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

軍事應用和指揮與控制（C2）系統可以從與物聯網（IoT）的整合中受益，因為物聯網的普遍性和普遍性可以大大改善對形勢的認識。在本文中，我們介紹了物聯網可能使軍事應用和現有C2系統受益的幾種情況。我們將這些場景與商業軟件和硬件的推動者聯系起來。最后，我們提供了一個系統的高級架構，我們在2021年聯軍戰士互操作性演習（CWIX）中使用該系統來展示物聯網與C2整合的好處。

物聯網和C2整合的應用場景

在下文中，將介紹由科學和技術組織（STO）信息系統技術（IST）-147和IST-176研究任務組（RTG）提出和探索的幾個展示物聯網和C2整合的場景，以及這些RTG探索的新場景和場景的擴展。

可部署的檢查站：在這種情況下，我們考慮一個部署在高安全區域之外的檢查站，如軍事基地，并可能由聯盟伙伴操作。由于位置和對運營商的部分信任，考慮使用低成本的COTS硬件，而不是特定的和可能的機密軍事硬件。在檢查站，安裝了多個物聯網傳感器，這些傳感器能夠自動檢測車輛是否為已知車輛，例如，通過分析車牌、發動機類型、車輛類型、車輛重量、車輛顏色，并通過面部和語音識別等方式獲取司機和車內人員的信息。如果檢查結果表明是經授權的車輛和有足夠權限的人，則允許該車進入該場所。否則，或者如果車輛沒有停下來，就會部署一架能夠追蹤物體的無人機來跟蹤該車輛。無人機通過長距離（LoRa）無線電協議發送關于事件和當前狀態的信息。對可部署的檢查站方案感興趣的技術包括用于車牌識別的人臉識別和光學字符識別（OCR），用于重量測量的力傳感器，語音識別，物體跟蹤和LoRa。

人道主義援助和救災（HADR）：我們考慮一個場景，即智能城市受到自然災害的襲擊，如地震、龍卷風或洪水。STO已經分析了這種場景的高級版本，作為危機管理桌面演習的一部分[9]。軍隊被要求協助當地政府機構提供必需品，如食品和醫療用品，以及醫療和搜救支持。指揮官的優先事項是增加可用的信息源數量以改善SA，接收實時后勤信息以改善規劃，監測移動部隊的健康和能力，并通過智能物聯網設備增強部隊的信息收集和處理。為了優化其工作的效率和效果，軍事人員依靠從幸存的智能城市基礎設施中檢索的數據。智能城市基礎設施包括傳感器、執行器和通信設備，例如，帶攝像頭的交通燈柱用于監測交通流量，以及污染和深L傳感器、智能交通網絡和智能電網。為了增強這些可能因災難而退化的能力，部隊也會在關鍵地點部署自己的傳感器，這些傳感器的數據也可以與地方當局共享，并用于建立一個共同的安全區[10]。在HADR場景中，從軍事應用的角度來看，感興趣的技術包括團隊感知工具包（TAK）服務器（FreeTAK）、安卓團隊感知工具包（ATAK）、智能城市應用程序接口（API）、可部署的氣體傳感器、運動傳感器、射頻（RF）傳感器、空氣質量傳感器，以及物體檢測和識別（通過攝像頭）。

智能基地：我們的智能基地方案是智能基地成本方案[11]的延伸，并確定了民用物聯網技術可以提供顯著附加值的幾個領域。事實上，在監測電力和環境條件、檢測設備故障和失效、實現預防性維護、監測物流和管理補給等方面，智能基地與智能城市有許多共同特點。這可以通過物聯網功能來提高智能基地的安全態勢（例如，預警系統和偵察工作）。鑒于與眾所周知和研究過的智能城市場景的相似性，我們在此不進一步闡述智能基地的場景。

