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

在過去的十年中，無人駕駛飛行器（UAV）的使用領域完全爆炸式增長。如今，它們被用于執行監視任務和檢查人們難以到達的地方。為了提高執行這類任務的效率和穩健性，可以使用合作無人機群。然而，這對使用哪些解決方案來定位和導航智能體提出了新的要求。本論文研究、實施和評估了無人機群相對定位和繪圖的解決方案。

報告研究并介紹了通過使用擴展卡爾曼濾波器（EKF）融合智能體之間的速度數據和成對距離測量來估計相對位置的系統。在現有估計相對位置方法的基礎上開發了一種濾波器，并對其進行了修改，以包括星座中所有可用的成對距離，從而使定位精度提高了 47%。此外，還開發了一種多維縮放（MDS）初始化程序，能夠非常準確地確定蜂群內的初始相對位置，幫助 EKF 幾乎瞬間收斂。此外，還開發并測試了另一種使用 MDS 坐標估計值作為輸入的 EKF。

無人機配備了測距探測器，可測量四個方向與墻壁的距離。距離數據被插入一個網格，將環境離散化。在繪制環境地圖時，采用了一種方法來考慮無人機位置的不確定性，從而改進了結果。對蜂群繪制地圖的兩種方法進行了測試，結果表明它們適用于不同的設置。如果蜂群中的無人機具有共同的坐標系，無人機就會更新相同的網格并繪制地圖。如果無人機的坐標系不同，則分別創建地圖，然后合并。一般來說，協作構建地圖的方法性能更好，而且不需要復雜的地圖合并解決方案。要合并地圖，需要一個成本函數來衡量地圖的匹配程度。我們對三種不同的成本函數進行了比較和評估。使用已知的全局位置和相對姿態估計值，對探索環境的蜂群的映射器進行評估。

事實證明，在將相對姿態估計值輸入繪圖系統時，利用已有的定位濾波器所實現的精度足以生成分辨率為十厘米的地圖。在模擬環境中可以實現更高的制圖分辨率，但需要更多的計算時間，因此沒有進行測試。

隨著美海軍部向分布式海上作戰過渡，有必要開發新的系統、技術和程序，以限制作戰人員暴露在敵人面前的時間。最普遍的暴露形式之一是使用指揮與控制（C2）設備時產生的射頻（RF）足跡。本研究分析了在遠征先進基地作戰（EABO）中操作無人系統（UxS）所產生的作戰人員暴露風險。為了分析 UxS 操作的射頻足跡，研究將確定 UxS 與操作員之間如何進行 C2，以及如何通過安全協議和方法保護傳輸的數據免受網絡攻擊。利用這項研究制定了行動概念（CONOPS）和場景，以研究射頻足跡如何隨著無人潛航器自主水平的變化而變化。在建模和仿真環境中實施 CONOPS 和場景，以檢查 UxS 自主水平和用于保護 C2 鏈路的安全協議的影響。然后對模擬結果進行分析，以確定在 EABO 中操作 UxS 時作戰人員的暴露程度和網絡攻擊風險，并確定建議的自主性和態勢感知之間的平衡。

圖 DMO / EABO 環境中 UxS 的 CONOPS C2。前方單元部署到敵方 WEZ 并操作 UxS 完成任務。前沿單元向指揮中心轉發狀態更新，為指揮中心提供敵方 WEZ 的 SA。敵方對 UxS 和前沿單元進行網絡攻擊。

海軍認識到，無人系統（UxS）將在執行分布式海上作戰和遠征先進基地作戰中發揮關鍵作用，"提供額外的作戰能力和能量，以增強傳統的作戰部隊，允許選擇承擔更大的作戰風險，同時保持戰術和戰略優勢"（海軍部 2021 年）。多個分散在不同地理位置的平臺、武器和傳感器將被整合在一起，以提高對作戰空間的感知能力，使部隊能夠在自己選擇的時間和地點集結戰斗力。整合所有這些系統需要大量的指揮與控制（C2），以通過在 C2 系統間傳輸和接收數據來保持對態勢的感知，從而產生射頻（RF）足跡，敵方可利用該足跡對友軍進行地理定位和攻擊。敵方還可以進行拒絕服務（DoS）和假冒攻擊。在 UxS 行動中利用自主性可降低地理定位的風險，但會限制 C2 能力。

