多無人系統協同態勢感知方法

魏明珠 秦國旭 盧博

隨著科技的迅猛發展，無人機在軍事領域的應用日益廣泛。在俄烏沖突中，無人系統特別是多無人機系統的角色變得至關重要。無人機通過高清攝像頭和其他傳感器收集情報，并將實時數據傳輸給指揮部，為作戰決策提供關鍵情報。無人機武裝化后具備打擊敵方目標的能力，如空中打擊、精確打擊和雷達干擾等，大大提高了本方的火力優勢。多無人機系統在該戰爭中的應用，以及它們在提高作戰效率、改變戰場格局等方面的積極影響。

多無人機系統應用

俄烏雙方在沖突中使用了大量無人機作戰。例如，2023年8月俄軍從多個方向發射了“見證者”系列無人機逼近基輔，烏軍擊落23架來襲目標，但仍有一些無人機突破攔截，命中敖德薩的地面目標。俄發射的無人機損壞了敖德薩地區的港口和工業基礎設施。2022年10月以來，俄軍大量發射遠程導彈和無人機襲擊烏克蘭基礎設施，俄軍通過廉價的無人機消耗取得制空權。面對俄軍更先進、數量更多的無人機，烏克蘭只能通過分散和機動的防空系統——開火后迅速轉移到新位置——以避免被摧毀。雖然當前俄軍沒有能力及時找到并摧毀足夠多的烏克蘭機動防空系統，但是通過大規模發射無人機和導彈攻擊，讓烏軍防空系統過度消耗寶貴的地對空導彈，也可以達到同樣的效果。烏軍防空系統因無彈可用而啞火。雖然西方向烏克蘭援助了大量防空系統，仍遠遠無法滿足戰場消耗。

在自殺式無人機方面，俄方的“天竺葵”-2無人機，要比烏克蘭的“海貍”無人機更接近制式裝備。它使用的三角翼體積較小，而且可使用發射車以比較大的規模發射。同時，“天竺葵”-2無人機的最大航程達1000km，以民用摩托發動機為動力，配備簡單的導航系統，最低造價只有幾千美元，而用于攔截它的烏軍防空導彈造價高達數十萬甚至上百萬美元。俄軍大量使用的還有“見證者”-136自殺式無人機。在包括“見證者-136”在內的各型武器攻擊下，烏克蘭30%-40%的國家電力基礎設施遭到襲擊，其中一半以上的火力發電設施遭到打擊，造成烏克蘭方面數十億美元的損失。自殺式無人機硬件雖然簡陋，但用這種自殺式無人機集群對變電站這類固定目標進行反復攻擊，威脅非常大。更高端的攻擊模式可以進一步增加機載數據鏈并與其他無人機進行配合，更進一步就是采用更高級別的算法與模塊實現對移動目標的打擊。美國向烏克蘭提供的“彈簧刀”系列巡飛彈本質上也是一種消耗性的自殺式無人機，它升空后可在指定目標區域上空150m高度盤旋，后方的操作員通過無人機上的攝像頭，可以遠程了解戰場情況；如果發現高價值目標，它還可以直接化身為導彈實施攻擊。

多無人系統協同感知研究進展

針對多無人系統協同感知，國內外也有一些相關研究。某仿生自主飛行系統研究組10余年來，通過借鑒雁群、鴿群、椋鳥群、狼群、蜂群、蟻群等生物群體的共識自主性集群智慧，采用分布式策略設計了無人機集群自主控制方法和感知技術，并結合這些生物群體智能進行了無人機集群編隊、目標分配、目標跟蹤、集群圍捕等任務的飛行試驗驗證，下一步將開展基于群體智能的有人/無人跨域異構集群自主控制方面的研究。2018年美軍提出分布式集群作戰樣式，無人系統由“單平臺遙控作戰”向“智能集群作戰”發展。DARPA在2003年就曾嘗試組建一個由120個軍事機器人組成的部隊，裝上蜂群智能軟件，模仿昆蟲的組織和行為，機器人形成蜂群結構使整個系統具有較高的智能。

