導讀丨
本文提出了戰(zhàn)術場景互聯(lián)網(wǎng)的新概念，闡述了其概念內(nèi)涵、作用機理、能力特征及其關鍵技術，是一篇具有原創(chuàng)性的高水平論文。這一新概念的提出，是面向未來無人化智能化戰(zhàn)場，具備場景認知能力，自主動態(tài)構建的一種分布式、無中心、自聚合、自協(xié)同的智能化戰(zhàn)術信息網(wǎng)絡。其作用機理是，在節(jié)點通過自主發(fā)現(xiàn)、自主組網(wǎng)構成分布式、無中心的通用的基礎性網(wǎng)絡連接的基礎上，通過對網(wǎng)絡場景的認知，感知用戶需求、無線環(huán)境以及網(wǎng)絡環(huán)境等場景要素，基于網(wǎng)絡節(jié)點可連通性和網(wǎng)絡資源可用性，通過推理和對已往經(jīng)驗的學習，智能調(diào)度網(wǎng)絡資源、自動調(diào)整網(wǎng)絡配置，以匹配網(wǎng)絡場景需要、優(yōu)化網(wǎng)絡性能，并能夠隨著場景的完成而釋放資源以支持后續(xù)場景的建立，支撐實現(xiàn)分散、異構、跨域作戰(zhàn)力量的迅速組合和重組，為動態(tài)創(chuàng)建分布式、多效果、多路徑的殺傷網(wǎng)提供平臺，以高度的靈活性和敏捷性，實現(xiàn)更快更強的殺傷力，并給對手以更大的復雜性或不確定性，可以說是未來智能化戰(zhàn)場的神經(jīng)系統(tǒng)，對基于網(wǎng)絡信息體系的聯(lián)合全域指揮與控制技術創(chuàng)新具有重要意義。
戰(zhàn)術場景互聯(lián)網(wǎng)
—未來智能化戰(zhàn)場的神經(jīng)系統(tǒng)
（《指揮與控制學報》刊文精選）
引用格式 汪李峰, 楊學軍. 戰(zhàn)術場景互聯(lián)網(wǎng)—未來智能化戰(zhàn)場的神經(jīng)系統(tǒng)[J]. 指揮與控制學報, 2021, 7(4): 359-364.
WANG Li-Feng, YANG Xue-Jun. Tactical Scenario Internet: A Nervous System of Future Intelligent Battlefield[J]. Journal of Command and Control, 2021, 7(4): 359-364.
摘要
武器平臺的小型化、無人化、智能化成為發(fā)展趨勢，將催生高度分散、靈活組合的有人/無人協(xié)同作戰(zhàn)、無人集群自主作戰(zhàn)等新型作戰(zhàn)樣式，對傳統(tǒng)戰(zhàn)術通信網(wǎng)絡提出新的挑戰(zhàn)。在深入分析未來新型智能化作戰(zhàn)樣式特點以及戰(zhàn)術通信面臨新需求的基礎上，研究提出一種具備網(wǎng)絡場景認知能力、支持作戰(zhàn)功能要素高度分散、靈活機動、動態(tài)組合、自主協(xié)同的新型智能化戰(zhàn)術信息網(wǎng)絡——戰(zhàn)術場景互聯(lián)網(wǎng)，闡述了其概念內(nèi)涵、作用機理、能力特征及其關鍵技術。
隨著軍事智能科技與先進信息網(wǎng)絡技術的發(fā)展，武器平臺的小型化、分散化、無人化和智能化成為發(fā)展趨勢，智能化、自主化系統(tǒng)作為重要的作戰(zhàn)力量滲透于戰(zhàn)爭的各個領域，將不可避免地沖擊傳統(tǒng)作戰(zhàn)樣式，催生高度分散、靈活組合的有人/無人協(xié)同作戰(zhàn)[1]、無人集群自主作戰(zhàn)[2]等新型作戰(zhàn)樣式。在新的作戰(zhàn)樣式下，無人系統(tǒng)、坦克、飛機、艦艇等作戰(zhàn)平臺中的感知、指揮、控制、打擊、評估等功能，可以被真實或虛擬分解為最小作戰(zhàn)單元。這些大量作戰(zhàn)功能分散、異構、可快速靈活組合的作戰(zhàn)單元，能夠根據(jù)戰(zhàn)場態(tài)勢、指揮決策，進行快速組合、分解和重組，自動生成具有多樣式、自適應、高靈活、高抗毀等特性的海、陸、空、天多域協(xié)同的分布式殺傷網(wǎng)。傳統(tǒng)的基于確定性的指揮控制關系[3]與流程、預先規(guī)劃的層次型通信網(wǎng)絡將難以適應[4]，迫切需要構建一種新型的智能化戰(zhàn)術網(wǎng)絡。
1 未來智能化作戰(zhàn)樣式主要特點
