淺析機器學習在軍事通信中的應(yīng)用

趙四方，張志剛

（海軍工程大學電子工程學院，武漢 430033）

1 引言

在信息時代，通信作為信息終端之間溝通的橋梁起著無可替代的作用。軍事通信是保障軍隊軍隊遂行作戰(zhàn)任務(wù)，完成戰(zhàn)場指揮的重要環(huán)節(jié)。隨著信息化水平的提高，軍用通信數(shù)據(jù)越來越多也越來越重要。目前，很多數(shù)據(jù)仍然沒有得到充分的應(yīng)用，耗費了大量資源[1]。同時，軍事通信對數(shù)據(jù)的依賴性卻來卻強，迫切需要一種可以充分利用數(shù)據(jù)資源，實現(xiàn)通信高效，準確和自動化的通信技術(shù)。

當前，人工智能技術(shù)逐漸發(fā)展與成熟為軍事通信提供了新的解決手法。其中以機器學習為代表的技術(shù)手段可以利用現(xiàn)有的軍事通信數(shù)據(jù)，在頻譜預(yù)測，通信對抗和通信網(wǎng)絡(luò)組網(wǎng)方面可以起事倍功半的作用。

2 機器學習

2.1 機器學習概述

機器學習（Machine Learning）是一門研究計算機怎樣模擬或?qū)崿F(xiàn)人類學習行為的多領(lǐng)域交叉學科，其主要是設(shè)計出一些算法使得計算機自動“學習”，從而改善計算機的自身性能[2]。機器學習可以分為四類：監(jiān)督學習，無監(jiān)督學習，半監(jiān)督學習和強化學習。樣本數(shù)據(jù)有無標注是和使用方法是區(qū)別以上四種學習類型的關(guān)鍵。目前，機器學習以監(jiān)督學習的發(fā)展最為成熟。

2.2 機器學習的應(yīng)用與前景

機器學習的核心在于數(shù)據(jù)的應(yīng)用處理和模型調(diào)參，所以機器學習主要應(yīng)用于具有良好數(shù)據(jù)質(zhì)量和數(shù)量的行業(yè)，例如金融領(lǐng)域的自動交易處理系統(tǒng)，汽車領(lǐng)域的自動駕駛系統(tǒng)和人臉識別系統(tǒng)等。同時，在2018年全國人民代表大會和全國政協(xié)代表大會中，以機器學習為代表的的人工智能技術(shù)再次被寫入政府工作報告，充分顯示了國家對于其行業(yè)發(fā)展的重視與希望。在軍事通信領(lǐng)域中，存在大量未被發(fā)掘和利用的數(shù)據(jù)，目前也成為各國軍事發(fā)展爭奪的焦點。

3 機器學習在軍事通信領(lǐng)域中的應(yīng)用

3.1 機器學習在頻譜預(yù)測中的應(yīng)用

頻譜預(yù)測作為軍事通信領(lǐng)域的重要應(yīng)用，目前主要是使用自適應(yīng)通信系統(tǒng)完成相應(yīng)任務(wù)。其使用信道掃描的方法，對不同頻率的通信效果進行評估打分，最終按照分數(shù)的高低選擇最佳的通信頻率。

自適應(yīng)通信系統(tǒng)簡便了通信流程，并且產(chǎn)生了可供利用的通信數(shù)據(jù)。但是在瞬息萬變的戰(zhàn)場通信中，仍需要一種迅速準確的頻譜預(yù)測手段。機器學習通過對歷史數(shù)據(jù)的統(tǒng)計分析完成預(yù)測任務(wù)。軍事通信中具有大量優(yōu)質(zhì)可靠的歷史通信數(shù)據(jù)，利用這些既有數(shù)據(jù)，通過相應(yīng)的學習算法可以構(gòu)建準確的機器學習模型。相比傳統(tǒng)的自適應(yīng)通信系統(tǒng)，機器學習模型具有預(yù)測頻率準確，迅速和可靠性高的特點。除此之外，最顯著的特征是模型可以隨歷史數(shù)據(jù)的積累不斷優(yōu)化自身，提高預(yù)測的準確度，同時可以反映通信特征隨環(huán)境的變化情況，便于相關(guān)機構(gòu)的后續(xù)科學研究。機器學習方法可以提高頻譜預(yù)測的準確度。

3.2 機器學習在通信對抗中的應(yīng)用

通信對抗作為軍事通信的重要一環(huán)，包含了干擾與反干擾兩大方面。通信對抗中也存大量未被有效利用的數(shù)據(jù)，例如各站的偵查數(shù)據(jù)和測向數(shù)據(jù)。在實戰(zhàn)中需要人工干預(yù)的方法進行數(shù)據(jù)處理，效率低下。傳統(tǒng)基于人工手段的通信對抗手段已不能滿足高節(jié)奏戰(zhàn)場的需要。

