九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

協(xié)同，是單體任務(wù)到群體的協(xié)作，它可以在一定程度上解決單體的問題，達(dá)到單體所不能達(dá)到的能力，同時(shí)，它也受單體的約束，單體的性能以任務(wù)為前提，不同程度上制約著協(xié)同的能力。就單體能力而言，目前傳統(tǒng)的單機(jī)干擾仍存在對(duì)雷達(dá)信號(hào)識(shí)別能力弱，依賴先驗(yàn)知識(shí)和專家經(jīng)驗(yàn)的問題。同時(shí)，也因?yàn)樽R(shí)別能力受限，進(jìn)而在干擾實(shí)施上導(dǎo)致主要采用壓制式干擾，無法有針對(duì)性的實(shí)施干擾策略，干擾機(jī)干擾資源分散、干擾效率低。我們需要看到的是，現(xiàn)代化高技術(shù)戰(zhàn)爭是體系與體系對(duì)抗的戰(zhàn)爭，特別是精確制導(dǎo)武器與武器防御體系之間的對(duì)抗。配裝電子戰(zhàn)設(shè)備的制導(dǎo)武器在突防中面對(duì)的是整個(gè)武器防御體系，所對(duì)抗的雷達(dá)往往組成網(wǎng)絡(luò)，且頻率覆蓋范圍寬、體制迥異、所采取的抗干擾措施各不相同，僅靠單個(gè)干擾機(jī)掩護(hù)武器自身突防往往顯得勢(shì)單力薄，其干擾敵方雷達(dá)方位和組網(wǎng)雷達(dá)能力有限，在對(duì)于組網(wǎng)雷達(dá)干擾的資源分配上，或干擾數(shù)目較少，或干擾資源分散[2]。同時(shí)，現(xiàn)代化高技術(shù)戰(zhàn)爭也是武器裝備智能的對(duì)抗。近年人工智能技術(shù)的急速發(fā)展推動(dòng)著雷達(dá)系統(tǒng)的智能化程度不斷提升，當(dāng)今時(shí)代的雷達(dá)系統(tǒng)更注重對(duì)電磁環(huán)境的自主感知能力與快速應(yīng)變能力。因此，針對(duì)先進(jìn)的具備認(rèn)知能力的雷達(dá)系統(tǒng)，需要同樣高智能化的電子對(duì)抗設(shè)備與之對(duì)抗。而針對(duì)智能化的雷達(dá)組網(wǎng)，則需要智能協(xié)同電子戰(zhàn)系統(tǒng)與之抗衡。

協(xié)同干擾，即多部干擾機(jī)按照一定的工作模式互相之間有機(jī)配合，對(duì)單部或者多部威脅雷達(dá)進(jìn)行干擾。它是一種干擾效果很強(qiáng)的干擾方式，主要體現(xiàn)為“多對(duì)一”或者“多對(duì)多”。多部干擾機(jī)通過協(xié)同工作的方式能夠更好的增強(qiáng)其干擾效果。面對(duì)敵方雷達(dá)布置的具體情況可對(duì)癥下藥，選擇合適的干擾方式，例如設(shè)定干擾機(jī)的數(shù)量、布陣方式，采用的干擾頻率、干擾樣式等等。而如何準(zhǔn)確的知曉敵方雷達(dá)的部署情況，在體系對(duì)抗的過程中，如何優(yōu)化分配干擾任務(wù)，如何評(píng)估干擾是否有效，進(jìn)而部署后續(xù)的對(duì)抗任務(wù)，則是武器裝備智能化程度和電子戰(zhàn)設(shè)備智能化程度所決定的問題。協(xié)同作戰(zhàn)體系的最終實(shí)現(xiàn)目標(biāo)一定是在武器裝備智能化以及作戰(zhàn)體系智能化的大基礎(chǔ)上實(shí)現(xiàn)的。智能化程度越高，協(xié)同作戰(zhàn)中可以研究實(shí)現(xiàn)的空間就越大。