連接士兵的分布式網絡：在這種情況下，我們考慮由多個單位的士兵執行一個特定的任務，例如巡邏。為了改善士兵的健康狀況，在執行任務期間，使用各種類型的可穿戴傳感器，如標準脈搏血氧儀[12]，或專門設計的心電圖（ECG）傳感器，如可穿戴健康貼片[13]，不斷監測他們的生命體征，另見圖1a。每個士兵單位，如圖1b所示，都配備了一個行星間文件系統（IPFS）節點，能夠接收屬于該單位的注冊傳感器的數據，因此，也充當了網關的角色。我們考慮兩種連接方案。在第一種方案中，傳感器通過藍牙[14]與士兵的智能手機連接，后者記錄傳感器數據、全球定位系統（GPS）數據和其他信息，并使用移動API（如[15]）將它們存儲在IPFS中。第二種選擇是通過LoRa[16]連接到最近的IPFS節點，作為一個網關[17]。關于一個單元的每個元素的信息被引導到一個可信的網關/IPFS節點，使數據在整個分布式網絡中可用。網關的分散存儲存儲相關數據，并將它們與現有的IPFS對等體同步，因此提供冗余。一個本地部署的軟件即服務（SaaS）應用程序（如Thinger.io平臺[18]）處理、分析和理解IPFS中的數據。該應用或相關的C2應用，如ATAK或北約共同作戰圖（NCOP），可以將這些信息提供給其他利益相關者，如圖2a所示。分布式C2應用的主要操作優勢是沒有單點故障。在任何時候，感興趣的利益相關者都擁有存儲在IPFS中的關于部隊的最新數據點（健康、疲勞、壓力）。

威脅識別：這個場景是連接士兵的分布式網絡的延伸。考慮一種情況，即在執行任務期間，一個單位遇到了敵人的炮火或聽到了附近的爆炸聲。一些COTS組件和服務可以用來開發更好的SA。例如，可以部署一架無人機，如Parrot ANAFI熱能無人機[19]，以初步偵察周圍地區的情況。收集到的圖像可以使用容易獲得的物體檢測服務進一步處理，如Facebook的Detectron2庫[20]，以及跟蹤能力，如Bobby Chen的物體檢測和跟蹤庫[21]。無人機可以被訓練成對某些手勢作出反應，例如，使用Facebook Research的FrankMocap姿勢估計器[22]，與生物指紋掃描儀輸入相聯系，并使用諸如[23]的人臉識別能力，只為已知的一組人服務。在空中飛行時，無人機可以 (1)進行物體檢測，并將數據發送到最近的網關，存儲在IPFS中（見前一個場景），或者(2)進行物體檢測，通過LoRa向最近的網關或手機發送一個JavaScript對象符號（JSON）數據結構，并可能將這些數據存儲在IPFS中（見前一個場景）。如果消息被發送到LoRa網關（例如，使用Libelium Meshlium[24]），網關必須被配置為將數據發送到消息隊列遙測傳輸（MQTT）服務器，例如HiveMQ[25]，以及發送到可擴展消息和存在協議（XMPP）服務器，例如Ignite Realtime Openfire[26]，它與C2系統集成，例如ATAK、NCOP、JChat。圖2b顯示了這第二種能力的圖示。上述方案的主要操作好處是在不危及人的生命的情況下增加了安全系數。

