中国指挥与控制学会会刊 
在智能化时代背景下,城市是支撑人类生存发展及承载生产、生活活动的主要功能区,已成为现代战争中争夺与控制的重要战术目标。据联合国统计,2050年,全世界将有2/3的人口涌入城市地区,形成超大城市群落。世界局部战争俄乌冲突、以哈战争表明,城市作战地位重要、作用突出,是现代战争不容回避的重要作战形式[1]。由于城市地区街巷纵横,工程设施复杂,并且各种电磁信号时、频、空、能混叠交织[2],导致城市作战呈现物理环境立体延伸、复杂电磁信号密集多变等特点,城市战场存在通信指挥协同困难、装备优势发挥受限、态势评估不灵活等作战难点和痛点。
为准确获取战场实时信息和感知战场综合态势,需要在物理空间、电磁空间、网络空间等跨域多维一体化捕获数据,其中,物理空间和电磁空间的感知研究最为广泛和深入,也是驱散战场信息“迷雾”、夺取绝对制胜权最基本和最重要的途径。而传统感知手段主要存在以下问题:(1)物理空间信息与电磁空间信息不能有效融合。电磁频谱态势是电磁波与物理世界相互作用的产物,目前,物理空间感知与电磁空间感知基本处于孤立状态,需要通过跨域数据融合技术探究跨域信息的关联机制。(2)城市战场信息平台缺乏通用性。首先表现为数据格式不兼容,物理空间信息系统和电磁空间信息系统分属不同操作平台,信息在平台之间传递存在障碍;其次,功能侧重点差异大,指战员需要同时参考地形图和频谱图,在多平台人工对比分析,效率和准确率受限较大。(3)信号接收设备部署模式固化。传统接收机/频谱仪采用箱式结构设计,重量大,部署难,移动性差,难以适应多样化的应用场景,如移动监测、无人机监测等。(4)城市战场信息感知智能化不足。复杂的城市战场环境产生了海量数据,指挥人员很难快速地从繁杂冗余、互相关联的感知数据中抓取关键信息,短时间内无法形成合理判断与决策[3],亟须从根本上提升战场多域、多维信息立体感知与融合技术的智能化、自主化水平。
针对以上问题,本文提出了面向城市作战的无人机多域信息立体融合体系研究框架,实现城市战场跨域信息智能化深度融合与可视化表征,为作战行动提供高效、全面、清晰的决策依据。
1 能力需求与技术现状
1.1 能力需求分析
借助无人系统灵活布设、隐蔽侦察的优势,结合复杂电磁环境多域多维信息感知需求,构建基于无人机的战场多域信息智能感知融合系统,形成“物理空间+电磁空间”的协同智能服务,将满足多方面的实际需求。(1)城市战场海量数据协同探测与高效采集需求。传统的战场环境数据采集模式与新形势下数据决策、数据指挥、数据制胜要求不相适应。因此,亟须开展大规模无人装备数据自主智能采集技术研究,借助无人机灵活布设、动态可控[4]优势,实现海量数据分布式协同探测与高效采集。(2)城市战场物理空间与电磁空间信息智能融合需求。战场多域信息复杂交织,而目前针对战场物理空间和电磁空间的感知研究处于割裂状态,指战员需在多平台人工对比地形图和频谱图。因此,亟须开展物理空间与电磁空间信息智能融合技术研究,探究跨域信息关联机制。(3)城市战场电磁频谱态势演化预测需求。传统的频谱态势预测方法难以利用站点间的时域、频域、空域特征关联给出多节点的电磁强度预测结果,因此,亟须开展多域联合的电磁频谱态势演化预测技术研究,前瞻性地把握战场频谱态势发展规律,对于开展电磁兼容设计[5]和掌握制电磁权有重要意义。
1.2 技术研究现状
国外针对战场态势感知尤其是电磁频谱态势感知的研究,主要围绕频谱态势图的绘制以及频谱数据库的建立。美军方依据网络中心战理念大力推动第二代战场态势感知系统建设,从时域、频域、空域三个维度绘制射频地图。典型的系统和平台有美国DAPRA先进频率无线电地图系统(A)、美国EMBM-J联合电磁作战管理系统(B)、美国HawkEye360天基频谱监测卫星系统(C)、澳大利亚Kleos Space电磁频谱监测卫星系统(D)等。国内在该方向的研究起步较晚,但领域内的相关企业、高等院校等积极开展技术研究,初步形成了整套的频谱监测系统。目前,已有的代表性成果如苏州恩巨频谱地图云平台(E)、南京航空航天大学三维频谱数据采集和测绘系统[6](F)、西安电子科技大学频谱检测管理系列软硬件系统[7](G)等。
