估和推動新興技術和創新，更好地利用流程和結構，并加速現有技術的規模化應用，以實現英國的優勢。

1.1.1 下一代技術

英國防部首席科學顧問（CSA）安吉拉-麥克萊恩女士對下一代技術（GAN）的定義如下：

"你今天買不到的東西--我們知道我們需要的能力，但在它們可用之前需要基礎科學和技術。這并不意味著任何特定的時間表 - 下一代技術可能在今年"

英國防部的CSA將GAN稱為下一代技術的一個單獨的興趣領域，這些技術可由國防部購買，但在軍事背景下使用時需要避免風險。GAN不是按照傳統的基于路線圖的方法中描述的線性時間表來考慮的。相反，它有一個非線性的范圍，一種技術的下一代可能只是幾個月后的事，另一種可能是幾年后的事。例如，智能手機的GAN可能在今年就準備好了，而核電站的GAN（如核聚變）可能要在幾十年后才能成熟。

2.0 仿真和合成環境的下一代

仿真和合成環境被廣泛用于英國國防部，為一系列領域提供更好的能力，包括：獲取；測試與評估；研究；能力開發；作戰分析；兵棋推演；實驗；部隊準備；以及決策支持。

英國防部責成Dstl管理科技能力--在Dstl內部和整個供應鏈--以便現在和將來為英國的國防和安全提供正確的能力。管理涉及到對科技能力的規劃、管理和監督的責任。國防部科技戰略中的GAN目標重新強調了這一活動，以確保國防部的內部能力，以及工業界、學術界和其他合作伙伴的能力適合于滿足國防的新興和未來需求。這一職責包括對模擬和合成環境的管理。

為了支持這種能力管理，并為英國國防部應開展的未來研究活動提供信息，Dstl與英國工業界和學術界一起進行了一項研究，以了解：

"GAN對未來模擬和合成環境的發展意味著什么，以支持英國的優勢？"

該報告確定了以下關鍵領域，這些領域應成為GAN能力研究的重點。

• 信息和通信技術（ICT）。

• 核心模擬技術。

• 人工智能（AI）和自動化。

• 擴展現實（XR）。

• 數字孿生和數據。

• 元宇宙。

• 未來的復雜作戰環境。

在這些領域中，該研究旨在確定：

• 尚不能采購的全球網絡能力和技術 - 這意味著該能力尚未發展成為可購買的產品或服務。

• 消除能力風險所需的科技活動--這意味著英國防部為利用該能力所需的基礎科學和技術研究。這可能涉及一系列的活動，包括從基礎科學研究到更成熟的演示和實驗，以及與終端用戶進行的去風險活動。

這項研究的范圍只包括與支持國防培訓、教育或準備有關的模擬和合成環境的使用。我們承認，這些領域在很大程度上受到鄰近市場和行業的影響（如軍事教育的民用學習市場），研究的范圍包括更廣泛的相關市場，那里有未來的 "衍生"機會。以前的 "附帶 "例子包括使用商業現貨（COTS）游戲技術進行培訓。

2.1 信息和通信技術（ICT）

預測：云計算已經改變了組織處理和存儲信息的方式。處理和存儲現在可以 "隨用隨取"，就像自來水公司一樣，企業可以根據自己的需要支付少量或多量的費用。雖然當前一代的云計算越來越多地被用于國防，并且幾乎肯定會支持下一代的模擬能力，但也有機會利用計算技術的GAN。

特征：新興的計算技術，如量子計算、神經形態和熱力學計算可能提供以下機會。

• 熱力學計算尋求將計算硬件運行到其熱力學潛力的極限。這有可能減少計算設備的尺寸、重量和功率（SWAP）。潛在的開發機會包括儀器化的現場訓練，在那里，與5G或6G通信相結合，它可以使邊緣設備以更低的功率要求被廣泛部署。限制性因素是證明該技術規模所需的研發，以及供應鏈和工業能力的要求。

• 量子計算不太可能在短期內出現在國防用戶的口袋里。雖然基于云的工作負載正在出現，但這些工作負載的可用性有限，安全和延遲可能是一個問題，而且可靠性可以得到改善。量子計算很可能被用于與運行詳細模型有關的確定的工作負載，作為科學研究的一部分，甚至在GAN的時間尺度內，對一般用途的培訓教育和準備的利用是不確定的。目前，英國政府的投資是巨大的，培訓、教育和準備社區應繼續監測其發展。

• DNA存儲器可以為培訓、教育和準備社區提供潛力，以存儲未來將產生的越來越多的數據。這有可能改善靜態數據的可及性。

• 圖形處理單元（GPU）的能力將繼續為大規模的模擬提供支持。GAN時間尺度的趨勢是，能力越來越強的GPU將支持越來越大的M&S環境，有可能在基礎設施層面而不是通過中間件軟件進行擴展。

效益和機會：總之，培訓、教育和準備社區可能會在GAN中擁有越來越強大和低SWAP的計算。這有可能徹底改變儀器化的現場訓練，但也可能對所有的M&S環境產生影響。這反過來又會對用于生成這些環境的輸入數據的驗證和確認（V&V）提出要求。

2.2 核心模擬技術；

預測：核心模擬技術包括戰術環境、圖像生成器、協議和標準、監測和控制工具以及代表自然和物理環境的系統。核心模擬技術將利用來自消費者信息技術和游戲市場的創新，越來越多地使用這些技術來支持以前的定制應用，如圖像生成和當前一代XR能力。全面運作的建模和仿真服務（MSaaS）能力將是下一代仿真技術的一個特點，而 "下一代 "可能會充分利用面向服務的架構和云技術。國防部將為核心仿真功能定義并擁有可重復使用的構建模塊和標準。平臺和系統的仿真將由OEMs提供數字雙胞胎。

特征核心仿真技術的GAN可能包括。

• 本身可擴展的環境，以前在處理能力和連接方面的限制被消除。

• 基于服務的方法和隨需應變的能力，可能會轉向完全云托管的模式。

• 混合的現場、虛擬和建設性（LVC）模擬，這三個領域之間的障礙越來越模糊或不存在。

• 與消費者游戲和信息技術的持續融合。

• 安全、高帶寬、有彈性的網絡。

效益和機會：核心模擬技術在支持培訓、教育和準備方面有廣泛的用途。它們可以被認為是提高這些國防部成果的效率和效益的重要推動力。向基于服務的仿真技術架構的轉變，特別是通過重新使用資產和減少對內部硬件的需求，可能會提高仿真交付的效率。

