作者：阮国庆、易侃、孙家栋、张峰、吴伟、李晓东
摘要：随着智能技术在军事领域的应用，智能战场感知技术的研究已成为各军事大国关注的焦点。首先分析了传统战场感知技术面临的挑战，阐述了国内外战场信息感知、理解和预测的研究现状。 )、空域快速战术执行综合感知 (ASTARTE) 和可解释人工智能 (XAI) 项目；最后对智能战场感知技术的发展趋势进行了展望。
简介
军事情报技术的快速发展和广泛应用，必然导致作战理论、作战方式、作战方式、作战力量和军队组织等方面发生深刻变化。为提升我国科技水平和军队作战能力，党的十九大报告指出，要“加快发展军事情报，提高联合作战能力和基于网络信息系统的整体作战能力”。战场感知技术是实施全域作战的常用基础技术。其核心是采集多领域、多智能信息，根据目标分析和打击决策等作战任务和使用要求，进行融合处理、多维关联、分析挖掘、预测估计等操作任务和使用需求。形成保证。全域作战指挥和作战的统一图。
未来全域作战，作战域涵盖陆、海、空、天、网、电、心理。战斗风格正朝着人机融合、群策群力的方向发展。组织的信息。面对复杂多变的战场形势，指挥员需要快速掌握当前战场形势，预测未来变化趋势，这对指挥控制系统辅助指挥员形成快速战场感知能力提出了更高要求。下一代智能战场感知技术充分利用计算机和人工智能算法的计算分析处理能力，能够科学准确地掌握战场形势和变化趋势。它已成为联合作战制胜的基础，具体体现在以下两个方面：
1） 机器辅助情报深度挖掘，应对战场情报“信息爆炸”。未来，多域联合作战将扩展到全球范围和社会领域，其信息空间和信息获取方式将不断增加，导致信息类型多样、成分复杂、内容属性多样、和海量的信息。指挥官通过信息做出决定。科学有效的指挥决策面临重大挑战。智能战场感知技术可以让机器代替人脑处理海量信息和巨量计算，从而解决情报深层次价值信息中复杂的综合研判问题。
2） 自动、自主的分析判断，应对战场形势的“瞬息万变”。战场一体化节奏加快，单靠人力无法快速响应需求、发现异常、准确了解情况。比如，某国军舰以日常巡逻、物资护航等正当任务对我国重要防御目标进行侦察，或对我国政策底线和防御体系进行试探性行动，看似平常的行动随时可能发展为严重威胁. 智能战场感知技术可以缩短情报处理时间，主动检测异常目标，识别意图和敏感态势。
1、研究现状
1.1 技术现状
在军事领域，战场态势是指战场上兵力分布和战场环境的现状和发展趋势，而战场感知是指实时掌握战场态势信息的过程，包括探测、了解和预测战场态势要素，是信息优势转化为认知优势和决策优势的基础。主要包括以下三个方面：
1） 战场信息感知：利用侦察设施设备提取多源、异构、多维度的战场信息，主要包括目标检测、识别和跟踪技术。其中，目标检测识别技术是在背景环境中定位目标位置，并给出边界框及其所属的类别或模型。代表性算法包括循环卷积神经网络（R-CNN）、直接线性变换（DLT）、YOLO和单Inspire多帧检测（SSD）等；目标跟踪技术以目标检测识别为基础，不断定位机动目标，重点关注相关滤波和深度学习跟踪两个方向。以多源点跟踪为例，主要包括以圆矩阵结构（CSK）和核相关滤波器（KCF）算法为代表的目标跟踪技术，以及以全卷积连体网络（SiamFC）算法为代表的目标跟踪技术基于深度学习。
2）战场感知与理解：根据战场信息感知结果，进一步理解和整合目标信息，评估目标身份、意图和威胁，结合地理信息构建战场全局态势图系统，主要包括多源异构数据融合、目标身份意图识别和目标威胁评估技术。多源异构数据融合技术包括目标知识抽取、关系关联和关系推理等，难点在于异构数据的统一表示和融合模型的建立。目标身份意图识别技术包括贝叶斯网络 (BN)、模糊集理论、深度信念网络 (DNN)、堆叠自动编码器和循环神经网络 (RNN)。目标威胁评估技术是战场上的决策级推理行为。受品类属性、运动状态、现场环境等因素的影响。现有的研究大多是根据目标自身的属性对目标威胁等级进行排序和评估。
