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

無人機系統（UAS）的發展及其在作戰行動中的應用代表著戰爭模式的轉變。自 20 世紀末以來，無人機系統一直被用于情報搜集和精確打擊，但傳統武裝部隊一直認為無人機系統不適合大規模作戰行動（LSCO），而且過于脆弱。最近的沖突證明情況恰恰相反。這些沖突還表明，無視戰場上無人機系統威脅的部隊將無可挽回地面臨失敗。通過三個案例研究（納戈爾諾-卡拉巴赫、中東和利比亞），本專著將強調無人機系統威脅對聯合作戰模式的嚴峻挑戰。然而，如果部隊具有凝聚力、訓練有素、組織有序，能夠保護自己免受這種威脅，并采取積極主動的方法應對這種威脅，那么這種作戰方式在無人機環境下仍然適用。此外，最近發生的使用無人機的沖突重新喚起并強調了不同部門之間，甚至部隊不同領域組成部分之間必要的合作精神，并強調了這種方法的重要性。最后，無人機并沒有改變戰爭的性質。相反，無人機加強了戰爭的政治性，因為無人機的使用直接影響到面對無人機的交戰方的決策。

納戈爾諾-卡拉巴赫沖突、中東行動和利比亞行動表明，交戰方在使用無人機方面可以走多遠。這些資產可以像在納戈爾諾-卡拉巴赫那樣迫使交戰方做出有利于自己的決定，使不對稱優勢的敵人對自己的力量產生懷疑，迫使他使用更謹慎的方法，或者成為非國家行為者的 21 世紀版空中力量。此外，無人機還將導致行動者不敢訴諸武力。與有人駕駛飛機相比，使用無人機的便利性和相對低廉的價格促使人們對這一威脅進行必要的反思和調整。無人機還強調了后方地區的高度脆弱性，提出了掩蓋部署部隊和恢復作戰保護功能的問題。由于西歐和美國部隊在過去 30 年中一直部署在擁有全面制空權的戰區，因此這種反思顯得更為迫切。為了準備未來可能發生的 LSCO 類型沖突，先例情況使他們處于不利地位，因為他們必須接受變化并實施這種范式轉變，而同行對手已經調整了其軍事工具，以使用或對抗無人機系統。

這些沖突的共同點是無人機造成的破壞對對手決策的影響：亞美尼亞軍事領導層癱瘓，政治領導層要求停戰。聯盟成員領導人不得不改變戰術，緊急投資購買反無人機設備，某些國家對無人機對本國領土發動恐怖襲擊的恐懼心理上升。在利比亞，哈夫塔爾將軍放棄了奪取的黎波里的目標，因為他在無人機襲擊中遭受了損失。

然而，現在就斷言無人機是解決未來沖突的終極方案，聯合作戰已不再適用，還為時過早。一支訓練有素的部隊，配備足夠的資產以確保其機動自由，就能戰勝無人機使用者。不局限于被動保護的積極態度也是一個成功因素。這種威脅強調，聯合武器系統的所有要素都必須加強合作。在聯合層面，它強調了同樣的團結精神，以保持部隊的機動自由。如果預算限制和無人機成本與現有防空系統之間的差距尚無法彌補，那么其他手段（如培訓）將有助于保持聯合作戰方法的相關性。

此外，無人機似乎并不是在不使用常規能力的情況下確保沖突勝利的最終解決方案，因此所有其他能力都是不必要的。在納戈爾諾-卡拉巴赫，無人機促進而非取代地面部隊的投入；在利比亞，俄羅斯常規部隊在戰場上的存在就阻止了土耳其人追擊哈夫塔爾的部隊。在敘利亞和伊拉克，無人機并未改變 ISIS 的戰爭命運。然而，這一資產使用戶能夠以可承受的成本在戰爭的各個層面進入交戰方的決策周期，從而加強了戰爭的政治性質。

無人機提出的問題并不是聯合部隊遇到的第一個挑戰，也可能不是最后一個。如果說在當前形勢下，無人機系統迫使不同軍隊改變作戰方式，無人機系統并未重塑社會、國家或軍事組織，那么無人機在海上或陸地等其他領域的發展將為武裝部隊的保護和使用提出其他問題。將無人資產擴展到其他領域可能會引發一場軍事革命。

在波斯灣戰爭和全球反恐戰爭期間，美國陸軍在常規和非常規行動中使用遠程火力作為威懾和投送手段。技術的進步不斷擴大了火炮、火箭和導彈的射程。然而，從波斯灣戰爭到全球反恐戰爭期間作戰環境的不斷變化，使人們的關注點發生了變化，就像鐘擺一樣，從強調彈藥的殺傷力轉向彈藥的精確性。雖然在全球反恐戰爭的后期，這種擺動可能是必要的，但當前新威脅可能要求鐘擺重新擺向殺傷力，并促使美國陸軍遠程精確火力跨功能小組開始開發和實施專門用于摧毀裝甲和移動目標的彈藥。

圖 5. 遠程高超音速武器。

遠程火力一直是戰場上的重要資產。多年來，野戰炮兵武器系統和彈藥不斷進步，以適應不斷變化的作戰環境和敵方威脅。雖然射程一直在增加，但重點卻像鐘擺一樣在殺傷力和精確度之間搖擺不定。美軍在波斯灣戰爭以及在伊拉克自由行動期間對伊拉克的初次入侵在某種程度上就是鐘擺擺動到以殺傷力為重點的例子。而 “伊拉克戰爭 ”的其余部分則是鐘擺從注重殺傷力轉向注重精確性的例子。遠程精確火力跨職能小組的成立及其發展重點表明，未來作戰的重點仍然是精確，同時仍然強調射程。

