我们正迎来人类发展的第四次浪潮,正处于从信息社会向人类社会-物理世界-信息空间融合的智能社会的关键转型期。近年来,计算和信息技术飞速发展,深度学习的空前普及和成功将人工智能(AI)确立为人类探索机器智能的前沿领域。与此同时,得益于器件的革命性进展和人工智能(AI)的发展,脑机接口(BCI)植入技术同样快速落地,这意味着BCI+AI 碳基硅基融合的开始,然而,硅基和碳基运算的底层逻辑存在根本差异,脑的智能机制仍有待进一步探索。本研究提出的视觉认知引导的孪生AI深度网络,是由个人意识驱动的深度网络技术,通过捕捉并解析个体的思维模式和创意灵感,为每个用户量身打造独特的视觉世界。在这样的环境中,每个人都成为自己创造世界的视觉主导者,打破物质和意识的壁垒,得以展现丰富的个性和创造力。

大数据和人工智能技术在军事领域中的广泛应用使智能化战争逐渐成为一种全新的战争形态。基于智能化战争的特点,阐述了传统武器装备所面临的挑战,提出了数字化、智能化战争条件下武器装备体系发展的策略,对提高武器装备体系效能、赢得未来战争的主动权具有一定的现实意义。

在形式化描述作战概念能力需求分析问题的基础上,设计了一种基于深度强化学习的作战概念能力需求分析方法,重点对该方法的仿真实验、代理模型、强化学习等关键技术进行了分析和研究。通过关键技术的实现,该方法能够获取高可信度的仿真小样本数据集;基于经验数据构建作战概念的代理模型,并输入高可信度仿真数据集,应用多目标优化算法对代理模型进行优化训练;最后,将训练得到的代理模型与深度强化学习框架进行交互寻优,实现作战概念能力需求的反向探索。

为解决迫击炮发射过程中可能发生的重装弹问题,确保部队实弹射击时人员和装备的安全,设计一种新型迫击炮防重装弹系统,借助炮弹装填时的下滑力和缓冲机运动时的缓冲力来自动切换自身状态的指示物,从而解决迫击炮实弹射击中可能出现的“重装弹”问题。通过顶杆组件与缓冲机之间的相互作用,可实现将缓冲力传递至防重装弹系统。经理论计算与仿真实验验证,表明其顶杆组件能够满足迫击炮射击的强度和稳定性要求。

水雷具有隐蔽性好、易布难除等特点,使反水雷作战成为世界海军公认难题。机载蓝绿激光雷达是海洋探测的新技术之一,因受浅水环境的影响小,可作为新型探雷载荷,弥补传统探测方式在浅水区域的不足。随着无人装备技术的发展,无人机搭载机载蓝绿激光雷达进行水雷探测将会成为反水雷作战中新型探雷手段之一。首先分析国内外反水雷作战中机载蓝绿激光雷达的发展现状,其次结合机载蓝绿激光雷达的探测及定位原理,总结无人机搭载蓝绿激光雷达在反水雷作战中的运用特点及作战效用。最后结合反水雷作战需求对未来机载蓝绿激光雷达技术的发展趋势进行了分析和展望。

艇载激光武器对于潜艇的自我防御和任务拓展有着极大的意义,通过综述激光武器的研究进展,介绍美国激光武器的发展现状以及应用情况,进而提出潜艇加装激光武器的要求。对于艇载激光武器使用时机给出了建议,并分析了艇载激光武器毁伤反潜巡逻机的能力,重点介绍了利用激光武器对抗反潜巡逻机的流程,最后展望了艇载激光武器可以执行的任务类型,为相关领域研究提供参考。

针对当前多军兵种联合作战实战化训练的需求,建模和仿真领域的未来目标是创建统一的真实-虚拟-构造(LVC)集成架构,支持快速集成模型和开展仿真,用于联合作战训练、战术协同、拟制作战计划和评估等。通过探究LVC概念内涵和应用领域,分析美军LVC训练网络发展计划,梳理了分布式任务作战、联合仿真环境和美海军模拟训练三个典型LVC系统应用范例。借鉴美军应用LVC解决联合训练的经验做法,给出加快构建我军一体化联合训练的启示,为我军联合训练环境建设提供有价值的参考。

针对空战环境中弹目攻防双方的对抗特性,提出了一种基于博弈论的弹目攻防决策方法。基于导弹目标运动数学关系得到状态方程,根据弹目攻防对抗机理建立“一对一导弹-目标”动态博弈模型,确定弹目双方策略集与收益矩阵,提出混合策略纳什均衡求解方法,并结合模型滚动预测方法获得该策略空间的纳什均衡点。算例仿真结果表明,基于混合策略下导弹制导律为该策略空间的纳什均衡点,且该方法可以减小导弹对目标的脱靶量,提高导弹的命中精度,为导弹攻防作战提供了依据。

