廖方圓 周華吉 李京華 崔如松

DOI：10.12132/ISSN.1673-5048.2019.0152

摘要：無人機(jī)群作戰(zhàn)被認(rèn)為是顛覆未來戰(zhàn)場的新型作戰(zhàn)力量，通信網(wǎng)絡(luò)是牽引著無人機(jī)群正常運(yùn)行的“風(fēng)箏線”，是連通無人機(jī)群的“神經(jīng)脈絡(luò)”，無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢（離散狀態(tài)、全局形勢以及演化趨勢）信息的高效可靠獲取是突破“電磁迷霧”并取得未來戰(zhàn)場制信息權(quán)的基礎(chǔ)和關(guān)鍵。本文從戰(zhàn)場網(wǎng)絡(luò)態(tài)勢感知、典型無人機(jī)群作戰(zhàn)項(xiàng)目、無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知研究動(dòng)態(tài)三個(gè)方面綜述了國內(nèi)外相關(guān)研究現(xiàn)狀，分析了當(dāng)前研究存在的不足，展望了未來發(fā)展趨勢。

關(guān)鍵詞：無人機(jī)群;通信網(wǎng)絡(luò);態(tài)勢感知;頻譜感知;網(wǎng)絡(luò)結(jié)構(gòu);態(tài)勢預(yù)測

中圖分類號：TJ765;V279文獻(xiàn)標(biāo)識碼：A文章編號：1673-5048（2019）04-0016-07

0引言

無人機(jī)群作戰(zhàn)被認(rèn)為是顛覆未來戰(zhàn)場的新型作戰(zhàn)力量，已成為世界各國展開激烈競爭的高科技領(lǐng)域之一。在無人機(jī)群偵察、無人機(jī)群飽和攻擊、無人機(jī)群遭遇戰(zhàn)等典型作戰(zhàn)想定下，戰(zhàn)場環(huán)境相比傳統(tǒng)作戰(zhàn)更加不透明，戰(zhàn)場態(tài)勢時(shí)空變化更加劇烈，戰(zhàn)場信息元素種類及其關(guān)聯(lián)更加復(fù)雜，敵方、我方、友方目標(biāo)交錯(cuò)共存，導(dǎo)致戰(zhàn)場信息環(huán)境往往是復(fù)雜不確定的[1-3]。

復(fù)雜不確定戰(zhàn)場信息環(huán)境下通信網(wǎng)絡(luò)態(tài)勢（離散狀態(tài)、全局形勢以及演化趨勢）信息的高效可靠獲取是未來作戰(zhàn)系統(tǒng)的“卡脖子”類難題，是突破“電磁迷霧”并取得未來戰(zhàn)場制信息權(quán)的基礎(chǔ)和關(guān)鍵，具有重要的科學(xué)研究價(jià)值和廣泛的軍事應(yīng)用前景[4-6]。通信網(wǎng)絡(luò)態(tài)勢感知主要涉及無源/被動(dòng)信號檢測、識別與推理技術(shù)，在具有隱蔽性的同時(shí)，不僅檢測對手無人機(jī)群電磁信號的有無和分布，而且識別電磁信號的來源和歸宿，旨在基于機(jī)器學(xué)習(xí)和人工智能技術(shù)實(shí)現(xiàn)無人機(jī)群通信網(wǎng)絡(luò)的全面深度頻譜測繪成像，可以為作戰(zhàn)系統(tǒng)提供頻譜偵察預(yù)警等電磁支援服務(wù)，提升復(fù)雜不確定環(huán)境下認(rèn)知對抗水平，使得攻擊/防御等后續(xù)決策更加有的放矢、事半功倍[7-8]。

然而，復(fù)雜不確定戰(zhàn)場信息環(huán)境下的無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知的研究面臨著嚴(yán)峻的技術(shù)挑戰(zhàn)。一是復(fù)雜、對抗、非合作、不透明的戰(zhàn)場環(huán)境下，戰(zhàn)場信息數(shù)據(jù)樣本屬性呈現(xiàn)多維性和不確定性;二是空天地、敵友我電磁信號復(fù)雜耦合，信號識別和檢測難度極大;三是動(dòng)態(tài)目標(biāo)和異常信號的存在與態(tài)勢估計(jì)高精度需求構(gòu)成了尖銳的矛盾;四是單機(jī)資源受限，如何提升單機(jī)自主感知與多機(jī)智能協(xié)同認(rèn)知能力是國際性前沿難題。

圍繞無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知這一主題，本文將從戰(zhàn)場網(wǎng)絡(luò)態(tài)勢感知、典型無人機(jī)群作戰(zhàn)項(xiàng)目、無人機(jī)群網(wǎng)絡(luò)態(tài)勢感知三個(gè)方面梳理國內(nèi)外研究現(xiàn)狀。在此基礎(chǔ)上，分析當(dāng)前研究存在的不足，展望未來發(fā)展趨勢。