雖然 A2/AD 系統的出現需要很大的彈藥射程來壓制或摧毀 A2/AD 系統的組成部分，并允許美國機動部隊采取進攻行動，但由于 A2/AD 系統被突破后可能發生地面戰斗，因此需要更加注重殺傷力。彈藥需要對敵方裝甲或移動目標具有更大的破壞能力，才能在這些預測的未來環境中發揮有效作用。

為提高殺傷力，遠程精確火力跨職能小組須將開發出像 20 世紀 90 年代和 21 世紀初的 DPICM 和 SADARM 那樣的彈藥，專門用于摧毀裝甲車輛和移動資產。美國陸軍的現代加農炮、火箭彈和導彈彈藥旨在精確打擊靜態目標，而且非常有效。然而，美國陸軍目前的大炮、火箭和導彈庫存中并不包括像 DPICM 這樣能有效打擊裝甲車輛的彈藥，也不包括專門打擊移動車輛的 SADARM。

提高殺傷力并不一定需要犧牲精確度。采用全球定位系統和 INS 輔助彈藥本身就能提高精確度。然而，彈藥需要具備類似于 DPICM 或 SADARM 的能力，能夠有效和高效地部署、跟蹤、瞄準和摧毀裝甲車輛和移動目標。

為進一步支持更加注重殺傷力，遠程精確火力跨職能小組須將 “精確 ”一詞從其名稱中刪除。雖然這看似流于形式，但將遠程精確火力跨職能小組的名稱改為遠程精確火力跨職能小組，將調整跨職能小組成員和與跨職能小組合作的連隊在開發新能力時的心態。

野戰炮兵在未來戰爭中仍將是一種相關能力。遠程精確火力跨職能小組正在采取措施，以確保火炮武器系統和彈藥為未來做好準備。技術將繼續提高最大射程，并實現更高的精度。然而，必須將注意力、時間和資金投入到提高殺傷力上，使指揮官能夠在多種任務中使用火炮，而不是將火炮局限于以殺傷力換取精確度的任務中。

復雜傳感器網絡是一套龐大而昂貴的系統、軟件、傳感器和發射器，可生成有助于戰區感知和戰斗識別的數據。多種傳感器網絡配置可收集大量數據，從而導致 "數據豐富、信息貧乏"（DRIP）的無效局面。可操作信息的理想解決方案是協調高價值單元（HVUs），以支持識別和瞄準等行動。目前，對未知信號的及時探測不足以在戰術層面保持對態勢的了解。很少有分析人員具備有效利用現有數據所需的經驗和數據訪問能力。有經驗的分析人員也不夠接近邊緣，無法為戰術和作戰層面的作戰提供支持。將經驗豐富的分析人員的工作流程和過程自動化，并與新的人工智能和建模技術相結合，將能更好、更及時地從數據中提取重要信息，支持更好的態勢感知和戰術決策。對戰斗和目標識別進行分析的動機源于通常需要做出快速、有效和知情決策的巨大壓力。目標識別的目標是分析潛在目標的威脅，以便就與目標交戰做出明智決策。利用這些基于圖形的方法的好處包括：通過自動化工具提高態勢感知能力，提煉出戰術和作戰層面的背景信息。

項目概述

復雜傳感器網絡是一套龐大而昂貴的系統、軟件、傳感器和發射器，可生成有助于戰區感知和戰斗識別的數據。多種傳感器網絡配置可收集大量數據，從而導致 "數據豐富、信息貧乏 "的無效局面。可操作信息的理想解決方案是協調高價值單元，為識別和瞄準等行動提供支持。目前，對未知信號的及時探測不足以在戰術層面保持對態勢的了解。很少有分析人員具備有效使用現有數據所需的經驗和數據訪問能力。而那些有經驗的分析人員也不夠接近戰爭邊緣，無法為戰術和作戰層面提供支持。將經驗豐富的分析人員的工作流程和過程自動化，并與新的人工智能和分析建模技術相結合，將能更好、更及時地從數據中提取重要信息，支持更好的態勢感知和戰術決策。對戰斗和目標識別進行分析的動機源于通常需要做出快速、有效和知情決策的巨大壓力。目標識別的目的是分析潛在目標的威脅，以便就與之交戰做出明智決策。利用這些基于圖形的方法的好處包括：通過自動化工具提高態勢感知能力，提煉出戰術和作戰層面的背景信息。

利用機器學習算法、人工智能、知識圖譜和圖形識別技術，主要結果令人鼓舞：如果我們將預先訓練好的數據集應用于先前加權的神經網絡算法，那么機器學習算法的第一次迭代或歷時的準確率為 20.2%。隨后的迭代會顯示出更顯著的準確率增長，在五個或更多迭代之后，準確率會達到 94.9%。雖然結果顯示準確率很高，但運行深度卷積神經網絡算法的大型數據集需要大量時間，有時需要多個小時才能完成。如果所需信息的時間至關重要，則需要專用的高功率計算。要評估本報告所述方法的實際功效，可能需要進行實際測試。在未來的研究中還可以應用其他方法，例如用目標的基帶調制同相和正交分量代替視覺表示，將其應用到知識圖譜中，可能會提高作戰目標識別的效率和準確性。