3） 战场感知预测：根据战场信息感知和战场感知理解结果，快速准确判断编队作战体系，预估作战行动效果，为指挥员制定应对方案提供支持策略。编队作战系统可以通过多源信息的相互验证和运动物体加速度数据相关系数的计算得到物体之间的编队关系，编队要素的指挥和通信系统通过类型、阵型要素的功能和战术战术。进行分析；作战效果评价主要是根据作战任务来评价敌方作战系统的破坏程度、弹药效能的评价、我方生存能力的评价、意外伤害的评价等。对模型进行评估，为指挥员调整作战行动、优化作战资源配置提供依据。
1.2 国外军事项目现状
2018 年 9 月 7 日，美国国防高级研究计划局 (DARPA) 宣布将投资 20 亿美元启动 AI Next Campaign，以期引领第三波人工智能浪潮。 DARPA 署长史蒂文·沃克 (Steven Walker) 在该机构成立 60 周年大会上表示：“通过 AI Next Campaign，我们正在投资研究多个人工智能项目，旨在将计算机从专业工具转变为解决问题的合作伙伴。机器缺乏能力在上下文中推理，并且必须训练它们涵盖所有可能的场景，这不仅昂贵而且最终不可能。我们希望探索机器如何获得类似人类的沟通和推理能力，以及识别新的情况和环境以及适应他们的能力。”
智能战场感知技术是AI Next Campaign中的一个重要方向，包括DARPA部署的面向知识的人工智能推理模型（KAIROS）、GAIA（GAIA）、空域快速战术执行综合感知（ASTARTE）和Plantir等机构）和可解释人工智能（XAI）等项目，这些项目大多开展共性基础技术研究，一旦突破可直接转化为作战指挥领域。
1） KAIROS项目：2019年，DARPA创建了KAIROS项目，通过人机协作挖掘隐藏在海量多媒体和多语言信息中的有用信息，梳理其背后的逻辑关系。具体来说，该项目将开发一个半自动化的机器学习系统，从媒体剪辑和事件中挖掘和分析各国的秘密战略意图（例如国家领导人的决策意图或某些重大活动的进行），以及有效对付敌人。方的各种战略欺骗手段，从而提高用户态势洞察、预警探测、情报处理和战争理解能力。
2） Project GAIA：Project GAIA 是在美国陆军和海军陆战队使用 Plantir 的交互式分析平台分析大量战场感知情报后于 2019 年成立的。如上图所示，该项目整合了海、陆、空、空情报和态势信息，并通过嵌入式选项卡或超链接实现资源的有效整合。各级指挥官通过 GAIA 程序进行沟通，以确保每个任务参与者都能同时采取行动。 GAIA项目通过分布式引导的呈现逻辑，以人类思维的方式向指挥员展示复杂的信息，并通过提供操作按钮辅助指挥员快速决策，从而缩短决策时间，提高决策的正确性。决策。
3） ASTARTE 计划：2020 年，DARPA 宣布了 ASTARTE 计划，这是与陆军和空军的合作伙伴关系，旨在在高度拥挤的未来战场上实现高效的空域作战，并消除友军之间的空域活动冲突。 ASTARTE计划不仅为友军提供不断更新的战场动态地图，还利用其传感器网络探测并绘制敌方位置图，从而提高美军在反介入/区域拒止（A2/ AD）环境。与创建动态空域的通用作战图不同，ASTARTE 计划并不寻求为联合和联盟伙伴必须使用的软件和硬件开发通用框架，因为 ASTARTE 的核心旨在与当前和未来的指挥部兼容和控制系统使用的服务和自动化推送最新的相关空域信息到所有联合作战单位。
4） XAI 项目：2016 年，DARPA 发布了 XAI 项目，旨在建立新的或改进的机器学习技术，生成可解释的模型，并结合有效的解释技术，使用户能够理解、信任和管理未来人工智能系统。通过这个项目，新的机器学习系统将能够解释它们的逻辑，描述它们的优势和劣势，并解释未来的行为。 2021年，该项目将专注于增强可解释系统的鲁棒性以适应日益复杂的机器学习任务，并通过扩展认知模型来衡量系统在大量数据集和场景上的可解释性和准确性；可解释的建模技术被集成到原型系统中，并结合国防部和情报界的协作活动进行演示。
