精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的挑戰(zhàn)與思考

范晉祥 劉嘉

摘要：精確制導(dǎo)系統(tǒng)是利用彈載精確探測(cè)裝置在復(fù)雜戰(zhàn)場(chǎng)環(huán)境中發(fā)現(xiàn)、識(shí)別和跟蹤目標(biāo)，利用慣性技術(shù)和/或信息支援保障獲取彈體自身和所要打擊的各種目標(biāo)的位置和運(yùn)動(dòng)信息，控制和導(dǎo)引制導(dǎo)武器準(zhǔn)確命中目標(biāo)的系統(tǒng)。自20世紀(jì)70年代正式提出精確制導(dǎo)概念以來(lái)，經(jīng)過(guò)40多年的發(fā)展，精確制導(dǎo)系統(tǒng)和技術(shù)的發(fā)展取得了巨大的進(jìn)步和成就，精確制導(dǎo)武器在現(xiàn)代高技術(shù)戰(zhàn)爭(zhēng)中的作用和地位也在持續(xù)提高。隨著精確制導(dǎo)系統(tǒng)面臨的戰(zhàn)場(chǎng)環(huán)境的復(fù)雜化和目標(biāo)特性的不確定性程度的提高，精確制導(dǎo)系統(tǒng)與技術(shù)的發(fā)展也面臨著越來(lái)越大的挑戰(zhàn)。彈載自動(dòng)目標(biāo)識(shí)別技術(shù)是使導(dǎo)彈適應(yīng)復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境和激烈博弈的對(duì)抗條件下精確打擊各類目標(biāo)的關(guān)鍵技術(shù)之一，也是精確制導(dǎo)技術(shù)領(lǐng)域長(zhǎng)期以來(lái)重點(diǎn)研究的一個(gè)方向，但由于復(fù)雜戰(zhàn)場(chǎng)環(huán)境下的自動(dòng)目標(biāo)識(shí)別、決策要求智能程度較高，盡管幾十年來(lái)一直在努力通過(guò)提升自動(dòng)目標(biāo)識(shí)別的智能化水平，來(lái)使精確制導(dǎo)系統(tǒng)在復(fù)雜戰(zhàn)場(chǎng)環(huán)境和寬范圍變化的目標(biāo)特性條件下具有穩(wěn)健的性能，彈載自動(dòng)目標(biāo)識(shí)別問(wèn)題仍然沒(méi)有得到很好的解決。本文介紹了精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的發(fā)展進(jìn)程，分析了當(dāng)前精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化所面臨的挑戰(zhàn)，對(duì)精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的發(fā)展給出了一些粗淺的看法。

關(guān)鍵詞：精確制導(dǎo);紅外成像制導(dǎo);多模復(fù)合制導(dǎo);復(fù)雜戰(zhàn)場(chǎng)環(huán)境;自動(dòng)目標(biāo)識(shí)別;人工智能;機(jī)器學(xué)習(xí)

中圖分類號(hào)：TJ765.3;V249文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-5048（2019）01-0030-09[SQ0]

0引言

作為現(xiàn)代戰(zhàn)爭(zhēng)中最重要的一類武器，精確制導(dǎo)武器自問(wèn)世以來(lái)，在美軍主要參戰(zhàn)的幾次局部戰(zhàn)爭(zhēng)中使用的比例越來(lái)越高，發(fā)揮的作用也越來(lái)越大。但隨著現(xiàn)代戰(zhàn)爭(zhēng)作戰(zhàn)方式和作戰(zhàn)環(huán)境復(fù)雜性、變化性的提高，尤其是對(duì)付各類精確制導(dǎo)武器的各種對(duì)抗手段的發(fā)展，精確制導(dǎo)系統(tǒng)也面臨著日益嚴(yán)峻的挑戰(zhàn)，對(duì)精確制導(dǎo)武器的攻擊距離和作戰(zhàn)使用方式等都有了更高的要求，如使紅外制導(dǎo)的空空導(dǎo)彈具有更遠(yuǎn)的射程，能夠在復(fù)雜的作戰(zhàn)對(duì)抗環(huán)境下實(shí)現(xiàn)發(fā)射后鎖定，這就需要紅外導(dǎo)引頭能夠在導(dǎo)彈發(fā)射后自主截獲鎖定目標(biāo)，能夠在復(fù)雜的戰(zhàn)場(chǎng)對(duì)抗環(huán)境中識(shí)別出所要攔截的目標(biāo)。

精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別，基于彈載傳感器獲得的信息，或者綜合利用彈載傳感器和導(dǎo)彈接收的外部信息及目標(biāo)特征數(shù)據(jù)庫(kù)，通過(guò)彈上計(jì)算機(jī)信息處理（自動(dòng)目標(biāo)識(shí)別）算法，在各種作戰(zhàn)使用環(huán)境下探測(cè)感興趣的敵方目標(biāo)并完成分類、識(shí)別，對(duì)于導(dǎo)彈武器在復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境和激烈博弈的對(duì)抗條件下精確打擊各類目標(biāo)具有重要意義。

本文介紹了精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的現(xiàn)狀，分析了精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化所面臨的挑戰(zhàn)，對(duì)精確制導(dǎo)系統(tǒng)智能化的發(fā)展進(jìn)行了粗淺的思考。

