大數據人工智能對預警探測領域的影響分析

江 宇

（杭州誠道科技股份有限公司，浙江 杭州 310052）

近幾年來，大數據技術的應用愈來愈普遍，大數據的算法也愈來愈精進，隨著相關技術的不斷突破，大數據人工智能已經成長到可以幫助人們進行軍事預測與分析的程度。目前，傳統的預警探測已經越來越難以滿足日益復雜的軍事作戰環境，因此，將大數據人工智能技術引進到預警探測領域，充分利用其數據采樣率大，數據分析能力強的特點，對預警探測技術進行完善與變革，具有重要的軍事意義。

1 分析大數據人工智能問題的特點

1.1 數據分析量更多

大數據是一種新型的技術，它是指將某一領域的全部數據進行獲取、歸納、分類、整合并提取與分析的過程，在這個過程中，研究者可以獲得所研究領域的近乎全部的數據，并在此基礎上，對于研究領域的特性以及規律做出總結，大數據人工智能的該種特點使得在進行預警探測時，工作人員可以更好地整合、篩選與處理復雜的目標數據，進而提升預警探測領域的目標分析能力。

1.2 數據實現去偽存真

大數據的內容即全部數據，那么其中就不可避免地會出現一些虛假、關聯性小的信息，盡管它們客觀存在，卻仍然不會對大數據處理的綜合結果造成太大的影響，這就是大數據人工智能的第二個特性，即去偽存真。由于數據的全面性，因此，在進行數據處理時，人工智能會主動篩選特殊信息，并將其側重方向與總體進行對比，倘若差異較大，則可以無視該信息的可靠性，從而達到篩選與剔除的目。所以，在整個數據分析的過程中，通過數據之間的關聯性，大數據人工智能依然可以快速精準地識別出所需要的信息，進而對其進行分析與處理工作。

1.3 數據挖掘更困難

由于數據處理的全面性，大數據的相關信息的獲取工作往往會搜尋所有弱相關數據，而不是搜尋具有強烈因果關系的數據。這也就進而造成了數據挖掘更困難的特點，由于“相關”是一個模糊的概念，因此但凡與研究對象有一定關聯性的數據，無論強弱，都需要進行整合與獲取。這也就進一步加大了人工成本與搜尋的資金和時間投入，從而使得整個信息獲取的流程變得更加繁瑣與復雜。

2 當前我國預警探測領域的新型威脅

2.1 空中威脅

隨著我國軍事力量的不斷發展，美國軍事相關領導方也蠢蠢欲動，近幾年來，以恐怖主義為由，大力發展軍事領域，不斷提高軍事研發的資金投入，目前已在“無人僚機”方面取得多項技術進展，是強有力的空中威脅。同時，其他各方也不甘示弱，紛紛發展空中作戰力量，俄國近幾年來不斷發展戰略轟炸機，基礎空軍力量穩步提升；歐洲各方也紛紛推出新發展策略，計劃編制“空中航母編隊”，以更好地應對未來的空中威脅。

2.1.1 無人僚機

早些年來，美國就在鉆研無人僚機未來空軍作戰計劃，在近幾年來取得了頗多成果，無人戰機方面，美國的實力已經不容小覷。目前，美國最新引進了一架新的X系列先進試驗飛機，用于其頂級研發計劃之一的“無人僚機”項目。這表明“無人僚機”有了配套“母機”平臺，美國空軍接下來將具體實施有人、無人戰機結合作戰研究，詳見圖1。

圖1 Sky borg 無人戰機概念圖

2.1.2 戰略轟炸機

俄國在前蘇聯轟炸機的研究基礎上，對新型戰略轟炸機的開發技術已經越來越成熟。近日，一架名為“160M2”的新型戰略轟炸機橫空出世，這架轟炸機相較以往，無論是在燃油量還是攜彈量以及通信信號方面都有了較大的提升與改進，其綜合實力已經可以媲美美國的最新轟炸機，“160M2”的誕生使得俄國在空中軍事作戰領域的地位愈發重要。

2.1.3 空中航母編隊

目前，法國德國西班牙三國就未來六代機計劃達成一致，合力共同打造以一架具有超強性能的歐洲六代機為主的空中航母編隊，未來空中航母編隊將是一個龐大的系統性計劃，這是對未來空中作戰概念的一次重大的補充。據報道稱，歐洲六代機將發揮遠程母機的作用，同時，還將配備有一只攻防一體的小型無人機機隊，所有的戰斗單元都將由人工智能驅動，從而實現“戰斗云”的戰斗管理模式。