2、发展趋势
作为智能战场感知的核心基础技术，自然语言处理、计算机视觉、信息融合等人工智能技术发展迅速。这些技术将改变人类的生产和生活，将引发未来战争和军事信息系统领域的重大问题。改革和加快作战体系和作战形态数字化、智能化、无人化发展，为提高未来指挥决策能力和发展新型指挥信息系统奠定基础。智能战场感知发展趋势如图1所示。
图1智能战场感知发展趋势
2.1 自然语言处理正朝着深度机器理解方向发展
自然语言处理技术在语义分词和实体识别方面已经接近人类专业水平，但在事件识别、文本生成和机器阅读理解方面仍存在不足。自然语言处理未来将向文本理解和推理方向发展，解决文本从浅分析到深度理解、从规范到自由生成、跨媒体信息检索等问题。在军事应用方面，自然语言处理将朝着情报文本中的目标事件识别和智能辅助问答的方向发展。为解决人工解读时间长、人工任务繁重、信息超载等问题，自然语言处理将通过从军事文本中提取关键信息，对文本目标进行关联推理，实现图数据、关系数据和趋势智能。 ，以及关键信息答案的生成。这些异构知识的关联和快速检索有助于情报分析人员从大量低价值情报数据中自动获取关键信息。自然语言深度机器理解主要包括以下三个关键技术：
1） 基于 Transformer 的双向编码器表示 (BERT) + LSTM 用于智能领域的命名实体识别技术
军事领域的实体类型包括武器装备、军事目标、战备设施。由于缺乏训练语料和标记成本高，特征选择比较特殊。由于一般实体抽取模型是基于互联网公共语料库和日常新闻媒体素材训练的，其抽取能力有限。首先，用情报事件域数据集（军事新闻等）对BERT模型进行预训练；然后，将基于双向长短期记忆网络（Bi-LSTM）+条件随机场（CRF）的智能域命名实体识别方法嵌入到Bi-LSTM中，自动提取特征；最后将CRF层连接到Bi-LSTM层做句子级别的标签预测，这样标注过程就不需要对每个单词单独进行分类，从而提高识别准确率。评分。
2）基于循环神经网络的联合事件提取技术
事件提取过程包括两个核心步骤：触发词识别和事件分类、论元识别和角色分类。联合提取模型同时执行上述两个步骤，从而获得更好的事件提取结果。传统的事件提取依赖于词汇和语法特征，这大大降低了模型对不同数据集的泛化和适应能力。深度学习事件提取方法虽然可以学习到底层特征，但仍然不能充分利用语法之间的关系。采用基于循环神经网络的联合事件提取模型，在由LSTM单元组成的双向循环神经网络中加入依赖桥连接句法相关的词，并对所有事件参数候选集成对构造向量层，因此如果参数级别的信息可以交互，通过依赖关系增强模型中每个单词的语法相关信息。
3）基于上下文感知的机器阅读理解问答技术
人机对话过程中存在遗漏、歧义、多义等多种语言现象。在不同的语境中，相同的问题描述代表不同的含义。如何让机器正确理解自然语言背后的意图成为构建阅读理解等人机交互系统首先需要解决的问题。为此，根据不同用户的个性化表达，采用sequence-to-sequence模型，将用户个性化表达的问题改写为系统标准化表达；通过使用用户、任务和交互来记录上下文感知信息的三个维度。表示当前上下文状态，通过外延解析填入问题；在意图表达模糊的情况下，使用基于上下文注意机制的深度网络模型来预测不同上下文中的问题意图；通过以上技术手段，系统可以充分利用上下文信息来了解用户的意图，提高问答的准确性。
2.2 计算机视觉向认知建模和时空语义相关分析方向发展