1精確制導(dǎo)系統(tǒng)智能化的發(fā)展進(jìn)程與現(xiàn)狀

1.1精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的發(fā)展進(jìn)程

自動(dòng)目標(biāo)識(shí)別技術(shù)的發(fā)展最早可追溯到20世紀(jì)60年代末，經(jīng)歷了近50年的發(fā)展歷程，提出了多種多樣的自動(dòng)目標(biāo)識(shí)別算法。縱觀自動(dòng)目標(biāo)識(shí)別領(lǐng)域的發(fā)展，始終在致力于提高自動(dòng)目標(biāo)識(shí)別系統(tǒng)的自適應(yīng)和學(xué)習(xí)能力。早期的系統(tǒng)以統(tǒng)計(jì)模式識(shí)別為主，其后發(fā)展了基于模型的視覺(jué)和基于知識(shí)的系統(tǒng)，又將人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)及深度學(xué)習(xí)等技術(shù)應(yīng)用于自動(dòng)目標(biāo)識(shí)別領(lǐng)域，自動(dòng)目標(biāo)識(shí)別技術(shù)的主要發(fā)展歷程如圖1所示。

（1）早期的發(fā)展：試圖采用基于特征的統(tǒng)計(jì)模式識(shí)別解決自動(dòng)目標(biāo)識(shí)別問(wèn)題

早在20世紀(jì)70年代，美國(guó)就開(kāi)始針對(duì)機(jī)載光電火控系統(tǒng)及紅外成像制導(dǎo)導(dǎo)彈等應(yīng)用發(fā)展

自動(dòng)目標(biāo)識(shí)別技術(shù)，期望采用圖像處理和基于特征的統(tǒng)計(jì)模式識(shí)別技術(shù)來(lái)解決目標(biāo)識(shí)別問(wèn)題。

基于特征的方法假設(shè)源于不同類別目標(biāo)的特征在多維特征空間的一個(gè)可分離的區(qū)域，而源于相同的類的特征聚集在一起，并通過(guò)設(shè)計(jì)特征提取算法和分類器實(shí)現(xiàn)目標(biāo)類別的識(shí)別?；谔卣鞯姆椒ㄊ且环N自上而下的方法，它試圖獲取目標(biāo)的多方位的變化，并采用特征的形式來(lái)表示，這些特征被用于產(chǎn)生一個(gè)訓(xùn)練的分類器。這種方法的實(shí)際識(shí)別結(jié)果遠(yuǎn)未達(dá)到期望的要求，穩(wěn)健性較差，低雜波中的檢測(cè)概率不超過(guò)70%，虛警率較高。主要問(wèn)題包括：僅利用目標(biāo)探測(cè)傳感器的信息;紅外成像傳感器和信息處理機(jī)硬件的約束;測(cè)試集非常有限;對(duì)紅外圖像的變化性了解不足;沒(méi)有利用所有可利用的數(shù)據(jù)。

僅有有限的知識(shí)，幾乎沒(méi)有從動(dòng)態(tài)的環(huán)境學(xué)習(xí)并適應(yīng)于它的智能和推理能力，難以應(yīng)對(duì)在擴(kuò)展的運(yùn)行使用條件下的目標(biāo)特征變化所帶來(lái)的“組合爆炸”問(wèn)題，當(dāng)面臨的特征與在離線訓(xùn)練階段所使用的特征有明顯的變化時(shí)就無(wú)能為力。

為此，提出了如表1所示的解決方案和技術(shù)途徑，期望通過(guò)嵌入人工智能來(lái)顯著提高系統(tǒng)性能。

（2）20世紀(jì)80年代：嘗試將人工智能應(yīng)用于自動(dòng)目標(biāo)識(shí)別領(lǐng)域

鑒于第一代自動(dòng)目標(biāo)識(shí)別系統(tǒng)存在的諸多問(wèn)題，20世紀(jì)80年代，開(kāi)始探討將人工智能應(yīng)用于自動(dòng)目標(biāo)識(shí)別領(lǐng)域，提出了基于知識(shí)的自動(dòng)目標(biāo)

識(shí)別，試圖用簡(jiǎn)單的推理規(guī)則描述在實(shí)踐中逐步積累的知識(shí)和經(jīng)驗(yàn)，在人工智能框架中利用上下文信息、語(yǔ)義信息和問(wèn)題領(lǐng)域的知識(shí)來(lái)提高自動(dòng)目標(biāo)識(shí)別系統(tǒng)的性能。主要問(wèn)題包括：難以從傳感器中抽取必要的數(shù)據(jù)以支持推理;難以獲取、表示和發(fā)掘利用先驗(yàn)知識(shí)（如地形數(shù)據(jù)）;缺乏適用于自動(dòng)目標(biāo)識(shí)別的總體性的知識(shí)表示結(jié)構(gòu);基于規(guī)則的人工智能系統(tǒng)對(duì)具體的假設(shè)和環(huán)境非常敏感，速度較慢，幾乎沒(méi)有學(xué)習(xí)能力。

b.基于模型的自動(dòng)目標(biāo)識(shí)別方法

20世紀(jì)80年代中期提出了基于模型的自動(dòng)目標(biāo)識(shí)別方法。與基于特征的方法不同，基于模型的方法以自下而上的方式處理識(shí)別問(wèn)題，通過(guò)在設(shè)計(jì)中加入先驗(yàn)知識(shí)來(lái)應(yīng)對(duì)基于特征的方法所遇到的主要挑戰(zhàn)?；谀Ｐ偷乃惴ㄒ獦?gòu)建一個(gè)用于感興趣的目標(biāo)的整體性的一般的物理模型，形成包括感興趣的場(chǎng)景的目標(biāo)模型庫(kù)，這種方法首先從輸入的前視紅外或合成孔徑雷達(dá)圖像提取特征，然后，將所提取的特征與在飛行中根據(jù)預(yù)設(shè)計(jì)的感興趣目標(biāo)模型和傳感器模型推導(dǎo)出的特征假設(shè)進(jìn)行比較，直到達(dá)到具有一定的置信度水平的匹配。