2.2 空間威脅

近幾年來，由于多國頻繁地進行太空探測實驗，無人機墜落事故層出不窮，大量的無人機殘骸散落在國際空間站表面，導致了國際空間站的環境愈發惡劣，由于當前國際的宇宙探測技術有限，只能任由太空垃圾隨意飄蕩，這也會增加探測環境的險惡程度，加劇空間威脅。2018年，我國的X-37B探測器在進行探測任務時，就不幸遭遇到殘骸碎片的撞擊，其功能以及構造都受到了一定的影響，所幸的是撞擊位置并不致命，因此其功能并未受到較大損害。隨著太空垃圾的不斷積累，預警探測領域的空間威脅必然會愈演愈烈。

2.3 地海威脅

美國印太司令部司令菲利普·戴維森近日在美國國會參議院軍事委員會聽證會上稱，美軍需要在西太平洋地區增加部署遠程武器，包括陸基攻擊性武器。與此同時，美軍在第一島鏈已經部署了很強的海空軍力量，這些海空軍所配備的遠程打擊武器，是可以覆蓋到歐亞大陸靠近太平洋地區的。另外，法國近幾年來，在電磁炮的研究領域也取得了重大的突破，其陸地打擊能力較之以往有了較大的提升。這些海外部署的相關改動加劇了預警探測領域的地海威脅。

2.4 彈道導彈

近幾年來，俄羅斯在不斷地試驗下，對于彈道導彈的研究取得了重大突破。其最新研制的X-47超音速空射彈道導彈，最高射速為10-12馬赫，最高時速14688公里/小時，在三十二分鐘內即可飛行超過3200公里，也就意味著32分鐘即可抵達美國華盛頓附近，同時加上其超高速與機動性，X-47被西方各國譽為不可擊落的閃電導彈；與此同時，印度在近幾年來對于彈道導彈也有著深入的研究，其國防部研制的“大地-Ⅱ”型彈道導彈能夠攜帶500——1000公斤重的彈頭，殺傷力巨大。另外，印度還在不斷地進行試飛試驗，近日，印度成功的發射了“布拉莫斯”彈道導彈，試射圓滿成功，同時Shaurya超高速反潛導彈以及Rudram-1國產反輻射導彈的試射環節也順利完成。

2.5 電磁對抗

2020年1月，美國海軍與洛克希德·馬丁公司簽訂了一份金額為4300萬美元的合同，用于升級E-2D艦載預警機的AN/ALQ-217電子支援設備（ESM），同時用于改進戰斗識別聯網電子戰，從而與其他航母艦載機聯隊飛機形成合力，共同實現多站地理空間定位與探測先進的威脅雷達掃描系統。E-2D艦載預警機是美國海軍航空兵現役目前為止最先進的艦載固定翼預警機，而AN/ALQ-217電子戰支援系統作為無源傳感器系統，則能夠自動掃描周邊環境，通過探測、攔截和定位射頻信號為E-2D提供廣泛的區域認知，并可以識別武器種類，能夠在低、中、高三個頻段實現全方位無死角的完整采集。

3 大數據背景下，預警探測領域信息化處理的關鍵技術

3.1 基于數據驅動的自適應目標檢測技術

過往的目標檢測技術的原理是先建立一個有關噪聲的統計模型，對其設定一個檢測閾值，一旦所檢測目標的閾值低于檢測閾值，則認定為目標出現，反之，則認為無目標出現。該種方式的缺點明顯，即無法保證所建立模型的準確性，因此存在較大誤差。而基于大數據人工智能的自適應目標檢測技術的原理則是通過對于大數據的處理，提取出雜波的特性，系統的學習雜波出現的原理與形態規律，進而在雜波剛出現時便能夠迅速地感知到其存在并將其捕獲。

3.2 基于數據認知的多目標跟蹤技術

目標追蹤技術的難點在于追蹤目標數量大，軌跡散亂且容易受到干擾。在將大數據引入到多目標追蹤技術以后，上述難題可以得到有效解決，其一則是目標數量大的問題，大數據的算法本身就是為了處理龐大的數據而存在的，因此對于多目標的追蹤與數據處理同樣可以適用；其二則是軌跡散亂的問題，大數據人工智能可以通過預測系統，智能地預測每一個目標的運行軌跡，并對此做出動態調整，進而可以大幅度提高對于散亂目標運行軌跡的追蹤能力；最后，對于干擾因素，即雜波，大數據人工智能技術可以通過系統化的學習手段，精準地捕獲檢測目標中所隱匿的雜波，并將其剔除，從而實現了干擾排除的功能。