現(xiàn)代高技術(shù)戰(zhàn)爭中，通信對抗方式出現(xiàn)了一下新特點：各軍兵種聯(lián)合作戰(zhàn)數(shù)據(jù)異構(gòu)性強；手段多樣化導致裝備種類復雜，操作難度加大；戰(zhàn)爭節(jié)奏加快使得電磁態(tài)勢快速變化[3]。面對新特點，機器學習提供了新的解決方案。在各軍兵種聯(lián)合作戰(zhàn)方面，機器學習可以集成規(guī)范化的操作流程，以流水線的方式實現(xiàn)對不同數(shù)據(jù)的標準化與規(guī)則化，并可以實現(xiàn)不同維度的數(shù)據(jù)信息相互轉(zhuǎn)化。在多樣化的對抗手段中，通過機器學習模型減少裝備的人為干預(yù)成分，降低了人為失誤概率和訓練難度，可以有效提升人機結(jié)合能力。在快速變化的電磁態(tài)勢中，歷史數(shù)據(jù)訓練的機器學習模型可以通過對比，迅速識別異常情況并及時作出預(yù)警，有助于決策層提高戰(zhàn)場反應(yīng)能力。機器學習方法可以提高通信對抗的感知能力。

3.3 機器學習在通信組網(wǎng)中的應(yīng)用

軍用戰(zhàn)術(shù)通信組網(wǎng)以移動設(shè)備為依托，為戰(zhàn)術(shù)和戰(zhàn)役提供保障[4]。通信組網(wǎng)分為主從式和環(huán)形式。主從式分主臺和若干叢臺，拓撲結(jié)構(gòu)常見為點對點和一對多組網(wǎng)，通信模式主含廣播與點播。環(huán)形式組網(wǎng)中各個電臺為相同級別，相互之間互相通信。

電臺自組網(wǎng)和傳感器間組網(wǎng)是各國軍隊爭奪的高點，其中代表為戰(zhàn)術(shù)通信數(shù)據(jù)鏈和無人機機群。目前通信組網(wǎng)方式大多需要人工操作和守聽或者預(yù)先編程，并且存在組網(wǎng)拓撲結(jié)構(gòu)不合理，不同網(wǎng)系之間轉(zhuǎn)換復雜的情況。解決問題的關(guān)鍵技術(shù)在于節(jié)點設(shè)置和路由決策，目前證多參數(shù)下的路由計算為NP完全問題[5]，即可以完成多項式的快速計算。軍事組網(wǎng)電臺和傳感器中歷史流量數(shù)據(jù)可以作為機器學習節(jié)點劃分和動態(tài)路由決策的依據(jù)，模型可以通過對流量的追蹤和分析完成主從站和節(jié)點劃分，并隨情況變化自適應(yīng)改變網(wǎng)絡(luò)拓撲結(jié)構(gòu)，減少網(wǎng)系之間轉(zhuǎn)化時間。對于路由決策問題，通過數(shù)據(jù)更新和梯度下降不斷降低網(wǎng)絡(luò)復雜度，最終實現(xiàn)自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)決策模型。機器學習方法可以提高通信組網(wǎng)的靈活度。

4 結(jié)束語

機器學習在軍事通信中有廣泛的應(yīng)用前景，其基于當前通信中的大量的歷史數(shù)據(jù)提升了頻譜預(yù)測的準確度，通信對抗的感知度和通信組網(wǎng)的靈活度。今后，機器學習在軍用通信領(lǐng)域的發(fā)展還會更加迅速，在通信指揮自動化，通信數(shù)據(jù)可視化和通信手段多樣化方面提供更加多的解決思路，成為軍事通信史上的重大變革。

[1] 王娟，梅強，牛曉華.數(shù)據(jù)工程在軍事通信中的應(yīng)用設(shè)計[J].數(shù)據(jù)通信，2016.5.

[2] 顧華來.機器學習在無線通信中的應(yīng)用研究[D].南京大學，2012.5.

[3] 溫小東，高鐵峰.通信對抗指揮智能決策支持系統(tǒng)[J].無線電工程，2006，36（12）.

[4] 王曉楠.無線局域網(wǎng)技術(shù)在軍隊戰(zhàn)術(shù)通信組網(wǎng)中的應(yīng)用探索[C].洛杉磯，2016.12.

[5] 李彥君.利用機器學習實現(xiàn)快速網(wǎng)絡(luò)資源分配的研究[D].電子科技大學，2015.