计算机视觉在人脸和物体识别和分类方面已经接近甚至超过人类，但在图像理解方面仍面临巨大挑战。计算机视觉将向多模态、多层次的认知模型构建、事件间时空关系和语义相关性的推断、文本和声音的跨模态融合、与环境的交互学习等方向发展，解决图像描述、事件推理和场景理解。和其他问题。在军事应用方面战后情报侦察技术发展史研究，计算机视觉将朝着多源图像数据目标解释的方向发展。针对样本少、特征不固定等问题，计算机视觉将基于机器学习，增强因果逻辑、动机预测等认知逻辑推理，通过整合目标实现细粒度目标识别和轻量化图像目标特点和专业知识。识别、多传感器图像判读等能力可以辅助情报人员快速发现目标，定位变化区域，从而支持后续的目标意图分析和态势判断。计算机视觉语义识别主要包括以下关键技术：
1）基于并行仿真的图像伪装目标对抗识别技术
无人机捕获的成像视频包含复杂的目标基础设施和地形。如何解决障碍物遮挡和伪装情况下的目标检测识别是业界的难题。首先，构建一套虚拟伪装对抗场景，根据相关任务需求和战机经验知识，设计基于深度学习的防御模型和攻击模型；然后，将得到的训练集和测试集放入模型进行交替训练，通过联合损失函数对模型进行迭代优化，同时提升防御模型和攻击模型的性能，达到纳什均衡游戏过程的实现；最后将经过人工场景测试的模型部署到实际应用场景中，实现无人机数据对象类识别和伪装对象定位的成像。
2）基于元学习的小样本图像对象识别技术
军事图像情报处理中样本少，目标大小不等一、多尺度小类差异小等问题。少样本学习旨在从单个或少数训练样本中学习有关对象类别的信息，这对于具有大量数据的深度学习至关重要。通过元学习，采用“学习如何利用先验经验学习”的思想来解决few-shot learning问题。首先，通过拼接卷积神经网络的输出得到支持集和目标集的多尺度特征；然后，设计支持集和目标集的多尺度特征组合方法，得到关系特征；最后，通过神经网络对相关特征进行测量，学习提高军事图像的目标类别和位置的推理效果，从而挖掘出目标类型、来源、关系、战损等信息。
2.3 情报信息融合向异构融合和知识推理方向发展
信息融合可以有效地关联多源、异构信息（文本、图像、表格和图形等）的障碍，从数据中自动学习和生成知识，从而进行关联和整合，形成跨领域的知识体系基于知识图谱的信息融合将从静态实体知识转变为动态事件知识，从基本的三元组表示转变为连续向量和复杂的高阶表示，从关系建模转变为复杂路径建模；知识推理；它还将从确定性规则推理发展到不确定性概率推理，解决大规模、跨领域和开放知识图谱的计算效率、智能推荐和常识推理等问题。在军事应用方面，信息融合将向深度认知推理发展。针对知识的表征、构建和服务，通过自适应构建军事决策知识体系、商业模式挖掘和战争规则生成战后情报侦察技术发展史研究，实现知识体系的持续演化和动态增长，从日常群众事件和媒体片段中进行互认。它可以在海量事件中快速发现潜在联系，从而对战场形势的了解更加深入，指挥决策更加清晰。基于异构智能信息的自动关联主要包括以下两项关键技术：
1）基于异构智能信息的自动关联技术
情报大数据处理的核心是面对海量多源异构情报数据，快速准确地提取和融合高价值信息，从而实现任务导向的战场感知。首先，利用基于知识图谱的战场情报关联技术构建统一的时空基准，实现多源、异构、动态情报的组织建模；将提取的信息融合，形成目标的多维、多源特征库；最后，利用目标可信准则生成技术，生成目标识别线索链和决策准则，支持指挥员快速准确地确定目标身份，及时决策。
2）知识驱动的战场目标理解与智能认知推理技术
针对情报分析证据链不完善、敌我方环境分离、情报知识应用不系统等问题，采用知识驱动的战场目标理解和智能认知推理算法实现未知目标的检测。类型、型号、意图的辅助研判，包括以下三个方面：（1）利用时空、频域、实体维度关联相关证据，比较多种未知飞机和舰船的性能目标，从而判断目标。（2）利用轨迹大数据挖掘技术，将导航路线与历史活动规律相匹配，确定目标类型和意图；（3）证据信息等如飞机和舰船性能、活动模式和航行计划）通过综合推理和验证，获得目标身份和行为意图，进而提高基于机器自学习的复杂环境下战场目标的智能认知水平.