基于模型的方法則將知識(shí)嵌入在設(shè)計(jì)中，使它更加靈活，且能夠應(yīng)對(duì)各種運(yùn)行使用條件。然而，應(yīng)當(dāng)注意到，這一能力取決于目標(biāo)模型設(shè)計(jì)的通用性，這是一個(gè)主要的挑戰(zhàn)。此外，還有一個(gè)主要的挑戰(zhàn)是所涉及的設(shè)計(jì)復(fù)雜性和計(jì)算復(fù)雜性。

c.基于模板匹配的自動(dòng)目標(biāo)識(shí)別方法

20世紀(jì)80年代中期，提出將算法分為兩級(jí)：感興趣區(qū)域提取和目標(biāo)識(shí)別。先依據(jù)一定的準(zhǔn)則提取感興趣區(qū)域，然后采用模板匹配器將感興趣區(qū)域與存儲(chǔ)的目標(biāo)模板進(jìn)行比較，把與目標(biāo)模板最接近的感興趣區(qū)域分類為目標(biāo)。與基于統(tǒng)計(jì)模式識(shí)別的目標(biāo)識(shí)別系統(tǒng)相比，性能顯著提高，在低到中等雜波條件下，檢測(cè)概率提高到80%，分類和識(shí)別性能也明顯提高。

d.人工神經(jīng)網(wǎng)絡(luò)在自動(dòng)目標(biāo)識(shí)別中的應(yīng)用

由于基于知識(shí)的和基于模型的自動(dòng)目標(biāo)識(shí)別方法的表現(xiàn)仍不盡如人意，同時(shí)人工神經(jīng)網(wǎng)絡(luò)研究再度興起并掀起了新的熱潮，20世紀(jì)80年代末期，開(kāi)始探索采用神經(jīng)網(wǎng)絡(luò)方法來(lái)解決自動(dòng)目標(biāo)識(shí)別問(wèn)題，期望提高識(shí)別速度和適應(yīng)于目標(biāo)和環(huán)境變化的能力，為自動(dòng)目標(biāo)識(shí)別算法提供人工神經(jīng)網(wǎng)絡(luò)所固有的學(xué)習(xí)能力。主要問(wèn)題：容易陷入局部最優(yōu);由于自動(dòng)目標(biāo)識(shí)別領(lǐng)域的復(fù)雜性，常規(guī)的神經(jīng)網(wǎng)絡(luò)不能在有限樣本情況下，對(duì)目標(biāo)的所有姿態(tài)和各種背景條件下給出所期望的性能。

（3）20世紀(jì)90年代：支持向量機(jī)（SVM）在自動(dòng)目標(biāo)識(shí)別中的應(yīng)用

20世紀(jì)90年代以來(lái)，支持向量機(jī)作為一種有堅(jiān)實(shí)理論基礎(chǔ)的新穎的小樣本學(xué)習(xí)方法，得到快速發(fā)展，用于解決人工神經(jīng)網(wǎng)絡(luò)的“維數(shù)災(zāi)難問(wèn)題”和Bayes網(wǎng)絡(luò)中“網(wǎng)絡(luò)規(guī)模爆炸問(wèn)題”，成為模式識(shí)別和統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，并在自動(dòng)目標(biāo)識(shí)別等領(lǐng)域得到應(yīng)用。支持向量機(jī)方法可以對(duì)線性可分的不同類型進(jìn)行分類，當(dāng)類別劃分的界限明顯時(shí)能夠得到很好的性能。主要不足：對(duì)大規(guī)模訓(xùn)練樣本難以實(shí)施SVM算法;解決多分類問(wèn)題存在困難;尋求合適的核函數(shù)相對(duì)困難;當(dāng)數(shù)據(jù)集具有更多的噪聲時(shí)，亦即目標(biāo)類是交疊時(shí)，得不到很好的性能。

（4）深度學(xué)習(xí)的興起及其在自動(dòng)目標(biāo)識(shí)別領(lǐng)域的應(yīng)用

2006年提出的深層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，使人工神經(jīng)網(wǎng)絡(luò)東山再起，對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)的興趣迅速爆發(fā)，深度學(xué)習(xí)在圖像識(shí)別等領(lǐng)域也獲得了成功的應(yīng)用，在計(jì)算機(jī)視覺(jué)問(wèn)題上表現(xiàn)出卓越的性能，并成為解決自動(dòng)目標(biāo)識(shí)別問(wèn)題的一種有效途徑。