2.3 人工智能（AI）和自動化；

預測：英國防部和更廣泛的市場對人工智能和自動化的投資是相當大的，預計將繼續推動下一代和GAN能力的快速提高。有希望的早期技術包括基礎模型，它提供通用的、可訓練的人工智能，能夠處理廣泛的任務。計算的發展，包括 "網絡3.0 "或邊緣計算、量子計算和處理器的發展可能會提高人工智能和自動化的能力。民用工業部門的過程自動化也可能為管理和提供培訓、教育和準備提供潛在的交叉機會。然而，盡管有大量的投資，但不太可能有一個單一的 "銀彈 "通用人工智能和自動化工具來完全改變培訓、教育和準備。相反，干預可能是在一個更有限的基礎上，但仍將有可能產生影響。除了它的能力，人工智能和自動化工具可能會變得更可用，更容易被終端用戶所操作。

特征：GAN人工智能和自動化可能在以下方面有利于培訓、教育和準備。

• 通過 "人機聯手"，提供更有效的活動策劃、交付和支持。

• 提供對培訓、教育和準備數據的洞察力和理解，以提高效率和效益。

• 為實體或系統的行為提供更好的表述。

效益和機會：人工智能和自動化有可能促進效率和效益的提高。如果利用得當，它可以幫助減少與提供培訓、教育和準備活動有關的開銷，（例如）替代人類的角色扮演者。在效率方面，它可以用來提高演習人員的生產力（如監測受訓人員的狀態，并在出現異常情況時向教官發出信號），從而使他們能夠專注于改善培訓體驗。

2.4 擴展現實（XR）

預測：GAN XR技術（包括增強現實（AR）、虛擬現實（VR）、增強虛擬和多感官模擬）極有可能成為未來廣泛的培訓、教育和準備用例中用戶面對能力的首選形式因素。GAN混合現實技術具有較高的世代交替性，并有可能在2-5年的時間框架內被國防用戶所使用，這主要是由于消費技術市場的資助。GAN XR技術將有可能取代傳統的投影顯示器，成為面向用戶的主要能力形式，下一代應用已經被批準用于民用飛行訓練，盡管傳統的顯示器將在一段時間內繼續使用。來自消費技術市場的大量私人投資將確保該技術的價格與傳統顯示技術相比保持競爭力。對于高端應用，如飛行模擬，XR可能會有更高的成本效益，但要看認證和政策要求。

特點：GAN XR技術和能力的特點可能是融合了AR、VR、觸覺（包括人體服和其他可穿戴技術）和多感官刺激，以進一步提高沉浸感，并將刺激擴展到純粹的視覺和聽覺之外。GAN XR技術的發展將受益于對元空間、云和邊緣計算、移動和計算設備技術、5G/6G無線網絡、流媒體和消費者娛樂及游戲技術的更廣泛投資。

效益和機會：GAN XR技術有可能通過提高著色器/現實主義的質量來改善培訓、教育和準備工作的沉浸感，例如觸摸全息圖、穿越和更大的視野、超級現實的化身和沉浸式房間/體驗。如果它的有效性可以被證明與現場體驗相比更有優勢，它也可以支持一些現場或傳統的虛擬交付手段過渡到虛擬環境，提供效率機會。它還可能支持改進LVC領域的整合，例如通過在實況環境中更可信地表現虛擬仿真實體，推動提高培訓效果。GAN XR的使用還可以推動用戶參與，特別是國防部的 "Z世代 "成員，而不是傳統的面向用戶的技術。使用XR來支持行動可能會模糊訓練、準備和行動之間的界限。

2.5 數字孿生和數據

預測：數字孿生被定義為 "作為物理對象或過程的實時數字對應物的虛擬表示 "。 數字孿生正在工程、科學和運營規劃中出現，作為了解和優化當前和未來性能的一種手段。因此，數字孿生體在準備工作中可能特別有用，但也可能支持培訓和教育能力。目前，各行各業都對數字孿生體進行了大量投資，然而，定義和實施方法都有很大不同，在許多情況下，數字對應體的 "實時性 "和保真度都很有限。GAN數字孿生將擴大可以結對的實體的范圍和復雜性，提高輸入數據的質量，從而提高模型的保真度，并提高數字孿生的可用性或互操作性。在GAN的時間框架內，英國防部可能會處理一個單一的數字孿生子 "來統治它們"，而不是為不同目的產生的平臺或系統的多個代表。盡管 "數字孿生 "一詞可能會過時，但所提供的能力的使用將為廣泛的行業提供一個總體方向，并將以多種方式加以利用。數字孿生子和物聯網將確定一個發展方向，使更多的權威性和實時數據集被用于模擬。捕捉、存儲和分析來自大量來源的數據的能力將被啟用。它們將形成管理和消除風險的核心能力，在未來的國防采購中，合成環境采購的原則可能會被重新激活。

特征：GAN數字孿生將有可能成為一系列對象和實體的權威性單一數據源，從單個平臺到訓練區、人口甚至是對手。它們將是真正的實時的，并基于經過驗證的、可重復使用的數據源（包括生物統計學）。它們將是可互操作的，并能在比目前更廣泛的使用情況下發揮作用。數字雙胞胎的使用有可能鞏固和凝聚整個國防的數據管理。

效益和機會：數字孿生體有可能支持廣泛的培訓、教育和準備用例。雖然目前還沒有得到證實，但它們也有可能通過重復使用一個平臺或系統的單一權威模型來提高效率，從而消除采購多個模型來實現不同功能的需要。此外，它們還有可能通過生成更高保真度的、多用途的復雜系統模型來提高培訓、教育和準備的有效性。