准确性和透明度是战场感知预测的关键 AI 相关指标。其中，准确率强调战场感知模型的拟合能力，以及在一定程度上准确预测未知样本的能力，如目标意图预测的准确率；透明度强调战场感知系统能够给出自身决策过程工作原理的程度。它是用户了解机器的基础，例如目标意图预测的可靠性。随着战场环境变得更加复杂，指挥官对人工智能可解释性的要求不断提高。因此，将“黑匣子”变成可解释的交互人工智能已成为相关领域的发展趋势，实现以人为中心的人工智能也是一项前瞻性挑战。在军事应用方面，目标身份意图识别与预测需要通过可解释、可溯源的交互式协同感知来提高情报分析人员的决策效率。针对战场感知缺乏对态势深入了解和未来趋势预测的问题，综合运用自然语言语义融合、知识图谱和可解释推理等技术，可以快速从多领域中提取目标关键线索和异构智能。融合自动推理目标的身份意图，从而提高指挥官的解释效率和准确性。交互式协同感知主要包括以下两项关键技术：
1） 任务上下文的交互感知技术
综合运用语音、文字、面部表情、眼球运动、手势、生理信号以及虚拟现实/增强现实（VR/AR）等前沿人机交互技术和设备，让作战指挥员进行交流通过对话等方式需求和操作Intent，从而构建统一的多模态人机交互语言规范，提供机器对人、机器对机器的意图解析和转换服务；结合面部表情和手势等新的交互式输入参考内容来补充语义。机器对多模态信息进行语义融合和意图映射，实现对作战指挥员所表达信息的准确理解和系统信息的多样化展示，最终引导作战指挥员用标准化的文字表达意图，同时实现各级指挥所。指令和信息的规范化表示。
2）人机混合智能战场感知技术
战场感知的基础在于人类决策的价值与机器处理的真实性的有机结合。指挥官善于去除虚假信息并保存真相，提取价值并对其进行总结；机器擅长从海量信息中收集、聚合信息，分析挖掘隐藏信息，自动加载各种智能分析模型。采用人机混合智能战场感知技术，分析人机共生的智能交互分析机制，借鉴指挥官分析战场目标的思维方法，运用交互引导决策知识建模方法，分析敌情、目标个人及周边区域 模块化智能分析挖掘影响力等功能，以拖拽结合的可视化方式展示给指挥员，指挥员可通过提供操作按钮快速决策。 Machines can automatically mine key clues from massive intelligence, and human experience can be transformed into machine judgment capabilities. Therefore, the combination of human and machine can realize real-time early warning of symptoms, abnormally fast research and judgment, and accurate intention prediction based on massive intelligence in the whole domain. , to shorten the decision-making time and improve the accuracy of decision-making.
3、Concluding remarks
Intelligent battlefield perception is the premise of command decision-making and action control. With the development of technologies such as artificial intelligence and big data, the future battlefield information will be characterized by massive distribution and explosive growth. Technologies such as structural fusion reasoning and interpretable interaction will become the mainstream development direction in the field of battlefield perception. The current research on intelligent battlefield perception technology has entered a stage where theory and practice are combined, and reality and the future are linked. To promote the wide application of related technologies in the field of battlefield perception, it is very important for my country to improve its technological level, enhance its economic strength and build intelligence. Technological powerhouses are of great significance.