病人追蹤：這種情況涉及在屬于不同國家的設施之間跟蹤受傷的士兵（病人）。在這種情況下，所有士兵都被貼上射頻識別（RFID）標簽。每個RFID標簽都能唯一地識別一個士兵。此外，士兵的設備可以包含一個GPS追蹤器，該追蹤器被設計為在特定的時間間隔內或當集成加速計檢測到持續的運動時通過LoRa發送數據。受傷士兵在醫療設施之間被運送，直到他們到達本國或屬于本國的醫療設施。醫療機構會遇到屬于不同國家的士兵，應該記錄這些士兵的健康信息和狀態。在所有醫療機構中，工作人員應在當地數據庫中記錄他們認為必要的關于病人健康的所有信息。這些信息，以及進入和離開的時間戳，應該與士兵的RFID相關聯，并記錄在數據庫中，以便日后查詢。在這一點上，參與病人追蹤的任何一方都可以以這樣的方式查詢士兵的信息，即它只能檢索它需要知道的信息。為此，我們使用私有集交集（PSI），如谷歌的私有連接和計算項目[27]）。此外，各國可以在不接觸個別國家的未加密數據的情況下分析趨勢（例如，使用IBM的完全同態加密（FHE）工具包[28]），以確定模式，如訪問一組醫療單位的大多數病人在哪里花費最多時間，哪個醫療單位在任何特定時間有最多病人，等等。圖3顯示了一個圖，更詳細地描述了母國檢索其士兵當前位置信息的過程[29]。這個場景可以作為MEDSUITE的一部分來實現（見第3節）。所關注的技術包括PSI、同源加密（HE）、RFID、GPS和LoRa。這些技術在全文中被提及，并在下一章中進一步討論。病人追蹤的主要操作優勢是在不犧牲用戶數據保密性的情況下，支持國家間病人信息共享的自動化。

C2系統

已經確定了幾個可操作的 C2 系統，可以可視化或處理從 IoT 獲得的數據。

• MEDSUITE：醫療信息與協調系統；
• NCOP：北約共同行動圖；
• ATAK-CIV：民用安卓團隊感知工具包；
• 系統性SitaWare套件
• JChat：基于文本的異步聊天通信

物聯網和C2整合的體系結構

物聯網涉及廣泛的硬件產品（板卡、無線通信、傳感器）、軟件解決方案、框架和平臺。在本節中，我們對與軍事場景相關的技術和解決方案進行了非詳盡的概述。我們把重點放在廣泛可用和已知的商業現貨（COTS）解決方案上。這些技術手段可分為功能、安全和輔助性手段。

圖4顯示了聯合物聯網應用的擬議架構，包括上面討論的一些技術推動因素。在消息交換方面，MQTT協議允許物聯網設備之間交換消息。它的pub-sub架構是一個事實上的標準，被所有主要的云供應商使用。此外，IST-176工作組目前正在對屬于各個國家的物聯網系統之間的互操作性進行研究。使用社區支持的板卡，如Arduino和Raspberry Pi，在開發的便利性和速度以及技術支持的可用性方面帶來了顯著優勢。使用LoRaWAN可以有效地進行長距離的通信。它提供了安全性和可靠性，并有一個龐大的社區來支持它。LoRa依賴于能夠翻譯信息的網關，然后通過互聯網發送。然而，這在遠程環境中是不可行的。在這些情況下，我們建議利用衛星通信，使用銥星衛星星座和銥星短波數據收發器。根據所選擇的場景，標準的WiFi和藍牙總是很好的選擇。在需要公共云組件的情況下，或在實驗和驗證的情況下，主要的云供應商提供類似的功能。作為物聯網應用的主要C2系統，ATAK已被證明是一個合適的選擇。它是開源的，并被積極維護。該服務器的最新版本，即Free-TAK，支持與JSON消息的Representational State Transfer（REST）通信，允許與其他系統輕松集成。REST還沒有完全發揮作用，因此可能需要一個較低層次的整合。對于一個功能齊全的C2系統，我們推薦NCOP，在NATO內部使用。它支持多種信息類型，包括可擴展標記語言（XML）、ASCII、盟軍數據處理出版物（ADatP）-3、超視距瞄準（OTH-T）黃金、結構化查詢語言（SQL）、MS Excel和北約矢量圖（NVG），以及多種通信協議，如REST和簡單對象訪問協議（SOAP）。作為一個缺點，它有一個陡峭的學習曲線和漫長的部署程序。此外，它還使用了舊的COTS組件，如Windows Server 2012或SQL Server 2012。對于具有特定策略的數據加密，OpenABE提供了一個有趣的、經濟的解決方案。使用ABE可以區分具有不同訪問級別的用戶。此外，IPFS被推薦用于分布式點對點的信息存儲。