1戰(zhàn)場網(wǎng)絡(luò)態(tài)勢感知概述

現(xiàn)代化戰(zhàn)爭中，驅(qū)散“戰(zhàn)爭迷霧”并取得制信息權(quán)是優(yōu)化作戰(zhàn)決策、決定戰(zhàn)場走向的基礎(chǔ)和前提，而戰(zhàn)場網(wǎng)絡(luò)態(tài)勢感知正是建立該優(yōu)勢的關(guān)鍵技術(shù)[9-11]。戰(zhàn)場網(wǎng)絡(luò)態(tài)勢感知的定義眾說紛紜，通常認(rèn)為，戰(zhàn)場網(wǎng)絡(luò)態(tài)勢感知是指對一定時(shí)間和空間環(huán)境中的戰(zhàn)場態(tài)勢要素進(jìn)行感知，并對獲得的信息進(jìn)行理解，進(jìn)而形成對這些態(tài)勢要素下一時(shí)刻狀態(tài)的預(yù)測推理。美國軍方依據(jù)網(wǎng)絡(luò)中心戰(zhàn)理念大力推動(dòng)第二代戰(zhàn)場態(tài)勢感知系統(tǒng)建設(shè)，進(jìn)一步突出體現(xiàn)網(wǎng)絡(luò)化感知特征。美國聯(lián)合實(shí)驗(yàn)指導(dǎo)委員會提出的戰(zhàn)場態(tài)勢感知模型分為五個(gè)層次，即目標(biāo)精煉、態(tài)勢評估、威脅估計(jì)、過程精煉以及認(rèn)知精煉，其中信號與目標(biāo)識別、態(tài)勢估計(jì)、威脅評估構(gòu)成了戰(zhàn)場態(tài)勢感知的關(guān)鍵技術(shù)。

復(fù)雜戰(zhàn)場環(huán)境中，空天地、敵友我電磁信號復(fù)雜耦合，信號與目標(biāo)識別面臨信息不完備、觀測對象高度動(dòng)態(tài)性等挑戰(zhàn)，如圖1所示。特別是隨著電子戰(zhàn)的不斷發(fā)展，越來越多的電子對抗與電子反對抗使得戰(zhàn)場的電磁環(huán)境變得日趨復(fù)雜。這就要對多源信息進(jìn)行相關(guān)性分析，結(jié)合已知信息從中估計(jì)出信號和目標(biāo)的屬性特征，然后在噪聲、干擾、信息提取錯(cuò)誤等不確定性因素影響下，對其實(shí)現(xiàn)準(zhǔn)確識別[12]。

在信號與目標(biāo)識別的基礎(chǔ)上，需要提煉當(dāng)前環(huán)境中海量目標(biāo)與事件之間的聯(lián)系，形成鮮明的敵我對抗態(tài)勢?；诖?，判定目標(biāo)意圖，預(yù)測下一步趨勢。態(tài)勢估計(jì)強(qiáng)調(diào)實(shí)體自身的時(shí)間、空間變化規(guī)律和各個(gè)實(shí)體相互間的通信、因果、隸屬關(guān)系信息，而威脅估計(jì)側(cè)重于依據(jù)當(dāng)前敵我雙方的戰(zhàn)場環(huán)境態(tài)勢判斷在未來一段時(shí)間內(nèi)敵方的威脅程度、敵我雙方的攻擊能力、敵方的作戰(zhàn)意圖等[13]。然而，隨著電磁設(shè)備日益增多，目標(biāo)的動(dòng)態(tài)性愈發(fā)突出，特別是大中小無人機(jī)在各種戰(zhàn)場環(huán)境中的廣泛應(yīng)用，使得戰(zhàn)場環(huán)境更加復(fù)雜且瞬息萬變，現(xiàn)有研究存在如下局限：一是沒有充分考慮目標(biāo)的動(dòng)態(tài)變化對數(shù)據(jù)處理精度、信息更新速度的影響，忽略了敵我對抗中欺騙信號、虛假目標(biāo)等對態(tài)勢生成的誤導(dǎo)性影響，信號與目標(biāo)的可靠、快速識別值得進(jìn)一步深入研究;二是忽略了突發(fā)戰(zhàn)場情況下感知資源受限、感知數(shù)據(jù)不完全的問題，有必要思考如何在有限感知能力約束下，利用數(shù)據(jù)挖掘等方法以算力置換資源，從有限數(shù)據(jù)中提取出盡可能多的態(tài)勢信息。

近年來，在無人機(jī)群作戰(zhàn)研究中，美國軍方先后設(shè)立了山鵠（Perdix）、小精靈（Gremlins）、低成本無人機(jī)集群（LOCUST）、拒止環(huán)境中協(xié)同作戰(zhàn)（CODE）、進(jìn)攻性集群戰(zhàn)術(shù)（OFFSET）等系列研究項(xiàng)目。本文選取兩個(gè)典型項(xiàng)目闡述其研發(fā)動(dòng)態(tài)。

2.1拒止環(huán)境中協(xié)同作戰(zhàn)（CODE）項(xiàng)目

無人機(jī)在從情報(bào)、監(jiān)視、偵察（ISR）到打擊等方面都發(fā)揮著重要作用。但大部分無人機(jī)都需要專門的遠(yuǎn)程飛行員、傳感器操作人員以及數(shù)據(jù)分析人員。對人員的需求將限制無人機(jī)作戰(zhàn)應(yīng)用的擴(kuò)展以及無人機(jī)作戰(zhàn)使用的成本效益。而且在激烈的電磁對抗環(huán)境中，針對遠(yuǎn)程高機(jī)動(dòng)目標(biāo)使用無人機(jī)將非常困難。

2014年5月，美國國防部高級研究計(jì)劃局（DARPA）發(fā)布了“拒止環(huán)境中協(xié)同作戰(zhàn)”（CODE）正式邀約（DARPA-BAA-14-33），旨在使偵察和攻擊無人機(jī)在電子干擾、通信降級以及其他惡劣運(yùn)行環(huán)境中執(zhí)行任務(wù)時(shí)可編隊(duì)協(xié)同工作。

2015年1月，DARPA舉辦CODE項(xiàng)目第一階段會議，第一階段于2016年年初結(jié)束，具體工作是系統(tǒng)分析、架構(gòu)設(shè)計(jì)和發(fā)展關(guān)鍵技術(shù)，完成了系統(tǒng)需求定義和初步系統(tǒng)設(shè)計(jì)。在項(xiàng)目第一階段，通過模擬方式成功驗(yàn)證了自主協(xié)同在戰(zhàn)術(shù)等級下的應(yīng)用潛力，在無人機(jī)接口和開放式架構(gòu)方面取得了突出的進(jìn)展。

2016年年初到2017年年中，CODE項(xiàng)目順利進(jìn)入第二階段，具體工作為進(jìn)一步成熟算法，并完成詳細(xì)設(shè)計(jì)和飛行驗(yàn)證;DARPA計(jì)劃使用兩個(gè)研究團(tuán)隊(duì)的開放式架構(gòu)執(zhí)行自主行為的初始子集，并使用這些架構(gòu)開展由1架或2架真實(shí)飛機(jī)和若干虛擬飛機(jī)編隊(duì)的飛行試驗(yàn)。

2018年1月，CODE項(xiàng)目進(jìn)入第三階段，2018年年底結(jié)束，在三個(gè)系列的飛行試驗(yàn)中發(fā)展和驗(yàn)證全任務(wù)能力。多架裝備CODE軟件的無人機(jī)可以導(dǎo)航飛往目的地，基于已經(jīng)建立的作戰(zhàn)規(guī)則遂行尋找、跟蹤、識別和攻擊任務(wù)，而且僅需要1名人類任務(wù)指揮官的監(jiān)管。

2019年2月，一群裝備CODE軟件的無人機(jī)在通信中斷和無法使用GPS的條件下，成功地完成了任務(wù)目標(biāo)。飛行試驗(yàn)共有6架真實(shí)RQ-23虎鯊無人機(jī)和14架虛擬無人機(jī)，由一個(gè)小型作戰(zhàn)中心的任務(wù)小組監(jiān)控，利用雷神公司的軟件和自主算法，以及約翰霍普金斯大學(xué)應(yīng)用物理實(shí)驗(yàn)室的白軍網(wǎng)絡(luò)來創(chuàng)建一個(gè)真實(shí)/虛擬/構(gòu)造（LVC）的測試環(huán)境。在四次試驗(yàn)中，團(tuán)隊(duì)啟動(dòng)了各種虛擬目標(biāo)、威脅和對策，以了解虎鯊在通信受限條件下完成目標(biāo)的情況。

2.2進(jìn)攻性集群戰(zhàn)術(shù)（OFFSET）項(xiàng)目

2017年1月30日，在DARPA會議中心舉辦“進(jìn)攻性集群戰(zhàn)術(shù)”（OFFSET）項(xiàng)目的提案人活動(dòng)，目標(biāo)是發(fā)展基于游戲的開放架構(gòu)，為城市作戰(zhàn)的無人集群系統(tǒng)生成、評估和集成集群戰(zhàn)術(shù)。各階段目標(biāo)：（1）使用50架無人機(jī)蜂群定位一個(gè)目標(biāo);（2）使用100架無人機(jī)在城市中開展一次攻擊;（3）使用250個(gè)無人系統(tǒng)搶奪一片地域。項(xiàng)目最終的目標(biāo)是使用250個(gè)或更多的無人系統(tǒng)在8個(gè)城市街區(qū)自主執(zhí)行6h的任務(wù)。OFFSET項(xiàng)目將研究兩個(gè)關(guān)鍵領(lǐng)域：一是集群自主性，包括智能移動(dòng)、決策和與環(huán)境相互作用;二是人機(jī)編隊(duì)，使集群指揮官可以判斷、配合和影響集群系統(tǒng)的行為。

2017年，項(xiàng)目公布了首個(gè)“蜂群沖刺”活動(dòng)，DARPA稱其為“插曲1”，目標(biāo)是產(chǎn)生蜂群戰(zhàn)術(shù)，部署由50個(gè)異構(gòu)系統(tǒng)組成的蜂群，15～30min在2個(gè)街區(qū)定位1個(gè)城市目標(biāo)。第一個(gè)“蜂群沖刺”的相關(guān)能力包括繪圖、標(biāo)定進(jìn)入和退出點(diǎn)、部署傳感器網(wǎng)絡(luò)以及保持和人員的聯(lián)系，相關(guān)的任務(wù)包括偵察、生成作戰(zhàn)區(qū)域的語義學(xué)地圖和/或識別和擊敗可能的安全威脅。

2018年3月，DARPA開始征求第二個(gè)“蜂群沖刺”的項(xiàng)目建議書。第二個(gè)“蜂群沖刺”活動(dòng)聚焦于自主性的提高：在2個(gè)街區(qū)范圍內(nèi)，使用由50個(gè)無人機(jī)和無人車組成的異構(gòu)蜂群在15～30min內(nèi)隔離一個(gè)城市目標(biāo)?！胺淙簺_刺者”將使用現(xiàn)有或者發(fā)展全新的硬件（傳感器、作動(dòng)器和受動(dòng)器）、算法、和/或創(chuàng)新的能力，開展有針對性的驗(yàn)證，展示在復(fù)雜城市環(huán)境中蜂群系統(tǒng)的作戰(zhàn)優(yōu)勢。

2018年10月，DARPA尋求第三次“沖刺”的建議書，聚焦人-蜂群編隊(duì)和蜂群戰(zhàn)術(shù)，設(shè)計(jì)、發(fā)展和驗(yàn)證創(chuàng)新的架構(gòu)，以提升人和自主蜂群的交互能力。這個(gè)主題打算識別和尋求表述蜂群系統(tǒng)的復(fù)雜性，以及人類隊(duì)友或戰(zhàn)術(shù)人員的認(rèn)知和實(shí)體上的需求。第三個(gè)“沖刺”活動(dòng)同時(shí)尋求增加對于蜂群戰(zhàn)術(shù)的收集。被選中的“沖刺者”將設(shè)計(jì)和執(zhí)行附加的復(fù)雜異構(gòu)（無人機(jī)和無人地面車）蜂群戰(zhàn)術(shù)，在4個(gè)城市街區(qū)1～2h內(nèi)執(zhí)行城市搜捕任務(wù)。

2019年4月，OFFSET項(xiàng)目啟動(dòng)第四次“集群沖刺”。第四次“集群沖刺”包括兩個(gè)主題：一是在OFFSET虛擬環(huán)境中開發(fā)綜合技術(shù);二是利用人工智能以發(fā)現(xiàn)和學(xué)習(xí)新的集群戰(zhàn)術(shù)。對于第一個(gè)主題，提議者將尋求在模擬環(huán)境中開發(fā)和實(shí)現(xiàn)綜合能力，其代表未來潛在的技術(shù)，如分布式“透明墻”傳感器、被動(dòng)集群通信或增強(qiáng)傳感器/計(jì)算陣列，以支持和驗(yàn)證新的集群戰(zhàn)術(shù)。第二個(gè)主題代表了利用人工智能加速集群戰(zhàn)術(shù)設(shè)計(jì)的臨時(shí)“沖刺”，“沖刺者”將在OFFSET增強(qiáng)虛擬環(huán)境中應(yīng)用人工智能框架來發(fā)現(xiàn)、學(xué)習(xí)和強(qiáng)化新型集群戰(zhàn)術(shù)。

2019年6月，據(jù)DARPA網(wǎng)站報(bào)道，OFFSET項(xiàng)目在佐治亞州本寧堡賽爾比聯(lián)合軍備集訓(xùn)設(shè)施進(jìn)行了一次戰(zhàn)場試驗(yàn)，試驗(yàn)中，空中、地面自主機(jī)器人編隊(duì)演示驗(yàn)證了隔離城市目標(biāo)這一任務(wù)所采用的戰(zhàn)術(shù)。無人系統(tǒng)編隊(duì)在跨越兩個(gè)城市街區(qū)的復(fù)雜環(huán)境中作戰(zhàn)。試驗(yàn)任務(wù)包括：在保持對周邊地區(qū)態(tài)勢感知的情況下，定位并隔離模擬的市政廳建筑、定位并保護(hù)建筑物內(nèi)目標(biāo)、保護(hù)建筑物。每次任務(wù)時(shí)長30min。此次試驗(yàn)彰顯了持續(xù)敏捷地開展無人蜂群開發(fā)、集成與部署所具有的優(yōu)勢，這也是OFFSET項(xiàng)目的核心原則。

3無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知研究動(dòng)態(tài)

通信網(wǎng)絡(luò)態(tài)勢感知是實(shí)現(xiàn)無人機(jī)群通信網(wǎng)絡(luò)測繪成像的基石，其主要目標(biāo)是獲取通信網(wǎng)絡(luò)當(dāng)前狀態(tài)、綜合形勢以及演化趨勢等時(shí)域、頻域、空域、用戶域、網(wǎng)絡(luò)域等多域立體網(wǎng)絡(luò)態(tài)勢信息[14]。通信網(wǎng)絡(luò)態(tài)勢感知的關(guān)鍵在于提高態(tài)勢獲取的準(zhǔn)確性與時(shí)效性，并盡量減少感知信息的冗余度和節(jié)點(diǎn)間交互開銷。無人機(jī)群通信網(wǎng)絡(luò)是一種相對較新的網(wǎng)絡(luò)形態(tài)，直接相關(guān)的國內(nèi)外研究報(bào)道比較少，本文將從廣義通信網(wǎng)絡(luò)態(tài)勢感知的角度闡述國內(nèi)外研究動(dòng)態(tài)，提煉無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知的研究方向與發(fā)展趨勢。

3.1電磁頻譜態(tài)勢感知

電磁頻譜態(tài)勢是無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知的重要內(nèi)容，空間頻譜態(tài)勢感知是其發(fā)展趨勢。優(yōu)質(zhì)的頻譜資源緊缺成為制約大規(guī)模無人機(jī)群智能組網(wǎng)的瓶頸之一。頻譜態(tài)勢感知最早來源于認(rèn)知無線網(wǎng)絡(luò)方面的研究，美國弗吉尼亞大學(xué)技術(shù)團(tuán)隊(duì)于2006年首次提出了射頻環(huán)境地圖（RadioEnvironmentalMaps，REMs）的概念與模型，旨在建立包含用頻設(shè)備位置及行為、頻譜政策及規(guī)則、地理特征及可用頻譜資源等多維信息的頻譜數(shù)據(jù)庫[15]。在此基礎(chǔ)上，法國TelecomR&D的OrangeLabs實(shí)驗(yàn)室將REMs進(jìn)一步深化，利用數(shù)據(jù)空間相關(guān)性實(shí)現(xiàn)對數(shù)據(jù)的解析補(bǔ)全，提供一種可視化頻譜環(huán)境地圖以便于檢測、分析、決策及資源管理。自2010年至今，美國明尼蘇達(dá)大學(xué)的Giannakis教授團(tuán)隊(duì)系統(tǒng)地研究了時(shí)-空-頻三維獲取功率頻譜密度圖和局部信道增益圖，讓認(rèn)知無線電系統(tǒng)識別可用頻譜機(jī)會、用戶位置、發(fā)射功率估計(jì)及移動(dòng)用戶的軌跡追蹤，并實(shí)現(xiàn)干擾控制、頻譜資源分配以及路由規(guī)劃[16-18]。美國軍方亦非常重視頻譜態(tài)勢圖的研究，美國國防部高級研究計(jì)劃局（DARPA）支持了“先進(jìn)射頻地圖”項(xiàng)目（AdvancedRFMapping），主要目標(biāo)是從時(shí)域、頻域、空域三個(gè)維度繪制射頻地圖，為用戶提供強(qiáng)大的態(tài)勢感知能力，以避免頻譜沖突或快速消除頻率沖突，支持通信、情報(bào)、監(jiān)視和偵察系統(tǒng)。國內(nèi)方面，如圖2所示，南京航空航天大學(xué)的吳啟暉教授團(tuán)隊(duì)從頻譜態(tài)勢理論模型、廣域頻譜態(tài)勢感知、動(dòng)態(tài)頻譜態(tài)勢生成和頻譜態(tài)勢高效利用四個(gè)方面，梳理了對電磁頻譜空間認(rèn)知基礎(chǔ)理論和關(guān)鍵技術(shù)的研究現(xiàn)狀，并指出將孤立、分散、靜態(tài)的頻譜數(shù)據(jù)整合成一個(gè)整體，動(dòng)態(tài)、關(guān)聯(lián)、可視的異構(gòu)數(shù)據(jù)集合是頻譜態(tài)勢未來的發(fā)展方向[19]。西安電子科技大學(xué)的李贊教授團(tuán)隊(duì)圍繞網(wǎng)絡(luò)化智能頻譜監(jiān)測基礎(chǔ)理論和關(guān)鍵技術(shù)，提出了基于單點(diǎn)、協(xié)作、多目標(biāo)系列穩(wěn)健頻譜感知方法和智能頻譜控制策略，搭建了網(wǎng)絡(luò)化智能頻譜監(jiān)測系統(tǒng)（即“電磁眼”），為空天地一體化網(wǎng)絡(luò)體系的頻譜管控與用頻保護(hù)提供智能服務(wù)與決策支持。注意到，當(dāng)前大多數(shù)關(guān)于頻譜態(tài)勢的研究顯式或隱式假設(shè)頻譜設(shè)備以單天線為主，頻譜態(tài)勢以全向輻射為主;然而，隨著MIMO以及波束賦形技術(shù)逐漸成為無線通信的主流和標(biāo)配，基于多天線/天線陣列的頻譜波束態(tài)勢感知成為研究的難點(diǎn)和趨勢。

3.2網(wǎng)絡(luò)拓?fù)鋺B(tài)勢感知

網(wǎng)絡(luò)拓?fù)渥R別是通信網(wǎng)絡(luò)態(tài)勢感知的核心和關(guān)鍵，國內(nèi)外大多數(shù)研究工作集中在有線網(wǎng)絡(luò)拓?fù)渥R別，關(guān)于無線網(wǎng)絡(luò)拓?fù)渥R別目前處于起步階段。早期的研究工作主要是在有線連接的計(jì)算機(jī)網(wǎng)絡(luò)中以網(wǎng)絡(luò)參與者的身份進(jìn)行的，如Mansfield等在文獻(xiàn)[20]中首先提出了基于SNMP的網(wǎng)絡(luò)層拓?fù)浒l(fā)現(xiàn)算法，美國加州大學(xué)的Shaikh等在文獻(xiàn)[21]中提出了根據(jù)OSPF協(xié)議構(gòu)建網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及網(wǎng)絡(luò)監(jiān)控的方法等。隨著研究的進(jìn)一步深入，網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)也延伸到無線通信網(wǎng)絡(luò)中。但由于無線通信中介質(zhì)的廣播特性以及信號傳播中衰落、干擾的存在，無線網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)變得異常艱難。一種方法是借助霍克斯過程來解決這個(gè)問題，如美國佐治亞理工學(xué)院的Moore在文獻(xiàn)[22]中通過利用通信對等這一合理假設(shè)，即某一發(fā)射機(jī)進(jìn)行一次傳輸信息通常會導(dǎo)致其他發(fā)射機(jī)返回消息/確認(rèn)/包轉(zhuǎn)發(fā)的響應(yīng)，用不同發(fā)射機(jī)同時(shí)發(fā)生的傳輸來推斷其之間的關(guān)系，將數(shù)據(jù)建模為Hawkes過程，對實(shí)際無線網(wǎng)絡(luò)通信數(shù)據(jù)學(xué)習(xí)了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)并檢測拓?fù)浣Y(jié)構(gòu)的變化。此外，美國加州大學(xué)洛杉磯分校的Laghate等在文獻(xiàn)[23]中利用格蘭杰因果關(guān)系對常用通信協(xié)議的響應(yīng)機(jī)制進(jìn)行建模，來學(xué)習(xí)時(shí)間復(fù)用通信網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，實(shí)驗(yàn)證明該方法能夠以較高的時(shí)間分辨率推斷群網(wǎng)絡(luò)中的有向數(shù)據(jù)流。

3.3網(wǎng)絡(luò)演化趨勢預(yù)測

網(wǎng)絡(luò)演化趨勢預(yù)測是主動(dòng)獲取通信網(wǎng)絡(luò)態(tài)勢的重要手段，是支撐無人機(jī)群網(wǎng)絡(luò)智能化的關(guān)鍵技術(shù)之一。現(xiàn)有工作主要針對網(wǎng)絡(luò)中鏈路動(dòng)態(tài)變化的趨勢進(jìn)行預(yù)測，主要分為基于節(jié)點(diǎn)屬性的預(yù)測方法、基于網(wǎng)絡(luò)結(jié)構(gòu)的預(yù)測方法和基于學(xué)習(xí)的預(yù)測方法。美國加州大學(xué)爾灣分校的OMadadhain等人在文獻(xiàn)[24]中結(jié)合兩個(gè)事件網(wǎng)絡(luò)——科學(xué)家合作網(wǎng)和電子郵件網(wǎng)絡(luò)，提出了基于網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性的局部條件概率模型，預(yù)測節(jié)點(diǎn)間隨時(shí)間變化的關(guān)系。Liu等人在文獻(xiàn)[25]中針對線性網(wǎng)絡(luò)拓?fù)?，重點(diǎn)考慮了非共同鄰居節(jié)點(diǎn)向預(yù)測端點(diǎn)傳遞資源的數(shù)量，結(jié)合共同鄰居和非共同鄰居的貢獻(xiàn)提出了新的預(yù)測指標(biāo)，在預(yù)測網(wǎng)絡(luò)中的缺失鏈接時(shí)體現(xiàn)出較好的性能。新墨西哥大學(xué)的Clauset等人在文獻(xiàn)[26]中基于網(wǎng)絡(luò)的層次組織特性，結(jié)合概率圖模型提出了普適的層次化網(wǎng)絡(luò)模型，通過計(jì)算形成該層次隨機(jī)網(wǎng)絡(luò)的期望概率，來預(yù)測兩個(gè)節(jié)點(diǎn)的連邊概率。北亞利桑那大學(xué)的Razi等人開發(fā)了基于粒子群優(yōu)化和卡爾曼濾波的跟蹤策略，在時(shí)變信道和跟蹤資源有限條件下為UAV找到最優(yōu)跟蹤策略，預(yù)測UAV網(wǎng)絡(luò)拓?fù)渥兓痆27]。該實(shí)驗(yàn)室的Han等人在文獻(xiàn)[28]中針對極度動(dòng)態(tài)變化的無人機(jī)網(wǎng)絡(luò)，開發(fā)了一種無監(jiān)督的在線學(xué)習(xí)方法用于無人機(jī)的聯(lián)合移動(dòng)預(yù)測以及無人機(jī)的對象分析，所提出的方法不僅能預(yù)測無人機(jī)周圍飛行物體的未來位置，并且能在無先驗(yàn)知識前提下按機(jī)動(dòng)性的相似性將其分組，該方法能靈活預(yù)測移動(dòng)性未知的新目標(biāo)，適用于具有異構(gòu)節(jié)點(diǎn)的新興飛行ad-hoc（FANETs）網(wǎng)絡(luò)。

4無人機(jī)群通信網(wǎng)絡(luò)態(tài)勢感知研究趨勢

由上文分析可知，在網(wǎng)絡(luò)態(tài)勢感知方向上國內(nèi)外取得了階段性的研究成果，但大部分偏重于互聯(lián)網(wǎng)、蜂窩網(wǎng)絡(luò)等擁有固定地面基礎(chǔ)設(shè)施下參與式感知的研究，還存在如下局限性：

（1）缺少考慮大規(guī)模無人機(jī)群網(wǎng)絡(luò)呈現(xiàn)的多域立體、位置/拓?fù)浣葑?、?fù)雜關(guān)聯(lián)等特性，難以直接應(yīng)用于無人機(jī)群網(wǎng)絡(luò)的網(wǎng)絡(luò)態(tài)勢感知;

（2）大多數(shù)現(xiàn)有研究集中在網(wǎng)絡(luò)離散狀態(tài)信息的可靠獲取，對網(wǎng)絡(luò)全局形勢的高效推理和網(wǎng)絡(luò)演化趨勢的精準(zhǔn)預(yù)測研究還不夠系統(tǒng)深入;

（3）大多數(shù)相關(guān)工作聚焦于群體協(xié)同感知中個(gè)體激勵(lì)機(jī)制的設(shè)計(jì)，體現(xiàn)的智能化水平有限，特別是提升群體智能方面仍大有可為。

總體來說，大規(guī)模無人機(jī)群網(wǎng)絡(luò)是一種新的網(wǎng)絡(luò)形態(tài)，與之密切相關(guān)的網(wǎng)絡(luò)態(tài)勢感知才剛剛起步，迫切需要深入研究多域立體網(wǎng)絡(luò)態(tài)勢獲取的復(fù)雜性、整體性與實(shí)時(shí)性。

參考文獻(xiàn)：

[1]段海濱，邱華鑫.基于群體智能的無人機(jī)集群自主控制[M].北京：科學(xué)出版社，2019.

DuanHaibin，QiuHuaxin.UnmannedAerialVehicleSwarmAutonomousControlBasedonSwarmIntelligence[M].Beijing：SciencePress，2019.（inChinese）

[2]DongXiwang，YuBocheng，ShiZongying.TimeVaryingFormationControlforUnmannedAerialVehicles：TheoriesandApplications[J].IEEETransactionsonControlSystemsTechnology，2015，23（1）：340-348.

[3]DongXiwang，HuaYongzhao，ZhouYan，etal.TheoryandExperimentonFormationContainmentControlofMultipleMultirotorUnmannedAerialVehicleSystems[J].IEEETransactionsonAutomationScienceandEngineering，2019，16（1）：229-240.

[4]DingGuoru，WuQihui，ZhangLinyuan，etal.AnAmateurDroneSurveillanceSystemBasedontheCognitiveInternetofThings[J].IEEECommunicationsMagazine，2018，56（1）：29-35.

[5]WangHaichao，DingGuoru，GaoFeifei，etal.PowerControlinUAVSupportedUltraDenseNetworks：Communications，Caching，andEnergyTransfer[J].IEEECommunicationsMagazine，2018，56（6）：28-34.

[6]WangHaichao，WangJinlong，DingGuoru，etal.CompletionTimeMinimizationwithPathPlanningforFixedWingUAVCommunications[J].IEEETransactionsonWirelessCommunications，2019，18（7）：3485-3499.

[7]王沙飛.人工智能與電磁頻譜戰(zhàn)[J].網(wǎng)信軍民融合，2018（1）：25-27.

WangShafei.ArtificialIntelligenceandElectromagneticSpectrumWarfare[J].NetworkandInformationCivilMilitaryIntegration，2018（1）：25-27.（inChinese）

[8]張余，柳永祥，張濤，等.電磁頻譜戰(zhàn)作戰(zhàn)樣式初探[J].航天電子對抗，2017（5）：14-17.

ZhangYu，LiuYongxiang，ZhangTao，etal.ThePatternsofOperationsforElectromagneticSpectrumWarfare[J].AerospaceElectronicCountermeasures，2017（5）：14-17.（inChinese）

[9]尚雅玲，胡昌振.戰(zhàn)場感知與認(rèn)知：網(wǎng)絡(luò)空間安全態(tài)勢感知的建立方法[J].科技導(dǎo)報(bào)，2004（7）：37-38.

ShangYaling，HuChangzhen.DominantBattlespaceAwareness&Knowledge：TheApproachtoCyberspaceSituationAwareness[J].Science&TechnologyReview，2004（7）：37-38.（inChinese）

[10]紀(jì)浩然.網(wǎng)絡(luò)作戰(zhàn)態(tài)勢生成和展現(xiàn)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，2011.

JiHaoran.ResearchonGenerationandVisualizationofNetwarSituation[D].Changsha：NationalUniversityofDefenseTechnology，2011.（inChinese）

[11]嚴(yán)麗娜，劉志娜，孔祥澤.網(wǎng)絡(luò)空間戰(zhàn)場態(tài)勢感知影響因素研究[J].通信技術(shù)，2016，49（12）：1676-1679.

YanLina，LiuZhina，KongXiangze.InfluenceFactorsofCyberspaceBattlefieldSituationAwareness[J].CommunicationsTechnology，2016，49（12）：1676-1679.（inChinese）

[12]DingGuoru，WuQihui，YaoYudong，etal.KernelBasedLearningforStatisticalSignalProcessinginCognitiveRadioNetworks：TheoreticalandFoundations，ExampleApplications，andFutureDirections[J].IEEESignalProcessingMagazine，2013，30（4）：126–136.

[13]廖鷹，易卓，胡曉峰.基于深度學(xué)習(xí)的初級戰(zhàn)場態(tài)勢理解研究[J].指揮與控制學(xué)報(bào)，2017，3（1）：67-71.

LiaoYing，YiZhuo，HuXiaofeng.BattlefieldsSituationElementaryComprehensionBasedonDeepLearning[J].JournalofCommandandControl，2017，3（1）：67-71.（inChinese）

[14]DingGouru，JiaoYutao，WangJinlong，etal.SpectrumInferenceinCognitiveRadioNetworks：AlgorithmsandApplications[J].IEEECommunicationsSurveys&Tutorials，2018，20（1）：150-182.

[15]ZhaoYP，ReedJH，MaoSW，etal.OverheadAnalysisforRadioEnvironmentMapenabledCognitiveRadioNetworks[C]∥NetworkingTechnologiesforSoftwareDefinedRadioNetworks，Reston，2006.

[16]BazerqueJA，GiannakisGB.DistributedSpectrumSensingforCognitiveRadioNetworksbyExploitingSparsity[J].IEEETransactionsonSignalProcessing，2010，58（3）：1847-1862.

[17]KimSJ，DallAneseE，GiannakisGB.CooperativeSpectrumSensingforCognitiveRadiosUsingKrigedKalmanFiltering[J].IEEEJournalofSelectedTopicsinSignalProcessing，2011，5（1）：24-36.

[18]DallAneseE，KimSJ，GiannakisGB.ChannelGainMapTrackingviaDistributedKriging[J].IEEETransactionsonVehicularTechnology，2011，60（3）：1205-1211.

[19]吳啟暉，任敬.電磁頻譜空間認(rèn)知新范式：頻譜態(tài)勢[J].南京航空航天大學(xué)學(xué)報(bào)，2016，48（5）：625-632.

WuQihui，RenJing.NewParadigmofElectromagneticSpectrumSpace：SpectrumSituation[J].JournalofNanjingUniversityofAeronauticsandAstronautics，2016，48（5）：625-632.（inChinese）

[20]MansfieldG，OuchiM，JayanthiK，etal.TechniquesforAutomatedNetworkMapGenerationUsingSNMP[C]∥ProceedingsofIEEEINFOCOM96.ConferenceonComputerCommunications，SanFrancisco，1996.

[21]ShaikhA，GoyalM，GreenbergA，etal.AnOSPFTopologyServer：DesignandEvaluation[J].IEEEJournalonSelectedAreasinCommunications，2002，20（4）：746-755.

[22]MooreMG，DavenportMA.AnalysisofWirelessNetworksUsingHawkesProcesses[C]∥IEEEInternationalWorkshoponSignalProcessingAdvancesinWirelessCommunications，Edinburgh，2016.

[23]LaghateM，CabricD.LearningWirelessNetworksTopologiesUsingAsymmetricGrangerCausality[J].IEEEJournalofSelectedTopicsinSignalProcessing，2018，12（1）：233-247.

[24]OMadadhainJ，HutchinsJ，SmythP，etal.PredictionandRankingAlgorithmsforEventBasedNetworkData[J].SIGKDDExplorations，2005，7（2）：23-30.

[25]LiuY，F(xiàn)engJH，SimeoneO，etal.TopologyDiscoveryforLinearWirelessNetworkswithApplicationtoTrainBackboneInauguration[J].IEEETransactionsonIntelligentTransportationSystems，2016，17（8）：2159-2170.

[26]ClausetA，MooreC，NewmanMEJ.HierarchicalStructureandthePredictionofMissingLinksinNetworks[J].Nature，2008，453（7191）：98-101.

[27]RaziA，AfghahF，ChakareskiJ.OptimalMeasurementPolicyforPredictingUAVNetworkTopology[C]∥51stAsilomarConferenceonSignals，Systems，andComputers，PacificGrove，2017.

[28]HanP，RaziA，AfghahF，etal.AUnifiedFrameworkforJointMobilityPredictionandObjectProfilingofDronesinUAVNetworks[J].JournalofCommunicationsandNetworks，2018，20（5）：434-442.