纵观国内外现状可知,目前,针对城市作战战场综合态势感知的研究重点是电磁频谱态势感知以及可视化,未有效综合考虑城市环境的物理实体状态,未将精细化的地理坐标、楼宇位置等与状态多变的电磁态势对齐及补齐。因此,为满足精细化、多视角、多功能的全息展现战场态势需求,亟须构建多域信息感知融合、表征、利用系统,深挖海量数据蕴藏的深层价值。
2 城市作战物理空间与电磁空间感知融合体系框架
本文所构建的城市作战物理空间与电磁空间感知融合平台,是对城市战场的精准映射,通过硬件驱动、数据支撑、模型定义、软件集成的方式,分层、分类描述战场态势,从而实现可视化。该平台以高维时空张量为基础,将跨域多维信息格式化后汇集展示,地理数据采用建筑白模形式表示城市空间的三维结构,频谱数据采用热力值的形式表示空间点处的接收信号强度RSS(received signal strength,RSS),使用人员按不同功能需求进行搜索查询、增删修改、分析处理等操作,由此形成“物理空间+电磁空间”的智能协同交互服务。
图1展示了城市作战多无人机物理空间与电磁空间感知融合技术框架,分为4个层次:数据采集层、算法处理层、可视化交互层、智能服务层。数据采集层以搭载全向天线、小型机载频谱仪、激光雷达、RTK定位模块等多载荷的无人机集群为主力单元进行空间环境数据采集与传输;算法处理层分别处理点云数据和频谱数据,实现环境理解与重建、电磁频谱态势生成,将地理数据和频谱数据按空间定位坐标进行匹配,以高维张量网格形式组织和管理数据;可视化交互层集成了多种可视化人机交互服务与应用功能,实现可演示、可查询、可生成、可推演、可分析、可交互等效果;智能服务层以各类上层用户软件为依托,提供城市作战战场综合态势实时感知与决策辅助、城市作战战场海量数据协同探测与高效获取、智慧城市场景电磁频谱实时监测与综合管理等服务。
表1从数据来源、可视信息、主要功能以及应用场景4个层面对比了国内外现有系统/技术与本文所提技术体系。在数据来源层面,相较于天基频谱监测卫星和地基固定式/半固定式频谱监测设备,无人机集群机载式频谱监测方案更加灵活快捷,更适应于精细化、分布式、智能化的应用需求。在可视信息层面,融合多源多维异构数据,包括频谱数据、数字地图、装备实体等,依托地理信息系统全景展示战场多域态势。在主要功能层面,涵盖频谱监测、测绘、管理、推演等全流程的解决方案,因此,能够适用于更广泛的军用和民用场景。综上所述,本文所提技术体系相较于现有系统/技术能够展现独特的优势和创新性。
表1 现有系统/技术对比表Tab.1 Comparison of existing systems/technologies |
| 序号 | 数据来源 | 可视信息 | 主要功能 | 应用场景 |
|---|---|---|---|---|
| A | 电台、干扰机等 | 频谱地图 | 频谱去冲突管理 | 电子战 |
| B | 各军种电磁频谱设备、电子侦察设备等 | 频谱地图 | 频谱态势感知 | 电子战 |
| C | 射频定位卫星星座 | 频谱地图、全球卫星图像 | 非法活动监测、遇险信号识别定位 | 海事 |
| D | 射频侦察卫星星座 | 频谱地图、二维地理定位地图 | 非法活动监测、遇险信号识别定位 | 海事 |
| E | 路测设备、固定基站、网格化节点等 | 三维频谱地图、三维数字地图 | 频谱监测管理 | 智慧城市 |
| F | 机载频谱仪(单机) | 三维频谱地图 | 频谱地图重构 | 智慧城市 |
| G | 箱式频谱监测设备 | 电磁信号图、模拟场景图 | 电磁信号识别、频谱监测管理、电磁态势推演等 | 区域安防 |
| 本文技术 | 机载频谱仪(集群) | 三维频谱地图+三维数字地图 | 频谱地图重构、频谱监测管理、频谱态势推演等 | 城市作战、智慧城市等 |
注:A、B、C、D、E、F、G均为1.2节中各系统/技术的代号。 |
3 城市作战物理空间与电磁空间感知融合关键技术
本文结合技术框架体系,提出了无人机集群协同部署与组网、复杂城市环境数据自主采集、跨物理空间与电磁空间的信息融合与频谱数据补全、多域联合的频谱态势演化预测等亟待突破的关键技术及实现思路。
3.1 无人机集群协同部署与组网技术