由于軍事應(yīng)用的特殊性，難以得到大量的訓(xùn)練數(shù)據(jù)供基于紅外的目標(biāo)識(shí)別學(xué)習(xí)。為了應(yīng)對(duì)紅外目標(biāo)和場(chǎng)景的寬泛變化性，自動(dòng)目標(biāo)識(shí)別研究者評(píng)估了深度卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)于紅外目標(biāo)分類問(wèn)題的適用性，有研究者提出在深度學(xué)習(xí)中，采用遷移學(xué)習(xí)或合成紅外圖像生成器來(lái)解決紅外數(shù)據(jù)庫(kù)規(guī)模較小的問(wèn)題，在卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測(cè)試期間采用降低紅外變化性的模塊來(lái)解決紅外圖像的大的變化性的問(wèn)題。

總體來(lái)看，盡管幾十年來(lái)人們發(fā)展了多種多樣的自動(dòng)目標(biāo)識(shí)別算法，自動(dòng)目標(biāo)識(shí)別主要有三大技術(shù)路線：

（1）基于特征識(shí)別的技術(shù)路線

從物理空間提取、選擇目標(biāo)的特征形成在特征空間的特征向量，通過(guò)分類器實(shí)現(xiàn)目標(biāo)類別的識(shí)別。

（2）基于模板識(shí)別的技術(shù)路線

事先存儲(chǔ)目標(biāo)在“各種條件”下的模板圖像，通過(guò)計(jì)算待識(shí)別的圖像與模板圖像之間的相似性實(shí)現(xiàn)目標(biāo)類別的識(shí)別。

（3）基于模型的技術(shù)路線

采用目標(biāo)的物理模型、傳感器模型及目標(biāo)紅外輻射或電磁散射計(jì)算模型等，實(shí)時(shí)或近實(shí)時(shí)預(yù)測(cè)目標(biāo)在任意姿態(tài)、配置或觀測(cè)幾何條件下的圖像或特征，將實(shí)際傳感器實(shí)測(cè)的數(shù)據(jù)與模型計(jì)算結(jié)果進(jìn)行匹配，通過(guò)評(píng)估匹配關(guān)系的強(qiáng)弱來(lái)完成目標(biāo)的分類或確認(rèn)。也有文獻(xiàn)將基于特征識(shí)別和基于模板識(shí)別的技術(shù)路線統(tǒng)稱為基于模板識(shí)別的技術(shù)路線。

1.2精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的應(yīng)用現(xiàn)狀

目前，精確制導(dǎo)系統(tǒng)主要通過(guò)自動(dòng)目標(biāo)識(shí)別算法對(duì)紅外成像傳感器、激光雷達(dá)、毫米波雷達(dá)和合成孔徑雷達(dá)所獲取的目標(biāo)及其周圍場(chǎng)景的圖像信息進(jìn)行分析、判斷來(lái)識(shí)別目標(biāo)。某些空地導(dǎo)彈、巡航導(dǎo)彈已經(jīng)成功應(yīng)用了紅外圖像自動(dòng)目標(biāo)識(shí)別技術(shù)，基于射頻雷達(dá)、激光雷達(dá)的自動(dòng)目標(biāo)識(shí)別技術(shù)也取得了很大的進(jìn)展。隨著彈載探測(cè)傳感器分辨率的不斷提高以及多波段/多光譜及多模復(fù)合彈載探測(cè)傳感器的發(fā)展，導(dǎo)引頭可以提供多波段/多光譜的目標(biāo)特征，獲取信息能力持續(xù)增強(qiáng)，還針對(duì)多模復(fù)合導(dǎo)引頭發(fā)展了基于多傳感器融合的自動(dòng)目標(biāo)識(shí)別技術(shù)，以實(shí)現(xiàn)對(duì)目標(biāo)高靈敏度的探測(cè)和高精度的識(shí)別、跟蹤。隨著導(dǎo)彈武器的信息化，以及網(wǎng)絡(luò)化信息交聯(lián)能力的提高，精確制導(dǎo)系統(tǒng)將在導(dǎo)彈本身獲取目標(biāo)信息的基礎(chǔ)上，充分利用信息化、網(wǎng)絡(luò)化協(xié)同作戰(zhàn)系統(tǒng)提供的信息，通過(guò)彈上計(jì)算機(jī)信息處理（自動(dòng)目標(biāo)識(shí)別）算法，實(shí)現(xiàn)對(duì)目標(biāo)的智能選擇與識(shí)別，有望具備更強(qiáng)的抗干擾/抗欺騙/誘餌識(shí)別能力。

目前，自動(dòng)目標(biāo)識(shí)別在精確制導(dǎo)空地導(dǎo)彈的自動(dòng)目標(biāo)截獲的典型應(yīng)用如下：

AGM-84H/KSLAM-ERATA系統(tǒng)，為駕駛員提供實(shí)時(shí)目標(biāo)引導(dǎo)，幫助確定希望的目標(biāo)瞄準(zhǔn)點(diǎn)，采用模板匹配算法將導(dǎo)彈紅外導(dǎo)引頭實(shí)時(shí)獲取的圖像與在任務(wù)規(guī)劃時(shí)存儲(chǔ)在導(dǎo)彈上的基準(zhǔn)圖進(jìn)行比較，從目標(biāo)場(chǎng)景中自動(dòng)確定預(yù)先規(guī)劃的瞄準(zhǔn)點(diǎn)。