随着巡飞弹技术的广泛应用和执行任务的日益复杂,巡飞弹编队任务规划面临着新的挑战。以巡飞弹任务价值收益与任务损耗代价为优化目标,同时考虑任务执行时序等多种实际约束,构建基于多种约束条件的多巡飞弹战前筹划任务分配模型。为求解该模型,设计一种基于模拟退火的改进遗传算法,基于不同时期的种群适应度,调整自适应选择策略和自适应交叉策略,在保证收敛性的同时增加种群的多样性。最后通过案例验证所设计的改进算法在求解多巡飞弹任务分配问题上的有效性。

针对火力-目标分配问题解空间较大、离散、非线性等特点,提出了一种基于DQN的深度强化学习算法,通过将6层全连接前馈神经网络与Q-learning算法相结合,充分发挥了深度学习的感知能力和强化学习的决策能力,通过模型性能测试对比,该方法拟合能力较强、收敛速度较快、方差抖动性较小,并通过实际作战场景对算法进行了验证,所得的分配结果符合作战期望,可为指挥员火力打击分配问题决策提供一定参考。

针对单一航路规划算法代价函数评价指标有限,规划推荐的最优航路为局部指标最优的问题,根据导弹作战要求和作战环境特点,从飞行安全、突防安全、打击精度要求出发,建立对陆攻击巡航导弹航路规划评价指标体系,定性分析了导弹撞地与落入人文区概率、航迹穿越探测区与拦截区幅度、自控飞行与探测识别精度等具体评价指标,对优化航路规划寻优算法有一定借鉴意义。

现代军事活动中,空地协同多编队样式越发重要。已有的目标意图识别方法对单一编队效果较好,但对空中和地面协同的多编队场景尚缺乏有力的解决方法。因此,采用动态序列贝叶斯网络(Dynamic Series Bayesian Network, DSBN)对空地协同编队进行意图识别。该方法首先利用DSBN构建了一个空地协同作战意图识别整体模型,用于描述空中和地面编队之间的协同行动过程,然后通过将不同战场域的事件及其相关概率关系进行融合,结合辅助战场信息,使用推理网络实现对敌方协同作战意图的识别。该方法充分考虑了空中目标的行为规则,精细描述其行为模式和趋势,更好地适用于多协同目标编队的场景。最后通过实例仿真验证了该方法的可行性和有效性。

针对现有目标机动类型识别方法通用性不足、准确率较低等问题,提出基于改进K-medoids聚类的多层标签生成方法。以空中目标机动轨迹为例,设计多种数据预处理方法,采用动态时间规整作为聚类算法的距离度量,通过构建标签框架指导算法实施过程,进行迭代聚类以生成多层标签。在公开数据集上测试算法,实验结果表明,该方法在无监督情况下对第一层标签的识别准确率达到89.75%,接近传统有监督算法;同时,相对于没有引入标签框架的情况,能更有效地区分第二层模糊标签。该方法只需少量专家知识,便能简单地扩展到不同领域、不同机动类型。

针对现有水下目标纯方位机动检测方法存在的检测时延长、准确率低等问题,提出了基于深度学习的目标运动模式分类和方位预测两种纯方位机动检测方法。将目标处于匀速(CV)运动状态和匀转弯(CT)运动状态的方位观测作为训练数据集,通过长短时记忆(Long Short-Term Memory, LSTM)神经网络实现目标运动模式分类和方位预测,进而实现基于运动模式分类和方位预测的水下目标机动检测。仿真结果表明,相比传统方位预测的机动检测方法,该方法降低了对方位观测误差和目标机动幅度的敏感度,具有更高的机动检测准确率和更小的机动检测延迟。

针对传统战场态势认知过程中缺乏对作战区域的有效分析与识别的问题,提出了一种面向作战区域提取的空战场目标轨迹分析方法。首先,基于改进Douglas-Peucker算法对目标原始轨迹进行特征点提取,得到目标特征轨迹,从而降低目标轨迹冗余信息;其次,利用密度峰值快速搜索聚类算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)对目标特征轨迹进行聚类分析,得到多个特征点簇,最后,基于Graham凸包算法对每个特征点簇进行扫描,进而得到闭合的多边形来表征作战区域。通过若干案例仿真验证了该算法模型的可行性和有效性。