因此，智能協(xié)同干擾是智能電子戰(zhàn)設(shè)備的有機(jī)組合，同時(shí)也是電子戰(zhàn)設(shè)備的智能組網(wǎng)。

智能協(xié)同干擾從體系對(duì)抗角度出發(fā)，在集群信息溝通和平臺(tái)協(xié)同的基礎(chǔ)上，以“認(rèn)知目標(biāo)偵查”以及“智能干擾實(shí)施”為支撐，采用頻率協(xié)同、時(shí)間協(xié)同、空間協(xié)同、功能協(xié)同、平臺(tái)協(xié)同等協(xié)同方式，結(jié)合多智能體概念，實(shí)現(xiàn)協(xié)同作戰(zhàn)任務(wù)決策，完成智能電子戰(zhàn)設(shè)備的智能組網(wǎng)。

1.1 認(rèn)知目標(biāo)偵查整體思路

認(rèn)知目標(biāo)偵察主要依據(jù)目標(biāo)信號(hào)樣本的特征參數(shù)向量，進(jìn)行威脅目標(biāo)識(shí)別，包括兩個(gè)層面：1）首先進(jìn)行未知輻射源檢測(cè)，即判斷當(dāng)前對(duì)抗場景中是否出現(xiàn)未知目標(biāo)；2）針對(duì)每種威脅目標(biāo)進(jìn)一步識(shí)別其當(dāng)前工作狀態(tài)，并根據(jù)識(shí)別結(jié)果及時(shí)更新識(shí)別模型，同時(shí)對(duì)未知目標(biāo)的威脅等級(jí)進(jìn)行評(píng)估。認(rèn)知偵察的算法思路流程圖如圖1所示。

圖1 認(rèn)知目標(biāo)偵察算法思路流程圖

1.2 智能干擾實(shí)施整體思路

首先接收認(rèn)知目標(biāo)偵查算法的雷達(dá)目標(biāo)識(shí)別結(jié)果，如果當(dāng)前對(duì)抗場景中沒有出現(xiàn)未知目標(biāo)，即對(duì)抗目標(biāo)只有已知雷達(dá)狀態(tài)，則直接調(diào)用強(qiáng)化學(xué)習(xí)算法對(duì)各已知目標(biāo)的多種工作狀態(tài)學(xué)習(xí)最優(yōu)干擾樣式。如果出現(xiàn)未知目標(biāo)，且尚未識(shí)別出它的工作狀態(tài)，則隨機(jī)選擇干擾樣式；在偵察環(huán)節(jié)積累一定的未知樣本之后可以對(duì)未知雷達(dá)數(shù)據(jù)進(jìn)行聚類分析，劃分出未知雷達(dá)目標(biāo)的相應(yīng)類別，并識(shí)別出未知雷達(dá)工作狀態(tài)，再次調(diào)用強(qiáng)化學(xué)習(xí)算法，對(duì)未知雷達(dá)的工作狀態(tài)學(xué)習(xí)最優(yōu)干擾樣式。當(dāng)算法收斂后，存儲(chǔ)多個(gè)雷達(dá)輻射源目標(biāo)不同工作狀態(tài)下的最優(yōu)干擾樣式。智能干擾實(shí)施的算法思路流程圖如圖2所示。

圖2 智能干擾實(shí)施的算法思路流程圖

1.3  多智能體概念及其在協(xié)同干擾中的應(yīng)用

智能體(Agent)概念源于分布式人工智能，具有自治性和協(xié)作性的特點(diǎn)。多智能體(Multi-Agent)由同一網(wǎng)絡(luò)內(nèi)或硬件系統(tǒng)內(nèi)的多個(gè)Agent構(gòu)成，并以協(xié)同工作的方式完成任務(wù)，在過程中不斷進(jìn)化單個(gè)智能體的基本能力，在交互中逐步理解和調(diào)整符合系統(tǒng)的全局目標(biāo)。

協(xié)同干擾模式以及認(rèn)知電子戰(zhàn)趨勢(shì)，對(duì)電子戰(zhàn)設(shè)備自身均具有較高的自主能力要求，需要主動(dòng)感知戰(zhàn)場態(tài)勢(shì)，并根據(jù)態(tài)勢(shì)變化，在一定任務(wù)目標(biāo)的約束下，實(shí)時(shí)決策自身的對(duì)抗策略、優(yōu)化分配干擾資源等，并重構(gòu)戰(zhàn)場電磁態(tài)勢(shì)。因此，未來電子戰(zhàn)設(shè)備具有智能體的典型特征，而由多臺(tái)智能電子戰(zhàn)設(shè)備所組成的協(xié)同干擾編隊(duì)，則具有多智能體的行為特征和構(gòu)造方式。