AGM-158AJASSM導(dǎo)彈的紅外成像導(dǎo)引頭采用自動(dòng)目標(biāo)識(shí)別算法，每枚導(dǎo)彈中存儲(chǔ)八種不同目標(biāo)的模板（三維模型）。已經(jīng)部署了新的聯(lián)合任務(wù)規(guī)劃系統(tǒng)和精確瞄準(zhǔn)模塊（PTM），PTM可將三維目標(biāo)圖像轉(zhuǎn)換為用于導(dǎo)彈的紅外成像導(dǎo)引頭的數(shù)字?jǐn)?shù)據(jù)（模板）。

AGM-154C（JSOW-C）導(dǎo)彈也采用自動(dòng)目標(biāo)截獲（ATA）技術(shù)。

自動(dòng)目標(biāo)識(shí)別技術(shù)在多模復(fù)合精確制導(dǎo)導(dǎo)彈的典型應(yīng)用是美國(guó)的LRASM反艦導(dǎo)彈。LRASM反艦導(dǎo)彈綜合采用彈載主動(dòng)雷達(dá)、紅外成像和被動(dòng)射頻傳感器的數(shù)據(jù)或來(lái)自飛機(jī)或艦艇的雷達(dá)圖像，首先利用被動(dòng)射頻傳感器的數(shù)據(jù)識(shí)別并跟蹤艦船目標(biāo)，然后在其彈載雷達(dá)得到雷達(dá)回波信號(hào)后，將回波信號(hào)與存儲(chǔ)的目標(biāo)三維模型集進(jìn)行匹配，以識(shí)別敵方的艦艇，在到達(dá)紅外傳感器有效距離后，可綜合雷達(dá)和紅外圖像數(shù)據(jù)提取目標(biāo)的薄弱部位作為瞄準(zhǔn)點(diǎn)進(jìn)行攻擊。

2精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化所面臨的挑戰(zhàn)

人工智能和機(jī)器學(xué)習(xí)在過(guò)去的十幾年發(fā)展迅速，尤其是在過(guò)去的五年中，由于在計(jì)算能力和機(jī)器學(xué)習(xí)方面的指數(shù)型的增長(zhǎng)，人工智能的發(fā)展顯著加速，由于能得到和接入大的數(shù)據(jù)集，通過(guò)云計(jì)算和高性能計(jì)算，實(shí)現(xiàn)了機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和深度神經(jīng)網(wǎng)絡(luò)的迅速發(fā)展。例如，基于標(biāo)引的大規(guī)模數(shù)據(jù)集上采用卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，在視頻跟蹤和人工駕駛等方面取得了顯著的進(jìn)步。然而，人工智能和機(jī)器學(xué)習(xí)技術(shù)在精確制導(dǎo)系統(tǒng)等軍事應(yīng)用上還未取得顯著進(jìn)步。精確制導(dǎo)系統(tǒng)智能化，尤其是自動(dòng)目標(biāo)識(shí)別的智能化，是以美國(guó)為代表的軍事強(qiáng)國(guó)40年前就期望實(shí)現(xiàn)的目標(biāo)，但在大多數(shù)導(dǎo)彈系統(tǒng)中并沒(méi)有達(dá)到預(yù)定目標(biāo)。這是因?yàn)槟壳暗娜斯ぶ悄芎蜋C(jī)器學(xué)習(xí)技術(shù)還不適于強(qiáng)雜波的、擁擠的、復(fù)雜的、快速變化的軍事應(yīng)用場(chǎng)景，而且精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化還面臨著其他困難和挑戰(zhàn)。

2.1作戰(zhàn)環(huán)境和電子/光電干擾環(huán)境越來(lái)越惡劣，復(fù)雜干擾嚴(yán)重制約目標(biāo)識(shí)別和抗干擾能力

由于受眾多因素（目標(biāo)結(jié)構(gòu)、目標(biāo)/傳感器截獲參數(shù)（如方位角、俯仰角、傾斜角）、目標(biāo)/雜波交互作用（如被植被遮掩、偽裝））的影響，在作戰(zhàn)條件下，目標(biāo)的變化性呈現(xiàn)出組合爆炸。目標(biāo)可以全方位地出現(xiàn)，且在不同的譜段、不同的環(huán)境和作戰(zhàn)條件下有不同的特征;偽裝、隱蔽、欺騙（誘餌）顯著增加了目標(biāo)的維度空間。

因此，未來(lái)精確制導(dǎo)導(dǎo)彈的作戰(zhàn)環(huán)境是復(fù)雜的，且不可預(yù)測(cè)，要解決復(fù)雜作戰(zhàn)環(huán)境下的目標(biāo)識(shí)別和抗干擾問(wèn)題，需要能有效處理具有較少樣本、數(shù)據(jù)有噪聲的數(shù)據(jù)集，并運(yùn)行包括大量的“雜波”環(huán)境中的新的人工智能和機(jī)器學(xué)習(xí)方法。這些數(shù)據(jù)難以提前獲取和處理，且數(shù)據(jù)有多種類型。在這一環(huán)境中，某些事件和信息流可能是自然的，可以預(yù)計(jì)的，另一些則是欺騙性的，有敵意的，當(dāng)應(yīng)對(duì)復(fù)雜的和近對(duì)等的對(duì)手時(shí)，擁擠的和欺騙的環(huán)境將尤其具有挑戰(zhàn)性，這就要求人工智能和機(jī)器學(xué)習(xí)方法不僅是穩(wěn)健且彈性的，而且還能對(duì)各種情況的不確定性進(jìn)行推測(cè)、推理。