为了解决多个编队在新生目标参数不明确背景下的目标跟踪问题,提出了一种新生目标相关参数未知的编队目标跟踪算法,它可以有效地提高跟踪性能,从而更好地满足需求。通过采用高斯混合概率假设密度(ET-GM-PHD)滤波框架,对PHD参数进行预测,进而分析各个高斯分量之间的相关性,从而筛选出最优的量测集合,最终消除大多数的噪声干扰。再利用在编队目标运动区域内量测分布密集的特性,通过目标检测方法找到其位置并跟踪。最后,仿真实验表明,在新生目标相关参数未知的情况下,提出的方法能够快速有效地跟踪编队目标,具有较好的跟踪性能。

视频多目标跟踪面临的主要挑战是严重遮挡带来的身份切换问题。解决身份切换的技术为视频目标关联,即识别不同帧中的同一目标并分配身份编号。针对身份切换提出长短时视频目标关联算法,该算法在短时即相邻帧之间使用运动特征进行目标匹配,在长时即不相邻帧之间增加外观特征进行目标匹配,实现对于遮挡后被检出目标的再匹配。此外对卡尔曼滤波进行改进,增加框宽参数,使得预测框更准确;还使用平均外观特征并增加检测置信度作为更新参数,使得外观特征鲁棒性更强,在复杂环境下仍能表现良好。长短时算法在数据集MOT17上多目标跟踪精度得分81.3,身份F1值得分81.3,实现了严重遮挡场景下的稳定跟踪。

针对领域短文本中命名实体在计算资源受限情况下识别率不高的问题,设计了一种融入领域知识的双BiLSTM_CRF+全连接网络模型,对领域短文本命名实体进行识别。利用领域知识图谱中的关键知识实体及其关键关系,经投影变换、聚类和全局向量词嵌入处理,并基于词向量相似性计算,发现与待识别领域命名实体相似的关键知识实体,将其替换为关键知识实体后生成新的领域短文本,与未替换的领域短文本一同输入模型中进行命名实体识别,使领域知识融入领域短文本的命名实体识别过程,实验结果表明本方法较现有其他同类方法获得了较优的识别能力。

针对雷达训练中缺环境、缺装备的现状,提出了基于虚实结合的雷达操作训练方法。首先,分析了虚实结合概念的内涵;其次,研究了实体雷达与虚拟环境和虚拟雷达与实体环境两种虚实结合的交互方法;最后,结合具体训练需求,在同一场景中分析了实-实、实-虚、虚-实、虚-虚四种雷达与环境交互方法在雷达训练中的应用。

为了提高雷达目标识别准确率与不完备角域数据下的识别性能,提出一种基于时间序列森林的高分辨距离像(HRRP)目标识别算法。详细介绍了时间序列森林算法的基本原理和用于HRRP目标识别的基本步骤。对实测HRRP数据的实验结果表明,相比于K-最近邻(KNN)、支持向量机(SVM)、随机森林(RF)、卷积神经网络(CNN)和长短时记忆网络(LSTM)等经典的目标识别算法,本文算法具有较优的识别性能与更好的角域推广能力。在只训练1/2和1/3角域数据的条件下,对全角域数据识别率均值优于85%,较上述方法平均提升5.2%。

针对当前网络拓扑以设备类型为标注,难以反映设备节点间服务关系的问题,提出了一种基于服务映射的网络服务节点划分算法,通过网络节点间服务映射关系,判断服务社群归属,找寻网络服务的关键节点及节点间从属关系并在传统隶属矩阵的基础上引入虚拟社群,使网络服务社群隶属关系影响度算法不仅能反映节点的社群隶属度,还能够反映节点的全局影响度。在LFR网络实验中,将该算法与同类算法进行算法敏感度和性能对比,在Internet2 OS3E仿真实验中通过模拟拒绝服务攻击验证算法划分的有效性。对比实验结果表明服务映射算法具有阈值选择低敏感性和高实用性的特点,且性能优于同类算法。仿真实验表明服务社群划分有效且能够反映节点服务间的关联性。

在实际作战中,地球同步轨道卫星通常是最先发现弹道导弹发射的预警装备,然而,其提供的缺维探测信息,使得传统的引导交接方法难以直接应用于其对低轨卫星的目标引导上。针对此问题,对地球同步轨道卫星对低轨卫星的目标引导方法进行研究。首先,根据弹道导弹在发射及主动段飞行过程中产生红外辐射特性时的飞行高度约束,计算在单颗地球同步轨道卫星引导下,低轨卫星红外传感器的方位和俯仰探测范围。其次,对低轨卫星红外传感器的探测距离进行建模和计算,实现低轨卫星对目标的成功探测。最后,通过模拟仿真实验,验证了该方法的有效性和准确性。