3.3 基于數據挖掘與融合的目標識別技術

傳統的目標識別技術在越來越先進的作戰環境下已略顯乏力，無法滿足作戰的預測需求。其原因在于，實戰環境緊張且迅速，同時敵方作戰系統也越來越先進，難以被捕獲與分析。由此，在目標識別環節中加入基于大數據的數據挖掘與融合技術，可以很好地緩解此類問題，一方面，大數據人工智能技術具有極強的數據捕獲能力，一旦敵方有風吹草動即可立即捕獲相關數據，從而提高了數據捕獲的及時性；另一方面，大數據人工智能技術可以基于深度遷移化的智能學習模式，綜合整合各方面數據，對敵方的作戰系統做出系統的評估與預測，進而可以在一定程度上緩解目標識別技術的短缺。

3.4 基于數據知識引導的抗干擾技術

預警探測系統需要良好的抗干擾能力才能在復雜的環境中更好地實現探測的功能。隨著國際信號技術的不斷發展，信號的干擾能力越來越強，傳統的預警探測系統愈發難以在信號識別與決策方面做出及時的反應。在這種困境下，將數據知識引導的抗干擾技術引進其中很有必要。通過大數據的深度學習，信號抗干擾的能力可以得到進一步提升，同時基于人工智能學習的先進算法，在進行信號干擾的相關決策時，也能夠更加及時準確地做出判斷，從而可以大幅度提高預警探測系統的信號識別與決策能力。

4 大數據人工智能在預警探測領域的應用需求

預警探測領域的變革與改進，離不開大數據人工智能的輔助，這也就對其提出了一定的需求。從數據的來源來看，需要有裝備的性能、參數與能力數據，從數據的表現形式來看，需要有具體數據和抽象化的數據，具體的數據就是雷達探測數據，非具象化數據則為圖標或者地域分布圖等等，從數據的時效性來看，需要提供即時且準確的軍事決策指標以及其他各國的軍事行動與未來發展變化等等。

5 大數據人工智能在預警探測領域的應用效益

大數據人工智能對于預警探測領域的應用效益，具體可以概括為三個方面：其一，是數據的處理與分析能力。大數據人工智能具有極強的數據整合能力，在進行多數據的處理工作中，將會幫助雷達等探測器進行更好的數據處理工作；其二，為智能決策能力，傳統的預警探測系統缺乏智能化部署，因此決策能力匱乏，而人工智能決策則可以很好地解決這一問題；最后，則是動態監測能力，大數據人工智能對于整體有著良好的數據監測能力，通過這種實時的檢測，可以及時地對系統內將要出現的問題進行預測等等。

6 大數據人工智能對預警探測作戰的影響

6.1 改變未來的戰爭制勝方法

在現代化戰爭中，信息的重要性不言而喻，掌握更多信息的一方勝算往往會更大。而大數據人工智能在數據的整合方面可謂是術業有專攻，因此，隨著大數據人工智能的不斷引入與發展，現代軍事戰爭的形式以及趨向都必然會朝著數據化、智能化與多極化的方向發展，數據的整合與處理能力將會變得越來越重要，信息差主導戰爭勝負的局面在未來可能會成為一種主流。

6.2 改變預警裝備建設思想

以往的預警探測裝備建設的思想主要在設備以及人才部署和技術發展層面，隨著大數據人工智能的引進，這種局面將被打破。首先，從美國近幾年來的行動就可以看出，大量數據中心與計算機終端的布局意味著信息化戰爭趨勢的形成，同時加上各國在不斷地進行“云戰斗化”的戰斗方式改造，預警裝備建設思想的數據化與智能化將會越來越明顯，因此，大數據人工智能使得預警探測領域的人工智能化與數據分析化特征愈發顯著。

6.3 改變攻防對抗整體實力

隨著大數據人工智能對于現代信息化戰爭的作用越來越明顯，大數據人工智能技術愈發成為一種戰略資源。擁有更多的技術、更先進的人工智能的國家在未來的戰爭中將占據有利地位，因此，大數據愈發成為信息化戰爭的重要手段，在未來，大數據的發展將會改變攻防對抗的整體實力與布局。

7 結語

預警探測領域是一個綜合的領域，其不但需要對探測目標進行精準識別與分析，同時還要兼顧抗干擾與預測的能力，因此，將擅長數據處理與智能決策的大數據人工智能技術引入其中就很有必要，通過大數據的智能處理技術，將我國的預警探測技術進行更為先進的變革與創新，從而不斷地提升我國現代軍事化作戰能力，對于提升我國的未來作戰能力來說具有重要的意義。[1-4]