未來智能化新型作戰(zhàn)樣式的制勝機理，核心體現(xiàn)為利用智能、分布、動態(tài)、跨域等技術優(yōu)勢，通過跨平臺、跨編組、跨域智能組合重構，提供彈性、靈活性、敏捷性，分布部署、分散風險，以人機協(xié)作賦能指揮控制、以異構協(xié)同增強殺傷力、以殺傷網(wǎng)絡加強復雜性、以兵力分散提升生存能力，從而實現(xiàn)體系作戰(zhàn)能力的提升，塑造新的軍事優(yōu)勢。主要呈現(xiàn)出以下特點：
1）智能賦能：利用自主系統(tǒng)和人工智能獲得決策優(yōu)勢和行動優(yōu)勢，提高相對于對手的速度和質(zhì)量，實現(xiàn)更有效的機動作戰(zhàn)。
2）化整為零：作戰(zhàn)功能被分散到大量小型、異構單元，而不是少量功能高度集成平臺，提高系統(tǒng)抗毀性和生存能力。異構，既包括感知、打擊等功能分離異構，也包括陸、海、空、天等多域平臺異構。
3）按需組合：各類作戰(zhàn)單元能夠根據(jù)威脅或作戰(zhàn)任務等需要，按需組合起來以形成必要的作戰(zhàn)力量形態(tài)。
4）人機協(xié)同：人工指揮與機器控制相結合，充分利用人類的靈活性與創(chuàng)造性、機器的速度與規(guī)模等各自優(yōu)勢，使得高度分散力量能夠迅速組合與重組，提升靈活適應能力，給對手以更大的復雜性或不確定性。
5）去中心化執(zhí)行：以決策為中心，控制權下沉，基于統(tǒng)一的作戰(zhàn)計劃與行動原則，戰(zhàn)術前端自主控制、自主行動。
6）持續(xù)快速響應：具有分布式、自適應能力，不僅是一次快速行動，而是不斷適應戰(zhàn)場情況的變化。
7）分布式殺傷網(wǎng)：利用戰(zhàn)場信息網(wǎng)絡構建一個高度分散的分布式非線性殺傷網(wǎng)，同時支持多條并行殺傷路徑，提供較緊密耦合、分布式但線性的殺傷鏈更強的彈性和抗毀性，確保強對抗環(huán)境中的作戰(zhàn)能力。
與現(xiàn)有作戰(zhàn)樣式相比較，重要變化在于：
1）指揮控制模式從指揮-控制（command and control, C2）到指揮-控制-通信（command, control and communication, C3）。即從單純的指揮控制到基于通信的指揮控制。不再追求創(chuàng)建一個全時全域連續(xù)可靠通信、滿足所有業(yè)務需求的戰(zhàn)場通用網(wǎng)絡，而是基于現(xiàn)有可用的通信網(wǎng)絡、能夠聯(lián)通的作戰(zhàn)力量組合，實施有效的指揮控制，即決策驅動下的以網(wǎng)絡場景為中心的C3作戰(zhàn)指揮模式。
2）從線性殺傷鏈到非線性殺傷網(wǎng)。不再是作戰(zhàn)資源緊密耦合、作戰(zhàn)環(huán)路固化的線性殺傷鏈，而是基于網(wǎng)絡場景、分散部署、跨域異構協(xié)同的作戰(zhàn)力量按需組合，創(chuàng)建分布式、多效果、多路徑的殺傷網(wǎng)，縮短作戰(zhàn)周期，增強殺傷力，同時給對手帶來更大的復雜性或不確定性。
3）分布式作戰(zhàn)管理取代集中式指揮控制。不再是把所有裝備混在一個容器里，用指揮控制系統(tǒng)把它們集成在一起，實施集中式指揮控制，而是形成統(tǒng)一的作戰(zhàn)計劃、按照統(tǒng)一的作戰(zhàn)規(guī)則，強調(diào)統(tǒng)一指揮、分散控制，能隨時隨地無縫共享信息，讓聯(lián)合部隊以更有效的方式作戰(zhàn)。
美國國防部高級研究計劃局（Defense Advanced Research Projects Agency,DARPA）于2017年提出的“馬賽克”戰(zhàn)，就是這樣一種面向未來智能化作戰(zhàn)樣式下的典型作戰(zhàn)概念[5]。如圖1所示，充分利用人工智能、自主系統(tǒng)、新一代信息網(wǎng)絡等先進技術，通過將較小的兵力結構功能要素排列重組，實現(xiàn)多種不同形式的兵力設計，靈活運用分散化作戰(zhàn)平臺，動態(tài)構建定制化的作戰(zhàn)體系，以適應多域作戰(zhàn)的高動態(tài)性、高適應性、高復雜度，從消除“戰(zhàn)爭迷霧”到為對手制造“戰(zhàn)爭迷霧”，旨在使美軍獲得應對對手體系戰(zhàn)的戰(zhàn)爭主動權。
圖1. 未來智能化戰(zhàn)場作戰(zhàn)樣式（任務模塊靈活重構）
Fig. 1 Operation patterns of future intelligent battlefield (flexible reconfiguration of task units)
2 智能化戰(zhàn)場戰(zhàn)術通信面臨的新需求
戰(zhàn)術通信網(wǎng)絡是戰(zhàn)場上直接與敵對抗條件下保障指揮員、作戰(zhàn)部（分）隊、各類武器平臺之間指揮控制或情報傳輸而建立的通信網(wǎng)絡[4]，具有無固定基礎設施依托、機動性強、對抗性強等特點，是構建殺傷鏈的主要手段，被譽為信息化戰(zhàn)場的神經(jīng)系統(tǒng)，一直是各國軍隊發(fā)展的重點。
圖2. 新型作戰(zhàn)概念下的戰(zhàn)術通信變革
Fig. 2 The tactical communication revolution in new operation patterns
如圖2所示，傳統(tǒng)戰(zhàn)術通信手段，如戰(zhàn)術互聯(lián)網(wǎng)[6]、數(shù)據(jù)鏈網(wǎng)絡[7]等，都是根據(jù)傳統(tǒng)指揮控制方式、確定的指揮關系與流程，構建一個通用的網(wǎng)絡，盡量保持連續(xù)可靠的通信，來支持統(tǒng)一的指揮控制體系、滿足多種作戰(zhàn)場景需要、保障包含多類型的綜合業(yè)務。然而在復雜的戰(zhàn)場環(huán)境中，特別是強敵對抗條件下，通信網(wǎng)絡特別是末端戰(zhàn)術通信網(wǎng)絡，常常受限甚至節(jié)點遭毀傷而中斷，全時全域連續(xù)可靠的戰(zhàn)術通信網(wǎng)幾乎不可能實現(xiàn)，導致跨域作戰(zhàn)平臺通不好、強敵對抗條件通不了等難題，更難以適應未來智能化戰(zhàn)場快速機動、作戰(zhàn)力量按需靈活組合的要求。
智能化戰(zhàn)場作戰(zhàn)樣式的變革也必將帶來戰(zhàn)術通信模式的轉變。支持C3指揮模式、異構分散的作戰(zhàn)力量按需自主靈活組合、構建分布式殺傷網(wǎng)等，都對戰(zhàn)術通信網(wǎng)絡提出了新的需求。主要體現(xiàn)在以下幾個方面:
1）互聯(lián)對象從人機物互聯(lián)向智能體互聯(lián)轉變。未來智能化戰(zhàn)場，作戰(zhàn)力量或是人類、或是人工智能輔助的有人控制平臺、或是自主智能的無人平臺，都將是具備一定智能化水平的智能體。這些智能體構成的節(jié)點既是網(wǎng)絡節(jié)點、又是作戰(zhàn)節(jié)點，由于智能信息處理、融合以及自主控制等功能，節(jié)點之間的互聯(lián)，既會在某種程度上降低通信網(wǎng)絡的流量需求，又會在拒止條件下對無人平臺的自主決策控制和網(wǎng)絡自主運維能力提出更高的要求。
2）網(wǎng)絡特性從通用型向場景型轉變?，F(xiàn)有網(wǎng)絡是支撐確定性的指揮關系與流程、保障多種綜合業(yè)務的通用型網(wǎng)絡；智能化戰(zhàn)場上的網(wǎng)絡，需要基于統(tǒng)一的作戰(zhàn)計劃與規(guī)則，在保持通用的網(wǎng)絡連接的基礎上，以特定場景下的業(yè)務需求為驅動、基于資源可用性而動態(tài)構建的場景型網(wǎng)絡。網(wǎng)絡的組成要素及其連接關系、支持的業(yè)務類型等會隨著場景的變化而變化。
3）網(wǎng)絡構造從流程驅動向自主構建、場景驅動轉變。現(xiàn)有網(wǎng)絡以戰(zhàn)場指揮控制、情報偵察等信息流程為需求，驅動網(wǎng)絡的設計、部署與運用；智能化戰(zhàn)場上的網(wǎng)絡，需要在不考慮特定指揮控制關系和信息流程的前提下，節(jié)點間首先自主發(fā)現(xiàn)并自主組網(wǎng)，以形成通用的基礎性的網(wǎng)絡連接，然后根據(jù)作戰(zhàn)應用系統(tǒng)對決策的響應，感知當前的用戶業(yè)務需求、無線環(huán)境以及網(wǎng)絡環(huán)境等場景要素，自主調(diào)度更多通信資源來靈活構建相應網(wǎng)絡以適應當下場景，并能隨著場景的切換而動態(tài)重組。
4）網(wǎng)絡部署從預規(guī)劃、層次型向自組織、扁平化轉變?，F(xiàn)有網(wǎng)絡是根據(jù)指揮控制的需要以及可能需要保障的用戶和業(yè)務等，預先配置相關通信網(wǎng)絡資源、預先規(guī)劃構建一個層次型網(wǎng)絡，并盡可能保持一定程度的網(wǎng)絡資源冗余，以盡量滿足用戶入網(wǎng)需求和業(yè)務傳輸需求、盡可能應對戰(zhàn)場毀傷、干擾以及作戰(zhàn)時節(jié)推進等變化；場景驅動下的智能化戰(zhàn)術網(wǎng)絡，節(jié)點具有自主發(fā)現(xiàn)和場景認知能力，無需進行預先規(guī)劃，能夠自主組網(wǎng)，形成扁平化、分布式的自組織網(wǎng)絡，并進一步根據(jù)網(wǎng)絡的節(jié)點組成、相互之間的資源可用性以及業(yè)務需求，進行自動聚合與通信資源動態(tài)分配。
這些變化對網(wǎng)絡的動態(tài)性、智能性以及網(wǎng)絡規(guī)模的可伸縮性等都提出了更高要求，而且不再是單純的通信網(wǎng)絡，而是與上層作戰(zhàn)應用系統(tǒng)一體設計、智能協(xié)同的信息網(wǎng)絡。作戰(zhàn)應用系統(tǒng)應當在充分感知當前網(wǎng)絡連通性和資源可用性的基礎上，智能決策作戰(zhàn)力量組合與任務分配，即實現(xiàn)以網(wǎng)絡場景為中心的C3指揮控制，戰(zhàn)術信息網(wǎng)絡則通過對網(wǎng)絡場景的認知，實現(xiàn)智能化組網(wǎng)。
3 戰(zhàn)術場景互聯(lián)網(wǎng)概念內(nèi)涵及其能力特征
為適應網(wǎng)絡信息體系向智能化演進的發(fā)展趨勢，基于未來無人化智能化戰(zhàn)場新型作戰(zhàn)樣式保障需求分析，以網(wǎng)絡場景為驅動、將通信與計算融合、網(wǎng)絡與智能融合，賦以場景認知能力，動態(tài)構建場景型戰(zhàn)術信息網(wǎng)絡，是適應未來無人化智能化作戰(zhàn)的有效途徑。為此，提出戰(zhàn)術場景互聯(lián)網(wǎng)這一新型戰(zhàn)術信息網(wǎng)絡概念。
3.1 戰(zhàn)術場景互聯(lián)網(wǎng)概念內(nèi)涵
3.1.1基本概念
戰(zhàn)術場景互聯(lián)網(wǎng)是面向未來無人化智能化戰(zhàn)場，具備場景認知能力，自主動態(tài)構建的一種分布式、無中心、自聚合、自協(xié)同的智能化戰(zhàn)術信息網(wǎng)絡。
戰(zhàn)術場景互聯(lián)網(wǎng)的作用機理是，在節(jié)點通過自主發(fā)現(xiàn)、自主組網(wǎng)構成分布式、無中心的通用的基礎性網(wǎng)絡連接的基礎上，通過對網(wǎng)絡場景的認知，感知用戶需求、無線環(huán)境以及網(wǎng)絡環(huán)境等場景要素，基于網(wǎng)絡節(jié)點可連通性和網(wǎng)絡資源可用性，通過推理和對已往經(jīng)驗的學習，智能調(diào)度網(wǎng)絡資源、自動調(diào)整網(wǎng)絡配置，以匹配網(wǎng)絡場景需要、優(yōu)化網(wǎng)絡性能，并能夠隨著場景的完成而釋放資源以支持后續(xù)場景的建立。
其中，場景是指特定作戰(zhàn)時間與空間內(nèi)，用戶需求、節(jié)點實體以及所處環(huán)境等共同組成的戰(zhàn)場網(wǎng)絡具體情境，主要包括用戶需求、無線環(huán)境、網(wǎng)絡環(huán)境三大類要素。用戶需求主要是指用戶目標需求和業(yè)務傳輸需求，業(yè)務傳輸需求是每一類業(yè)務對網(wǎng)絡提供的服務質(zhì)量要求，如帶寬、時延、可靠性等，用戶目標需求一般是用戶根據(jù)作戰(zhàn)任務需要，在不同業(yè)務及其服務質(zhì)量之間作出的折衷，是對網(wǎng)絡整體性能的要求；無線環(huán)境主要是指戰(zhàn)場電磁環(huán)境，包括無線信道環(huán)境以及戰(zhàn)場地理環(huán)境、氣候條件、敵方干擾等對電磁環(huán)境影響的結果；網(wǎng)絡環(huán)境主要是指網(wǎng)絡節(jié)點組成，各節(jié)點的傳輸、交換和計算等網(wǎng)絡資源狀態(tài)以及感知、打擊等作戰(zhàn)資源狀態(tài)。某個網(wǎng)絡場景就是這些場景要素的集合。
軟件無線電技術的成熟使得無線通信波形的自適應調(diào)整成為可能，軟件定義網(wǎng)絡技術的發(fā)展為無線網(wǎng)絡的軟件化可重配置提供了可供借鑒的解決途徑（區(qū)別在于要實現(xiàn)分布式控制），而智能化的推理與學習能力則要依賴人工智能技術。從技術內(nèi)涵上來說，戰(zhàn)術場景互聯(lián)網(wǎng)實質(zhì)上是“軟件定義+人工智能”。
3.1.2與其他類似網(wǎng)絡概念的區(qū)別
商業(yè)互聯(lián)網(wǎng)領域的場景互聯(lián)網(wǎng)概念，是指智能電視、智能音箱、智能手表、智能眼鏡、家庭物聯(lián)網(wǎng)等場景設備上的互聯(lián)網(wǎng)，是服務于某些特定場景的專用網(wǎng)，區(qū)別于以移動互聯(lián)網(wǎng)為代表的通用互聯(lián)網(wǎng)。主要目的是深挖用戶需求，細分商業(yè)市場，提升系統(tǒng)性能，給用戶以更好體驗。
第五代移動通信系統(tǒng)（5th generation mobile networks，5G）是一個面向場景連接的系統(tǒng)。5G系統(tǒng)以場景驅動進行系統(tǒng)設計，將多樣化的場景“聚類抽象”為具有顯著特征的三大場景[8]，但三類場景分別采用不盡相同的技術，目的是實現(xiàn)更精細化和更高效的通信組網(wǎng)性能，不是三種場景互聯(lián)網(wǎng)，同時，還不具備對各類場景的感知、自適應調(diào)整與學習能力。
戰(zhàn)術場景互聯(lián)網(wǎng)是在構建一個通用的基礎性網(wǎng)絡連接的基礎上，通過網(wǎng)絡場景認知與學習，智能化靈活調(diào)整出多個場景型網(wǎng)絡，以獲取特定場景下的更高性能。本質(zhì)上是在通用網(wǎng)絡的基礎上靈活體現(xiàn)出專用網(wǎng)絡能力。
戰(zhàn)術場景互聯(lián)網(wǎng)以場景驅動、自主協(xié)同的分布式網(wǎng)絡，支撐實現(xiàn)分散、異構、跨域作戰(zhàn)力量的迅速組合和重組，為動態(tài)創(chuàng)建分布式、多效果、多路徑的殺傷網(wǎng)提供平臺，以高度的靈活性和敏捷性，實現(xiàn)更快更強的殺傷力，并給對手以更大的復雜性或不確定性，可以說是未來智能化戰(zhàn)場的神經(jīng)系統(tǒng)。
3.2 戰(zhàn)術場景互聯(lián)網(wǎng)能力特征
相對于傳統(tǒng)的戰(zhàn)術通信網(wǎng)絡，在同樣具備分布式、無中心、自組織等特點的基礎上，戰(zhàn)術場景互聯(lián)網(wǎng)主要具備以下能力特征：
1）節(jié)點自主發(fā)現(xiàn)與組網(wǎng)能力。各類陸?？债悩嫻?jié)點能夠自主互相發(fā)現(xiàn)，基于可用的網(wǎng)絡資源實現(xiàn)自主組網(wǎng)，以形成基礎的分布式、無中心、扁平化的網(wǎng)絡連接，并且不受網(wǎng)絡節(jié)點規(guī)模的限制。這是戰(zhàn)術場景互聯(lián)網(wǎng)的基礎能力。
2）網(wǎng)絡場景感知能力。節(jié)點能夠及時感知用戶需求、無線環(huán)境和網(wǎng)絡環(huán)境等場景要素，基于預先建立的網(wǎng)絡場景模型進行網(wǎng)絡場景合成，為基于場景驅動的資源調(diào)度與動態(tài)組網(wǎng)提供輸入條件。這是實現(xiàn)場景認知智能組網(wǎng)的前提。
3）場景驅動決策與動態(tài)調(diào)整能力。節(jié)點能夠利用已有的網(wǎng)絡場景知識和感知到的場景信息，進行判斷、規(guī)劃、決策和執(zhí)行，實現(xiàn)場景認知組網(wǎng)的決策和自適應環(huán)路，并控制節(jié)點各層資源進行動態(tài)調(diào)整，實現(xiàn)頻率、信道、交換等通信網(wǎng)絡資源的動態(tài)分配以及功率、調(diào)制、編碼等波形參數(shù)與網(wǎng)絡參數(shù)的優(yōu)化配置，從而實現(xiàn)匹配場景需求的自適應組網(wǎng)能力，并且能夠隨著場景的切換而進行資源的釋放和重組。這是戰(zhàn)術場景互聯(lián)網(wǎng)的關鍵能力特征。
4）網(wǎng)絡場景學習能力。在對戰(zhàn)術網(wǎng)絡場景建模、組網(wǎng)行為建模的基礎上，網(wǎng)絡節(jié)點能夠根據(jù)組網(wǎng)行為結果的反饋與評估等手段，進行網(wǎng)絡場景知識的發(fā)現(xiàn)、形成、使用與積累，實現(xiàn)場景認知組網(wǎng)的學習環(huán)路，從而能夠自主適應陌生場景或更好適應已有場景。這是戰(zhàn)術場景互聯(lián)網(wǎng)具備認知智能的核心能力。
5）任務分配與自主協(xié)同能力。網(wǎng)絡節(jié)點尤其是無人自主節(jié)點，能夠基于用戶需求目標、作戰(zhàn)資源狀態(tài)和節(jié)點聯(lián)網(wǎng)狀態(tài)，自主決策分配各節(jié)點任務，并基于各節(jié)點間網(wǎng)絡連接，實現(xiàn)各節(jié)點間分布式自主協(xié)同的能力，并通過資源的合理分配，支持同時動態(tài)構建多條并行路徑。這是戰(zhàn)術場景互聯(lián)網(wǎng)支持非線性分布式殺傷網(wǎng)的主要體現(xiàn)。
4 戰(zhàn)術場景互聯(lián)網(wǎng)實現(xiàn)關鍵技術