研究背景

神經網絡的協同和自組織如何影響復雜網絡傳感器的效率和作戰識別？我們能否通過信息的動態形成形成弱聯系和強聯系以支持新知識？圖機器學習和建模技術（概率圖模型、神經網絡和聚類算法）可應用于射頻（RF）信號數據的知識圖譜。因此，本研究的主要目的是了解自組織和復雜自適應系統是否會產生新的特性，從而更好地探測、識別和分析潛在目標，以便進行戰斗識別。研究假設必須考慮新知識的可信度、不確定性和準確性等關鍵因素。將對收集數據的方法（如時間和位置屬性、關系強度、知識圖譜的精確度和召回率）進行仔細研究。這些指標將與地面真實目標校準信號進行比較，以證明本研究在戰斗識別方面取得的進步。

這與當前有關美國防部行動的研究有重大關聯。將通過適當的艦隊實驗來考慮適當和可行的以數據為中心的方法，從而實現 JADC2 的作戰概念，如 "感知、理解和行動"。戰術態勢感知（TACSIT）、遠征高級基地作戰（EABO）、分布式海上作戰（DMO）和有爭議的環境都是提供交戰決策所需知識的因素。必須在正確的時間、正確的地點提供所需的適當數據，以實現決策優勢。本研究將重點關注利用戰區現有傳感器、參考發射器和多信息協調解決方案（MIOS）架構進行聯合作戰識別。JADC2 概念、數據結構和信息共享格式將是調整的主要參考方案。在美軍方面，基于圖形的技術能夠以一種新的方式來解決高置信度超視距估算問題，以確定任務風險和部隊風險。

在方法論方面，當前的研究利用已知的飛機圖片作為訓練數據集，同時應用機器學習算法。我們的測試使用了 14,806 張經過驗證的圖片，這些圖片被分成一個個小塊，稱為 "類"。研究說明了我們對深度神經網絡的測試結果，因為它們與戰斗識別應用有關。測試使用的 Python 代碼加載了各種分析庫，如 NumPy、Pandas、Seaborn、Efficient Net 和 Tensor Flow Keras。加載了一個包含 14 806 張圖片的大型數據集，該數據集可以隨機分割或拆分為訓練集和測試集。這兩組數據會被進一步分割成更小的數據塊進行處理，例如以 40 張圖片為一批。在訓練和驗證過程中，對準確率和信息損失進行測量。訓練過程在 20 個神經元層上多次重復和迭代。每次迭代或歷時的結果都會反饋到下一輪迭代中。具體來說，權重被保存并用于下一輪迭代。然后使用測試數據集上的最佳迭代結果進行預測。

結果和結論

復雜傳感器網絡是一套龐大而昂貴的系統、軟件、傳感器和發射器，會產生大量數據，如果能對這些數據進行快速有效的分析，就能提供戰斗空間感知和戰斗識別。由于目前的方法不足以在戰術層面保持流暢高效的態勢感知，因此提供可操作信息和及時發現未知信號的高效解決方案意義重大。這項研究考察了使用機器學習和知識圖譜的各種算法，以評估能否提高效率和準確性。研究結果表明，使用圖形文件識別目標是可行的，但要獲得更高的準確度，必須進行多次迭代。例如，如果采用標準的非加權快速算法，運行視覺數據集的準確率為 5.6%。但是，如果使用先前加權的神經網絡來啟動這一過程，第一個迭代的準確率就會達到 20.2%。使用這些初始權重，在隨后的五個epoch后，準確率大幅提高至94.9%。運行大型數據集的主要問題是深度卷積神經網絡的運行時間。一個只有 14,806 張圖片的中等數據集，5 個epochs 可能需要 3 個半小時以上。因此，如果時間要求很高，就需要專用的高功率計算。此外，除了運行時間外，深度神經網絡的局限性還在于需要多次迭代，在迭代過程中，任何低級別的準確度和精確度類類型都需要用更好的圖片來替換。建議下一步可以進行實際測試，以確定本報告所述方法的實際功效。

進一步研究的建議

根據研究結果，建議采取的下一步措施包括使用實際生活中的連續數據流，既包括圖形文件格式，也包括其他類型的識別數據，如使用同相和正交（I&Q）數據，其中數據已預先分配了預檢測和預解調信息。在通信系統中，大多數信號都被基帶調制成同相（I）和正交（Q）子分量。然后通過射頻（RF）頻譜進行傳輸。在另一端，接收器對信號的 I&Q 子分量進行解調，并利用預先訓練的數據對先前確定的戰斗進行識別，從而進一步提高探測的速度、準確性和效率。可以利用知識圖譜和圖形距離誤差測量方法，以一定的概率快速確定目標是敵是友。

收集和共享信息以及指揮和控制是所有軍事行動的重要組成部分。建立一個靈活的通信網絡，以適應每次行動的具體要求，是在當前和未來軍事行動中提供必要信息流的關鍵要求之一。目前正在開展一些活動，為固定網絡基礎設施提供靈活的聯盟網絡，并在一定程度上為半移動部署網絡提供靈活的聯盟網絡，例如聯邦任務網絡（FMN）。然而，對于如何部署高效、連接良好的異構戰術無線電網絡，目前還沒有明確的指導方針。這極大地阻礙了低級戰術層面的信息共享。本報告介紹了北約科技組織所做的研究，目的是加深對如何在戰術邊緣構建可互操作的異構移動無線電網絡的理解，并提出一些建議。目的是找到最有效利用不同聯盟伙伴為行動提供的移動網絡的方法。報告涵蓋三大主題：