2.2彈載目標(biāo)探測(cè)傳感器與彈載計(jì)算機(jī)能力的限制

由于重量、體積、功耗等約束，彈載目標(biāo)探測(cè)傳感器的孔徑、紅外焦平面陣列的規(guī)格、多光譜傳感器的譜段數(shù)、微波/毫米波發(fā)射機(jī)的功率等都受到局限。

以紅外成像傳感器為例，盡管紅外焦平面探測(cè)器技術(shù)快速發(fā)展，紅外成像傳感器的性能顯著提高，單色紅外成像傳感器的性能已接近物理極限。然而，隨著紅外成像傳感器技術(shù)的改進(jìn)，人們認(rèn)識(shí)到背景雜波、植被等造成的高虛警數(shù)，地形和植被等造成的遮掩，被動(dòng)體制難以精確估計(jì)目標(biāo)距離，目標(biāo)特性的變化性、模糊性等因素都會(huì)影響到自動(dòng)目標(biāo)識(shí)別的性能。這些限制促使人們考慮采用諸如毫米波雷達(dá)、合成孔徑雷達(dá)、激光雷達(dá)和可見(jiàn)光光電傳感器。

試驗(yàn)表明，采用兩個(gè)或者更多的傳感器可以顯著提高精確制導(dǎo)導(dǎo)彈的整體性能。采用多波段/多光譜傳感器、三維激光雷達(dá)及多模復(fù)合傳感器，可以提供更多維度的目標(biāo)特征，實(shí)現(xiàn)對(duì)目標(biāo)的可靠探測(cè)和高準(zhǔn)確度識(shí)別。利用多個(gè)傳感器獲取用于目標(biāo)檢測(cè)和識(shí)別的數(shù)據(jù)是顯著提高自動(dòng)目標(biāo)識(shí)別性能的主要途徑，

檢測(cè)和識(shí)別目標(biāo)可以并發(fā)地利用多傳感器，對(duì)數(shù)據(jù)進(jìn)行融合可以利用光譜和幾何差異等來(lái)實(shí)現(xiàn)可靠決策。

在多傳感器融合目標(biāo)識(shí)別方面還有許多問(wèn)題，如來(lái)自多傳感器非同時(shí)數(shù)據(jù)的相關(guān)，以及出現(xiàn)相互沖突的報(bào)告時(shí)，如何確定對(duì)目標(biāo)的正確分類。

彈載計(jì)算機(jī)的處理能力也受到很大的限制，

彈載自動(dòng)目標(biāo)識(shí)別系統(tǒng)的運(yùn)行使用環(huán)境是復(fù)雜的、動(dòng)態(tài)的，且有很大的不可預(yù)測(cè)性，這與很大程度上依賴于大的和穩(wěn)定的訓(xùn)練數(shù)據(jù)和相對(duì)靜態(tài)的運(yùn)行使用環(huán)境，且能接入巨大的計(jì)算資源的商用人工智能和機(jī)器學(xué)習(xí)不同。彈載應(yīng)用場(chǎng)合不大可能、甚至無(wú)法接入強(qiáng)大的云計(jì)算設(shè)施。

2.3自動(dòng)目標(biāo)識(shí)別的多學(xué)科性

自動(dòng)目標(biāo)識(shí)別系統(tǒng)涉及到目標(biāo)和背景特性、目標(biāo)探測(cè)傳感器、處理算法、實(shí)時(shí)目標(biāo)識(shí)別處理機(jī)硬件體系結(jié)構(gòu)等多種技術(shù)和學(xué)科領(lǐng)域。在實(shí)現(xiàn)中，目標(biāo)所處自然環(huán)境和電磁環(huán)境的復(fù)雜性，極大地增加了自動(dòng)識(shí)別的困難;自動(dòng)目標(biāo)識(shí)別系統(tǒng)實(shí)現(xiàn)中采用復(fù)雜的算法與技術(shù)，使其工作機(jī)制愈加復(fù)雜;自動(dòng)目標(biāo)識(shí)別系統(tǒng)的重量、體積、功耗受限，實(shí)時(shí)實(shí)現(xiàn)必須有小型化的實(shí)時(shí)圖像信息處理器芯片等硬件的支撐。

2.4數(shù)據(jù)的充分性、有效性難以保證

精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別的智能化離不開(kāi)利用彈載傳感器獲得的信息和導(dǎo)彈接收的天基、空基或地面控制站的信息及目標(biāo)特征數(shù)據(jù)庫(kù)，所謂智能化就是利用所獲得的數(shù)據(jù)自動(dòng)做出決策。一般認(rèn)為，系統(tǒng)之所以做不出正確決策，是因?yàn)樗峁┑臄?shù)據(jù)不夠或不準(zhǔn)，數(shù)據(jù)的充分性、有效性將直接影響著智能化精確制導(dǎo)系統(tǒng)的性能。

（1）彈載傳感器獲得信息的局限性

由于彈載應(yīng)用對(duì)重量、體積、功耗等的約束，彈載傳感器的孔徑、采用的紅外焦平面陣列的規(guī)格、多光譜傳感器的譜段數(shù)、微波/毫米波發(fā)射機(jī)的功率等都受到限制，因此傳感器的空間分辨率等有限，難以在所要求的識(shí)別距離上提供足夠多的信息，給導(dǎo)引頭的自主目標(biāo)識(shí)別能力帶來(lái)了很大的挑戰(zhàn)。