提綱

• 智能反射表面（IRS）：動機和應用
• IRS輔助的無線通信
• IRS輔助的傳感
• 結論

未來的 MDO 概念：

• 需要機動以滲透并在復雜和有爭議的地區開展行動。
• 嚴重依賴RAS。

正在探索的RAS是為了：

• 在所有陸軍相關環境中運行。
• 提供更好的態勢感知。
• 增加作戰人員的距離。
• 增加對敵方的覆蓋和困境。
• 實現更快的決策。
• 以尚未想象到的方式擴展機動性。

RAS將被要求：

• 評估場景并創建和分享本地和共同世界模型。
• 以戰斗的規模和速度協調各梯隊、團隊、分隊和單個系統（包括人類）的行動、決策和機動。
• 適應環境和敵方行動中的巨大干擾和變化，并具有復原力。

美國陸軍未來司令部的士兵致命性（SL）跨職能小組（CFT）正在研究通過頭戴式和武器式能力的組合來增強下馬步兵的新方法。根據SLCFT的指示，美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室的研究人員探索了加強輔助目標識別能力的技術，作為陸軍下一代智能班組武器計劃的一部分。

敵對環境中涉及潛在目標的復雜決策必須由下馬的士兵做出，以保持戰術優勢。這些決定可能是人工智能（AI）技術的強大信息，如AI支持的火力或指揮和控制決策輔助工具。例如，一個士兵發射武器是一個明確的跡象，表明該地區有一個敵對的目標。然而，一個士兵在環境中追蹤一個潛在的目標，然后放下他們的武器，這是一個模糊的、隱含的跡象，表明該目標受到關注，但最終被該士兵認為不是一個直接的威脅。在近距離作戰的環境中，與士兵狀態相關的隱性標記數據（如光電視頻、位置信息或火力行動）可用于輸入決策輔助工具，以得出真實的戰場背景。然而，需要對這些行動進行更徹底的檢查。此外，來自單個士兵的突發非交流行為在整個班級中的匯總可以增強戰術態勢感知。盡管它們有可能產生戰術影響，但這些狀態估計或行為指標往往不能以立即可用的形式獲得。

DEVCOM陸軍研究實驗室（ARL）的研究人員調查了一種通過機會主義感應來進行下馬士兵狀態估計的方法--一種不需要人類明確行動就能收集和推斷關鍵的真實世界數據的方法。在通過正常使用武器追蹤和攻擊移動和靜止目標時，連續獲得數據以解釋士兵的行為。這項工作中使用的士兵-武器行為分類方法主要來自人類活動識別（HAR）研究。然而，在這項工作中，為了提高行為結果的生態有效性，在眼球追蹤文獻中經常使用的實驗范式被反映出來，將眼球運動和認知推理聯系起來。具體來說，眼動跟蹤研究的一個子集的目標是收集和解釋與公開的視覺注意力有關的眼動事件（即固定、囊狀運動和追逐），這可以揭示認知過程和關于環境的客觀內容。在戰斗中，士兵們可能會將他們的目標停留在一個靜態的目標上（固定），當出現新的目標時迅速轉換目標點，有潛在的目標出現（囊狀運動），或者在潛在目標移動時跟蹤他們的目標點（平滑追擊）。

目前，頭戴式眼動跟蹤技術正在開發用于戰斗。然而，與校準誤差有關的凝視數據中的噪聲使其難以有效地使用這些數據。一個更突出的解決方案可能存在于士兵和他們的武器之間的互動中，這項工作使用傳統的HAR技術進行。執行HAR的主要方法是在一個人進行一些身體活動時，使用慣性測量單元收集時間序列數據。然后使用機器學習技術來訓練分類模型，根據數據信號預測行動。這種方法可以擴展到包括在人類與物體互動時對其運動的分類。在這種情況下，當近距離作戰的士兵與潛在的威脅進行互動時，武器的運動特征被伺機獲得，這為這些士兵在這種環境中做出的復雜決定提供了一個窗口。