2.6 元宇宙

預測：雖然沒有單一的定義，但元宇宙（Metaverse）被認為是下一代互聯網，它將傳達包容性的沉浸式數字體驗，在未來，它將與我們的物理現實密不可分。這些構件包括上述的大部分能力領域，包括。云基礎設施、數據（歷史和實時）、實時游戲引擎，包括新的渲染技術，如Lumens和Nanites.5G、觸覺、計算、體積視頻和沉浸式環境。元宇宙目前正受到消費技術公司的大量投資。對于其潛在的所有權、治理、作為一個獨立概念的可信度和商業主張，也有很大的爭議。一個關鍵的爭論是，元宇宙是由大型技術公司（如社交媒體平臺供應商）來實現貨幣化，還是以開放和民主化的方式來發展。Dstl的研究已經開發了一個軍事元宇宙的作戰概念，以了解其未來的潛在效用。英國防部不能忽視元宇宙，而且來自消費者領域的投資極有可能被國防部的培訓、教育和準備用戶部分或全部利用，然而它對這些領域的具體好處需要被更好地理解。

特點：如上所述，元宇宙是一種從一些較低層次的創新或技術能力中產生的能力。預計它將利用從云端召喚大量處理和存儲的能力、面向用戶的能力（如XR）、消費者游戲框架的元素和協作工具。發展可能包括新的輸入方法，包括無障礙設備、基于從消費者游戲中學習到的新的MR用戶體驗（UX）模式、非玩家角色的AI決策樹、從實時數據中捕捉和生成化身、整體捕捉、計算機視覺和穿戴設備。

效益和機會：Metaverses是一種新興的能力，因此，其好處和機會仍有待討論。Metaverses提供了為整個國防使用案例服務的潛力，并確保M&S能力是最新的、一致的、可驗證的、具有成本效益的，并能惠及所有可能受益的人。最終的愿景可能是幫助國防部門充分利用其M&S資源的潛力，作為一種綜合的、一致的M&S能力。這可以提供用戶/創造者社區；提供可以到達所有用戶的按需使用的M&S系統；以及新的按需采購和商業模式。對提供元宇宙所需的基礎技術或功能的投資也可以為國防界提供機會。

2.7 未來的復雜作戰環境

預測：當前和下一代的模擬系統都在提高表現復雜環境的能力，如大城市，以及支持與多領域整合（MDI）相關的系統和效果，如網絡和電磁活動、空間和高度復雜的地形，如大城市。這與數字孿生不同，因為它可能不會實時更新。這種趨勢可能會在模擬系統的GAN中繼續下去，通過云計算、改進的數據采集和環境生成工具獲得更大的處理能力。隨著模擬的規模和復雜性變得不再是一個限制因素，重點可能從提供或擴展處理能力轉向確保構成模擬的數據可以被驗證和確認為適合目的（注意這在技術上和文化上都是一個具有挑戰性的概念）。在能夠增加價值的情況下，理解代表復雜操作環境的要求，以便為國防用例提供好處，重要的是在不需要增加這種復雜性的情況下（例如，在可能對培訓或其他用例產生負面影響的情況下）。

特征：GAN代表未來和復雜環境的能力可能由以下因素驅動。

• 改進數據獲取、驗證和確認以及測試工具，以建立具有驗證信息的復雜環境。

• 通過使用云計算為模擬環境服務，改進處理和存儲，消除對環境規模/復雜性的歷史限制。

• 提高理解、描述和表現軟因素的能力，如使用與更廣泛的模擬組件相聯系的動態模型的人類亞環境。

效益和機會：復雜的環境是未來行動的一個可能的特征（正如一些國防部的政策文件和出版物中所反映的那樣--如全球戰略趨勢），因此，用模擬來有效地表現它們，為國防人員在一個可能無法用實戰訓練方法來表現的環境中作戰提供了潛在的準備。提供適當準確和有代表性的作戰環境模擬，應能提高培訓、教育和準備的有效性，因為這種模擬的開發能夠更好地支持與未來作戰環境有關的新的培訓結果。需要注意的是，培訓解決方案不能被過度設計，并且要了解對這種模擬能力的投資回報，以支持商業案例。

3.0 結論和建議

3.1 消費者技術

國防模擬最終是一個相對較小的專業市場，遠遠小于消費技術市場。在全球網絡中，消費技術部門的龐大規模及其研發預算將意味著它將繼續對國防仿真部門產生影響。這些工具的模塊化性質和相對較低的成本為國防部門提供了一個提高效率的機會，而它們的真實性和沉浸性則為提高有效性提供了機會。

2005-2020年期間，消費者游戲技術對國防模擬市場的影響穩步增長。英國防部的人員現在包括一個熱衷于游戲的社區，他們希望國防模擬的體驗能與他們的游戲機提供的體驗相匹配。國防用戶要求對COTS游戲引擎進行修改，使其成為可用的培訓和準備工具，并增加場景規劃和行動后回顧（AAR）功能。然而，一些游戲引擎已經成功過渡到國防用途。英國國防部對國防虛擬仿真（DVS）的投資很可能已經付出了數倍的代價。隨著時間的推移，植根于消費領域的技術已經逐漸侵蝕了僅用于國防領域的專有模擬工具的市場。世界上最大的國防模擬公司CAE在I/ITSEC 2021上宣布游戲引擎為飛行模擬器提供動力的圖像生成器（IG）是該行業的一個重要時刻。我們可能已經看到了最后一代由專業國防仿真公司開發的專有IG和虛擬及構造仿真工具。除了引擎本身，消費者游戲可能提供工具或流程，可用于更快速地生成仿真內容或事件，提升效率。然而，依賴國防領域以外的市場存在潛在的風險，對某些產品和服務的開發決策的影響可能很快使其效用不再與國防使用案例相關，因此國防對這些產品和服務的投資可能變得多余（例如，新版本打破了向后的兼容性，或新的道德用戶權利限制了其在國防方面的使用）。在決定使用這種方法時，需要仔細考慮風險回報率。

極有可能的是，消費者游戲部門較大的市場規模，以及對元空間的興趣，將繼續拋出對國防模擬用戶感興趣和可用的GAN創新。從歷史上看，消費者游戲公司并不都對國防模擬市場感興趣，因為它的規模較小，或對其環境、社會和治理（ESG）證書有潛在的損害。然而，有證據表明，大型消費者游戲公司對向國防部門提供其工具感興趣。這有可能會帶來一些可能的工業挑戰。

對消費者XR的持續投資也將提供一個國防可以利用的機會。雖然研究會的一些與會者認為XR作為一項技術在消費領域已經達到頂峰，但從中期來看，XR有可能最終取代傳統的投影儀和屏幕作為IG，至少對于一些國防培訓和教育應用來說是如此。基于XR的民用飛行模擬器的認證突出了其潛力。

國防模擬科技界的行動是通過技術觀察、前景掃描和去風險試驗繼續監測這些發展。國防部有自己特定的功能和非功能要求（如安全），這些要求可能并不總是與消費者關注的能力相一致，必須對這些要求進行評估，以使國防部了解開發潛力。

3.2 風險和挑戰

在交付模擬的GAN方面有幾個挑戰。

• 隨著模擬在處理和存儲方面的限制減少，輸入數據和模擬結果的V&V可能會成為一個越來越大的限制因素。這可能是對FOE模擬的一個特別挑戰。適當的V&V是國防模擬界的一個長期要求。不斷提高的計算和網絡能力意味著未來的模擬有可能不受處理或存儲的限制，并有能力運行更大、更復雜的模擬。隨著時間的推移，確保支持仿真的模型和數據的準確性與需求相適應，可能會成為比提供足夠的計算能力來運行它們更大的挑戰。利用仿真技術的限制因素是驗證它是否正確運行，是否有不可預見的后果，以及驗證所產生的實施方案是否適合正在進行的任務（例如，實施水平和V&V是否適合實現特定的培訓目標）。

• 隨著模擬在表現復雜性方面的能力越來越強，控制復雜程度的能力對于確保國防培訓、教育或準備活動集中于實現其結果是很重要的。有一種危險是，模擬能力在管理和維護方面變得過于繁瑣和昂貴，并提供了消極培訓的真正風險。

• 在培訓、教育和準備能力中有效插入新的模擬技術的能力將需要適當的手段來評估它們在當前或替代方法之上或旁邊提供的價值。雖然一些全球網絡能力的可負擔性可能會降低，但在增加的有效性和成本之間可能會有權衡。

• 在全球網絡中使用非國防能力將需要更多地了解新能力的來源和它們出于安全原因的資金來源。這與風險投資（VC）資助的公司和消費者游戲技術特別相關。

• 越來越多的行業資助的知識產權生成，或使用消費者或風險投資公司資助的能力作為全球網絡的一部分，可能意味著供應商對研究活動的合作熱情降低。這也可能給政策和標準領域帶來挑戰。

• 國防部缺乏必要的基礎設施來充分利用這些技術的障礙，如國防部的安全要求可能會對流媒體技術和無線網絡等技術的使用造成越來越大的限制。

• 國防部在設定要求、獲取和使用M&S方面缺乏文化，這使得引入和成功采用GAN M&S方法具有挑戰性。人們認為，改進教育和SQEP將改善這一狀況，同時還包括新的培訓方法、全壽命風險管理方法、新的商業方法等。

3.3 GAN模擬愿景

在GAN的時間框架內，將提供動態的、可擴展的、可重新配置的、高度沉浸的和數據驅動的能力，在培訓教育和準備的有效性和效率方面帶來一步的變化。

面向用戶的系統將了解何時何地利用（或不應利用）全息投影、混合現實技術和高度逼真的圖形的能力，以提供有利于提供培訓的沉浸式體驗，并在適當時取代目前的投影系統和顯示器。在邊緣計算和強大的無線網絡的推動下，這些技術將實現現場、虛擬和建設性領域的無縫過渡和相互作用。面向用戶的系統將不僅刺激視覺和聽覺通道，而且提供多感官的刺激。它們將使用對用戶精神和身體狀態的實時反饋，以及適當的混合學習方法，以提供個人優化的培訓和教育，并推動受訓者的體驗。

M&S系統將提供適當的精確和動態的作戰環境表現，包括所有領域的復雜系統和信息效果。通過數字孿生、環境數據和獨立的復雜模型的無縫集成，使用開放的數據標準和可組合的方法，培訓交付的專業人員將能夠快速建立環境以滿足他們的要求。數據將能夠更迅速地被采集、處理和驗證，以納入模擬系統，開辟新的準備用例。

啟用系統將利用數據分析、有線和無線網絡、人工智能和流程自動化、計算和軟件系統的改進。這些將使GAN模擬能夠更快速、更經濟地提供，并在射程內安全地交付。

3.4 科技建議

為了實現上述愿景，需要開展科技活動以降低開發和交付模擬能力的風險。作為這項任務的一部分，建議的科技活動分為以下幾個方面。

• 監測和了解--這涉及到英國防部需要進行前景掃描活動的領域，以更好地了解全球網絡能力或技術的方向。這里可能會給國防部帶來好處，但在需要更有針對性的去風險活動之前，需要更好地了解使用案例或潛在的基本能力。這包括國際研究合作（IRC）。

• 深度應用研究 - 這涉及到需要進行基礎研究以降低能力或技術風險的領域。

• 實際去風險--這涉及到國防部需要通過進行實際的實驗或實際的試驗活動來消除使用GAN技術或能力的風險的領域。這可能是指出現了一種新的技術或能力，其在國防中的使用尚未得到證實，或者與融合有關的整合問題需要去掉風險。

3.4.1 監測和了解

為監測和了解新能力而進行的科技去風險化，應重點關注消費者和商業技術市場的發展。技術觀察活動應包括

• 面向用戶的系統，包括混合現實技術、全息顯示器、觸覺、多感官刺激和腦計算機接口。

• 消費者游戲技術，包括構建游戲環境所需的工具、用于提供內容的框架和流媒體及其他網絡技術。流媒體是未來M&S交付的一個潛在的關鍵推動因素，也出現在下文。

• 新穎的計算和消費者信息技術。仿真相關的科技不可能為新的計算研究提供資金，但M&S社區可能會從（例如）熱力學計算中看到一些改善SWAP的重要機會。同樣，雖然基于云的模擬形成了下一代的模擬，但也需要繼續了解和利用消費者和商業IT的改進。

• 元宇宙相關的能力，包括基本的個別技術和功能、標準和用例。國防部不能忽視元宇宙和與之相關的資金量，但其對國防部的好處目前還不確定。我們需要幫助國防部了解并消除對元宇宙所帶來的機會的神秘感。

3.4.2 深度應用研究

我們需要在以下領域進行基礎性的應用研究。

• 改進的模擬組合，作為更動態地生成和整合模擬組件的一般促成因素。這需要對仿真數據結構進行基礎應用研究。

• FOE的表示。在GAN中，更復雜的環境應該能夠被常規地表示出來，但仍有重大的V&V挑戰。

• 數字孿生的整合，包括如何將這些數字雙胞胎與其他模擬進行常規連接。

3.4.3 實際的去風險化

英國防部在安全、保障、堅固性和可用性等方面有自己的特殊要求。因此，需要進行實際的實驗來降低國防部使用新能力的風險。

• 努力了解和衡量消費者技術的有效性，特別是面向用戶的系統，與傳統的方法相比。這可以包括比較 "并排 "試驗，以了解培訓或教育的有效性。

• 努力降低邊緣計算、顯示器和網絡在LVC培訓或現場培訓中的融合風險。

• 努力了解如何將人工智能和自動化的改進應用于培訓、教育和準備。人工智能在提高效率和效益方面有一定的前景，但需要滿足國防的具體要求。

• 努力降低國防的無線和流媒體技術的風險，使其成為軍事和安全活動的一般推動者。目前這一代技術在延遲方面是不夠的，而且仍然存在安全問題。

• 努力為國防政策和戰略提供信息，以實施充分利用GAN技術所需的基礎設施，即開發一個模擬生態系統；企業數據管理方法；安全無線基礎設施。

3.5 北約和國際研究合作的作用

北約建模和仿真小組（MSG）將在GAN仿真和合成環境能力的去風險化和互操作性方面發揮關鍵作用。同時，北約人因和醫學（HFM）將為未來培訓的開發和交付提供關鍵的人的方面的見解。

北約MSG目前有以下小組，這些小組與GAN模擬和合成環境能力有很好的配合或提供配合的機會：

• MSG-195 MSaaS第三階段小組正在支持模擬的發展，以采用現代ICT基礎設施，如云、容器化和元數據，在開發和提供基于服務的模擬能力方面提供自動化和效率，可以按需訪問。這些技術已經被用于消費領域，并被考慮用于下一代國防仿真能力，但需要進一步研究GAN的自主性和效率，以充分實現MSaaS的生態系統方法。

• MSG-198研究小組在構建性仿真系統中的可組合人類行為表現，將要求GAN技術提供表現和重新使用未來操作環境的人類行為表現的能力。

• MSG-203建模和仿真在支持當前和未來北約行動中的作用系列講座將發揮重要作用，向高級利益相關者強調可能的GAN技術正在成熟，供北約和各國使用。

• MSG-205盟軍數字孿生體的互操作性和標準化倡議小組將在理解數字孿生體支持北約和各國的作用，以及如何開發共同的方法來實現其使用方面發揮重要作用。

• MSG-206小組將為評估XR技術在北約和各國的培訓和教育中的使用提供一個共同框架。評估和交流消費者領域的發展的共同方法將是跟蹤和利用這些技術發展的關鍵。

北約MSG活動中可能存在差距的一些領域包括:

• 網際網路：需要了解和解讀元宇宙對北約和國家的意義。在消費者領域，利用Metaverse的大量投資的機會將是很多的。跟蹤和維護這些發展將需要資源和整個社區的共同理解。軍方有一些關鍵的使用案例，這些案例也可以用來幫助集中開發Metaverse，以確保這項技術的軍事用途在開發生命周期的早期就被消除風險。

• 一般技術觀察和消費技術的地平線掃描：與元宇宙相關的是，需要對新興技術提供快速的洞察力和評估，以便北約和各國能夠在這些技術出現時迅速加以利用。通過一個共同的方式來評估、理解和交流這種相關性，整個社區的努力將是關鍵。

• 標準小組：北約MSG目前與模擬國際標準組織（SISO）有著良好的關系和合作，通過這種關系，它有助于為SISO產品和服務的制定提供一個共同的北約影響和聲音。隨著消費技術的大量投資和相關性，人們注意到MSG和SISO將需要擴大他們與其他標準組織的關系，如Khronos集團和數字雙胞胎聯盟（等）。

浮動航天器模擬器（FSS）是模仿衛星在空間運動的機器人載體。使用FSS可以在地球上對制導、導航和控制算法進行實驗驗證，然后再將其應用于空間，因為空間的錯誤是災難性的。此外，FSS是空間系統工程課程中大學生的一個重要研究和教育工具。然而，目前使用的所有FSS都是定制開發和昂貴的項目。本論文涵蓋了用于教學和研究目的的新型浮動航天器模擬器的開發、組裝和測試過程，該模擬器被命名為MyDAS，代表微型動態自主航天器模擬器。通過介紹MyDAS，一個小型的、簡單的和低成本的FSS，使FSS在大學和中學階段的研究和教育中得到更廣泛的利用。討論了MyDAS的不同推進配置及其相應的運動方程。對于一個特定的配置，選擇并測試了現成的氣動和電子組件。一個模塊化和標準化的3D打印框架將所有部件固定在一起，形成一個最終的剛性載體。最后，MyDAS在各種實驗中被測試，完成了全部的硬件功能。

1 引言

本論文進行小型化和簡化的浮動航天器模擬器（FSS）工作。本章簡要介紹了這項工作的動機和目標，以及本論文的結構。

1.1 動機

未來空間任務中的航天器需要靈活、自主的制導、導航和控制（GNC）算法，如對接、接近或清除碎片的操縱[1], [2], [3]。用硬件在回路中驗證GNC算法的一種方法是使用FSS，而無需將測試對象送入太空。盡管不向太空發射任何東西而大大降低了成本，但目前的FSS仍然需要大量的經濟和費時的工作來建造和操作，這只有專門的機構或公司才可能做到。除此之外，目前的FSS都是獨特的設計，沒有標準化。引入一種新的、負擔得起的、小而簡單的FSS可以使本科生甚至高中生以及業余用戶能夠使用FSS工作。提供這種機會可以增加為未來空間任務創造更好的GNC算法的成功機會。

1.2 目標

先前工作提出了一個更便宜、更小、更簡單的FSS的概念[4]，稱為MyDAS，代表微型動態自主航天器模擬器。提出了初步的計算機輔助設計（CAD）模型、材料清單、氣動圖、接線圖、兩種浮動配置和三種推進配置。本論文的目的是建立一個MyDAS的物理工作實例。為此，所有定制設計的部件應與購買的現成部件一起制造和組裝。所有的功能部件應先單獨測試，然后再組合。最終的裝置必須能夠使用壓縮空氣供應漂浮和推動自己。如果可能的話，在不使用推進系統的空氣的情況下，漂浮時間應超過5分鐘。此外，推進系統必須由機載計算機和機載電池控制。該裝置的硬件和軟件應是開源的，以使其可重復使用。作為其中的一部分，將提出一個成本估算。在未來的工作中，希望MyDAS能被積極用于驗證和改進GNC算法。

1.3 結構

如上所述，本論文是基于以前的工作，其中介紹了關于FSS的理論基礎和技術現狀[4]。理論基礎和技術現狀同樣適用于本論文，這就是為什么它們在本文件中沒有明確重復。在第2章運動方程中，以前工作中的簡化運動方程被指定用于其中一個推進配置。第3章氣動系統討論了MyDAS的氣動系統。第4章電子學中解釋了MyDAS的電路以及所有的電子元件。第5章框架設計的主要內容是構建和制造一個定制的、3D打印的框架，該框架將所有的部件固定在一起。第6章設置和測試描述了在組裝MyDAS的過程中對單個和組合部件的若干測試。在第7章實驗中，全功能的FSS被用在一個花崗巖試驗臺上，以證明其功能，以及描述某些推進方面的特征。最后一章的結論是對工作的總結以及對未來工作的建議。復制MyDAS的基本信息，如技術圖紙、材料清單和Python列表，可以在附錄中找到。此外，該代碼與CAD文件和更多不能打印在紙上的數據一起在網上提供。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）-大西洋研究中心和加拿大通用動力任務系統公司（GDMS-C）向加拿大自然科學與工程研究委員會（NSERC）成功申請了一項名為海軍信息空間自動監測（AMNIS）的三年期資助項目。AMNIS啟動會議于2020年10月14日舉行，許多教授、國防科學家和GDMS-C技術人員參加了會議。會議為這三個組織確定了許多行動。與DRDC和GDMS-C相關的一項行動是需要與任務相關的場景來幫助指導預期的研究。因此，DRDC率先描述了一個有代表性的海陸場景，使研究人員能夠更好地了解與AMNIS有關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。該任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對勢力還試圖偷竊這些物資。該情景描述了通過更好的處理技術和決策來改善信息流、共享和使用的必要性。該方案旨在引起進一步的討論，并幫助鞏固AMNIS參與者的研究課題。

1 引言

2015年，加拿大皇家海軍（RCN）的海上信息戰（MIW）概念[1]發布，概述了信息對RCN的影響。MIW的推出使人們非常需要關注信息，它既是皇家海軍使用的一種資源，也是為了更全面地使用和利用優勢而需要理解的一個概念。

該概念文件概述了信息的影響，包括其廣泛的可用性、皇家海軍對信息的依賴性以及信息的使用，特別是在戰爭中和作為戰爭倍增器的跨梯隊的使用。該概念文件還談到需要更好的處理技術來處理MIW功能領域內的數據量，如指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）、指揮和控制（C2）、情報、監視和偵察（ISR）以及態勢感知（SA）。

在MIW概念文件之后，2016年又發布了RCN信息戰戰略文件[2]。這里的重點是發展海戰MIW能力和能力，以支持國內活動（即加拿大的防御）和國際部署。盡管戰略文件指出了信息的更多傳統用途，如收集、利用和傳播，但它也認識到網絡武器領域是一個機動的地方，可以采取防御和進攻的行動。MIW的概念文件涉及物理、虛擬和認知領域，而戰略文件則談到了信息領域，從而表明了信息對于作戰人員的地位和重要性。

在概念和戰略文件之后，加拿大在2017年發布了新的國防政策[3]。該國防政策并沒有明確提到信息領域。然而，該政策確實催生了兩個最近的文件，繼續表明信息對RCN的重要性：2019年的DND數據戰略[4]，以及2020年的RCN數字海軍[5]。

數字海軍[5]支持加拿大國防政策[3]的創新目標，特別是那些涉及適應和利用新技術的能力。數字海軍 "作為一個指南，將數字技術與人結合起來加以利用，以確保未來海軍的成功和可持續。這份文件提出的前進方向涉及自動化、大數據分析、云計算、人工智能（AI）和機器學習（ML）方面的創新，成功是指通過上述手段做出數據驅動的決策的RCN。

數字海軍的概念促進了企業和運營RCN社區在決策中對數據的使用。在操作方面，這是為了將海軍團隊和水兵從日常工作中更平凡的方面解放出來，通過自動化功能，如基于規則的重復性任務。從更廣泛的操作角度來看，使用這種數字技術和技巧是為了更好地進行操作。

上面提到的所有文件都指出，希望將RCN推向一個信息組織，在這個組織中，信息是用來使用的，但也被用作防御和安全的工具。由于其中一些方面對RCN來說是新的，因此顯然需要一個由信息科學、人工智能、ML以及將這些與認知科學相結合的專家組成的強大而明智的科學團體，以開發更好的人類決策模型來支持RCN的目標。

1.1 發展科學專長

通過政府、學術界和工業界合作伙伴的參與，建立了一個強大而知情的科學界。這個群體完全有能力在與現代軍隊相關的科學和技術問題上取得進展，以幫助滿足國內和國外對加拿大武裝部隊（CAF）不斷增長的需求。

為了發展這個社區，在自然科學與工程研究委員會（NSERC）的聯盟計劃下，成立了一個DRDC（大西洋研究中心）、工業界（加拿大通用動力任務系統公司，GDMS-C）和學術界（達爾豪西大學）的伙伴關系。提交并被NSERC接受的提案名為《海軍信息空間自動監測》（AMNIS）。該提案概述了海上和陸地的信息問題，特別是數據整合、事件和警報的ML、信任和對抗性數據，以及信息的可視化和呈現供用戶使用。

為了給學術研究小組提供背景和指導，下面提供了一個大大簡化的行動的基于場景的描述。該方案包括許多問題，表明與AMNIS相關的可能研究途徑。這里的目的是培養研究人員對與DRDC和GDMS-C有關的問題的理解，使研究人員能夠發展自己的思路，幫助他們追求與他們的研究和AMNIS有關的創新方法、技術和發現。

這項工作的動機是基于兩個愿望，即：

1.描述一個現實但簡化的操作，其中存在與AMNIS相關的信息問題，以及。

2.強調在AMNIS項目下DRDC和GDMS-C感興趣的研究領域。

1.2 概要

其余各節將提供一個現實場景的發揮、可視化部分、性能建模、決策和學習的概述。每一節都包含了一系列的問題，這些問題的提出有助于為研究工作提供思考點和指導。

第2節描述了一個聯合行動的場景，陸地和海洋部隊共同支持人道主義任務。通過可能被破壞并有相關安全風險的節點相互連接和共享信息資源來實現這一目的。第3節討論了可視化在該場景中的作用及其對決策的影響。這包括物理環境的可視化表示，以及額外信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和多樣化技術合作的人類表現模型。第4節討論了如何利用數據檔案來開發和學習對抗性注入檢測方法。第5節以總結性意見完成了本文。

本報告描述了北約STO RTG IST-149無人地面系統和C2內互操作性能力概念演示器的研究和實驗工作。無人地面車輛（UGVs）在現代戰斗空間中正變得越來越重要。這些系統可以攜帶大量的傳感器套件，從前線提供前所未有的數據流。另一方面，這些系統在大多數情況下仍然需要遠程操作。重要的是要認識到，如果沒有適當的方式在聯盟伙伴之間交換信息和/或將其納入C2系統，ISR數據在很大程度上將是無用的。該小組的主要目的是找到改善這種情況的方法，更具體地說，調查從操作員控制單元（OCU）控制UGV和接收數據的可能標準，并在現實世界的場景中測試它們。

該項目的努力有兩個方面。比利時的貢獻是在歐盟項目ICARUS中所做的工作。這個項目涉及一個用于搜索和救援的輔助性無人駕駛空中、地面和海上車輛團隊。互操作性在幾個不同的實驗中得到了驗證。ICARUS聯盟由幾個國際合作伙伴組成，其中比利時是這個小組的鏈接。第二項工作是該小組的聯合努力，在小組內進行實驗，展示UGV和OCU之間的互操作性。該小組于2018年在挪威的Rena進行了最后的演示。

這兩項工作都使用了無人系統聯合架構（JAUS）和互操作性配置文件（IOP），以成功實現系統間的互操作性。試驗表明，有可能相當容易地擴展系統，并在相對較短的時間內實現與部分標準的兼容。弗勞恩霍夫FKIE和TARDEC都開發了軟件，將信息從IOP域傳遞到機器人操作系統（ROS），并從該系統中獲取信息。ROS是一個廣泛使用的軟件，用于開發UGV和其他類型機器人的自主性，并被該小組的許多合作伙伴所使用。Fraunhofer FKIE和TARDEC提供的軟件對試驗的成功至關重要。

報告還討論了如何在采購前利用IOP標準來定義系統的要求。該標準本身定義了一套屬性，可以在采購新系統時作為要求來指定，可以是強制性要求，也可以是選擇性要求。這使得采購部門更容易定義要求，供應商也更容易符合要求，同時也明確了OCU在連接到系統時，在控制系統和可視化系統中的數據方面需要具備哪些能力。

該小組2018年在挪威瑞納的試驗重點是對UGV進行遠程操作，以及接收UGV的位置和視頻反饋。由于這是一次成功的試驗，下一步將是使用更高層次的控制輸入和反饋來測試互操作性，例如，向UGVs發送航點，并根據系統的感知接收系統周圍環境的地圖。

雖然有許多信息/知識來源可以確定作戰能力的差距并提供建議，以消除差距或向艦隊提供新的/改進的能力，但沒有一個全面的系統和負責任的實體能捕獲所有這些信息，正在取得或沒有取得進展，以提供一個清晰和簡潔的圖景，消除確定的差距或提供能力。為了解決這個問題，我們開發了一種基于多標準決策分析（MCDA）方法的方法，以計算和可視化任何特定時間點的能力差距得分，以描述基于證實的實時信息的能力差距解決進展。在這項工作中，我們通過在框架中增加新的元素和子元素來擴展用于評估能力的框架，并通過納入不同的模型來計算能力差距分數來擴展MCDA方法。這些模型包括加權總和模型（WSM）、加權產品模型（WPM）、加權總和產品評估（WASPA）、與理想方案相似度排序偏好技術（TOPSIS）和層次分析過程（AHP）。目標是開發一種全面的方法，以1）支持基于硬數據的能力優先排序，2）提供一個清晰和簡明的進展情況，以消除確定的差距或提供一種能力，以及3）支持創建一個中央存儲庫，供各組織分發相關信息。

研究背景

海軍水面作戰發展中心（SMWDC）指揮官的任務是為水面類型指揮官所管轄的任務領域提供監督、調整、同步和端到端的戰爭改進規劃（WIP）評估。WIP過程是一個正式的框架，用于捕獲、審查和優先考慮艦隊的能力需求，以提高戰備狀態并優化海軍部隊在執行作戰司令官（CCDR）任務中的資源（美國太平洋艦隊司令，2013）。對于每個任務領域，SMWDC總部負責確保WIP艦隊協作小組（FCT）的組成，以參與為年度產出產品的發展提供信息的活動。每個WIP在第一季度和第二季度進行執行工作組（EWG），并在當前財政年度的計劃目標備忘錄（POM）周期的第三季度初進行研討會。在整個WIP周期中，利用SMWDC總部N8/9認可的排名工具來幫助客觀地確定能力差距的優先次序。年度能力領域評估（CAA）是一項協作努力，由EWG主席領導，并得到FCT工作組領導和戰爭發展中心的支持。在第一和第二工作組期間收到的英特爾簡報和FCT更新有助于為CAA的創建提供信息，并最終提供 "家庭作業 "或支持文件，以確定能力差距的優先次序。每個能力領域所有者（CAO）向SMWDC N00通報他們的CAA和IPCL。通過在WIP研討會上提出的努力，CAA報告成為當前WIP周期IPCL發展的基礎（海軍水面和地雷作戰發展中心指揮官，2018）。

研究目標

在以前的研究工作中，我們開發了一種基于多標準決策分析（MCDA）的方法，以計算和可視化任何特定時間點的能力差距得分，以描述基于證實的實時信息的能力差距解決進展。在這項工作中，我們通過擴大用于評估不同能力的框架和納入計算能力差距分數的不同模型來擴展MCDA方法。這些模型包括加權產品模型（WPM）、加權總和產品評估（WASPA）、與理想方案相似度排序偏好技術（TOPSIS），以及。這種方法的應用將為決策者提供客觀的信息，以1）支持基于硬數據的能力優先排序，2）提供一個清晰和簡明的進展情況，以消除確定的差距和/或提供能力，以及3）支持創建一個中央存儲庫，供各組織分發相關信息。

多標準決策分析在差距分析中的應用

在以前的工作中，我們建議使用多標準決策分析（MCDA）來計算在特定時間點上的特定優先級的能力差距得分。多標準決策分析既是一種方法，也是一套技術，其目的是提供備選方案的總體排序，從最優先到最不優先。替代方案可能在滿足若干標準的程度上有所不同，而且沒有一個替代方案能最好地滿足所有標準。此外，這些標準之間通常會有一些沖突或權衡。MCDA是一種看待受許多決策標準影響的復雜問題的方法，它將問題分解成更容易管理的部分，以便將數據和判斷帶到這些部分，然后將這些部分重新組合，向決策者展示一個連貫的整體情況。這種方法是對思考和決策的一種幫助，但不是對決策的一種幫助（Department for Communities and Local Government, 2009）。

在能力差距分析的情況下，標準代表影響差距的因素（如理論、組織、物資、資金等），而備選方案是優先能力清單所規定的優先事項。每個因素都有特定的權重，以反映其相對重要性，并由主題專家單獨或集體分配。每個優先事項都會根據每個因素進行定期評估（例如，每季度一次），并根據適當的尺度進行打分。然后使用適當的MCDA模型計算每個優先事項的總分，并將其可視化，以產生一個能力差距分數。

為了實施擬議的方法，需要完成以下任務：

1.使用一個合適的能力管理框架，確定能力差距的因素和子因素的綜合清單。這些因素是對能力進行評估的性能衡量標準。這些因素可能包括：理論、組織、訓練、物資、資金、政策等。這些因素可以按照高層次因素和低層次子因素的層次結構進行分組，以此類推。

2.使用一個適當的尺度對每個因素的能力進行評級。例如，對資金因素可以使用1到5的量表，其中1表示相當大的資金削減，5表示在某一特定時間點對優先事項有充分的資金供應。對于其他因素，如理論、組織、訓練、物資等，也可以制定類似的評分標準。

3.為已確定的因素分配權重以反映其重要性。這可以基于從個人評估到在主題專家小組之間達成共識的模型等各種方法。

4.通過使用合適的MCDA模型將每個備選方案的權重和評級結合起來，計算出總體的優先級差距分數。這些模型包括加權總和模型（WSM）、加權產品模型（WPM）、加權總和產品評估（WASPA）、通過與理想方案相似度排序偏好技術（TOPSIS）和分析層次過程（AHP）（Parlos，2000）。

5.進行敏感性分析，揭示不同的權重或偏好如何影響能力差距得分。敏感性分析提供了一種手段，以檢查權重和偏好的模糊性或評價者之間的分歧對最終總體結果的影響程度。

6.將不同時期的能力差距得分可視化，以提供一個清晰和簡明的畫面，說明在消除已確定因素的差距方面正在取得或尚未取得的進展。

摘要

在高保真飛行模擬器中訓練軍事飛行員是現場訓練的常見替代方案，但這些高保真模擬器價格昂貴且受地點限制。VR技術為更靈活和低成本的模擬器培訓創造了機會。然而，軍事飛行員訓練的一個重要部分是通過與駕駛艙進行物理交互來管理飛機及其系統，而這對于常用的類似游戲VR控制器來說是不可能的。

本文描述了基于VR的戰術訓練模擬概念的開發，在該概念中，飛行員不僅可以看到和聽到訓練環境，而且由于系統會檢測并響應飛行員的輸入，因此還可以在高度真實的水平上感受和身體互動。該技術將交互檢測技術和3d打印駕駛艙儀器結合在一起，使物理和虛擬世界的沉浸式比賽成為可能。這可以讓飛行員在沉浸于VR的同時，以一種自然的方式操作飛機。

虛擬駕駛艙通過使用創新的沉浸式技術為操作員提供高保真、靈活且經濟實惠的培訓解決方案。飛行員在評估概念時的積極反饋證實了這一點。

摘要

自主系統的開發者需要通過測試來訓練和驗證他們的算法。最終用戶在決定如何有效利用系統時也可以使用這些數據。模擬是在真實環境中進行實驗的另一種選擇，它更安全，成本更低，并允許執行可重復和可控的實驗。傳統上，機器人專家使用的模擬器專注于與系統相關的細節，同時簡化了與環境、通信和資產間關系相關的方面。作為替代方案，CMRE提出了一個海事仿真框架(MSF)，可與機器人中間件(即MOOS和ROS)互操作，采用了一種硬件和軟件循環仿真方法，允許模擬通常被簡化的重要外部因素。這些擴展元素包含內容可以發現自主系統的開發人員可能不知道的交互，從而提高開發中的系統的健壯性。這項工作的目的是建立一個可配置和可擴展的仿真框架，以訓練和測試海事系統的自主行為，以協助系統開發者和支持最終用戶的操作決策。

該框架由高級體系結構(HLA)中的專用模擬器、聯邦成員模擬環境、平臺動態、傳感仿真、通信和直觀的可視化組成。提出的框架提供了一種模擬情況，包括復雜的海上操作的挑戰，以水下領域為重點，提供了比傳統方法更全面和現實的能力。到目前為止，MSF已經被用于支持地雷對抗(MCM)和反潛戰(ASW)任務中自主系統算法的發展，具有單個或多個車輛配置。