Source: Defense News
结束
Hot articles (swipe up to read)
Article Recommendation | Hou Feng: Article Recommendation for Remote Sensing Image Retrieval Based on Deep Feature Dictionary Learning and Largevis | Wang Xinyao: Global Inertial Navigation and Integrated Navigation Method Based on Earth Coordinate System Article Recommendation | Chen Lijing: Aeronautical Inverse Based on Multi-Class SVM Recommended articles on transformer fault diagnosis | Li Mingfei: Recommended articles on image enhancement and flow field density processing for cascade schlieren experiments | Liu Qiuyu: Recommended articles on flexible pressure sensors based on capacitance-resistance conversion principle | Li Lei: Research on data-driven fault prediction Article recommendation | Yan Junjie: Automatic precision assembly technology of satellite antenna module based on machine vision Article recommendation | Yao Yanling: Research article recommendation for aero-engine surge diagnosis model based on CNN-Seq2Seq | Guan Li: Electrostatic fluid for aircraft flight control actuation system Recommended articles on actuation technology research review | He Yunze: Recommended articles on acoustic emission signal analysis of power devices in inverter circuits | Xie Li: Recommended articles on circuit board component defect detection based on improved YOLOv4 network | Wang Yizhou: Based on R(2+1)D ternary twin network short video fingerprint extraction article recommendation | Han Han: Review article recommendation for no-reference image quality evaluation based on deep learning | Wang Jiulong: Helicopter tail rotor blade fatigue test technology research
Study on a portable ECG monitoring system with electrodes
Recommended articles | Zhang Meiju: Research status and development trend of ceramic substrate thin film thermocouples
Article recommendation | Ouyang Lin: Fatigue driving detection algorithm based on driver facial time series data
Article recommendation | Zhang Wenli: Multi-target tracking algorithm based on improved Transformer and Anchor-free network
Article recommendation | Liu Guanjun: Research progress of silicon-based and graphene-based resonant pressure sensors
Article Recommendation | Jiang Chao: Overview of Image-Based UAV Battlefield Situational Awareness Technology
Article recommendation | Zhang Feiyang: A review of research on vigilance detection based on physiological signals
Recommended Articles | Qiu Fang: Research on Autonomous Management Software Architecture of Deep Space Exploration Spacecraft Control System
Article Recommendation | Wang Yanshan: Research Progress of Graphene Flexible Pressure/Strain Sensor
Article Recommendation | Wang Hong: Research on the Architecture of Civil Aircraft Testing Technology
Article recommendation | Liu Yawei: A review of digital twin and application research for aircraft structural health management
Recommended article | Sun Zhiyan: Overview of the development of aero-engine control system
Everyone Forum | Academician Gao Jinji: Intelligent Monitoring of Aircraft Engine Vibration Faults
Everyone Forum | Wang Haifeng: Understanding and Discussion on Intelligent Development of Aviation Equipment Support
Everyone Forum | Wang Huamao: Review of Spacecraft Comprehensive Testing Technology and Development Trend
Everyone Forum | Li Kaisheng: Discussion on the Demand for Measurement and Control Technology of Large Aircraft Power System
2021 outstanding papers in the field of computer and automation technology
2021 outstanding papers in aerospace field 2020 outstanding papers in aerospace field
2020 outstanding papers in the field of computer and automation technology
News of the journal (swipe up to read)
Notice on the call for papers at the 2022 China Aviation Industry Technology and Equipment Engineering Association Annual Conference
Notice on the Call for Papers at the 19th China Aviation Measurement and Control Technology Annual Conference
Notice on the Call for Papers in the "Equipment Nondestructive Testing and Health Monitoring" column of "Measurement and Control Technology"
Notice on the Call for Papers in the "Measurement and Control Technology" "Force Tactile Technology" column
"Measurement and Control Technology" continued to be selected as "China Science and Technology Core Journals
Revision and upgrade of "Measurement and Control Online" on the official website of "Measurement and Control Technology"
"Measurement and Control Technology" thanks the 2021 reviewers
Journal Table of Contents (swipe up to read)
2022 Issue No. 8
2022 Issue 7
2022 Issue 6
2022 Issue 5
2022 Issue 4
2022 Issue 3
2022 Issue 2
2022 Issue 1
2021 Issue 12
2021 Issue 11 Special Issue on Condition Monitoring Sensing Technology
2021 Issue 10
2021 Issue 9
2021 Issue 8
2021 Issue 7
2021 Issue 6
2021 Issue 5
2021 Issue 4
2021 Issue 3
2021 Issue 2
2021 Issue 1
2020 Issue 8 Special Issue on Machine Vision Technology
The 12th issue of artificial intelligence and test assurance in 2020 Return to Sohu, see more
Editor in charge:
