段玉先，劉昌云，魏文鳳

（1.空軍工程大學(xué)防空反導(dǎo)學(xué)院，西安 710051；2.空軍工程大學(xué)研究生院，西安 710051）

0 引言

態(tài)勢感知（Situation Awareness）最先來源于軍用航空領(lǐng)域，是人們在面對復(fù)雜的動態(tài)系統(tǒng)中對“正在發(fā)生的事情”的理解。從某種意義上來講，態(tài)勢感知是人們?yōu)榱送瓿赡撤N主題任務(wù)，在特定環(huán)境中應(yīng)用系統(tǒng)充分發(fā)揮人的認(rèn)知活動的綜合體現(xiàn)。態(tài)勢感知在空中管制、大型系統(tǒng)控制、醫(yī)療衛(wèi)生、汽車駕駛、網(wǎng)絡(luò)安全等領(lǐng)域都有所應(yīng)用。根據(jù)Kharoufah 等人2018 年的一項研究，在2000 年-2016 年隨機(jī)抽取的200 起商業(yè)航空運(yùn)輸事故中，態(tài)勢感知是最重要的人為因素［1］。在過去的30 多年里，態(tài)勢感知一直是軍事和科學(xué)界大量研究的主題。

隨著戰(zhàn)場信息化的飛速發(fā)展，戰(zhàn)場信息已成為獲得戰(zhàn)場主動權(quán)的關(guān)鍵要素之一，而態(tài)勢感知則是獲取戰(zhàn)場信息的主要手段。1995 年，美國海軍上將威廉·歐文斯指出，在“系統(tǒng)之系統(tǒng)”（System of Systems）的新軍事變革技術(shù)模式中，戰(zhàn)場態(tài)勢感知力量是其中重要一環(huán)［2］。2015 年，美陸軍訓(xùn)練與條令司令部（TRADOC）發(fā)布TRADOC PAM 535-3-1，指出“未來的陸軍部隊需要在復(fù)雜的環(huán)境中與堅決的、適應(yīng)性強(qiáng)的敵方組織作戰(zhàn)的能力，發(fā)展并維持高度的態(tài)勢理解能力［3］”。

在大數(shù)據(jù)時代，戰(zhàn)場信息量將更加巨大，如何做到“未卜先知”，從數(shù)據(jù)中提取有價值的信息，并轉(zhuǎn)化為所需的知識，提高態(tài)勢感知的效率和能力，是未來具有挑戰(zhàn)性的問題。本文通過分析當(dāng)前態(tài)勢感知領(lǐng)域的研究進(jìn)展，就影響態(tài)勢感知的因素以及涉及的關(guān)鍵技術(shù)進(jìn)行了論述，并對未來態(tài)勢感知研究中的新興熱點(diǎn)問題提出了展望。

1 基本概念模型

態(tài)勢感知概念首先出現(xiàn)在第一次世界大戰(zhàn)期間，當(dāng)時是為解決軍用飛機(jī)上的機(jī)組人員問題［4］。20 世紀(jì)70 年代，美國軍事人類工程學(xué)家開始調(diào)查影響機(jī)組人員的因素，從那時起，態(tài)勢感知成為一個公認(rèn)的概念。1987 年，Endsley 提出了態(tài)勢感知的定義模型［5］，如圖1 所示。

圖1 態(tài)勢感知的三級模型

Endsley［6］提出，態(tài)勢感知是在一定時間和空間內(nèi)感知環(huán)境中的元素，理解它們的含義，以及對不久的將來的狀態(tài)預(yù)測。同時，Endsley 指出，即使是很小的態(tài)勢認(rèn)知的偏差，也可能造成很嚴(yán)重的影響。態(tài)勢感知主要包括3 個步驟：

第1 步：態(tài)勢元素察覺（perception of the elements in the environment）

態(tài)勢感知的第1 步是要感知和獲取當(dāng)前環(huán)境中相關(guān)元素的狀態(tài)、屬性和特點(diǎn)，涉及在時間/空間上對目標(biāo)的感知和觀察，這一階段尚未進(jìn)行數(shù)據(jù)解釋和特征提取。

第2 步：態(tài)勢理解（comprehension of the current situation）

通過第1 步的察覺后，得到的是不連貫的要素集合。為了得到更加連貫而精確的態(tài)勢信息，需要對數(shù)據(jù)進(jìn)行進(jìn)一步的理解和處理，結(jié)合各實(shí)體之間的關(guān)系，從而形成整體的態(tài)勢信息圖。第3 步：態(tài)勢預(yù)測（projection of future status）

基于第1 步和第2 步得出的信息，可以對環(huán)境的未來走勢進(jìn)行判斷。通過研判全局，全面理解信息的含義，將其與行動者的行動意圖進(jìn)行比較，并提出對決策有價值的對未來狀態(tài)的預(yù)測。它可以被表述為對未來系統(tǒng)狀態(tài)和行為的心理模擬。

Endsley 提出的模型本質(zhì)上是隨時間推移的進(jìn)程，因此，它充分考慮了動態(tài)變化，從信息的獲取、察覺到信息的挖掘和處理，再到綜合態(tài)勢的形成和預(yù)測，其涵蓋了行動者在所處環(huán)境任一時間節(jié)點(diǎn)的狀態(tài)的信息，可以為行動者提供全面而有效的信息，以供行動者作出科學(xué)的決策。此外，它以目標(biāo)為導(dǎo)向，對感知信息進(jìn)行解釋并對態(tài)勢進(jìn)行預(yù)測。Endsley 認(rèn)為，在本質(zhì)上，操作復(fù)雜系統(tǒng)中的人類信息處理，被視為數(shù)據(jù)驅(qū)動（自下而上）和目標(biāo)驅(qū)動（自上而下）處理之間的交替，這一過程被認(rèn)為是形成態(tài)勢感知的關(guān)鍵［5］。因此，態(tài)勢感知應(yīng)當(dāng)是對戰(zhàn)場態(tài)勢更高層次的理解和解讀，并根據(jù)戰(zhàn)場指揮員的目標(biāo)預(yù)測未來的戰(zhàn)場走勢，起到輔助決策的作用。

總的來說，Endsley 提出的模型實(shí)質(zhì)上是一種信息處理模型，對人的心理模型還尚未作出完全解釋，因此，這一模型在應(yīng)對動態(tài)環(huán)境時，態(tài)勢感知效果略顯不足［7］。針對這一特點(diǎn)，文獻(xiàn)［8］在Endsley提出模型的基礎(chǔ)上，探討了在動態(tài)環(huán)境中影響態(tài)勢感知能力的因素，充分考慮了內(nèi)部與外部信息的交互問題，對人機(jī)交互系統(tǒng)的設(shè)計提出了改進(jìn)方法［8］。

此外，Endsley 將態(tài)勢感知定義為信息處理的認(rèn)知產(chǎn)物，學(xué)界對此有不一致的意見。在1995 年，Smith 和Hancock 從整體關(guān)系的立場出發(fā)，提出了感知周期模型，根據(jù)人與外部世界的互動關(guān)系來定義態(tài)勢感知，將其定義為一種“知識創(chuàng)造和采取明智行動的生成過程”，著重表現(xiàn)人與環(huán)境之間的相互作用。這一模型將態(tài)勢感知定義為“外部定向的意識”［7］。此外，Sarter 和Woods 將態(tài)勢感知視為一種“正在進(jìn)行的過程”，將其定義為“獲得全面，連貫的態(tài)勢陳述，并根據(jù)態(tài)勢評估的結(jié)果不斷更新”。

如今，學(xué)界在定義上的爭辯之處在于，態(tài)勢感知是獲得意識的過程［10］，還是意識的產(chǎn)物［5］，亦或是兩者結(jié)合的產(chǎn)物［7］。對此，學(xué)界尚無統(tǒng)一的認(rèn)知，需進(jìn)一步地探索。

在過去的20 年里，關(guān)于團(tuán)隊和共享態(tài)勢感知的研究逐漸興起。Endsley 認(rèn)為團(tuán)隊?wèi)B(tài)勢感知是“每個團(tuán)隊成員擁有其工作所需態(tài)勢感知的程度”［5］。從這個意義上說，這意味著團(tuán)隊中的每個成員都需要具備該崗位所必需的態(tài)勢感知信息，這樣團(tuán)隊才能成功［11］。如果團(tuán)隊中的一個人擁有所需的態(tài)勢感知信息，但未成功向其他成員傳輸，也會產(chǎn)生嚴(yán)重的錯誤［12］。綜合來看，大多數(shù)對團(tuán)隊?wèi)B(tài)勢感知的解釋都集中在對相同情況的“共同理解”上。Endsley 在2001 年給出了共享態(tài)勢感知的概念，即“團(tuán)隊成員在共享態(tài)勢感知需求上擁有相同態(tài)勢感知的程度”［13］。在這個定義中，團(tuán)隊成員不需要分享所有的信息，只需要分享共同的信息需求。

另外，在新軍事變革需求的驅(qū)動下，信息網(wǎng)絡(luò)與戰(zhàn)場態(tài)勢感知的需求聯(lián)系越來越緊密。2006 年，Stanton 等人提出了分布式態(tài)勢感知的概念（DSA），將其定義為“一種面向系統(tǒng)而不是面向個人的區(qū)分行為過程的描述方法”，各Agent 可以在團(tuán)隊合作中通過溝通進(jìn)行實(shí)時態(tài)勢感知［14-15］。這一論述也將態(tài)勢感知的研究趨勢，從個人的思維角度轉(zhuǎn)向復(fù)雜環(huán)境下多智能體的分布式態(tài)勢感知角度。

隨著人工智能等技術(shù)的進(jìn)步，戰(zhàn)場態(tài)勢感知也不斷涌現(xiàn)出新的熱點(diǎn)問題，例如如何在無人平臺或通信不暢、電磁干擾等惡劣環(huán)境條件下實(shí)現(xiàn)對整體態(tài)勢的感知，都是該領(lǐng)域未來的研究方向。

2 影響因素

未來的戰(zhàn)場環(huán)境變幻莫測，各種因素的疊加會影響人們對于態(tài)勢元素的提取、關(guān)聯(lián)和判斷。根據(jù)美國空軍上校J.R.Boyd 在1987 年提出的OODA 環(huán)模型［16］，態(tài)勢感知主要作用于物理域、信息域和認(rèn)知域，是物理域、信息域與認(rèn)知域共同作用的結(jié)果，如圖2 所示。其中，認(rèn)知域主要指人的主觀意志、思維及判斷能力，強(qiáng)調(diào)人在態(tài)勢感知中的能動作用，屬于主觀因素范疇。而物理域和信息域則強(qiáng)調(diào)傳感器平臺、數(shù)據(jù)傳輸和指控體系的重要性，屬于客觀因素范疇。

圖2 OODA 環(huán)模型

2.1 主觀因素

人是態(tài)勢感知客觀性的最大因素和決定性因素［17］。通過研究發(fā)現(xiàn)［18］，人的注意力、工作記憶局限性、當(dāng)前任務(wù)目標(biāo)、心理模型，以及預(yù)期目標(biāo)和成見期望都會對態(tài)勢感知能力造成影響。

2.1.1 注意力和工作記憶

在Endsley 模型中，態(tài)勢理解和態(tài)勢預(yù)測以及隨后的行動方案都必須在工作記憶中進(jìn)行，因此，人的注意力和工作記憶能力成為影響態(tài)勢感知的重要因素之一。在動態(tài)環(huán)境中，由于新操作員注意力和工作記憶能力有限，態(tài)勢感知和決策過程的進(jìn)展難免會受到限制。在復(fù)雜和動態(tài)的環(huán)境中，信息超載，任務(wù)復(fù)雜性和多項任務(wù)可能會迅速超出一個人有限的注意力能力。

2.1.2 心理模型

態(tài)勢感知的效果還受到操作員心理作用的影響。越南戰(zhàn)爭中，大多數(shù)飛行員會在最初的10 次戰(zhàn)斗任務(wù)中喪生，彼時，他們尚未開發(fā)出戰(zhàn)場環(huán)境下進(jìn)行快速情況評估和決策的思維模型和模式。在Endsley 的三級模型中，主要假設(shè)之一就是心理模型在態(tài)勢感知中發(fā)揮關(guān)鍵作用。在戰(zhàn)斗中，通過心理模型與已知態(tài)勢狀態(tài)的匹配情況，可以將決策流程進(jìn)一步簡化。在實(shí)踐中，經(jīng)驗(yàn)豐富的決策者能夠使用長期記憶存儲（心理模型的形式）來規(guī)避感知不充分和環(huán)境類別限制的影響。環(huán)境中的特征可以映射為操作員腦中的心理模型，并且這些模型促進(jìn)了態(tài)勢感知的發(fā)展［5］。Smith and Hancock［7］提出，實(shí)現(xiàn)和維持態(tài)勢感知的過程圍繞著內(nèi)部持有的心理模型，該模型包含有關(guān)某些情況的信息，有助于預(yù)測情況事件，將個人的注意力引向環(huán)境中的線索，并指導(dǎo)最終的行動過程。

2.1.3 數(shù)據(jù)驅(qū)動和目標(biāo)導(dǎo)向

在自上而下、以目標(biāo)為導(dǎo)向的決策過程中，人們預(yù)先設(shè)定的目標(biāo)和計劃會對態(tài)勢感知的各個方面產(chǎn)生影響。在對態(tài)勢進(jìn)行理解過程中，人們需要根據(jù)目標(biāo)對收集到的信息進(jìn)行處理和整合，完成預(yù)期的目標(biāo)。而在自下而上、以數(shù)據(jù)為驅(qū)動的決策過程中，在對環(huán)境模式進(jìn)行識別過程中，人們的計劃和目標(biāo)可能會因環(huán)境中事件或條件的改變而改變。當(dāng)其中任何一個環(huán)節(jié)停止正常運(yùn)行時，整個態(tài)勢感知系統(tǒng)都會出現(xiàn)問題。過多地被數(shù)據(jù)驅(qū)動限制，數(shù)據(jù)量會變得超負(fù)荷，無法實(shí)現(xiàn)預(yù)期目標(biāo)；而過多地被目標(biāo)所限制，則將會使操作員忽略環(huán)境中的變化。因此，兩者的交替處理在動態(tài)環(huán)境態(tài)勢感知中至關(guān)重要。

2.1.4 成見期望

人們對信息的特征、形式和位置深刻的了解程度，可以極大地促進(jìn)對信息的感知［5］。也就是說，一個人對信息的先入之見或期望會影響對信息感知的速度和準(zhǔn)確性，從而影響整個態(tài)勢感知的效果。在環(huán)境中積累的認(rèn)知經(jīng)驗(yàn)，能夠讓操作人員對未來事件產(chǎn)生期望，從而使他們有傾向性地感知和處理信息。

隨著人工智能等技術(shù)的興起，人腦的潛力將被無限地開發(fā)出來，以制腦權(quán)為核心作戰(zhàn)新模式，將使得認(rèn)知域被拓展得更寬，同時傳感器探測手段、將深刻影響未來戰(zhàn)場態(tài)勢感知的形式和效果。

2.2 客觀因素

如今的戰(zhàn)場條件下，人的因素、武器因素結(jié)合得越來越緊密，表現(xiàn)為無人化、自動化、智能化。其中，武器平臺的自動化程度、傳感器平臺的感知能力、戰(zhàn)場環(huán)境的不確定性以及數(shù)據(jù)的傳輸、存儲和分發(fā)，都會對人的態(tài)勢感知效果產(chǎn)生影響。

2.2.1 武器平臺自動化程度

武器平臺使用自動化處理時，當(dāng)態(tài)勢感知級別較低時，可能會導(dǎo)致系統(tǒng)出現(xiàn)非典型情況，從而將降低決策行為的及時性和有效性。系統(tǒng)收集所需信息的能力、有效呈現(xiàn)該信息的系統(tǒng)接口的能力、壓力和工作量的影響、系統(tǒng)的復(fù)雜性，以及自動化的特性都是影響態(tài)勢感知的重要因素［11］。此外，信息的呈現(xiàn)方式對其可讀性、可理解性和可訪問性至關(guān)重要，從而影響人類的感知、認(rèn)知和性能。

2.2.2 傳感器平臺感知能力

克勞塞維茨說過，“戰(zhàn)爭中行動所依據(jù)的情況有3/4 好像隱藏在云霧里一樣，是或多或少不真實(shí)的”［19］。在戰(zhàn)場環(huán)境中，對弈雙方都會采取偽裝、欺騙、干擾等措施，掩蓋真實(shí)戰(zhàn)術(shù)意圖，使對方難以判斷自己的真實(shí)動向，產(chǎn)生“戰(zhàn)爭迷霧”。這就使得雷達(dá)、ESM、聲吶等傳感器探測的信息不完全、不精確，加之設(shè)備自身會產(chǎn)生誤差等原因，會對接下來產(chǎn)生的態(tài)勢信息造成很大的不確定性。

2.2.3 戰(zhàn)場環(huán)境的不確定性

當(dāng)前戰(zhàn)場面臨的特殊環(huán)境包括弱信號環(huán)境、面對火力協(xié)同的多平臺全分布環(huán)境、戰(zhàn)區(qū)與戰(zhàn)略態(tài)勢估計中的全譜感知環(huán)境，以及非統(tǒng)計獨(dú)立的多源相關(guān)信息環(huán)境。戰(zhàn)場態(tài)勢感知需要解決的是在海量信息中找到有價值的信息。除去人的主觀因素，戰(zhàn)場態(tài)勢的不確定性，信息的丟失（可能是由于通信和數(shù)據(jù)網(wǎng)絡(luò)中不可避免的故障引起的）以及非法的信息侵入，都對態(tài)勢感知提出了挑戰(zhàn)。

2.2.4 數(shù)據(jù)的傳輸、存儲和分發(fā)

物理域的客觀事實(shí)如何通過信息域?qū)φJ(rèn)知域產(chǎn)生有效的作用是評價信息優(yōu)勢的出發(fā)點(diǎn)［20］，也是提高態(tài)勢感知的重要途徑。態(tài)勢感知作為中間層次，需要向下對接收到的態(tài)勢元素進(jìn)行有效的融合和整合，從而向上為高層次分發(fā)所需的態(tài)勢信息，用于下一級的威脅估計和決策制定。

其中，在數(shù)據(jù)傳輸過程中，噪聲的產(chǎn)生會影響信息的準(zhǔn)確度，包括信息值的偏差、信息值的錯誤、信息值的質(zhì)量等［21］。在對海量信息進(jìn)行存儲時，由于存儲設(shè)備的硬件條件、操作系統(tǒng)、服務(wù)器質(zhì)量產(chǎn)生的存儲誤差，也會對態(tài)勢信息的精度或完整性造成影響。而在態(tài)勢信息分發(fā)的過程中，分發(fā)模式的差異、分發(fā)方式的不同、分發(fā)時序的差異、態(tài)勢的更新，都會對戰(zhàn)場態(tài)勢的一致性造成影響，從而影響態(tài)勢感知的效果。D.Wickens 的研究證明［22］，工作負(fù)荷的增加可能會轉(zhuǎn)移保持態(tài)勢感知的資源（從而減少后者），但設(shè)計良好的可用顯示器，既可以減少工作負(fù)荷，又可以提高態(tài)勢感知能力。

3 關(guān)鍵技術(shù)

Endsley 指出，未來戰(zhàn)場空間中的實(shí)質(zhì)性挑戰(zhàn)不是缺乏數(shù)據(jù)，而是數(shù)據(jù)過于豐富［12］。獲取正確的信息無異于大海撈針。解決這一問題的關(guān)鍵需要明確哪些人需要哪些數(shù)據(jù)，以及如何對這些數(shù)據(jù)進(jìn)行合理而有效的處理，以使其轉(zhuǎn)化為真正所需的信息，將其實(shí)時、準(zhǔn)確地提供給所需人員，并通過完善的思維模型或投影工具進(jìn)行展現(xiàn)。根據(jù)這一描述，可以構(gòu)建戰(zhàn)場態(tài)勢感知總體框架視圖，如圖3 所示，主要由傳感器節(jié)點(diǎn)、信息處理節(jié)點(diǎn)以及指控節(jié)點(diǎn)組成，涉及物理域、信息域和認(rèn)知域。在這一過程中，需要由雷達(dá)、預(yù)警機(jī)、偵察衛(wèi)星等組成的多傳感器組網(wǎng)系統(tǒng)偵察并搜索戰(zhàn)場態(tài)勢信息，傳輸至信息處理節(jié)點(diǎn)。信息處理節(jié)點(diǎn)通過深層次數(shù)據(jù)挖掘、多源信息融合等方式將態(tài)勢理解和預(yù)測結(jié)果轉(zhuǎn)發(fā)到指控節(jié)點(diǎn)，由指控節(jié)點(diǎn)制定決策并實(shí)施行動，根據(jù)戰(zhàn)場形勢變化對傳感器功能和任務(wù)進(jìn)行反饋調(diào)整，形成閉環(huán)過程，見圖4。

圖3 戰(zhàn)場態(tài)勢感知總體框圖

圖4 戰(zhàn)場態(tài)勢感知技術(shù)流程圖

3.1 數(shù)據(jù)采集能力

在整個態(tài)勢感知的環(huán)節(jié)中，態(tài)勢信息的獲取是感知的前提。在未來的戰(zhàn)場上，隨著隱身突防能力的逐漸增強(qiáng)，超聲速能力的快速提升，各種作戰(zhàn)平臺需具備高效的反偵察、抗捕獲能力。面對嚴(yán)峻的戰(zhàn)場形勢，僅僅依靠以往單部雷達(dá)、聲吶等傳感器各自進(jìn)行信息獲取，已經(jīng)難以抗衡電子對抗系統(tǒng)。如何科學(xué)地對多傳感器網(wǎng)絡(luò)進(jìn)行組網(wǎng)，同時提升傳感器自身捕獲信息的能力，提高對戰(zhàn)場目標(biāo)的檢測概率，并對多個傳感器獲取的信息進(jìn)行融合，發(fā)揮網(wǎng)絡(luò)化整體優(yōu)勢，形成體系化綜合對抗優(yōu)勢，是提升戰(zhàn)場態(tài)勢感知能力的重要問題。

早在20 世紀(jì)50 年代，蘇聯(lián)防空系統(tǒng)就成立了國土防空軍，強(qiáng)調(diào)對于防空系統(tǒng)的自動化和組網(wǎng)化，例如在國土周圍部署A-135 反彈道導(dǎo)彈系統(tǒng)，由7 部“雞籠”遠(yuǎn)程警戒雷達(dá)、6 部“狗窩”雷達(dá)和13部導(dǎo)彈陣地雷達(dá)組成，各傳感器單元之間密切協(xié)作，銜接成網(wǎng)。這種雷達(dá)組網(wǎng)的方式，是在作戰(zhàn)單元內(nèi)部或單基地范圍內(nèi)的組網(wǎng)，其數(shù)據(jù)采集能力有限。在如今的21 世紀(jì)，更為先進(jìn)的是不同體制、不同頻段、不同極化方式的傳感器之間的全面組網(wǎng)，可以從陸、海、空、天、網(wǎng)絡(luò)等多媒介偵測信息，實(shí)現(xiàn)全天候、全維度的戰(zhàn)場態(tài)勢感知，擴(kuò)大在空間和時間上獲取信息的范圍，提高對于目標(biāo)的探測和識別程度。例如美軍部署在韓國的薩德（THAAD）導(dǎo)彈防御系統(tǒng)，就是和美軍的天基衛(wèi)星、?；嫠苟芾走_(dá)以及其他媒介的傳感器實(shí)現(xiàn)全面組網(wǎng)，采用衛(wèi)星、紅外、雷達(dá)三位一體的綜合預(yù)警方式，探測和偵察范圍得到顯著提升，其AN/TPY-2 型X 波段陸基相控陣?yán)走_(dá)作為其雷達(dá)組網(wǎng)的核心，探測范圍或可達(dá)到2 000 km 以上。在任務(wù)規(guī)劃的牽引下，各自傳感器設(shè)備根據(jù)協(xié)同部署策略，設(shè)置“即插即拔”的網(wǎng)絡(luò)接口，保證整個協(xié)同網(wǎng)絡(luò)的正常運(yùn)行不會受到網(wǎng)絡(luò)單元數(shù)量增加或減少的影響，多傳感器網(wǎng)絡(luò)一體化協(xié)同作戰(zhàn)能力得到充分展現(xiàn)。

為了提高無處不在、持續(xù)不斷的監(jiān)視能力，美國陸軍通信電子研究、開發(fā)和工程中心（CERDEC）啟動了“每個接收器都是傳感器（ERASE）”項目，該項目至少包括6 項相關(guān)科學(xué)和技術(shù)研究工作。每項工作都是一個獨(dú)特的構(gòu)建模塊，結(jié)合起來將創(chuàng)建一種可顯著增強(qiáng)和擴(kuò)展陸軍戰(zhàn)術(shù)感知能力的整體方法。

此外，2017 年12 月，美國國防高級研究計劃局（DARPA）戰(zhàn)略技術(shù)辦公室（STO）發(fā)布“海洋物聯(lián)網(wǎng)”（OoT）項目的跨部門公告（BAA），計劃通過部署大量低成本、智能化海上浮標(biāo)以組成分布式傳感器網(wǎng)絡(luò)，突破霧、雨、云層覆蓋以及其他環(huán)境條件限制，實(shí)現(xiàn)對大范圍海洋區(qū)域的持續(xù)態(tài)勢感知。2020 年4月14 日，美國CSBA 智庫發(fā)布《偵察威懾：無人機(jī)系統(tǒng)在大國競爭中的關(guān)鍵作用》報告，提出“偵察威懾”的作戰(zhàn)概念，強(qiáng)調(diào)在西太平洋和東歐的關(guān)鍵地理區(qū)域長期部署非隱身長航時無人機(jī)，形成無人偵察網(wǎng)絡(luò)，以保持實(shí)時、持續(xù)的態(tài)勢感知［23］。

目前，有很多研究集中于研究最小傳感器部署（MSD）問題，目的是部署最少數(shù)量的傳感器以覆蓋重要區(qū)域。文獻(xiàn)［24］總結(jié)比較了貪婪算法和機(jī)器學(xué)習(xí)算法，對傳感器任務(wù)分配問題提出了優(yōu)化建議。文獻(xiàn)［25］開發(fā)了基于形狀和區(qū)域檢測的局部覆蓋框架（LCSAD），運(yùn)用局部幾何Voronoi 六角形（LGVH）和相識區(qū)域六角形（AAH），分別針對探測形狀和探測區(qū)域兩個角度，提升了傳感器探測性能，拓展了傳感器覆蓋范圍。文獻(xiàn)［26］針對最大定向目標(biāo)覆蓋（MDTC）問題，開發(fā)了一種分布式算法，可用于獨(dú)立調(diào)整其監(jiān)視方向，以使覆蓋目標(biāo)的數(shù)量最大化。文獻(xiàn)［27］針對戰(zhàn)場傳感器受益最大化問題，提出了用于戰(zhàn)場物聯(lián)網(wǎng)（loBT）傳感器激活的方案，應(yīng)用圖形貝葉斯博弈方法，降低了傳感器能耗，有效地減少了數(shù)據(jù)冗余。文獻(xiàn)［28］提出了一種可供士兵使用的可穿戴傳感器，將手持設(shè)備和移動應(yīng)用程序轉(zhuǎn)變?yōu)楣δ軅刹旃?jié)點(diǎn)，利用圖像識別功能和物體檢測來對戰(zhàn)場空間進(jìn)行監(jiān)視和偵察。上述研究都是傳感器覆蓋范圍和自身性能上有所建樹，但在各系統(tǒng)之間配合和交互方面研究不足。針對于此問題，文獻(xiàn)［29］對戰(zhàn)場偵察監(jiān)控系統(tǒng)進(jìn)行了設(shè)計，基于MEMS 技術(shù)，使傳感器節(jié)點(diǎn)具有短距離雙向通信的能力，自動形成偵察網(wǎng)絡(luò)。文獻(xiàn)［30］就數(shù)據(jù)融合和傳感器部署間的協(xié)作關(guān)系進(jìn)行了探討，審視了覆蓋優(yōu)化問題的解決方案。