因此在軍事應用時，當無人機集群飛行時，不僅面臨外部環境威脅，也面臨內部集群變化的干擾，飛行環境惡劣。無人集群系統在災害救援、區域物流等重大應急事件和經濟民生中能夠發揮不可替代作用。集群分布式感知與認知領域是無人集群實現任務的前提條件，因此實現分布式態勢感知信息一致性至關重要。對于無人機集群來說，集群系統中的單機既是通信的網絡節點，又是信息感知與處理的節點。不同單機可搭載不同的傳感器獲取不同范圍、不同維度的信息，無人機通過相互間的密切協同，可以將不同無人機的信息進行融合、共享，為集群系統決策提供信息支持。無人機集群信息共享利用其集群飛行的通信系統，不僅能夠應對強電磁干擾下的通信延遲、丟包等情況，還能將感知到的信息傳遞給其他個體，從而避免因單機感知能力、信息處理能力的限制導致集群系統功能的低下。基于無人機機載傳感器，實現集群戰場態勢感知，能夠獲得更廣的觀測范圍、更高的定位精度以及更高的魯棒性。基于機間鏈，實現態勢信息共享，形成統一的通用作戰視圖（Common Operational Picture，COP），為集群作戰奠定基礎。針對現有的傳統型多無人系統協調能力弱，集群感知效率低等問題，研究如何實現合理高效的集群感知，設計滿足無人機集群應用要求的新算法。

難點與挑戰

（1）當前，國內外關于無人集群態勢感知尚未開展基于分布式多源傳感器信息融合的感知與認知方面的研究，無人集群在實際應用中無法適應復雜不確定的環境，亟需將高維態勢感知與認知作為無人集群導航研究的重要探索方向。

（2）在面向高動態、不確定、資源受限等復雜環境，協同區域搜索、集群優化調度等多任務應用需求，需考慮不確定和資源受限條件下高質量異構異質傳感數據處理、具備條件觸發機制的融合框架及動態場景下的自適應切換拓撲技術，提升無人集群系統的分布式態勢感知與認知能力。

（3）為滿足多無人系統協同信息交互的需求，需要考慮分布式自組織通信網絡架構，低通量無中心化的通信拓撲結構的實現，通信系統層級設計等方面，提高多無人系統傳輸能力。

多無人系統態勢感知關鍵技術

圍繞應用需求與存在的技術挑戰，主要從通信拓撲設計、多無人系統協同區域部署、單機數據融合、多機數據交互與態勢感知四個方面展開論述。

多無人系統分布式交互通信網絡構建

針對大規模分布式無人系統信息交互高通量，實時性等要求，研究能量優化的低功耗傳感器網絡技術，基于頻譜感知的動態時隙組網技術，高魯棒性的自適應動態組網技術，大規模節點多層自組織網絡體系架構，基于軟件定義網絡的多層網絡通信鏈路及路由自適應技術，微系統智能感知網絡安全技術。

集群協同區域目標搜索覆蓋策略設計

針對現有無人機區域覆蓋偵察航跡規劃中對任務區域分解算法復雜、任務規劃效率低的問題，提出一種改進的多無人機覆蓋航跡規劃方法，將多無人機廣域協同搜索問題劃分為無人機工作區間劃分和全區域覆蓋搜索路徑規劃兩個方面分別進行研究，實現路徑代價低、規劃效率高的區域覆蓋算法。

單機多源數據融合

針對機載平臺使用單一傳感器進行目標場景觀測時，易受惡劣天氣、煙霧、光照等多種外界干擾的影響，難以保證全天候、全天時的數據獲取與信息感知的問題，構建多源傳感器觀測系統，并獲取多源數據進行融合處理能實現多源信息互補，克服單一傳感器在惡劣氣象條件下性能下降甚至失效的問題，開展機載平臺多源融合目標智能檢測技術研究。

集群數據交互與態勢感知一致性設計

無人機集群的態勢感知與信息共享是無人機集群自主控制與決策的基礎。但分布式的系統會帶來個體間態勢信息不確定、模糊、缺失等問題。針對此問題，以態勢理解的一致性作為無人系統集群的協同方法，根據態勢一致性指標實現集群內部的態勢統一，建立基于無人系統集群的分布式態勢感知模型。

技術途徑的實時策略

集群自組織通信網絡構建方法

（1）大規模節點多層自組織網絡體系架構

集群組網采用多層分簇組網方式，每組包含一定數量的傳感器，向不同方向拋射多組。一組無人機形成一個簇，簇內節點自主選擇一個節點作為簇頭節點，維護管理簇內節點。接入設備進入網絡后，進行監聽，然后指定需要接收消息的簇。被指定的簇內的節點通過各自的簇頭節點將數據上報給接入設備。其網絡特點具有大規模、自組織、坐標隨機等特點。對于網絡的物理層，采用寬帶擴頻通信方式，有效解決傳感器地表布設鏈路不穩定、多徑衰減嚴重、信號干擾和被截獲等傳輸問題，顯著提高網絡的抗干擾、抗截獲和傳輸性能，保證了網絡的安全性和穩定性，組網方案分為簇內系統組網和接入系統組網。