（2）訓(xùn)練數(shù)據(jù)集的有限性

在具有變化的環(huán)境條件的多種場(chǎng)景中，為了開(kāi)發(fā)出從二維的、可能并不理想的紅外圖像中探測(cè)、分類和識(shí)別三維物體的穩(wěn)健的自動(dòng)目標(biāo)識(shí)別算法，必須要有足夠多的、能夠代表各種戰(zhàn)場(chǎng)場(chǎng)景和目標(biāo)特性的圖像數(shù)據(jù)庫(kù)，并對(duì)自動(dòng)目標(biāo)識(shí)別系統(tǒng)進(jìn)行評(píng)估、訓(xùn)練、優(yōu)化，而且還需要有效解決構(gòu)建具有充分代表性的圖像數(shù)據(jù)庫(kù)和開(kāi)發(fā)自動(dòng)目標(biāo)識(shí)別系統(tǒng)的時(shí)間與成本限制之間的矛盾問(wèn)題。

當(dāng)前人工智能和機(jī)器學(xué)習(xí)的許多成功算法都需要大量的數(shù)據(jù)來(lái)訓(xùn)練，如AlexNet使用深度卷積神經(jīng)網(wǎng)絡(luò)將120萬(wàn)個(gè)高分辨率圖像分為1000個(gè)不同的類。在軍事應(yīng)用情境下，很少能得到這樣巨大的數(shù)據(jù)集，即便有大量采集數(shù)據(jù)，它們經(jīng)常不是標(biāo)注的，因此，不適于依靠監(jiān)督學(xué)習(xí)范式的訓(xùn)練算法。因?yàn)?，采用監(jiān)督學(xué)習(xí)，必須為學(xué)習(xí)算法提供屬于已知的類的例子，然后由算法訓(xùn)練標(biāo)注的例子。當(dāng)提供的是稀疏的、不完全的數(shù)據(jù)集時(shí)，許多算法（如采用深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)）得不到良好性能，不適于支持軍事運(yùn)用場(chǎng)景應(yīng)用。

（3）戰(zhàn)場(chǎng)環(huán)境的復(fù)雜化、目標(biāo)特性的不確定性和博弈的對(duì)抗條件導(dǎo)致信息的不完全性

在彈載目標(biāo)識(shí)別場(chǎng)合，敵方可能試圖采用主動(dòng)對(duì)抗措施來(lái)挫敗目標(biāo)識(shí)別，目標(biāo)列表經(jīng)常是與任務(wù)使命相關(guān)的，不一定是一個(gè)封閉的集合，而且可能每天都會(huì)有變化，很難獲得足夠完備的訓(xùn)練和測(cè)試數(shù)據(jù)集。有關(guān)特定類型的目標(biāo)的數(shù)據(jù)是稀少的或者不存在的，而且訓(xùn)練數(shù)據(jù)可能并不代表戰(zhàn)場(chǎng)條件。

在實(shí)際作戰(zhàn)中，由于復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境、不確定的目標(biāo)特性和激烈博弈的對(duì)抗條件，幾乎無(wú)法得到“足夠”的數(shù)據(jù)，精確制導(dǎo)系統(tǒng)難以作出在不完全信息條件下的決策。自動(dòng)目標(biāo)識(shí)別系統(tǒng)將會(huì)遇到目標(biāo)特征的不可重復(fù)性、復(fù)雜多變的雜波背景環(huán)境、目標(biāo)遮掩、低對(duì)比度（對(duì)某些傳感器）、遠(yuǎn)距離（低分辨率）、證據(jù)沖突、存在偽裝、遮掩與干擾、欺騙以及外界場(chǎng)景的多變性（不同的地理區(qū)域、戰(zhàn)場(chǎng)條件和氣象條件）等問(wèn)題的困擾。

2.5現(xiàn)有的人工智能和機(jī)器學(xué)習(xí)算法的局限性

現(xiàn)有的許多商用人工智能和機(jī)器學(xué)習(xí)算法的一個(gè)重要限制，是它們對(duì)訓(xùn)練數(shù)據(jù)集的“批處理”。采用批處理時(shí)，需要一次得到所有的訓(xùn)練數(shù)據(jù)，使學(xué)習(xí)算法能構(gòu)建一個(gè)可運(yùn)行在實(shí)際應(yīng)用場(chǎng)景中的模型，它們實(shí)現(xiàn)學(xué)習(xí)方法的主要途徑是基于神經(jīng)網(wǎng)絡(luò)，進(jìn)行訓(xùn)練需要在使用前對(duì)幾百萬(wàn)個(gè)參數(shù)和數(shù)據(jù)點(diǎn)進(jìn)行優(yōu)化，這一訓(xùn)練過(guò)程需要云基礎(chǔ)設(shè)施以存儲(chǔ)巨量的數(shù)據(jù)。當(dāng)不能得到大量的數(shù)據(jù)或云服務(wù)時(shí)，需要現(xiàn)場(chǎng)學(xué)習(xí)，訓(xùn)練深度網(wǎng)絡(luò)是棘手的。于是，問(wèn)題變成了怎樣設(shè)計(jì)可以穩(wěn)定地在線學(xué)習(xí)，并在僅幾十到幾百個(gè)數(shù)據(jù)點(diǎn)之后良好地工作的學(xué)習(xí)方法，而且在觀測(cè)數(shù)變得非常大時(shí)達(dá)到深度學(xué)習(xí)的目標(biāo)。