總體來看，目前大多數(shù)傳感器仍是處于信息獲取與融合處理相分離的階段，對于多傳感器組網(wǎng)探測和多傳感器數(shù)據(jù)融合聯(lián)合研究還不夠深入，需要將融合算法用于多傳感器的部署和管理，適應(yīng)未來復(fù)雜多變的戰(zhàn)場環(huán)境。未來隨著人工智能等技術(shù)的發(fā)展，也需要加快探索基于人工智能的傳感器覆蓋率優(yōu)化方法。此外，實(shí)時高精度融合估計算法的開發(fā)問題、非均勻采樣系統(tǒng)的魯棒性和穩(wěn)定性研究問題、非線性系統(tǒng)傳感器網(wǎng)絡(luò)的部署問題，以及長距離傳感預(yù)警等問題，也是未來具有挑戰(zhàn)性的問題［31］。

3.2 數(shù)據(jù)挖掘技術(shù)

美國陸軍研究實(shí)驗(yàn)室技術(shù)實(shí)施計劃（2016-2020 年）KCI-CS-2 中指出［32］，戰(zhàn)場上實(shí)時而大規(guī)模的數(shù)據(jù)分析可以限制戰(zhàn)術(shù)突擊，提高態(tài)勢感知并主動獲取自主情報來幫助美國陸軍獲得信息優(yōu)勢，而數(shù)據(jù)挖掘是其中的核心技術(shù)之一。

數(shù)據(jù)挖掘技術(shù)是進(jìn)行戰(zhàn)場態(tài)勢理解的關(guān)鍵技術(shù)之一，它可以從復(fù)雜的、多尺度的、信息豐富的海量數(shù)據(jù)中提取或挖掘出隱藏在背后的有價值的知識和信息，為目標(biāo)的檢測定位問題提供解決方案。主要應(yīng)用于對態(tài)勢知識的提取與發(fā)現(xiàn)過程中，需要在海量的信息庫中挖掘或發(fā)現(xiàn)該態(tài)勢中潛藏的規(guī)律性知識，以及該態(tài)勢與其他態(tài)勢之間的關(guān)系，同時對非合作對象的行動企圖和行為進(jìn)行分析，作出一定的預(yù)判。

空間中的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)，主要是通過統(tǒng)計、聚類等算法挖掘其中的模式。而戰(zhàn)場空間的數(shù)據(jù)挖掘與知識發(fā)現(xiàn)，則需要根據(jù)地理位置，結(jié)合敵我雙方的信息挖掘敵方更多特征信息，從而分析敵方意圖走向，為己方提供下一步可靠的行動方案。

環(huán)境信息的不完全性造成的影響，是對數(shù)據(jù)進(jìn)行挖掘前必須要考慮的問題，因此，有必要建立開發(fā)一個專門用于指揮控制系統(tǒng)的知識庫，并在此基礎(chǔ)上進(jìn)行態(tài)勢感知和數(shù)據(jù)提取。文獻(xiàn)［33］提出了一種基于關(guān)聯(lián)數(shù)據(jù)挖掘的分類算法，利用Dempster-Shafer 信度理論關(guān)系數(shù)據(jù)庫（DS-DB），可以有效地表示各種數(shù)據(jù)缺陷。文獻(xiàn)［34］建立了一種專門用于指揮控制系統(tǒng)的知識庫，儲存高質(zhì)量的戰(zhàn)場知識元素，用于智能戰(zhàn)場識別服務(wù)。文獻(xiàn)［35］提出了一種基于經(jīng)驗(yàn)的模型CBSA，將態(tài)勢感知（SA）模型和基于案例的推理（CBR）模型相融合，可以感知用戶所處上下文環(huán)境，為態(tài)勢感知篩選所需的信息。文獻(xiàn)［36］對幾種常用的特征選擇評估方法進(jìn)行了探討。文獻(xiàn)［37］從戰(zhàn)場態(tài)勢識別的需求出發(fā)，對相應(yīng)的知識上下文數(shù)據(jù)庫進(jìn)行了分析，探討了智能數(shù)據(jù)庫的構(gòu)建，并提出了一種將數(shù)據(jù)庫與DMDF 相結(jié)合的匹配關(guān)鍵字的數(shù)據(jù)挖掘算法［37］。

以上文獻(xiàn)大多是基于傳統(tǒng)的數(shù)據(jù)挖掘方法，例如D-S 證據(jù)理論、貝葉斯網(wǎng)絡(luò)、基于模板等，但在復(fù)雜、大數(shù)據(jù)、非線性、充斥“維度災(zāi)難“和”“戰(zhàn)爭迷霧”的戰(zhàn)場上，傳統(tǒng)方法難以適應(yīng)態(tài)勢推理的巨量狀態(tài)空間，缺乏對于數(shù)據(jù)的深入挖掘，并且在知識表示、時空推理等方面都存在些許不足［38］。2007 年，DAPPA 啟動的“深綠”計劃，將人工智能、深度學(xué)習(xí)等方式引入輔助決策，通過大量經(jīng)典案例的學(xué)習(xí)，在博弈中根據(jù)形勢暴力搜索未來走棋方式，預(yù)測對方的行動，作出收益最大的決策方案，實(shí)現(xiàn)對于當(dāng)前和未來態(tài)勢的自動生成、理解和研判，大大減少了決策周期，將制定方案的時間壓縮為之前的1/4。而隨著戰(zhàn)場態(tài)勢信息的爆炸性增長，“深綠”在處理不確定性的復(fù)雜態(tài)勢時所暴露的組合爆炸問題，以及意圖估計時面臨的非理性博弈問題，同人的主觀性研判還是存在差距，因此，項目于2011 年終止。

2006 年，加拿大學(xué)者Geoffrey Hinton 團(tuán)隊提出了深度學(xué)習(xí)的概念，經(jīng)過多年的發(fā)展已經(jīng)成為人工智能領(lǐng)域研究熱點(diǎn)之一，推動了指揮智能化的發(fā)展。深度學(xué)習(xí)利用神經(jīng)元之間的層層連接，實(shí)現(xiàn)對于原始數(shù)據(jù)的學(xué)習(xí)。通過調(diào)整神經(jīng)元之間的連接強(qiáng)度，調(diào)整改變神經(jīng)網(wǎng)絡(luò)的功能，模擬人腦的學(xué)習(xí)方式。深度學(xué)習(xí)的突出優(yōu)勢是對大數(shù)據(jù)的自主特征提取和聚類分析，能夠適用于非線性、大容量、多維度的戰(zhàn)場態(tài)勢分析和理解［39］。自2016 年起，由谷歌公司研發(fā)的阿爾法圍棋（Alpha Go）接連戰(zhàn)勝人類圍棋高手李世石和柯潔，展現(xiàn)出以深度學(xué)習(xí)為核心的智能系統(tǒng)的強(qiáng)大效能，已成為戰(zhàn)場態(tài)勢感知新的研究熱點(diǎn)。文獻(xiàn)［40］對特征提取技術(shù)和特征選擇技術(shù)進(jìn)行分析，研究了數(shù)據(jù)降維問題在深度學(xué)習(xí)中的應(yīng)用。文獻(xiàn)［41］研究了“維度詛咒”對機(jī)器學(xué)習(xí)的影響。此外，文獻(xiàn)［42］提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的YOLO 模型，用于從輸入圖像中直接獲取目標(biāo)的位置、類別和置信概率，以實(shí)現(xiàn)端到端的學(xué)習(xí)，從而提高目標(biāo)檢測的效率。針對如今戰(zhàn)場敵方數(shù)據(jù)來源不足，戰(zhàn)爭記錄難以獲取的現(xiàn)狀，文獻(xiàn)［43］提出了一種利用Wargame 戰(zhàn)爭游戲平臺進(jìn)行態(tài)勢感知的方法，利用軍事作戰(zhàn)規(guī)則和經(jīng)驗(yàn)知識產(chǎn)生期望的結(jié)果，然后使用CNN 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并縮小理想結(jié)果與訓(xùn)練結(jié)果之間的差距。

深度學(xué)習(xí)面臨的瓶頸問題之一就是需要大量訓(xùn)練樣本支撐。而在不確定性的戰(zhàn)場環(huán)境中，樣本資源往往難以獲?。?4］。其次，實(shí)戰(zhàn)化樣本數(shù)據(jù)也難以獲取，僅靠實(shí)兵演習(xí)和推演模擬的想定同真實(shí)戰(zhàn)場樣本數(shù)據(jù)還是存在差距。以上戰(zhàn)場的特殊性原因造成了態(tài)勢樣本的稀缺，給以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)方式造成困難。因此，以少樣本學(xué)習(xí)為代表的元學(xué)習(xí)方式為解決此類問題提供了思路。少樣本學(xué)習(xí)（Few-shot Learning）［45］是元學(xué)習(xí)中典型應(yīng)用的技術(shù)，是元學(xué)習(xí)在監(jiān)督學(xué)習(xí)領(lǐng)域的應(yīng)用。與深度學(xué)習(xí)所需大量樣本進(jìn)行訓(xùn)練不同，少樣本學(xué)習(xí)的目標(biāo)是利用少量的樣本就可以完成學(xué)習(xí)任務(wù)，通過將之前的經(jīng)驗(yàn)和當(dāng)前的訓(xùn)練樣本信息相結(jié)合，構(gòu)建新的神經(jīng)網(wǎng)絡(luò)，以避免在新數(shù)據(jù)上出現(xiàn)擬合等狀況。因此，少樣本學(xué)習(xí)技術(shù)對于作戰(zhàn)態(tài)勢的理解具有重要的借鑒意義。這種以元數(shù)據(jù)驅(qū)動的方式，為機(jī)器根據(jù)所分析問題的性質(zhì)靈活選擇正確算法提供了指南。

如何從海量數(shù)據(jù)中捕捉和提取可靠、有價值和準(zhǔn)確的信息，是當(dāng)今最重要的研究主題之一［46］。在瞬息萬變的戰(zhàn)場上，如何提高大數(shù)據(jù)背景下的處理效率，探索處理異構(gòu)、復(fù)雜的原始數(shù)據(jù)的新技術(shù)，是數(shù)據(jù)挖掘領(lǐng)域接下來要面對的問題。

3.3 信息融合技術(shù)

數(shù)據(jù)融合技術(shù)的概念起源于20 世紀(jì)70 年代，在20 世界80 年代末演變?yōu)樾畔⑷诤?，目前已?jīng)廣泛應(yīng)用于戰(zhàn)場環(huán)境中的實(shí)體目標(biāo)識別和跟蹤，陸地、海洋和空域監(jiān)視，雷達(dá)跟蹤，遙感等場景［46］。信息融合技術(shù)是一種多層次、多類別的數(shù)據(jù)處理方法。它對數(shù)據(jù)進(jìn)行檢測和分析，明確數(shù)據(jù)之間的相關(guān)性，使數(shù)據(jù)結(jié)果更加準(zhǔn)確可靠。

美國國防部實(shí)驗(yàn)室聯(lián)席理事會（Joint Directors Laboratory，JDL）1986 年推出數(shù)據(jù)融合初始模型，從功能角度確定了數(shù)據(jù)融合的軍事概念是：對來自多源的信息和數(shù)據(jù)進(jìn)行檢測、關(guān)聯(lián)、相關(guān)、估計與綜合等多級多層面的處理，以得到精確的目標(biāo)狀態(tài)與身份估計，以及完整、及時的態(tài)勢與威脅估計。近30年來，JDL 頂層模型在不斷進(jìn)行完善和補(bǔ)充，相繼在1998 年、2004 年制定JDL 修訂模型和推薦模型，并依次經(jīng)過JDL 融合過程頂層模型、DFIG2004 模型改進(jìn)，發(fā)展到人在回路的用戶-融合模型，如圖5所示。主要從3 個方面進(jìn)行改進(jìn)。一是傳統(tǒng)的JDL模型中，信息融合系統(tǒng)采用數(shù)據(jù)驅(qū)動的方式，對數(shù)據(jù)的處理受制于上下文的推理，用戶有時無法按需定制所需的信息，忽略了人的主觀作用。因此，JDL模型從傳統(tǒng)的自動融合結(jié)構(gòu)向以人為主導(dǎo)的融合結(jié)構(gòu)推進(jìn)，愈加注重發(fā)揮人在體系中的作用［47］，將人視為“軟傳感器”融于系統(tǒng)，為解決隱形知識、高層融合難題等機(jī)器無法獨(dú)立完成的問題提供了途徑。二是向信息獲取與融合的一體化信息融合方向拓展。三是逐漸從數(shù)據(jù)融合、信息融合向認(rèn)知融合方向演變，由機(jī)器從數(shù)據(jù)中提取信息含義轉(zhuǎn)向由系統(tǒng)對獲取數(shù)據(jù)賦予信息含義過程，從而涉及到對信息的理解和認(rèn)知［48］。

圖5 信息融合模型演變特征

我國信息融合領(lǐng)域?qū)＜亿w宗貴研究員根據(jù)JDL模型，總結(jié)出適應(yīng)軍事戰(zhàn)場環(huán)境的信息融合模型，如圖6 所示。

圖6 JDL 5 層模型的軍事應(yīng)用

如今，作為戰(zhàn)場態(tài)勢感知中不可或缺的因素和技術(shù)之一，廣義的信息融合技術(shù)涵蓋了物理域、信息域、認(rèn)知域和社會域的內(nèi)容。在軍事領(lǐng)域中，信息融合技術(shù)包括信號級融合、時空配準(zhǔn)、目標(biāo)機(jī)動跟蹤、異介質(zhì)圖像融合、用戶參與和主導(dǎo)的信息融合、分布式信息融合、基于大數(shù)據(jù)的信息融合，以及信息融合高端應(yīng)用等技術(shù)［47］。有關(guān)信息融合的算法很多，包括貝葉斯估計［49］，聚類算法［50］，遺傳算法［51］，卡爾曼濾波［52］，機(jī)器學(xué)習(xí)［46］，卷積神經(jīng)網(wǎng)絡(luò)［53-54］，Dempster-Shafer 證據(jù)理論算法［55］等。

在未來戰(zhàn)場上，多平臺、多傳感器資源管理和實(shí)時信息處理對于整個信息融合的過程尤為重要。文獻(xiàn)［56］針對傳統(tǒng)信息融合系統(tǒng)計算能力有限，信息處理能力受限、系統(tǒng)彈性差等特點(diǎn)，提出了一種基于云計算的信息融合系統(tǒng)，利用其超級計算能力、強(qiáng)大的信息處理能力，以及靈活的云架構(gòu)結(jié)構(gòu)彌補(bǔ)傳統(tǒng)信息融合系統(tǒng)的不足，為戰(zhàn)場信息融合的發(fā)展探索出新的方向。

在信息化時代，戰(zhàn)場信息呈現(xiàn)3 個數(shù)據(jù)特征：大數(shù)據(jù)量、高度異構(gòu)、高度復(fù)雜（高度維度或相互關(guān)聯(lián)）［57］。文獻(xiàn)［58］開發(fā)了一種人類觀察誤差對齊模型，將人類觀察數(shù)據(jù)（軟數(shù)據(jù)）與傳感器數(shù)據(jù)（硬數(shù)據(jù)）相結(jié)合，增強(qiáng)融合結(jié)果的精確性和可靠性，并減少了融合系統(tǒng)評估和關(guān)聯(lián)的數(shù)據(jù)量的異質(zhì)性和復(fù)雜性。文獻(xiàn)［59］針對聯(lián)合作戰(zhàn)條件背景下信息異構(gòu)的情況，設(shè)計了一個基于內(nèi)容的異構(gòu)信息共享框架，便于內(nèi)容的集中組織、存儲和管理，以實(shí)現(xiàn)系統(tǒng)從局部概念模型到全局統(tǒng)一概念模型的映射。文獻(xiàn)［60］提出了利用模糊邏輯技術(shù)，對多傳感器數(shù)據(jù)進(jìn)行融合處理，實(shí)現(xiàn)對有關(guān)對象和情況的高級判斷。為了減少冗余信息帶來的影響，文獻(xiàn)［61］提出了一種基于模糊的數(shù)據(jù)融合方法，使用數(shù)據(jù)融合機(jī)制從傳感器測量結(jié)果中刪除不正確且重復(fù)的數(shù)據(jù)，以提高服務(wù)質(zhì)量（QoS），降低傳感器能耗。

21 世紀(jì)初，隨著“網(wǎng)絡(luò)中心戰(zhàn)”的打響，要求信息融合系統(tǒng)具備較強(qiáng)的計算能力和實(shí)時數(shù)據(jù)處理能力，分布式信息融合的概念應(yīng)運(yùn)而生。它強(qiáng)烈依賴于所屬的網(wǎng)絡(luò)結(jié)構(gòu)，驅(qū)動戰(zhàn)場感知領(lǐng)域需求向系統(tǒng)化演進(jìn)，尋求全局融合與局部融合在功能上的平衡或優(yōu)化。面對日趨復(fù)雜的戰(zhàn)場環(huán)境，如何對不確定、不準(zhǔn)確、不完整的數(shù)據(jù)進(jìn)行建模，如何處理不同環(huán)境下捕獲的異質(zhì)性數(shù)據(jù)，如何減少測量、傳輸過程中的噪聲及電磁頻譜等方面的干擾，實(shí)現(xiàn)信息效用的最大化，都是分布式信息融合系統(tǒng)所要面對的問題和挑戰(zhàn)。

3.4 可視化技術(shù)

在信息化條件背景下，戰(zhàn)場態(tài)勢可視化技術(shù)是通過運(yùn)用虛擬現(xiàn)實(shí)技術(shù)、地理信息系統(tǒng)、多媒體等技術(shù)，將抽象復(fù)雜的戰(zhàn)場態(tài)勢信息以人眼可觀的形式進(jìn)行展示的處理過程。態(tài)勢可視化的優(yōu)勢在于，可以讓所有計算機(jī)用戶分享任何態(tài)勢信息，且可以根據(jù)各自授權(quán)性質(zhì)，將可用的信息顯示在界面上。此外，可視化技術(shù)還可以將復(fù)雜瑣碎的數(shù)據(jù)背后隱藏的關(guān)鍵信息進(jìn)行分析和展示。美軍2020 年聯(lián)合展望中提出，互操作性是2020 年聯(lián)合部隊的一項任務(wù)，特別是在通信、通用后勤項目和信息共享方面，旨在提高各系統(tǒng)態(tài)勢信息的共享［62］。

戰(zhàn)場態(tài)勢的可視化產(chǎn)品的展現(xiàn)形式是態(tài)勢圖，以美軍提出的共用作戰(zhàn)圖（Common Operational Picture，COP）為代表，其概念源自軍事行動中指揮和控制（C2）的需要，旨在通過展示從陸、海、空、天、信息域各個子系統(tǒng)收集的信息來建立團(tuán)隊?wèi)B(tài)勢感知，幫助操作人員保持對整體動態(tài)局勢的正確認(rèn)知。美軍國防信息系統(tǒng)局（DISA）的文件從數(shù)據(jù)環(huán)境角度對COP 的描述為：COP 是分發(fā)數(shù)據(jù)處理和交換的環(huán)境，并能在其中開發(fā)出連續(xù)的目標(biāo)戰(zhàn)術(shù)數(shù)據(jù)庫，每個參與者根據(jù)自己傳感器的觀察、處理領(lǐng)域的專門知識和標(biāo)準(zhǔn)作戰(zhàn)程序（SOP）中的指揮角色，都能夠?qū)@個數(shù)據(jù)庫進(jìn)行增添、修改和提供附加值。

目前，有很多文獻(xiàn)就COP 系統(tǒng)進(jìn)行研究［63-65］。文獻(xiàn)［63］提出了一種系統(tǒng)性的COP 開發(fā)方法，通過共享心理模型，最大限度地減少信息過載，實(shí)現(xiàn)信息效用的最大化，并指出信息需求分析在該系統(tǒng)中起到核心作用。文獻(xiàn)［64］探討了如何利用可視化技術(shù)向戰(zhàn)場人員提供有效信息，使其能在較短的時間內(nèi)完成信息交互。文獻(xiàn)［65］提出了一種可以在移動環(huán)境（如mCOP）中實(shí)現(xiàn)的行動方案，利用K-Nearest-Neighbor 算法計算出最合適的匹配路線，豐富指揮員的態(tài)勢感知。但隨著信息的爆炸性增長，COP系統(tǒng)需要不斷地進(jìn)行更新?lián)Q代以適應(yīng)復(fù)雜的環(huán)境和指控模式。美國陸軍下一代的指揮控制系統(tǒng)NGCCS（Next Generation Command and Control System）中的Joint WebCOP 模塊集成了更為先進(jìn)的信息處理技術(shù)、互聯(lián)網(wǎng)技術(shù)以及GIS 系統(tǒng)，在無需安裝插件的情況下，即可為參戰(zhàn)人員提供戰(zhàn)場空間的實(shí)時態(tài)勢可視化信息。目前，美國國防高級研究計劃局（DAPPA）已經(jīng)著眼于現(xiàn)代戰(zhàn)爭作戰(zhàn)維度拓展需要，開展“XDATA”、“PLAN X”、“HIVE”等可視化技術(shù)研究項目，研制處理速度和能力顯著提升的硬件處理設(shè)備和軟件平臺，用于分析和挖掘海量數(shù)據(jù)之間的聯(lián)系，為指揮員提供戰(zhàn)場態(tài)勢中有價值的信息線索，將引領(lǐng)指揮決策指向數(shù)字化作戰(zhàn)新時代。

隨著大數(shù)據(jù)技術(shù)的發(fā)展，人機(jī)交互技術(shù)也迎來了革新。文獻(xiàn)［66］針對當(dāng)前作戰(zhàn)指揮控制系統(tǒng)采用二維信息顯示不直觀、易重疊的問題，提出了一種將混合現(xiàn)實(shí)技術(shù)（MR）應(yīng)用于戰(zhàn)場指揮決策的方法，設(shè)想出一種操作者與各種形式全息投影圖像相交互的指揮控制模式，通過佩戴混合現(xiàn)實(shí)設(shè)備，操作者可以接收到各個維度的態(tài)勢信息，作出實(shí)時的決策，從而提高決策效率。文獻(xiàn)［67］借助跨現(xiàn)實(shí)（XR）等技術(shù)對COP 效能進(jìn)行了拓展。

在未來的多域作戰(zhàn)中，面臨的最大挑戰(zhàn)就是環(huán)境中人員之間的信息交互，因此，需要對信息中介進(jìn)行基礎(chǔ)研究并開發(fā)新的信息交互方法［67］。美國陸軍訓(xùn)練與條令司令部頒布的Pam 525-3-1《陸軍作戰(zhàn)概念》手冊中提出，迫切需要“使機(jī)器適合士兵，而不是相反”［68］。因此，需要可視化系統(tǒng)設(shè)計周期中加強(qiáng)士兵與技術(shù)之間聯(lián)系的新方法和模型，降低技術(shù)復(fù)雜性，開發(fā)出能夠快速識別和感知的動態(tài)態(tài)勢模型，使士兵能夠更快、更準(zhǔn)確、更果斷地采取行動，滿足未來戰(zhàn)場的需求。

4 展望

戰(zhàn)場環(huán)境中蘊(yùn)含著大量的不確定因素與非線性信息，態(tài)勢數(shù)據(jù)也呈現(xiàn)出大數(shù)據(jù)5V 特征，即Volume（大量）、Variety（多樣）、Value（價值）、Velocity（高速）、Veracity（真實(shí)性）［69］，這也給戰(zhàn)場態(tài)勢感知帶來挑戰(zhàn)。如今，隨著人工智能、物聯(lián)網(wǎng)等技術(shù)的發(fā)展，自適應(yīng)感知、自主學(xué)習(xí)、自主決策將成為未來趨勢，可以從以下方面進(jìn)行研究。

4.1 態(tài)勢知識庫的擴(kuò)充

在強(qiáng)干擾和對抗戰(zhàn)場環(huán)境下，態(tài)勢要素明顯增多，面對異構(gòu)復(fù)雜的信息，需要構(gòu)建擴(kuò)充規(guī)范統(tǒng)一的戰(zhàn)場態(tài)勢知識庫，開展對于本體的研究，完成對于戰(zhàn)場態(tài)勢要素的抽象概述，實(shí)現(xiàn)標(biāo)簽分類，以形成一致性的態(tài)勢感知。

4.2 不確定性態(tài)勢推理問題

知識表示和態(tài)勢推理一直是態(tài)勢感知中的研究熱點(diǎn)。針對戰(zhàn)場上出現(xiàn)的大量不完整、不精確的信息，需要采取有效的表示方法進(jìn)行態(tài)勢推理，以增進(jìn)指揮員對于態(tài)勢的理解和預(yù)測。如今，不確定性推理方法主要包括：貝葉斯推理技術(shù)、模糊推理技術(shù)、D-S 證據(jù)推理技術(shù)、可信度理論、粗糙集理論以及基于模板的推理方法等技術(shù)。面對瞬息萬變的戰(zhàn)場形勢，單靠一種推理方法難以達(dá)到預(yù)期的效果，需要借助多種手段聯(lián)合應(yīng)對，完善戰(zhàn)場態(tài)勢知識庫，提高認(rèn)知效率。

4.3 完善數(shù)據(jù)鏈系統(tǒng)的構(gòu)建

未來戰(zhàn)場必然是網(wǎng)絡(luò)化的戰(zhàn)爭形勢，數(shù)據(jù)鏈系統(tǒng)作為一種網(wǎng)絡(luò)化的戰(zhàn)術(shù)信息系統(tǒng)，可以實(shí)現(xiàn)信息和數(shù)據(jù)在傳感器平臺、武器平臺、指揮控制系統(tǒng)間的實(shí)時傳輸，態(tài)勢生成與共享能力是其獨(dú)特的特征?？梢越柚鷶?shù)據(jù)鏈系統(tǒng)不斷升級系統(tǒng)的軟硬件實(shí)力，以最快速度完成態(tài)勢的生成、分發(fā)和共享，贏得體系對抗優(yōu)勢。

4.4 人機(jī)交互技術(shù)

DARPA 認(rèn)為，未來指揮智能化的關(guān)鍵在于人機(jī)結(jié)合，即“半人馬模式”，以抵消第3 次消耗戰(zhàn)略，現(xiàn)如今美軍各軍種都將人機(jī)交互、人機(jī)結(jié)合等類似技術(shù)作為未來研究的重點(diǎn)［70］。人在態(tài)勢感知中有核心能動作用，而人的行為難以用精確的或概率的方法來描述。隨著虛擬現(xiàn)實(shí)、全息成像、可穿戴等技術(shù)的發(fā)展，“沉浸式”態(tài)勢感知逐漸興起。通過設(shè)置雙功能性的接口和協(xié)議，可以使指揮人員身臨其境地完成顯示操控、手勢動作、語音等人機(jī)交互功能，以實(shí)現(xiàn)“人在回路”的循環(huán)，在幫助計算機(jī)準(zhǔn)確識別操控人員的指控意圖的同時，增強(qiáng)作業(yè)人員態(tài)勢感知的效果。

4.5 無人平臺的協(xié)同感知問題

態(tài)勢感知是無人戰(zhàn)斗機(jī)（UCAV）在現(xiàn)代空戰(zhàn)中完成自主作戰(zhàn)任務(wù)的重要一環(huán)。由于其成本、體積、適應(yīng)性等優(yōu)勢，無人機(jī)將在未來戰(zhàn)場發(fā)揮無限的潛力。在面對復(fù)雜、不透明的戰(zhàn)場環(huán)境時，如何有效應(yīng)對電磁干擾等復(fù)雜耦合，完成無人機(jī)群間的一致性態(tài)勢感知，實(shí)現(xiàn)協(xié)同決策，是下一步態(tài)勢感知領(lǐng)域值得注意的方向。

5 結(jié)論

本文對態(tài)勢感知的模型發(fā)展進(jìn)行了介紹，結(jié)合戰(zhàn)場背景，總結(jié)了影響態(tài)勢感知的因素，通過梳理總結(jié)近年來研究資料，對態(tài)勢察覺、理解、預(yù)測各個階段中應(yīng)用的關(guān)鍵技術(shù)給出了分析，并展望了態(tài)勢感知研究方向以及需要深入研究的內(nèi)容?？偟膩砜?，戰(zhàn)場態(tài)勢感知的研究還處于初級階段，相關(guān)理論研究還在逐步推進(jìn)，需要做好與應(yīng)用層面的對接。