（2）能量優化的低功耗傳感器網絡技術

在傳感網絡中，節點的數據通信占據了大部分的能量消耗，降低數據通信能量消耗，可以從不同網絡層次進行。基本可以分為通過網絡協議調度、功率控制、低功耗的ASIC、SOC無線通信芯片設計等方面來實現。

（3）基于頻譜感知的動態時隙組網技術

頻譜感知技術是認知無線電中關鍵技術，其作用是通過感知周圍快速變化的無線環境，搜索授權頻段上的有效頻譜，并利用相關算法處理所獲取頻譜空洞的特征參數，同時智能調整系統通信體制和工作參數，以此提高系統頻譜利用效率，增強系統抗干擾及抗截獲能力。

（4）網絡感知入侵與反入侵技術

集群組網是一種沒有固定基礎設施、網絡拓撲不斷變化的新型網絡，固有的脆弱性使它容易受到攻擊，給組網的入侵檢測帶來更多挑戰。異常入侵檢測的前提是將入侵活動作為異常活動的子集，理想的情況是入侵活動集與異常活動集相等，這樣若能檢測出異常活動即可檢測出入侵活動，結果不會造成入侵的虛報和漏報。異常入侵檢測要解決的問題就是構造異常活動集合，從中提取入侵活動子集，在異常活動和入侵活動之間進行區分判斷。

集群協同區域搜素覆蓋

采用按無人機來向均衡劃分的方法和凹點凸分解的方法，開展未知環境分布式探測區域劃分方法研究，將多機協同搜索問題轉化為子區域上的單機搜索問題；在此基礎上采用“Z”型路徑覆蓋方法以及Dubins轉彎路徑，對各個無人機開展覆蓋其子區域的搜索路徑規劃，從而建立一個區域劃分和路徑規劃的整體調用框架，生成無人機在目標區域內快速安全高效的飛行路線。

多源數據融合態勢感知方法

通過多源時空關聯的決策級融合光電目標檢測算法，利用可見光和紅外圖像目標檢測結果的先驗信息匹配兩幅圖像的時空位置，然后選取時空關聯的檢測結果中較好的結果實現決策級融合，減少圖像配準融合的計算時間消耗，實現機載平臺的光電目標實時檢測；針對多源系統中SAR圖像成像分辨率差且受相干斑噪聲的影響特征信息缺乏的問題，對特征提取網絡進行優化，在目標檢測網絡中加入注意力機制，提升圖像目標特征提取能力。針對機載平臺SAR數據量匱乏，少量數據集訓練時泛化能力差，檢測效果不佳的問題，研究使用遷移學習方法進行優化，提出多頻段數據特征遷移的SAR圖像目標檢測方法。

多機數據交互與態勢一致性建模與評估

以靜態貝葉斯網絡為基礎，研究了在此基礎上加上了時間維度約束而形成的具有處理時序數據能力的動態貝葉斯網絡模型。以次模型為基礎，在單源集中式的態勢感知系統上進行改進，實現分布式態勢感知系統，提出態勢感知一致性的評估指標與方法，以數據為驅動學習貝葉斯網絡模型并實現目標意圖識別的推理。并在原本的單源集中式多源態勢感知系統的基礎上，實現分布式態勢感知系統，完成包括目標分群、目標意圖識別等模塊設計，并最終在以Django框架的Web開發應用平臺下完成整體系統的設計、測試、仿真與展示。

集群協同態勢一致性對應于的態勢覺察階段，是信息域層次的態勢感知的一致性，表征集群獲取的戰場態勢信息與真實態勢信息的一致性，是集群執行協同偵察等任務時獲取信息優勢乃至決策優勢的重要條件。集群可以依據一定時間內的態勢感知一致性評估結果，選擇相應的作戰計劃和分析影響作戰的關鍵因素。因此，設計出科學有效的 態勢感知一致性評估方法是必要的。

集群協同態勢感知一致性評估的評估指標和評估方法需要符合復雜任務環境特點，尤其是由傳感器性能、對抗環境、通信時延等引起的態勢信息的不確定性。評估指標在信息質量評估的基礎上，結合集群協同作戰需求建模，不局限于信息質量評估中的完備性、準確性和時效性。從信息不確定性考慮，評估方法在屬性值的表示形式、屬性權重的確定和信息集結等方面要針對傳統方法存在的如屬性值表示的靜態單一、屬性權重不能合理兼顧主客觀性、缺乏屬性之間的關聯性分析等問題。

結論

針對高動態、不確定和復雜環境下多無人系統協同態勢感知問題，從通信網絡、多無人系統區域覆蓋、傳感器處理、態勢一致性四個方面闡述研究內容和技術方案，從而為多無人系統協同態勢感知于認識提供理論基礎和技術支撐。