戰(zhàn)術場景互聯(lián)網(wǎng)作為一種具備場景認知智能的戰(zhàn)術信息網(wǎng)絡，涉及技術領域主要包括三大部分：傳輸與組網(wǎng)等通信網(wǎng)絡技術、協(xié)同與控制等信息系統(tǒng)技術以及建模與認知等人工智能技術。在戰(zhàn)術場景互聯(lián)網(wǎng)設計與實現(xiàn)上主要涉及到下列關鍵技術。
4.1 戰(zhàn)術場景互聯(lián)網(wǎng)體系架構設計技術
網(wǎng)絡體系架構是對網(wǎng)絡總體功能和內(nèi)在邏輯作出的一種明確界定，是針對某一特定網(wǎng)絡系統(tǒng)的需求目標而提出的一系列具有指導意義的抽象設計原則及網(wǎng)絡總體結構規(guī)約，一般比具體的網(wǎng)絡實現(xiàn)技術更抽象、更通用、更長效，而且通常對于這一特定網(wǎng)絡系統(tǒng)的建設,以及未來發(fā)展具有宏觀和全局的指導作用。網(wǎng)絡體系架構研究已經(jīng)從計算機網(wǎng)絡、信息通信領域延伸和拓展到了統(tǒng)計學、經(jīng)濟學、物理學、生物學、系統(tǒng)科學、社會科學等多種學科和領域。
戰(zhàn)術場景互聯(lián)網(wǎng)體系架構設計，主要研究任務是將人們關于通用網(wǎng)絡體系結構研究所得到的一些普適性原理、技術和方法，運用到面向未來無人化智能化戰(zhàn)場、具備場景認知能力這一特定需求目標的戰(zhàn)術場景互聯(lián)網(wǎng)的相關研究中來，并與用戶目標和業(yè)務需求一體設計，與人工智能技術相結合，從而最終形成專門針對戰(zhàn)術場景互聯(lián)網(wǎng)的新型智能化戰(zhàn)術信息網(wǎng)絡體系架構。研究內(nèi)容主要包括網(wǎng)絡功能參考模型、拓撲模型、行為模型、流量模型、路由架構、運維管理架構、安全架構等。
目前，已經(jīng)產(chǎn)生出許多不同類型的網(wǎng)絡體系架構，如國際標準化組織（international organization for standardization, ISO）提出的開放系統(tǒng)互聯(lián)參考模型（open system interconnection reference model, OSI/RM）以及運用最為廣泛的互聯(lián)網(wǎng)所采用的TCP/IP參考模型等傳統(tǒng)架構，還有面向服務網(wǎng)絡、內(nèi)容中心網(wǎng)絡、軟件定義網(wǎng)絡等新型網(wǎng)絡體系架構[9]。所有這些網(wǎng)絡體系架構在研究背景、總體結構、層次劃分、構成元素、組網(wǎng)形式、通信協(xié)議等方面都存在或多或少的差異。
4.2 網(wǎng)絡場景認知理論與場景認知引擎技術
所謂網(wǎng)絡場景認知，是指網(wǎng)絡節(jié)點感知并識別特定網(wǎng)絡場景，通過運用網(wǎng)絡場景知識，進行推理和對以往經(jīng)驗的學習，自主決策傳輸與組網(wǎng)行為，以適應場景的變化并不斷優(yōu)化整體性能的過程。
網(wǎng)絡場景認知理論就是對網(wǎng)絡場景和組網(wǎng)行為進行數(shù)學建模并高效表示，分析歸納場景與行為之間的耦合機理并進行知識表示，建立并完善網(wǎng)絡場景認知知識體系，設計并構建場景認知環(huán)路模型的一系列理論與方法。研究內(nèi)容主要包括網(wǎng)絡場景分析與建模、電磁行為分析與建模、組網(wǎng)行為分析與建模、場景行為耦合機理分析與建模,以及網(wǎng)絡場景認知知識體系等理論方法。它是戰(zhàn)術場景互聯(lián)網(wǎng)實現(xiàn)場景認知智能組網(wǎng)的前提與理論基礎。
場景認知引擎就是在軟件定義的網(wǎng)絡節(jié)點平臺上實現(xiàn)基于人工智能技術的推理與學習，實現(xiàn)并驅動整個場景認知環(huán)路，從而實現(xiàn)智能化的自主靈活組網(wǎng)。因此，場景認知引擎是對場景認知理論與方法的具體技術實現(xiàn)，是驅動網(wǎng)絡節(jié)點物理、傳輸、網(wǎng)絡以及應用等各層實現(xiàn)智能化的核心，是戰(zhàn)術場景互聯(lián)網(wǎng)的核心部件，場景認知引擎技術是實現(xiàn)戰(zhàn)術場景互聯(lián)網(wǎng)的核心技術。研究內(nèi)容主要包括場景認知引擎實現(xiàn)架構設計、場景認知高效知識表示、機器推理與學習算法、知識庫構建等。
目前，還沒有場景認知理論和場景認知引擎技術等方面的研究工作。在認知無線電領域[10-11]開展了一些認知引擎技術的理論研究工作，比較典型的有美國弗吉尼亞工學院的無線通信中心和美國國防部通信科學實驗室研究開發(fā)的認知引擎，國內(nèi)也有一些認知引擎架構方面的理論研究，這些研究僅實現(xiàn)了物理層和鏈路層的認知與優(yōu)化，尚未涉及到場景與行為的建模和認知，但其模型設計對場景認知引擎技術的研究都具有一定參考借鑒價值[12]。在場景認知高效知識表示技術方面，大多數(shù)機器表示語言如SDL、UML、IDL以及XML等都是用于描述的計算機語言，但缺乏準確性和靈活性，瑞典皇家科學院開發(fā)的無線知識描述語言（radio knowledge representation language, RKRL）以及基于本體（ontology）的知識表示方法都得到了深入研究；可用于場景認知的機器推理[13]人工智能算法主要有狀態(tài)空間模型及其查找、基于規(guī)則系統(tǒng)、基于案例推理、神經(jīng)網(wǎng)絡、模糊邏輯、遺傳算法以及基于知識推理等，機器學習[14-15]人工智能算法主要有貝葉斯邏輯、決策樹、Q學習法、時間差分法、神經(jīng)網(wǎng)絡、博弈論以及遺傳算法等，不同的算法適用于不同的場合，需要針對戰(zhàn)術無線網(wǎng)絡場景與行為的特點，研究選擇合適高效的算法。
4.3 場景驅動智能組網(wǎng)與協(xié)同傳輸技術
組網(wǎng)與傳輸技術是實現(xiàn)無線通信網(wǎng)絡建立與維護、信息傳輸與分發(fā)的主體技術，主要包括無線傳輸、信道接入控制、網(wǎng)絡路由等方面。與傳統(tǒng)的無線組網(wǎng)和傳輸技術不同，在戰(zhàn)術場景互聯(lián)網(wǎng)中，由于場景型網(wǎng)絡特性以及網(wǎng)絡節(jié)點的自主性和智能性，一方面降低了全網(wǎng)端到端路由維護和信息傳輸?shù)囊?；另一方面又提高了網(wǎng)絡自組織、自重構、自生長的智能化要求。
場景驅動智能組網(wǎng)與協(xié)同傳輸技術就是將基于人工智能技術的場景認知理論方法與傳統(tǒng)的組網(wǎng)和傳輸技術相結合，在自主感知場景的基礎上，運用網(wǎng)絡場景知識，驅動網(wǎng)絡各層次資源的靈活調(diào)度，實現(xiàn)靈活高效的接入與傳輸、自主智能的組網(wǎng)與維護。研究內(nèi)容包括基于場景認知的動態(tài)頻譜接入、信道接入控制、分布式協(xié)同傳輸、自主組網(wǎng)路由以及波形動態(tài)重構、拓撲敏捷重構等技術。
4.4 場景驅動智能決策與協(xié)同控制技術
場景驅動智能決策與協(xié)同控制是戰(zhàn)術場景互聯(lián)網(wǎng)作為場景型網(wǎng)絡尤其是支撐無人平臺自主組網(wǎng)的信息網(wǎng)絡，區(qū)別于其他通用型通信網(wǎng)絡的關鍵之處。在感知用戶需求以及節(jié)點資源狀態(tài)等場景要素的基礎上，節(jié)點的作戰(zhàn)資源與網(wǎng)絡資源一體考慮，以網(wǎng)絡場景為中心智能決策節(jié)點組合與任務分配，并在任務執(zhí)行過程中根據(jù)資源變化情況進行節(jié)點間分布式協(xié)同控制與動態(tài)調(diào)整。決策與控制的過程都是與通信網(wǎng)絡資源狀態(tài)、傳輸和組網(wǎng)方式等密不可分、相互協(xié)調(diào)的。場景驅動智能決策與協(xié)同控制技術研究內(nèi)容主要包括多目標約束下的資源分配機制、多智能體分布式協(xié)同控制等技術。
5 結束語
未來無人化智能化戰(zhàn)場必將對傳統(tǒng)戰(zhàn)術通信網(wǎng)絡提出更多更高挑戰(zhàn)，具備場景認知智能的戰(zhàn)術場景互聯(lián)網(wǎng)，可以實現(xiàn)場景驅動下的智能靈活高效組網(wǎng)，支持分散、異構、跨域作戰(zhàn)力量的迅速組合和重組，支持動態(tài)創(chuàng)建分布式、多效果、多路徑的殺傷網(wǎng)。目前的研究還處于起步階段，隨著研究的不斷深入，戰(zhàn)術場景互聯(lián)網(wǎng)理論與技術的不斷成熟，戰(zhàn)術場景互聯(lián)網(wǎng)必將迎來廣闊的應用前景，成為未來智能化戰(zhàn)場的神經(jīng)系統(tǒng)。
References
1. 陳杰, 辛斌. 有人/無人系統(tǒng)自主協(xié)同的關鍵科學問題 [J]. 中國科學: 信息科學, 2018, 48: 1270-1274.
CHEN J, XIN B. Key scientific problems in the autonomous cooperation of manned-unmanned systems[J]. SCIENTIA SINICA Informationis, 2018, 48: 1270-1274.
2. 段海濱, 邱華鑫. 基于群體智能的無人機集群自主控制 [M]. 北京: 科學出版社, 2018.
DUAN H B, QIU H X. Unmanned aerial vehicle swarm autonomous control based on swarm intelligence[M]. Beijing: Science Press, 2018.
3. 戴浩. 無人機系統(tǒng)的指揮控制 [J]. 指揮與控制學報, 2016, 2(1): 5-8.
DAI H. Command and control of UAV system[J]. Journal of Command and Control, 2016, 2(1): 5-8.
4. 于全. 戰(zhàn)術通信理論與技術 [M]. 北京: 人民郵電出版社, 2020.
YU Q. Communications in Tactical Environments: Theories and Technologies [M]. Beijing: Posts & Telecom Press, 2020.
5. BRYAN C, DANIEL P, HARRISON S. Mosaic warfare: exploiting artificial intelligence and autonomous systems to implement decision-centric operations [R/OL]. [2021-10-02]. https://csbaonline.org/uploads/documents/Mosaic_Warfare_Web.pdf.
6. 王海. 戰(zhàn)術互聯(lián)網(wǎng) [M]. 北京: 國防工業(yè)出版社, 2020.
WANG H. Tactical internet [M]. Beijing: National Defense Industry Press, 2020.
7. 趙文棟, 張磊. 戰(zhàn)術數(shù)據(jù)鏈 [M]. 北京: 清華大學出版社, 2019.
ZHAO W D, ZHANG L. Battlefield Informatization [M]. Beijing: Tsinghua University Press, 2019.
8. YOU X H, WANG C X, HUANG J, et al. Towards 6G wireless communication networks: vision, enabling technologies, and new paradigm shifts[J]. Science China Information Sciences, 2021, 64(1): 74.
9. 鄔江興, 蘭巨龍. 新型網(wǎng)絡體系結構 [M]. 北京: 人民郵電出版社, 2014.
WU J X, LAN J L. Novel network architecture[M]. Beijing: Posts & Telecom Press, 2014.
10. MITOLA J I, MAGUIRE G Q. Cognitive radio: making software radios more personal[J]. IEEE Personal Communications, 1999, 6(4): 13-18.
11. HAYKIN S. Cognitive radio: brain-empowered wireless communications[J]. IEEE Journal on Selected Areas in Communications, 2005, 23(2): 201-220.
12. 汪李峰, 魏勝群. 認知引擎技術 [J]. 中興通訊技術, 2009, 15(2): 5-9.
WANG L F, WEI S Q. Cognitive engine technology[J]. ZTE Communications, 2009, 15(2): 5-9.
13. LEVESQUE H J. Knowledge representation and reasoning[J]. Annual Review of Computer Science, 1986, 1(1): 255-287.
14. BKASSINY M, LI Y, JAYAWEERA S K. A survey on machine-learning techniques in cognitive radios[J]. IEEE Communications Surveys & Tutorials, 2013, 15(3): 1136-1159.
15. SHAI S S. Understanding machine learning: from theory to algorithms[M]. Cambridge: Cambridge University Press, 2014.
作者簡介：
汪李峰(1976—), 男, 軍事科學院正高級工程師, 主要研究方向為戰(zhàn)術通信、認知通信.
楊學軍(1963—), 男, 軍事科學院教授, 中國科學院院士, 主要研究方向為人工智能、群體智能操作系統(tǒng)、智能化作戰(zhàn)體系. 本文共同第一作者.
轉載請注明出處