1. 描述一個場景并實施一個類似云的測試平臺環境，以評估與該場景相關的不同技術解決方案。該試驗臺是提高信息和通信技術國際研究合作效率的一個示例。場景和試驗臺的作用與技術合作示范（CDT）類似，都是對不同技術進行基于場景的合作分析，但成本比 CDT 低得多。利用仿真技術可以加快從早期研究成果到為標準化測試解決方案所需的時間。建立測試平臺環境的工具和腳本將公開提供。

2. 描述和分析在不同移動網絡之間提供端到端連接的架構和機制。報告比較了不同的路由架構，并提出了一種混合架構。一個核心觀點是，網絡規劃者需要選擇不同的機制，以便為不同類型的操作提供必要的性能。為了確保不同機制之間的互操作性，我們確定了必要的信息交換接口，并對不同協議的可擴展性進行了研究。我們概述了不同的安全架構，討論了安全架構的選擇對路由架構效率的影響，并提出了一個目標安全架構。

3. 對稀缺網絡資源進行最佳優先排序和利用的準則和機制。建議監測網絡健康的三種狀態（正常、減少、最后努力），以改善網絡的資源管理（RM）和服務質量（QoS）。不同的網絡狀態需要一套或多套機制。我們還建議選擇單一網絡層來實施 QoS 或 RM 機制，因為這樣可以降低不同層的機制不合作而降低性能的風險。要使 RM 和 QoS 運行良好，必須有一個信息價值（VoI）的概念。VoI 會隨時間發生變化，RM/QoS 需要適應這些變化。

更好地了解在戰術邊緣建立移動異構聯盟網絡時所面臨的挑戰，這將有助于北約國家發展/采購具有互操作性的網絡設備。成果非常及時。預計從螺旋 4 開始，FMN 將開始包括移動戰術網絡的不同方面。結果將成為相關 FMN 的重要投入。

重點關注可部署和移動戰術領域的異構網絡

圖 2 展示了依賴于這些網絡的軍事場景概覽。創建該場景是為了顯示行動期間的信息需求，并舉例說明在異構網絡中建立必要服務所面臨的挑戰。

該場景描述的是一個機械化營的連級特遣部隊和一個海軍特遣艦隊開展的行動。它們是由聯軍總部協調的軍事特遣隊 (MC) 的一部分。連隊通信和信息系統 (CIS) 與國家作戰廣域網相連，并可訪問聯軍系統。MC 總部在行動期間發揮后援作用，并應要求提供戰斗支援（CS）和戰勤支援（CSS）。根據行動背景，假定敵軍正準備從位于圖 2 右下角行動區內的村莊向聯軍基地發動復雜的攻擊。敵軍裝備精良，活動區域可能埋有地雷，因此有可能出現簡易爆炸裝置（IED）危險。己方部隊的任務是進入作戰區域，消滅叛亂分子并銷毀他們收集的武器裝備。避免村莊居民傷亡并使叛亂分子無法逃脫是非常重要的。這一任務中最重要的因素是由聯軍提供的獨聯體、后勤和醫療支持。因此，需要有運作良好的通信能力來幫助組織武裝部隊。

完成這項任務需要使用各種系統和通信網絡，如無線電通信系統（高頻、甚高頻、超高頻、衛星通信）、傳感器網絡和無人機系統。海軍管理系統也已到位，用于支持任務的偵察和監視，并提供數據、語音和視頻等服務。

為實施場景中的行動，確定了三個小故事。每個小故事的角色和參與者都相同。第一個小場景涉及戰場的情報準備工作。第二個小場景包括聯軍進入作戰區，包括在周邊沿海地區開展海上攔截行動。第三個小故事包括一次城市行動，結果是消滅了叛亂分子。第三個小故事還包括在解除簡易爆炸裝置后向軍艦進行的醫療后送。每個小故事都提出了行動者和 C4IS（指揮、控制、通信和計算機信息系統）設備之間預期交換的數據，強調了軍事異構網絡的連接性和網絡效率問題。

戰場物聯網（IoBT）的重點是利用傳感器、執行器和分析設備的互聯網絡提供戰場態勢感知。傳感器可以探測敵人的動向，然后將信息實時傳遞給分析人員，使他們能夠就定位、應避免的區域或誰正在穿越某一區域做出戰術決策。這種能力將有可能節省資源和士兵的生命，因此物聯網成為美國陸軍研究實驗室（ARL）網絡科學研究實驗室研究的重要課題。物聯網（IoT）的概念是與任何類型的設備（從汽車到冰箱）建立通信網絡。將這一概念轉換到戰場環境中，可以想象 IoBT 能帶來多大的可能性。陸軍對 IoBT 設備產生了濃厚的興趣，希望學習、開發并將這些理念從實驗室帶到戰場。

為此，美國陸軍研究實驗室戰術網絡保障分部開發了一種在未知或潛在敵對環境中使用 IoBT 部署多個傳感器的方法。稱該系統為自主分類傳感器網絡。系統內的傳感器執行基本分類，根據生成的事件識別是盟友還是對手，并使用特設無線網絡相互通信。通過使用多個不同類型的傳感器，分類結果更加穩健，因為它們來自不同模式的多個傳感器數據源。此外，為確保較長的網絡壽命，傳感器采用了睡眠算法，節點進入低功耗模式，同時保持網絡活動。最后，這項工作的重點是開發一種應對拒絕服務（DoS）和分布式拒絕服務（DDoS）攻擊的對策，這些攻擊是能夠關閉網絡的普遍威脅。