选取频谱数据最优采样位置是实现无人机集群部署的前提,更是提升频谱地图精度的重要手段。在限定采样数量的前提下,选定感兴趣区域,确保频谱态势变化剧烈的区域(如通信基站附近、地形起伏区域、障碍物遮挡区域等)比平稳区域进行更多的数据采样以获得更多的频谱态势信息。然后,多架无人机以编队形式执行对地面和空中的数据采集及传输任务并有效规避干扰区域。如图2所示,在数据采集阶段,无人机集群通过优化位置部署,寻找最优覆盖路径[8],规避干扰区域的同时,最大限度地提高数据采集量。在组网阶段,无人机集群形成联盟子网,同一联盟内的无人机将各自采集的数据传输给簇头无人机。最后,在数据上传阶段,簇头无人机将汇总数据传输到邻近的升空平台。
3.2 复杂城市环境数据自主采集技术
为有效解决复杂环境下数据自主、快速采集问题,基于模块化、层次化设计思想,研制无人机自主数据采集系统,整体设计如图3所示。空中部分包括无人机平台及其搭载的频谱采集单元、环境感知单元、定位单元、控制与传输单元等其他可扩展模块。频谱采集单元包含全向天线、小型频谱分析仪等设备,实时接收信号数据。环境感知单元实时获取环境点云数据和图像数据,并辅助自主避障。控制与传输单元包含机载计算机、数据传输链路(机载端)、飞控等设备。其中,机载计算机为小型处理器,接收地面控制指令,负责将信号数据、无人机导航和状态信息等进行时间统一处理并发送给数据链;数据传输链路支持多无人机节点组网,可实现星型网、链式网、网格网等拓扑结构的网络互联;飞控实时接收地面控制指令,包括对无人机飞行姿态、频谱仪、激光雷达等的控制。地面部分具有无人机地面站的基本功能,显示无人机状态、航迹等信息,控制无人机飞行模式,作为地面中继站嵌入可视化物理空间与电磁空间感知融合平台,传输原始的频谱数据、点云数据、位置、时间戳数据等。
3.3 跨物理空间与电磁空间的信息融合与频谱补全技术
获取无人机采集的环境数据后,首先解决多源异构物理—电磁信息数据融合问题。战场空间被划分为规则网格,三维点云数据配准拼接后可直接按照位置关系映射在网格中,电磁信息也需以栅格形式进行分层、逐格描述,形成电磁信息时域、频域和空域的编码与关联方法,从而达到战场态势信息“统一组织、智能表征、高效计算”的目的[9]。受限于传感器数量、数据计算、存储和通信资源的约束,很难对每个地理空间位置部署传感器采集样本数据[10],通常情况下利用少量、关键样本数据基于缺失值恢复的方法重构全局频谱态势图,即频谱补全。而面对辐射源信息未知、数据大尺度缺失、频谱时空多域相关的情况,频谱数据补全成为涉及多维度的复杂问题。模型驱动方法[11]补全精度高,但实际情况下先验信息获取困难且对计算资源的要求高[12-13]。由于我们已在频谱数据采集阶段设置了稀疏采样感兴趣区域,相比之下数据驱动[14-16]的补全方法更适用。为了提高补全效率并且充分利用采样数据信息,对三维频谱空间进行切片,获得多个含有采样数据的二维频谱数据矩阵,然后,根据地理环境重构结果检测物理不可达区域(如建筑物、基站及其他障碍区域)边缘并实现边缘数据预填充,最后完成整个三维频谱空间部分空缺位置的补全。多阶段频谱态势数据补全方法的实现过程如图4所示。
3.4 多域联合的频谱态势演化预测技术
频谱态势预测通过捕捉历史频谱数据的潜在演化规律,提前获取未来频谱情况。现有的频谱预测研究大多只挖掘单域特征如时域、频域、空域特征并集中在挖掘时域特征或两种特征[17-20]的组合,忽略了电磁信号时-频-空特征之间的互补性和相关性,限制了电磁频谱预测模型的性能。为解决上述问题,基于多域联合的频谱态势演化预测技术[21-22]得以研究,相较于单一时间序列预测方法和时空预测方法,其取得了更精确的预测效果。因此,为构建高效率、智能化的电磁频谱态势预测模型,将时间、频率和空间维度信息同时纳入预测器,实现频谱特征“单域到跨域”的跃升。将频谱数据转换为图像格式,构造频谱图集合,利用深度学习模型基于长短时记忆网络(long short term memory, LSTM)挖掘隐藏的三域联合特征,实现高效、可靠的频谱预测。基于多域联合的频谱态势演化预测模型框架如图5所示。
4 应用前景