基于多智能體的干擾機(jī)群協(xié)同干擾任務(wù)決策方法結(jié)構(gòu)模型，是由攜帶母體干擾機(jī)的“首領(lǐng)平臺(tái)”和攜帶子體干擾機(jī)的“攻擊平臺(tái)群”組成多智能體結(jié)構(gòu)，其中首領(lǐng)電子對(duì)抗設(shè)備Agent作為協(xié)同干擾控制Agent，而各個(gè)攻擊電子對(duì)抗設(shè)備Agent分別作為協(xié)同干擾功能Agent。

首領(lǐng)干擾機(jī)內(nèi)由 “首領(lǐng)干擾機(jī)控制模塊”、“群體態(tài)勢(shì)感知模塊”、“群體任務(wù)決策模塊”、“群體任務(wù)分配模塊”、“協(xié)同干擾樣式選擇模塊”、“群體干擾資源分配模塊”、“群體對(duì)抗效果評(píng)估模塊”以及“首領(lǐng)信息傳輸模塊”構(gòu)成。

各攻擊干擾機(jī)內(nèi)由“第i號(hào)攻擊干擾機(jī)控制模塊”、“從機(jī)局部態(tài)勢(shì)感知模塊”、“任務(wù)校核模塊”、“局部對(duì)抗干擾樣式選擇模塊” 、“從機(jī)干擾資源分配模塊”、“從機(jī)對(duì)抗效果評(píng)估模塊”以及“從機(jī)信息傳輸模塊”構(gòu)成。

圖3 基于多智能體的干擾機(jī)群協(xié)同干擾任務(wù)決策方法結(jié)構(gòu)模型

在實(shí)施智能協(xié)同干擾作戰(zhàn)時(shí)，我們需要考慮智能干擾機(jī)群的分布和資源分配以及干擾效果反饋并參與后續(xù)干擾任務(wù)決策等內(nèi)容。對(duì)于初步的探索，我們可以將智能協(xié)同干擾作戰(zhàn)實(shí)施模式分為雙干擾機(jī)智能協(xié)同、干擾機(jī)集群智能協(xié)同這兩種類型，其中干擾機(jī)集群智能協(xié)同模式類型中還可以分為一母機(jī)模式和多母機(jī)模式。各種模式類型的基本流程梳理如下。

2.1 雙干擾機(jī)智能協(xié)同模式

雙干擾機(jī)智能協(xié)同模式的實(shí)施模型可以為母子雙機(jī)模式和雙母機(jī)模式。

母子雙機(jī)模式以伴飛探測(cè)為目的，由子機(jī)進(jìn)行隨隊(duì)支援干擾。主要任務(wù)是母機(jī)基于自適應(yīng)機(jī)器學(xué)習(xí)技術(shù)，識(shí)別威脅目標(biāo)，再由子機(jī)對(duì)其實(shí)施欺騙干擾或輔助自衛(wèi)式干擾，以達(dá)到保護(hù)母機(jī)載體平臺(tái)的作用。結(jié)合母機(jī)載體平臺(tái)航路規(guī)劃，子機(jī)載體平臺(tái)可同時(shí)完成戰(zhàn)場探測(cè)任務(wù)，為我軍戰(zhàn)場戰(zhàn)術(shù)應(yīng)用搶占先機(jī)。

雙母機(jī)模式，在智能協(xié)同作戰(zhàn)中，可通過對(duì)敵方雷達(dá)的智能識(shí)別和判斷，采用雙機(jī)閃爍干擾來達(dá)到雙母彈突防的效果。通過彈間信息交互，兩母彈根據(jù)干擾效果評(píng)估，對(duì)外部威脅環(huán)境不斷感知、判斷，決策后續(xù)干擾任務(wù)。