圖 6 測試不同聚類方法的 Node-RED 流程

交叉引用傳感器

每個傳感器節點都與一個 XBee Series 2 模塊相連，作為通信的基礎層。之所以選擇 XBee，是因為它成本低廉，而且與其他常見的 WiFi 或藍牙設備相比，它與戰術無線無線電相似。我們的實施方案有兩種節點，一種是檢測器節點，另一種是分類器節點。檢測器用于檢測網絡一般區域內是否發生了事件。分類器收集的數據隨后用于將事件分類為盟友事件或敵方事件。我們的設想是，讓探測器節點感知是否有人進入現場，并將該信息轉發給附近的分類器節點，以喚醒它們并開始勘察環境。分類器節點將繼續感知，直到有人觸發事件或感知時間結束。然后，分類器的信息將直接或通過多跳發送到基站。

探測器節點配備了被動紅外（PIR）、超聲波或振動傳感器，分類器節點配備了射頻識別（RFID）、磁力計、麥克風或攝像頭傳感器。為了節約能源，我們在網絡中采用了睡眠算法，這樣檢測器節點就不會在每個時間點都處于空閑狀態。傳感器被連接到 Arduino UNO2 或 Raspberry Pi3 單板計算機上。除了攝像頭和麥克風需要 Raspberry Pi 提供額外的計算資源外，大部分傳感器都使用 Arduino UNO 設備。

分類傳感器收集到的數據會被發送到基站，并在那里匯總成一個數據項。這個匯總數據集代表了過去幾秒鐘內感應到的區域。然后通過聚類算法對數據進行分析，對觸發傳感器的個人進行分類，以預測是盟友還是對手觸發了事件。

休眠算法

無線傳感器網絡的一個重要方面是網絡壽命，它可以定義為最后一個節點停止工作（因故障或耗盡電力資源）所需的時間，也可以定義為網絡的覆蓋范圍或連接性達到某個連接性閾值所需的時間。如果網絡能維持更長時間的可用流量，就能減少在戰場上更換或維護網絡的需要，從而節省時間并降低士兵面臨的風險。由于增加每個節點的電池容量成本高昂，建議采用休眠算法來延長網絡的使用壽命。不主動掃描且對網絡連接不重要的節點可以進入睡眠狀態，以節省能量。然后，這些節點可以在稍后時間被激活，接替可用能量較少的節點的角色。在實施過程中，探索了三種不同的策略，同時測量了它們的壽命和覆蓋范圍。1）地理自適應保真度 (GAF) 算法、2）連接 k 鄰域 (CKN) 和能耗連接 k 鄰域 (EC-CKN)、3）分類網絡休眠算法

數據分析

隨著可用數據的增加，有必要制定一種方法來解釋數據和推理信息。最初通過 Node-RED 通過合成輸入進行數據收集和分類。我們選擇了 R 編程語言來最終實現將傳感器數據分類為敵方或盟方事件。

安全性

任何無線網絡都會存在一些安全隱患，因此必須加以解決。第一個問題是，傳感器會不斷廣播它們掌握的所有信息。監聽網絡的敵人可以輕易地看到所有正在廣播的信息，甚至更糟糕的是，他們可以編造自己的數據來混淆聚類算法。另一個問題是，監聽網絡的對手可能會試圖用數據包淹沒網絡，阻止傳感器傳輸數據（DoS 或 DDoS）。

為了防止對手在 DoS/DDoS 攻擊中用無用數據淹沒網絡，檢查了畸形數據，并切換了 XBee 無線電的個人區域網絡 (PAN) ID。如果檢查發現網絡被數據淹沒，系統就會切換到另一個網絡。遺憾的是，這并不能完全解決問題，因為存在復制攻擊，這種攻擊會利用有效數據，在網絡中充斥大量數據副本。不過，這種攻擊可以通過在數據中加入一次性號碼來解決，這樣基站就能檢測到相同的數據是否被發送了多次。

由于其復雜性，城市地區對于地面戰來說是一個具有挑戰性的多維環境。最近的技術進步使軍隊能夠利用不同大小的無人地面車輛（UGV）來支持各種任務。本論文介紹了為一些通用 UGV 蜂群開發的搜索和殺傷任務制導算法，這可能是一個有吸引力的應用，特別是對于在城市環境中運行的小型 UGV。研究通過一系列計算機模擬，評估了算法在室內和室外城市環境中執行此類任務的可行性和有效性。所開發的模擬可以改變許多參數，從而在使用不同的環境、平臺、傳感器和武器時接近真實情況。本文介紹的計算機模擬還可幫助軍事領導人選擇關鍵任務參數，以最大限度地提高未來潛在交戰的結果。

圖：美國防部陸軍UGV戰役計劃

圖：美國防部陸軍UGV能力時間表

由于多層結構、新的交戰條件以及對軍民關系的考慮，城市地區的戰斗極其復雜和具有挑戰性。最近的技術進步使軍方能夠采用機器人平臺，如爆炸物處理、重型物品裝載、火力下的地面狀況修復等，幫助克服城市環境中的作戰挑戰（Gage，1995 年）。軍用機器人領域的一個新興趨勢是蜂群機器人技術。根據美國國防部（DoD）機器人系統聯合項目辦公室（RS JPO）2011 年發布的無人地面系統路線圖報告，計劃在未來 25 年內開發出具有作戰能力的武裝 UGV（國防部，2011 年，41）。