本項目的范圍是比較導致在有爭議環境中使用 UxS C2 的網絡安全和射頻足跡風險的不同因素，并提供降低風險的建議解決方案。具體來說，目標是在優化和/或維護安全性的同時，增強作戰期間的互操作性。具體做法是交叉比較各種 C2 安全協議，并使用預定的時間間隔或觸發事件從操作員完全 C2 過渡到完全自主，如圖 1 所示。

圖 1. 使用指揮和自主之間的百分比分配進行 UxS 操作的運行場景。任務開始時，首先在操作員和 UxS 之間建立連接。起初，操作員會持續向 UxS 傳輸 C2 數據，UxS 也會在預定的藍色時間間隔內向操作員傳輸實時視頻。時間間隔結束后，操作員與 UxS 之間的連接也隨之結束，UxS 在錄制視頻的同時自主運行，并持續一段預定的綠色時間。自主操作時間間隔結束后，UxS 與操作員重新建立連接，操作員恢復 UxS 的 C2 功能，恢復實時視頻傳輸，同時下載錄制的視頻。這一過程在整個任務期間不斷重復。

建模和仿真用于確定每種自主場景與每種安全協議的射頻足跡風險。該模型將情景類型、文件大小和安全協議作為主要變量輸入，以確定由此產生的射頻足跡，近似為數據傳輸時間。傳輸數據的文件大小（尤其是錄制的視頻）取決于系統在自主模式下的運行時間。系統自主運行的時間越長，下載到前方單元 C2 站的錄制視頻的文件大小就越大。本研究將傳輸層安全（TLS）、消息層安全（MLS）和預共享密鑰（PSK）安全協議和方法作為跨空間的樣本。

該模型還注入了 DoS 攻擊，以確定每種安全協議和方法的 DoS 攻擊對射頻足跡的影響。結果表明，隨著自主級別的提高，射頻足跡會減少。C2 協議也會影響射頻足跡，其中 TLS 的射頻足跡最大，而 MLS 的射頻足跡最小。

利用建模和仿真結果進行了風險分析，以確定地理定位、DoS 和冒充風險的程度。為每個安全協議或方法確定風險和態勢感知的權衡空間。根據任務需要，可以犧牲態勢感知來提高自主性，從而降低風險。圖 2 將這一權衡空間歸納為一棵決策樹，可作為軍事領導人的指導方針，以確定哪種 UxS 設置最能滿足任務需求。

圖 2. 決策樹。如果可接受的風險水平適中，則MLS可以使用 40% 的自主度來提供最大程度的態勢感知，同時保持適中的風險。

這項研究的重點是有助于保護傳輸數據的安全協議，但也有必要保護 UxS 本身。未來的研究應側重于戰場上可能面臨的反 UxS 措施以及現有的 UxS 保護方法。這將有助于在設計半自動 UxS 系統時采取緩解措施。與在 DMO/EABO 環境中使用系統后再嘗試添加保護措施相比，在設計 UxS 系統時納入 UxS 保護措施的成本更低，效果更好。

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。

受赭石藻啟發的微電子機械系統（MEMS）傳感器可按一定配置排列，以探測入射聲波的到達方向（DoA）。先前的研究結果表明，可以確定方位角 360 度范圍內的明確到達方向。迄今為止，一直使用實驗室儀器進行模擬讀數。本研究的目標是開發、構建和測試一種電路配置，包括 MEMS 傳感器的外殼和電源，以及設計一種圖形用戶界面（GUI），以便從傳感器陣列中讀取 DoA，并利用 GPS 定位數據對多旋翼小型無人機的位置進行三角測量。測試場使用兩個節點的配置來探測小型旋翼無人機。操作場景顯示在地圖上。這種新配置可以探測到來自任何可探測來源的聲音，并提供聲音來源的坐標。

這個頂點應用項目對海軍陸戰隊作戰測試與評估一（VMX-1）進行了檢查，以確定優化效率的方法，并確定中隊的額外測試能力。該中隊為 AH-1Z、CH-53K、F-35B、MV-22B 和 UH-1Y 飛機進行作戰測試與評估 (OT&E)，并為海軍陸戰隊戰術與集成部下屬的許多其他項目進行測試與評估。該項目研究了中隊面臨的每項資源短缺問題，以確定影響中隊完成任務能力的根本問題。用于得出結論的數據包括評估進行 OT&E 的流程，以及分析最近完成的 MV-22 的 AN/APR-39D(V)2雷達預警接收器和 AH-1Z 的聯合空對地導彈項目。該項目建議改進作戰測試主管的培訓和職位任期，改進調度工具以改善中隊內部的溝通，并仔細檢查新出現的測試系統，以便將其納入簡略采購框架。

在美國海軍及其盟國海洋行動中，最重要的是在海軍交戰中制定有效的戰略。盡管人們寄予厚望，但諸如 "約翰-麥凱恩 "號和 "菲茨杰拉德 "號這樣的事例表明，在每一次互動中確定有利的行動都具有挑戰性。本研究利用機器學習（ML）和人工智能（AI）的進步，開發了一個基于模擬的程序，將強化學習（RL）應用于海軍場景。該程序是對現有陸基兵棋推演模擬程序 Atlatl 的改編，旨在識別六種場景中己方兵力的高效行動。對深度 Q 網絡（DQN）、蒙特卡洛樹搜索（MCTS）和 AlphaStar 人工智能體在不同場景中的表現進行評估后發現，DQN 和 MCTS 能夠識別出更優越的策略，其中 DQN 一直表現出較高的得分，在某些場景中甚至超過了人類玩家。AlphaStar 顯示出的結果較少，但提供了如何改變它以在未來取得更好結果的見解。這些發現強調了人工智能作為海軍作戰決策輔助工具的潛力，有助于增強美國海軍的決策能力。建議今后開展研究，進一步挖掘這一潛力。

軍事分析人員可利用公開數據庫深入了解相關國際事件的發展。然而，這些數據庫依賴于以英語為基礎、經過整理的資料來源。這可能會導致偏差，不利于分析質量，尤其是在關注英語不是主要語言的地區和行動者時更是如此。

本研究旨在利用全球事件、語言和語調數據庫（GDELT）數據集來預測影響烏克蘭戰爭的重要因素，并將使用提取的數據和機器學習技術來開發預測模型。該項目旨在實現兩個目標。首先，提供一種從大數據集合中自動提取和預處理相關事件數據的方法。其次，將不同的機器學習模型應用于提取的數據，以預測重要因素，從而識別持續沖突中的事件趨勢。

所展示的數據采購可自由擴展到不同地區、行為體或其組合。在應用程序接口（API）中配置所需的參數后，相關的 GDELT 事件將自動提取。

由于本論文的重點在于預測，因此建模技術的應用側重于時間序列和遞歸神經網絡（RNN）模型。在測試過的時間序列預測模型中，自回歸綜合移動平均（ARIMA）模型與其他候選模型和天真模型相比，顯示出良好的預測性能。應用時間序列模型預測一至三個月的中期趨勢取得了最佳結果。

為了補充時間序列模型并利用 GDELT 的短期更新間隔，我們建立了不同類型的 RNN，并測試了它們在事件數量短期預測方面的性能。簡單 RNN 與長短期記憶 (LSTM) RNN 進行了比較，結果發現，簡單 RNN 的性能不如 LSTM RNN 模型。由此得出的結論是，數據中確實存在影響模型預測能力的長期和短期效應。

除了最初的跨語言 GDELT 數據庫，RNN 模型還運行了僅基于英語來源的 GDELT 數據提取，以及來自武裝沖突地點和事件數據項目（ACLED）數據庫的數據提取。

總體而言，在幾乎所有測試的模型中，使用基于英語來源的數據集都能獲得更好的均方根誤差值。不過，這并不一定意味著模型在捕捉現實生活中的變化方面表現更好。一項補充性探索數據分析（EDA）得出結論，在以英語為基礎的報告中，一系列事件的代表性不足。這一點在烏克蘭戰爭前奏期間尤為明顯，因為西方公眾對該地區的興趣和英語報道的一致性有時會降溫。事件報道不足導致數據的可變性較低，一致性較高，從而提高了基于英語模式的績效指標。

關于 RNN 模型在 ACLED 數據庫中的性能，除了 "爆炸/遠程暴力 "和 "戰斗 "這兩種事件類型外，本研究選擇的模型無法應用于 ACLED 數據提取。造成兼容性低的原因是報告事件的數量較少，以及報告中的空白與所選模型的相關性不高。

不同數據源之間的性能比較表明，要持續產生可靠的結果，挑選合適的預測因子和對結果進行初步分析并不容易實現自動化。強烈建議每次從 GDELT 首次提取新型數據子集時都進行一次 EDA。

圖 3.1. GDELT 事件數據庫中一個數據元素的示意圖。矩形代表中心數據元素，即事件。圓圈代表屬性，屬性 "GlobalEventID "用作唯一標識符。提及和音調 "屬性是灰色的，因為它不屬于本工作的范圍。