圖4 子機(jī)平臺(tái)模擬誘餌干擾示意圖

圖5 雙機(jī)閃爍干擾示意圖

2.2 干擾機(jī)集群智能協(xié)同模式

干擾機(jī)集群智能協(xié)同模式可分為一母機(jī)模式和多母機(jī)模式。一母機(jī)模式是由一臺(tái)智能干擾機(jī)作為母機(jī)，協(xié)同多臺(tái)作為子機(jī)的智能干擾機(jī)，形成電子干擾陣。由母機(jī)負(fù)責(zé)偵收、制定干擾方案和總體調(diào)配干擾資源，子機(jī)群按方案實(shí)施干擾。此模式是以掩護(hù)和增強(qiáng)突防為目的，以載體平臺(tái)群智能協(xié)同作戰(zhàn)框架作為應(yīng)用背景，以網(wǎng)絡(luò)化電子戰(zhàn)為體系，運(yùn)用分布式組網(wǎng)技術(shù)把大量小型干擾機(jī)組成一個(gè)相互協(xié)作的干擾機(jī)群，對(duì)敵方的雷達(dá)系統(tǒng)進(jìn)行多方位多層次多體制干擾。

多母機(jī)模式智能協(xié)同干擾同樣以載體平臺(tái)群智能協(xié)同作戰(zhàn)框架為應(yīng)用背景，建立雷達(dá)干擾立體體系，增強(qiáng)突防的同時(shí)構(gòu)建戰(zhàn)場電磁態(tài)勢(shì)。，在作戰(zhàn)過程中載體平臺(tái)間高精度同步通訊，交互對(duì)外感知信息，根據(jù)戰(zhàn)場電磁態(tài)勢(shì)的不斷變化和預(yù)測(cè)，實(shí)現(xiàn)自學(xué)習(xí)式智能組網(wǎng)干擾。

多母機(jī)智能協(xié)同作戰(zhàn)中，由多個(gè)同型干擾機(jī)或控制系統(tǒng)同型干擾功能各異的干擾機(jī)組成智能化互通作戰(zhàn)網(wǎng)絡(luò)，所有干擾機(jī)均具有智能協(xié)同干擾系統(tǒng)控制潛能，可隨時(shí)跟換主機(jī)，在出現(xiàn)主機(jī)載體被毀的情況下，具有自主判斷喪失主機(jī)功能、新主機(jī)推選功能以及自主對(duì)抗等能力。

圖6 干擾機(jī)集群智能協(xié)同模式構(gòu)想示意圖

(1) 協(xié)同干擾任務(wù)架構(gòu)設(shè)計(jì)

構(gòu)建協(xié)同干擾任務(wù)架構(gòu)，解決協(xié)同干擾任務(wù)中多平臺(tái)間差異、任務(wù)沖突、流程嵌套等設(shè)計(jì)約束。實(shí)現(xiàn)未知作戰(zhàn)域干擾任務(wù)分配和復(fù)雜電磁環(huán)境下雷達(dá)目標(biāo)信息共享。

(2) 雷達(dá)信號(hào)精細(xì)化感知識(shí)別

通過深度學(xué)習(xí)算法，對(duì)雷達(dá)固有的細(xì)微特征進(jìn)行信號(hào)分析、識(shí)別，實(shí)現(xiàn)對(duì)雷達(dá)的有效識(shí)別與威脅判斷，解決對(duì)參數(shù)變化雷達(dá)信號(hào)的有效分選識(shí)別、為主動(dòng)干擾提供情報(bào)信息，為動(dòng)態(tài)威脅環(huán)境下的電子戰(zhàn)提供有利條件。

(3) 基于多維約束的雷達(dá)頻譜態(tài)勢(shì)構(gòu)建

利用角度信息、屬性信息、雷達(dá)信號(hào)特征、置信度信息與基準(zhǔn)數(shù)據(jù)，采用非地面處理的空中節(jié)點(diǎn)在線處理方式，完成多雷達(dá)目標(biāo)關(guān)聯(lián)與雷達(dá)頻譜態(tài)勢(shì)構(gòu)建，實(shí)現(xiàn)不確定條件下的態(tài)勢(shì)構(gòu)建,解決多平臺(tái)干擾機(jī)協(xié)同搜索信息融和、信息沖突的問題。