論文中記錄并發表了對這一評估的全面分析。對來自動態士兵狀態估計的運動數據進行建模和分析以實現對形勢的理解。

射頻片上系統，或稱RFSoC，是射頻工程中的一個新興模式。具體來說，它將嵌入式處理能力的靈活性與單芯片上緊密耦合的射頻模數轉換器（ADC）和數模轉換器（DAC）相結合。這大大降低了實現射頻收發器的設計復雜性，并普遍降低了尺寸、重量和功率要求。RFSoC有多種形式和不同程度的復雜性；有些是為最初的實驗室演示和原型設計的，有些是縮小了外形尺寸，為可部署或生產應用設計的。總的來說，RFSoC大大加快了軟件定義無線電（SDR）的市場，SDR是具有射頻功能的計算設備，可以在不同的抽象層進行重新編程和重新配置，從工廠到實驗室，到生產車間，甚至最終用戶。

使用SDR實現雷達，無論是獨立的還是作為多功能射頻的一部分，都是一個不斷增長的趨勢，并且可以在RFSoC中有效實現。特別是，使用線性頻率調制（LFM）或 "FM啁啾"的先進雷達波形，正在成為雷達脈沖的行業標準，因為它們的返回可以通過數字信號處理進行可靠的處理，以實現高度精確的范圍分辨率。

波形設計，特別是數字合成的雷達波形，是一個活躍的研究領域。一個能夠以高頻率發射多個復雜波形，并能以極低的延遲在多個波形之間切換的設計，應該利用完全在RFSoC（即硬件）的可編程邏輯（PL）部分實現波形的更高速度和處理能力。因此，探索波形數字合成的廣泛架構選擇是有益的。

在這項研究中，我們設計并實現了兩個定制的數字合成器：一個線性頻率調制發生器（LFMGEN）和一個可變直接數字合成器（VARDDS）。合成器是用極高速集成電路硬件描述語言（VHDL）設計的，采用了寄存器傳輸級（RTL）方法，并封裝在賽靈思高級可擴展接口（AXI）標準包裝器中，以方便它們在Vivado知識產權（IP）集成器中使用。每個設計都與輕量級硬件抽象層和一組軟件驅動器配對，以包含在Xilinx Vitis C應用項目中。合成器被集成到基于賽靈思第一代（Gen）RFSoC ZCU111評估平臺的測試平臺中，由此產生的射頻波形可以在實驗室環境中生成和分析。合成器是針對各種最大瞬時帶寬（IBW）實現的（后置和路由結果），并對其在波形生成、負載和交換延遲、資源使用、時間限制和功耗方面的相對優勢和劣勢進行比較。這項工作的貢獻如下：

• 首次對Xilinx RFSoC上的多個定制數字雷達波形合成器進行比較。
• 對數字合成器進行了徹底的介紹和比較，每個合成器都針對各種標準進行了優化，包括性能（延遲和帶寬）、資源（塊狀隨機存取存儲器[RAM]、現場可編程門陣列[FPGA]查找表[LUT]和功率）以及靈活性（LFM與任意同相和正交[IQ]波形生成）。每個數字合成器都能獨立地以16位的精度再現高達1GHz的IBW波形。
• 基于Xilinx RFSoC開發雷達波形設計原型或生產形態的設計理念和策略。
• 分析復雜的射頻數字和RFSoC特定的設計考慮因素，包括采樣率、塊設計時序封閉和時鐘管理。

對指揮官的認知要求正在增加。由于創新和變化的速度，指揮官做出良好風險決策的能力受到挑戰。未來的戰爭不太可能像以前的沖突或訓練演習那樣以常規戰斗為主。美國的對手避免使用既定的理論，這提出了難以預料或減輕的危險。鑒于指揮官不能僅僅避免風險，而是要接受風險以獲得并保持戰爭的主動權，指揮官及其參謀部應考慮陸軍的風險理論和陸軍風險管理中心的理論風險梯度法是否足以應對多域作戰概念中描述的未來戰爭。

從對認知的研究來看，"風險認知 "的概念為風險管理人員（通常是參謀人員或主題專家）和風險決策者（通常是指揮官）如何評價風險分析方法提供了啟示。風險感知，即對風險水平的主觀判斷，這種想法與提出事實和數據就一定有說服力的想法形成鮮明對比。風險感知的研究已經證明了背景、敘述和簡單性在風險交流中的重要性。在風險決策者中，不熟悉、不了解、以及深深的偏見或恐懼會導致對風險水平的認知與專家的認知相差甚遠。

另外三種風險分析方法與陸軍理論風險梯度進行了比較。這些工具源自民用方法，被用于項目管理、工程和其他與風險和預見有關的領域。它們是故障樹、場景假設和風險三要素。雖然它們都有一些量化的元素，但它們為風險管理人員提供了同樣多的空間，甚至更多的空間，以應用批判性思維和分享背景，如預測的不確定性或與規劃行動的聯系。

正如陸軍出版物和文章所描述的那樣，未來的戰爭預計需要指揮官掌握五個領域--包括不熟悉的網絡和空間領域--在作戰領域往往比以前更廣闊，在行動中趨向于提高機動速度和創新。在這樣的環境中，無論是競爭、沖突、反叛亂，還是大規模的地面作戰，所有軍事專業人員都應該使用盡可能好的風險分析來保護生命和實現目標。為此，本文對理論、領導人發展和參謀部行動提出了潛在改變方法。

為了支持未來的多域作戰分析，美國DEVCOM分析中心（DAC）正在探索如何在陸軍的作戰模擬中體現天基情報、監視和偵察（ISR）資產的貢獻。DAC正在使用基于能力的戰術分析庫和模擬框架（FRACTALS）作為方法開發的試驗基礎。用于預測衛星軌道路徑簡化一般擾動的4種算法已經被納入FRACTALS。本報告的重點是來自商業衛星群的圖像產品，其分辨率為1米或更低。報告介紹了預測分辨率與傳感器特性、傾斜范圍（包括地球曲率）和觀察角度的關系的方法。還討論了在不同分辨率下可以感知的例子。

在2021年建模與仿真（M&S）論壇期間，空間情報、監視和偵察（ISR）建模被確定為當前/近期的建模差距。美國陸軍作戰能力發展司令部（DEVCOM）分析中心（DAC）提交了一份陸軍M&S企業能力差距白皮書（Harclerode, 2021），描述了幫助填補這一差距的行動方案。陸軍建模和仿真辦公室已經資助DAC開發方法，以代表商業、國家和軍事空間和低地球軌道資產的性能及其對聯合作戰的影響，并在基于能力的戰術分析庫和模擬框架（FRACTALS）內進行測試實施。

FRACTALS是DAC開發的一個仿真框架，它提供了通用的結構 "構件"，用于模擬、仿真和評估ISR系統在戰術級任務和工作中的性能。FRACTALS作為DAC開發的各種ISR性能方法的測試平臺，將文件或數據被納入部隊的模擬中。FRACTALS還作為DAC的一個分析工具，在戰術環境中對ISR系統進行性能分析比較。

這項工作需要在一定程度上體現衛星飛行器（高度、軌跡和運動學）、傳感器有效載荷（光電[EO]、紅外、合成孔徑雷達和信號情報）、網絡、控制系統、地面站（時間線、通信、處理、利用和傳播）、終端用戶以及連接它們的過程和行為。本報告描述了DAC為支持這一工作所做的一些基礎工作，重點是可見光波段相機圖像。