美國防部增材制造戰略（2021年）和陸軍指令2019-29（2019年）（通過先進制造業實現戰備和現代化）表明，軍方正在努力將增材制造融入軍事系統。這項定性研究的目的是探索增材制造技術的進展，以評估增材制造部件在陸軍旋翼飛機上關鍵安全應用的可行性。本研究概述了陸軍飛機關鍵安全項目的鑒定過程，回顧了美國防部和陸軍的增材制造政策，詳細解釋了粉床聚變和定向能處置增材制造工藝，并回顧了一個案例研究。增材制造技術需要嚴格的材料和工藝控制，以及重要的鑒定檢查和測試，以支持陸軍航空的關鍵安全應用。然而，增材制造技術已經成熟，現在該技術已經準備好為關鍵應用生產高質量的復雜旋轉翼零件。

概念框架

本研究的概念框架定義了研究過程的目標。首先，本研究將提供一個陸軍航空CSI資格認證過程的概述。本研究將簡要討論與AM和航空有關的陸軍和國防部政策，以便為AM在陸軍航空中的相關性提供背景。然后，本研究將提供適用于陸軍旋翼飛機關鍵應用的金屬部件制造的AM工藝研究。最后，本研究將以一個案例來結束，該案例提供了一個陸軍旋轉翼飛機上使用AM部件的鑒定過程的例子。圖1顯示了生產增材制造關鍵安全項目的研究的概念框架圖。

這項研究是由本世紀以來自主系統的增加以及測試和評估其性能的挑戰性所驅動。對當前文獻的回顧顯示，提出了驗證自主系統的方法，但很少有實施。它暴露了當前驗證和確認方法中的一些差距，并提出了填補這些差距的目標。通過使用建模、軟件循環（SITL）和飛行測試，這項研究驗證了無人駕駛航空系統（UAS）的自主蜂群算法，并驗證了測試框架的一個典范。

在兩天的飛行測試中產生的13組三飛行器群數據提供了一個基線算法分析。在這些測試中，飛行器分離距離平均偏離理想狀態5.61米，分離距離違規率<6.39%。蜂群在最佳情況下實現了0.27米的平均偏差和0.43%的違規率。在5赫茲的更新率下，飛行器之間的平均數據包損失為4.94%，最佳通信滯后< 0.04秒。

通過定性和定量分析的搭配所創建的多方位經驗分析提供了對飛行器行為的完整理解。該分析還確定了算法和測試框架的各種改進領域。這項研究的結果形成了一個基線測試連續體，可用于對自主系統的正式驗證的各種后續調查。

為了跟上美國防部（DOD）人工智能（Al）戰略的步伐，美國陸軍在2018年啟動了人工智能集成中心（Al2C）。他們的任務是--與美國各地的公司和大學的人工智能社區溝通，目的是通過人工智能的整合來改善和提高軍隊的能力。

這個頂點項目盡可能地分析了當前美陸軍部（DA）對人工智能的要求狀況，以及它們對人類系統集成（HSI）的包含。該小組審查了發布在獎勵管理系統（SAM）網站上的人工智能合同機會和適用的文件，包括績效工作聲明、工作聲明或目標聲明。第一步是確定這些合同機會中包含的要求是否符合人工智能的定義，即計算機系統有能力執行通常需要人類智慧的任務。如果需求符合人工智能的這一定義，那么分析工作就會繼續進行，并側重于納入HSI，以確保為人類（即操作員、士兵、用戶等）提供便利。研究小組還采訪了主題專家（SMEs），以深入了解軍隊開發和獲取人工智能需求的過程。

在2003年至2022年期間發布到SAM的機會中，只有16%（238個中的40個）在開發過程中足夠成熟，可以考慮進行評估。在這40個被認為足夠成熟的采購開發過程中，只有16個發布的信息包含了相關的文件，可以根據團隊既定的人工智能和HSI標準進行評估。從那里，只有6個帖子符合AL的定義，4個被寬泛地判斷為包括一些對HSI或人為因素的參考。該小組的綜合評估確定，陸軍的人工智能指導還處于起步階段，需要進一步發展和完善。評價還強調，盡管國防部和陸軍指導將HSI納入所有要求，但仍然缺乏對HSI的納入。

這個頂點項目建議，所提出的結果和結論應被用來進一步制定人工智能需求的采購指南，并特別注重納入HSI。我們還建議，未來的研究應納入機密需求以及由其他交易機構通過財團管理的需求。