(4) 多雷達(dá)目標(biāo)協(xié)同干擾自主決策

通過采用分波次、分區(qū)域、分時(shí)等處理方法對(duì)一定空域內(nèi)同時(shí)執(zhí)行干擾任務(wù)的干擾設(shè)備集群實(shí)現(xiàn)基于任務(wù)的時(shí)空解耦。針對(duì)執(zhí)行同一類任務(wù)的干擾設(shè)備集群，設(shè)計(jì)最優(yōu)任務(wù)指派算法，避免群體間信號(hào)擾動(dòng)。將干擾決策與載體平臺(tái)決策系統(tǒng)相匹配，使作戰(zhàn)任務(wù)決策方案與干擾決策方案形成互約束，配合作戰(zhàn)任務(wù)，為平臺(tái)提供敵方探測(cè)系統(tǒng)規(guī)避以及集群突防干擾方案。在信息處理方式上，采用非地面處理的空中可變節(jié)點(diǎn)在線處理方式，增強(qiáng)對(duì)環(huán)境的魯棒性。

(5) 基于深度對(duì)抗網(wǎng)絡(luò)的靈巧干擾

由于傳統(tǒng)干擾機(jī)雷達(dá)識(shí)別能力弱，導(dǎo)致在干擾實(shí)施上只能采用信號(hào)轉(zhuǎn)發(fā)壓制式干擾，造成了干擾機(jī)干擾分散、干擾效率低的情況，特別是在一些干擾資源有限的平臺(tái)上，傳統(tǒng)干擾更顯劣勢(shì)?；谏疃葘?duì)抗網(wǎng)絡(luò)的靈巧干擾技術(shù)以未知雷達(dá)信號(hào)識(shí)別結(jié)果為數(shù)據(jù)基礎(chǔ)，利用生成網(wǎng)絡(luò)與判別網(wǎng)絡(luò)之間的博弈，可以在沒有大量先驗(yàn)知識(shí)以及先驗(yàn)分布的前提下，不斷學(xué)習(xí)訓(xùn)練集中真實(shí)數(shù)據(jù)的概率分布、生成高逼真雷達(dá)干擾波形，有效提升干擾設(shè)備對(duì)雷達(dá)實(shí)施精細(xì)化干擾的能力。

在以體系對(duì)體系的現(xiàn)代化高智能戰(zhàn)爭中，智能協(xié)同干擾是各平臺(tái)載體下電子戰(zhàn)技術(shù)所迎來的領(lǐng)域發(fā)展趨勢(shì)，也是贏得未來戰(zhàn)場勝利必須采用的對(duì)抗手段。雖然就目前的研究程度來看，智能協(xié)同干擾技術(shù)仍有很長遠(yuǎn)的研究路途要走，對(duì)于動(dòng)態(tài)變化的復(fù)雜電磁環(huán)境下的自主感知能力，戰(zhàn)場威脅區(qū)域電磁頻譜態(tài)勢(shì)的聯(lián)合構(gòu)建，高對(duì)抗條件在線自主有效突防等能力，還需深入開展工作。但在對(duì)智能協(xié)同干擾技術(shù)的初探中已可以看到，它可以大幅提升電子戰(zhàn)設(shè)備的偵察和干擾能力，在有限的資源配備上可以實(shí)現(xiàn)靈活有效的干擾樣式，提升干擾單機(jī)和群體的自主干擾能力，更深入的將干擾實(shí)施與制導(dǎo)武器的作戰(zhàn)任務(wù)相結(jié)合，更貼近電子戰(zhàn)系統(tǒng)的工作使命，進(jìn)而更準(zhǔn)確有效的完成干擾任務(wù)。因此，智能協(xié)同干擾技術(shù)是新一代電子戰(zhàn)系統(tǒng)的重要發(fā)展方向之一。

[引用格式]步雨濃,袁健全,池慶璽. 智能協(xié)同干擾技術(shù)作戰(zhàn)應(yīng)用分析[J]. 戰(zhàn)術(shù)導(dǎo)彈技術(shù), 2019，(5): 71-76.