物理空间与电磁空间感知融合技术,通过高度灵敏的传感器、多类型的采集手段和智能的信号处理方法实时感知空间综合态势,具有良好的应用前景。(1)助力战场数据采集处理及可视化展示[23]。实时获取广域电磁环境中的频谱数据和物理空间中的地形、建筑等数据,筛选关键信息,为军方提供更精准的目标情报。通过三维地图、高维表格、张量模型等可视化手段,系统地将复杂的态势信息以结构化形式直观展现出来,有助于指挥官准确把握战场形势,提高作战决策的实时性和有效性。(2)推动战场环境动态交互式模拟仿真。战场物理空间与电磁空间感知融合平台可通过对兵力部署、作战能力、动态目标、战场环境等要素的综合运用实现作战环节的动态交互式仿真推演以及对战场态势的直观、多角度评估,从而辅助用户指挥决策,提升对抗实战化水平。(3)引领城市级电磁安全态势感知产业发展。为实时、全方位把控城市级电磁频谱态势,持续为城市电磁安全监测赋能,搭建智慧城市电磁安全态势感知平台,实现全天候监测、威胁分析、溯源定位、协同控制、应急响应、数据共享等功能,形成城市全域、全时、全要素的电磁频谱态势数据采集、分析处理、动态呈现能力,打造城市级电磁安全态势感知标杆,引领城市级电磁安全态势感知产业发展。
4.1 城市作战战场综合态势实时感知与决策辅助
为从根本上提升战场综合态势感知、利用的智能化水平,需要构建一个城市战场智能信息感知融合表征系统,发展基于战场高维张量网络的智能态势感知技术体系,研究异域异构数据融合解析、电磁频谱态势可视化、地形地貌全息展示等技术,实现“数据测绘一集群,战场态势一张图”的目标,从以下方面支持城市作战:(1) 智能物理空间:高精度的地理信息系统具备地形展示、地点查询、作战要素部署等功能;(2) 智能频谱空间:具备全区域辐射功率标记、电磁场强渲染、辐射源定位、频谱数据预测等功能;(3) 智能数据空间:具备海量数据集中存储、管理、访问等功能。
4.2 城市作战战场海量数据协同探测与高效获取
战场环境数据类型多样,数据量极其庞大,达到EB级别,如何将这些庞大、零散、独立的数据快速融合聚集是提取数据知识的首要前提。为满足复杂未知环境下城市作战对海量数据的利用需求,借助无人机灵活布设、动态可控优势,构建大规模无人机集群协作感知网络,并具备以下功能:(1) 集群行为控制:可实现所有感知模块无人机的起飞、航行、返航动作的控制,保障飞行安全;(2) 集群任务规划:可实现所有感知模块无人机的分布式编队仿真、任务分配、路径规划功能;(3) 数据采传保障:数据通信链路保障控制指令正常收发、采集数据快速回传,具备抗干扰、抗侵入、抗欺骗能力;(4) 集群统一管理:可实现模块内所有无人机的状态管理,包括位置监控、适航检测、故障告警、应急处置等。
4.3 智慧城市场景电磁频谱实时监测与综合管理
复杂电磁环境下的频谱秩序安全管控已成为影响国家和社会安全的重要课题。“十四五”期间,我国提出实现全球实时电磁感知的设想,维护空中电波秩序与安全,提升智能化、精细化、无人化频谱监管能力。因此,为应对复杂电磁环境,以电磁空间态势为核心,获取各类电磁目标要素信息,并加以分析和预测,帮助用频人员理解与决策,对确保重大安保活动频谱安全、开展电磁兼容设计以及掌握重要战略方向的制电磁权有重要意义。从以下方面服务智慧城市建设:(1) 非法辐射源标记:绘制和展示辐射源电磁场分布图,帮助查找非法辐射源;(2) 无线通信设备管理:实现各类无线通信设备的有效管理,确保重大公共活动的频谱安全;(3) 频谱态势预测:收集频谱使用规律并建立频谱态势,从而提高频谱利用率。
5 结束语
本文面向城市作战对多域信息全面获取与精准分析的需求,提出了多无人机物理空间与电磁空间感知融合体系,通过跨域信息智能化深度融合,解决城市战场复杂态势信息的智能化表征问题,提供高效及时的战场环境计算框架和全面的多维数据映射模型,将孤立、分散、静态、未经关联的频谱数据与多层次、立体化、动态性、海量的地理空间数据整合成一个整体、动态、关联、多维、可视的异构数据集合,通过可视化技术全面展示战场实时信息,为电子对抗指挥员的决策部署工作提供细粒度参考信息的同时,能够有效提高针对性决策效率,为城市作战或城市管理中频谱资源监测、管理和利用奠定数据和技术基础。