本論文評估了三種算法（表 1），即最小訪問單元（LVC）制導、高級最小訪問單元（ALVC）制導和粒子群優化（PSO）算法在三種不同環境?open space、室外和室內?，以滿足 UGV 搜索和摧毀任務的適用性。UGV 的任務分為兩個階段。第一階段是搜索階段，其有效性的衡量標準是區域覆蓋。第二階段是跟蹤和交戰階段，其效果衡量標準是結束交戰所需的時間（迭代次數）以及藍方和紅方部隊的傷亡人數。

表1 本文研究的輸入參數綜述。

本論文中開發的 LVC 制導算法在空地、室外和室內城市行動這三種行動中都能很好地發揮作用。引入 PSO 算法后，在跟蹤和交戰階段定位目標所需的時間進一步縮短了約五倍。然而，PSO 算法在室內行動中遇到了困難，因為它無法克服 UGV 智能體與被探測到的敵方智能體之間的障礙。由于 PSO 算法不會改變交戰順序或殺傷概率，因此不會影響傷亡人數。作為對 LVC 制導的改進而開發的 ALVC 制導算法運行良好，對區域覆蓋有顯著影響，但僅限于搜索階段。與 PSO 算法類似，ALVC 制導算法無法克服障礙物，因此不適合室外和室內城市行動。因此，需要進一步修改 PSO 和 ALVC 制導算法。

對模擬結果的分析表明，增加 UGV 的數量將有助于在更短的時間內定位目標，并提高跟蹤和交戰階段的獲勝概率。分析還表明，提供進入作戰區域的多個入口點是有益的，因為這可以讓 UGV 在更短的時間內確定敵人的位置。此外，引入非整體性約束的結果表明，非整體性驅動提高了區域覆蓋率，從而使 UGV 能夠在更短的時間內定位目標。但事實證明，非整體性約束對于跟蹤移動目標的 UGV 來說是一個不利因素。增加探測距離更為有利，因為 UGV 對態勢有更好的感知，可以更早地啟動 PSO 算法，從而縮短總的交戰時間。

影響傷亡人數的三個輸入參數是殺傷概率、殺傷距離和殺傷順序。藍軍傷亡人數的增減取決于這三個因素。如果紅軍的擊殺概率越高，藍軍的傷亡人數就越少，藍軍需要的擊殺距離就越長，而且藍軍最先參戰。

建模概念遵循網格系統，其中作戰區域被劃分為 100×100 個單元。在每次迭代中，每個智能體都會通過評估緊鄰的八個周邊單元來確定自己的下一個位置。根據輸入參數（如非自主駕駛行為和避免碰撞）和環境條件（如障礙物），周圍的一些單元會受到限制。根據算法的選擇，一些不受限制的單元會比其他單元更受青睞。UGV 智能體與敵方智能體之間的交戰被模擬為概率事件。

問題

情報、監視和偵察（ISR）行動的目的是收集信息并將信息提供給操作人員，而操作人員則需要就戰區內的各種行動方案做出具體決策。可以肯定的是，ISR 行動是技術密集型的。但與此同時，ISR 行動也是一個非常以人為本的過程。盡管如此，在 ISR 概念開發和評估（CD&E）過程中卻很少甚至根本沒有進行人為因素（HF）研究。通過研究新的 ISR 技術和概念在各種作戰環境下對操作人員表現的影響，研究人員可以提供更加科學嚴謹的建議，為高層政策制定者和決策者提供有關未來 ISR 技術和能力的信息，這些技術和能力適用于所有 ISR 環境：空中、海面、地下和太空，貫穿國內、盟國和整個政府（WoG）的合作關系。因此，HF研究方法應成為任何 ISR CD&E 流程的組成部分，以便為 ISR 指揮系統各級的政策和決策者提供信息和建議。

目的

北大西洋公約組織（NATO）研究與技術組織（RTO）人為因素與醫學（HFM）小組任務組（研究與技術組（RTG）-276 NATO RTG HFM-276）"人為因素與 ISR 概念開發與評估 "的成立是為了確定和了解對有效的 ISR 行動至關重要的HF問題。更確切地說，這項開創性工作的目標是 (1) 確定對有效的 ISR 行動至關重要的HF問題（如態勢感知 (SA)、工作量、組織結構、協調和協調機制、可視化、信任、信息共享和管理、領導力和決策）；(2) 使用行為理論模型來制定我們的研究方法并理解我們的研究結果；(3) 就在 ISR CD&E 行動中使用和實施HF研究提出建議。

范圍和限制

基于并擴展最初由北約 HFM-163 RTO 小組開發的軍事組織效能模型，北約 HFM RTG-276 小組的工作范圍是確定并了解對 ISR 行動至關重要的HF問題。為此，小組決定于2018年6月11日至2018年6月26日在德國Einsiedlerhof的美國空軍歐洲（USAFE）戰士準備中心（WPC）的 "北約2018聯合愿景"（UV18）試驗模擬內開展關于聯合ISR（JISR）作戰效能的研究。此外，小組還在 2019 年 5 月于芬蘭舉行的 "大膽探索 2019"（BQ19）演習中進行了類似研究。

結果、對北約的意義和實際影響

北約 HFM-276 任務小組使用組織有效性模型制定了一套調查，以確定和了解對有效的 ISR 行動至關重要的HF問題。該模型的核心是由任務分配、收集、處理、利用和傳播（TCPED）組成的聯合監查制度流程。從這一模型和其他來源得出的數據收集計劃審視了一些HF問題在整個 ISR 行動中的作用：基本HF知識、態勢評估、工作量、組織結構、信任、信息共享、信息管理、領導力、文化、組織流程、組織靈活性、共同意識和責任、協調和協調機制、決策、能力、情報需求管理（IRM）、通信、元數據和應用系統。所有這些HF因素都將影響 ISR 的作戰概念，并影響操作人員的績效。此外，本文還總結了改進北約和非北約行動 ISR CD&E 流程的一些實際意義，重點是開發應納入 ISR CD&E 流程的HF研究方法。這種HF方法就像 ISR 概念開發的技術和程序質量控制部分。預計研究結果將有助于為 ISR 指揮系統各級的政策和決策者提供信息和建議，以加強北約 ISR 規劃、任務執行和能力發展方面的信息和決策優勢。預計研究結果還將有助于為 ISR 與其他聯合進程（如聯合目標定位）的整合提供信息，以確定當前與 ISR 有關的HF差距以及與其他進程的整合。

理論框架

在本節中，我們將為監委會的HF行動提供一個高層次的理論框架。廣義上，理論可以理解為在一組邊界假設和約束條件下對概念間關系的陳述，因此我們對一般假設、約束條件和概念及其與我們框架的關系進行了劃分[1]。我們認為我們的理論框架由三個關鍵概念組成：1）監委會進程；2）各種HF變量；3）產出因素。本節關注的是這些概念之間的關系，以及它們之間關系的支配因素。各節詳細介紹了監委會進程的理論和分析、各種HF因素的影響及其對產出因素的影響。各節還深入介紹了與各小節相關的方法。

人們提出了不同的組織流程方法，如輸入-中介-輸出框架、輸入-中介-輸出-輸入框架以及受結構化啟發的流程框架[2, 3]。從廣義上講，這些方法既包括目的論和順序論的觀點，即假定有明確的目標來指導行動以產生特定的結果，也包括更具突發性的變革觀點，即人類在其中工作的結構會影響其他結構中的人類，并受到其他結構中人類的影響[4]。

我們認為，作為一個基本假設，在聯盟背景下開展的監委會聯合審查進程并不容易采用上述任何一種模式：相反，它是一個預先計劃和設計的順序進程與突發進程的混合體[5]。一方面，有正式定義的程序、理論、戰術、技術和流程（TTP），如《支持北約行動的聯合情報、監視和偵察程序》（AintP）和《作戰命令》（ORBAT）；另一方面，也有包括特定節點在內的工作流程的實驗。這表明，我們的研究一方面要對 TTPs 的影響保持不可知論的觀點，另一方面要對執行聯合監查制度時的行動和對這些 TTPs 的看法保持不可知論的觀點。因此，我們的理論框架包含兩種相互作用的兵力：計劃行動和突發行動。計劃中的監委會審查和執行中的監委會審查之間的區別既體現在實驗計劃和實際實驗/演習執行之間的對立，也體現在計劃中的監委會審查行動和執行中的監委會審查行動之間的緊張關系，執行有時甚至是動態的。我們認為，計劃與執行動態之間的矛盾對于理解HF如何影響聯合監委會至關重要。應建立人類決策和協作機制，確保北約的聯合監委會從預先計劃順利過渡到動態執行。

更具體地說，我們的模型試圖將聯合監委會合作的線性和非線性軌跡結合起來。從順序計劃的角度來看，該模型的核心是聯合監委會流程，其中的 TCPED 階段可視為構成伯克等人[6]團隊適應模型的不同階段： SA、計劃制定、計劃執行和團隊學習（可以是評估收集處理、利用和傳播（CPED）是否有助于解決任務）（見下圖 1）。單個 PED 單元的這種相對線性的團隊流程也應結合其在多團隊系統中與其他團隊（單元）的協作來看待，即多個團隊為實現共同目標而集成工作[7]。涉及多個 PED 單元的聯合 PED 對于確保收集必要數據以獲取可采取行動的情報尤為重要。我們預計，由于不同的原因，計劃中的監委會審查流程可能并不總是按照預期的計劃方式可行。例如，從任務的角度來看：一個 PED 單元在執行任務期間的實際工作量可能會嚴重影響其參與整個聯盟聯合監 督和報告進程的能力。北約的事先規劃可在一定程度上減少這一因素，但不能完全消除不確定性。其他一些因素也可能對事先規劃的聯合監查制度進程構成挑戰：如各 PED 單元的動機、經驗、對任務的不同理解程度等。因此，我們認為HF的影響不僅與在單個小組內實現聯合監委會進程的總體目標有先后關系，而且在很大程度上以其他無意方式影響了北約的整體聯合監委會進程。另一方面，所述的監委會進程不一定會因這些障礙而改變，因為這可能取決于多個國家政策、執行和評估小組內部和之間協調和信任的有效性。

在不同的章節中，我們闡述了個人和人際因素、組織因素、文化因素、任務因素、系統因素和團隊因素如何影響聯合監委會。這些輸入因素預計會影響監委會的程序及其在監委會內部以及向外部組織要素（如聯合目標或情報界）提供可用結果的能力，進而影響諸如共享情況意識、數據分析、信息共享和決策以及任務完成的準確性和速度等輸出因素。圖 1 描繪了輸入和輸出因素之間的擬議聯系；該圖概述了本報告研究的所有因素。藍色和帶下劃線的因素是經過實證研究的因素。在隨后的章節中會有更詳細的理論介紹，其中還包括更詳細解釋一般模型中提出的各因素之間擬議相互關系的模型。

近來技術的進步使得戰場上對快速指揮與控制（C2）決策的需求變得非常重要。傳統上，由專題專家（SME）利用其積累的知識、經驗和專業技能制定行動方案，完成這些任務以實現預期目標。現在，技術進步了，戰術領域的行動步伐也加快了。指揮官需要在很短的時間內，有時甚至是一瞬間，針對特定情況做出決策。這就需要在這些任務中引入自動化，從而使用基于人工智能（AI）和機器學習（ML）框架的算法。

ML 技術可分為兩大類，一類方法需要大量真實情況數據進行訓練（如監督學習），另一類方法則采用行動和獎勵的概念（如強化學習 [RL]）。還有許多混合技術以多種不同的方式將這兩種方法結合在一起。深度強化學習（DRL）就是這樣一種技術。在本報告中，我們將介紹利用 SME 和 DRL 算法開發的戰場模擬數據比較分析和可視化工具。

指揮、控制、通信、計算機、情報、監視、偵察（C4ISR）是一個系統，有助于提高指揮官的態勢感知和決策能力，同時也有利于更好地進行作戰計劃和執行。數字化的信息和通信技術的快速發展使C4ISR組件和網絡能力有了相應的進步。

同時，現代沖突區從一個線性戰場轉變為一個跨越多個領域和維度的廣闊戰斗空間，這對戰爭的認知方面提出了更高要求。最近的戰役凸顯了技術領先的C4ISR在各級沖突中提供的優勢，現在人們對C4ISR能力對軍事理論的影響有了更大的接受度。決策者們正在尋求更加優化的傳感器幾何結構以提高覆蓋率，并通過安全、普及的通信網絡實現信息的實時流動，以實現信息優勢。先進的數字工具和數據處理能力正在被利用，這將有助于簡化決策過程，縮短OODA周期。

所有的現代軍事行動都涉及協作行動，戰斗力的協同應用決定了網絡化的C4ISR組件。然而，這些能力在傳統上是孤立開發的，以滿足特定領域或功能的需要。這些以服務為中心的封閉式架構阻礙了互操作性和聯合行動。雖然所有的遺留系統都需要通過適當的協議進行整合，但這些系統的未來發展模式將探索新興技術提供的機會，以實現整合或互操作的架構，并提高系統的能力。

美國是這一概念的最早實踐者，并通過持續的投資和創新保持了優勢。它正在認真地追求聯合全域指揮和控制（JADC2），包括新興技術及其應用，目的是實現和保持信息和決策優勢。在中國，信息優勢一直是其軍事理論的一個決定性因素，現在已經演變成 "智能化"，特別強調探索人工智能（AI）和量子計算以增強C4ISR能力。俄羅斯和烏克蘭的C4ISR都在研究、評估和討論其功效。在全球范圍內，對C4ISR系統能力提升的投資正呈現出上升趨勢。

近年來，印度在傳感器多樣化和規模化、提高系統間的互操作性和實現網絡中心化方面的工作也得到了加強。信息技術的內在力量正在被利用來提供未來的、創新的解決方案。通過政府和私營企業的參與，最近在2022年7月推出了75種基于人工智能的產品和技術，其中15種與C4ISR有關。Atmanirbharta的工作不僅將激勵國內工業，而且還將確保系統的穩健性和彈性。最重要的是，系統將得到及時的升級，沒有任何合同上的復雜性。

本期雜志在繼續尋求解決與國家安全和聯合作戰有關的問題時，全面涵蓋了與技術密集型軍事C4ISR系統有關的各個方面。

目標檢測是用于軍事應用的計算機視覺的最流行領域之一。在這種情況下，目標檢測模型的使用方式之一是用于戰場上的實時目標識別。許多這些模型開始被納入士兵使用的技術中（即無人駕駛地面車輛和平視顯示器），以幫助他們識別周圍可能代表對其安全的潛在威脅的目標。通過正確檢測和分類戰場上的危險目標，這些模型能夠為士兵提供關于他們周圍環境的有用信息，以便他們能夠就如何進行任務做出決定。

目前的目標檢測模型出現的一個主要問題是，它們難以檢測到只有部分可見或被遮擋的目標。在這些情況下，目標探測模型往往根本無法探測到這些目標。它們也可能檢測到部分被遮擋的目標，但卻用錯誤的目標類別對它們進行分類。遮擋是許多研究人員在開發和訓練他們的目標檢測模型時沒有考慮的一個條件，盡管它在現實世界中很常見。為了確保士兵的安全，以及改善未來目標檢測模型的狀況，有必要確定當前的目標檢測模型在面對這種情況時的工作情況。

這項工作的主要目的是對三種最先進的目標檢測模型進行基線評估，這些模型是在一個包含許多部分遮擋目標的流行目標識別數據集上進行的。這樣做之后，對每個模型的結果進行了比較。本實驗中使用的模型是Gonzalez-Garcia模型、Detectron的Faster R-CNN和YOLOv5。它們被訓練和測試的數據集是流行的模式分析、統計建模和計算學習視覺對象類（PASCAL VOC）挑戰數據集之一，特別是VOC 2010。本報告首先介紹了每個目標檢測模型和VOC數據集的概況。然后給出了關于實驗的更多細節，以及結果和結論。