最近，許多成功的機(jī)器學(xué)習(xí)算法是基于有監(jiān)督的學(xué)習(xí)，對(duì)此，需要能完全表征所訓(xùn)練智能體的所有運(yùn)行使用場(chǎng)景的樣例訓(xùn)練數(shù)據(jù)。但對(duì)于與精確制導(dǎo)導(dǎo)彈應(yīng)用相關(guān)的作戰(zhàn)使用，這樣大數(shù)量和高質(zhì)量的訓(xùn)練數(shù)據(jù)，對(duì)于與精確制導(dǎo)導(dǎo)彈應(yīng)用相關(guān)的作戰(zhàn)使用通常是不現(xiàn)實(shí)的。在有監(jiān)督的學(xué)習(xí)系統(tǒng)中，為學(xué)習(xí)體提供正確的答案或者對(duì)數(shù)據(jù)集中的每個(gè)樣例輸入正確的標(biāo)注，即將一個(gè)輸入集X映射到一個(gè)輸出集Y中。在理想情況下，機(jī)器學(xué)習(xí)的軍事應(yīng)用不僅依賴于有監(jiān)督的方法，還應(yīng)當(dāng)采用新的半監(jiān)督或無(wú)監(jiān)督的方法。然而，目前最先進(jìn)的無(wú)監(jiān)督學(xué)習(xí)方法對(duì)于應(yīng)對(duì)與軍事相關(guān)的場(chǎng)景時(shí)不夠穩(wěn)健。為了實(shí)施人工智能和機(jī)器學(xué)習(xí)，需要研究開(kāi)發(fā)對(duì)噪聲不太敏感，并能采用稀疏標(biāo)注或者完全沒(méi)有標(biāo)注的數(shù)據(jù)集，有效、準(zhǔn)確地推廣新的半監(jiān)督和無(wú)監(jiān)督的學(xué)習(xí)算法。

2.6自動(dòng)目標(biāo)識(shí)別缺乏理論支撐

由于缺乏科學(xué)理論的支撐，沒(méi)有建立信息論測(cè)度來(lái)確定自動(dòng)目標(biāo)識(shí)別系統(tǒng)的性能上界，難以理解和預(yù)測(cè)自動(dòng)目標(biāo)識(shí)別系統(tǒng)的性能。

尚不能對(duì)目標(biāo)和雜波等圖像場(chǎng)景內(nèi)容進(jìn)行有效的數(shù)學(xué)描述，沒(méi)有建立圖像場(chǎng)景的物理模型與采用某種處理能提取什么信息之間的定量關(guān)系，沒(méi)有建立可量化自動(dòng)目標(biāo)識(shí)別系統(tǒng)的目標(biāo)特性模型或場(chǎng)景描述，對(duì)紅外圖像中雜波的理解和量化是多年來(lái)一直未能解決的難題。

由于缺乏雜波和場(chǎng)景難度測(cè)度，以及算法概念的寬泛變化性，建模問(wèn)題很難解決。

對(duì)單傳感器目標(biāo)識(shí)別算法的改進(jìn)和對(duì)多傳感器目標(biāo)識(shí)別系統(tǒng)中傳感器的選擇和融合方法的研究與改進(jìn)目前還主要是基于直覺(jué)和試錯(cuò)方式。

3對(duì)精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化發(fā)展的幾點(diǎn)看法

3.1單一技術(shù)途徑難以解決自動(dòng)目標(biāo)識(shí)別難題，必須走系統(tǒng)綜合、技術(shù)融合的路線

自動(dòng)目標(biāo)識(shí)別幾十年的發(fā)展歷程表明，沒(méi)有一種單獨(dú)的技術(shù)途徑能夠解決所有的自動(dòng)目標(biāo)識(shí)別問(wèn)題，新發(fā)展的技術(shù)途徑都是在某些特定場(chǎng)景、針對(duì)某些應(yīng)用使某些性能得到改進(jìn)。未來(lái)的精確制導(dǎo)系統(tǒng)，將可能是融合多種彈載目標(biāo)探測(cè)傳感器信息，以及信息化、網(wǎng)絡(luò)化協(xié)同作戰(zhàn)系統(tǒng)提供的信息和多種算法來(lái)實(shí)現(xiàn)作戰(zhàn)性能的系統(tǒng)。

從精確制導(dǎo)體系的角度考慮，精確制導(dǎo)系統(tǒng)的智能化設(shè)計(jì)綜合利用體系內(nèi)多種平臺(tái)、多種傳感器、多種武器的資源，提高體系效能。

（1）聯(lián)結(jié)體系內(nèi)多種平臺(tái)、多種傳感器、多種武器，通過(guò)空間和頻譜分集提供先進(jìn)的能力。

（2）綜合利用體系內(nèi)多種平臺(tái)、多種傳感器、多種武器的資源，降低對(duì)單個(gè)武器的要求。

（3）綜合利用武器體系內(nèi)多信息源提供目標(biāo)信息和氣象、情報(bào)數(shù)據(jù)改進(jìn)目標(biāo)識(shí)別。

（4）采用分布式協(xié)同組網(wǎng)精確制導(dǎo)技術(shù)，有效地解決復(fù)雜環(huán)境目標(biāo)識(shí)別、多對(duì)多攔截、交戰(zhàn)問(wèn)題，提高彈道導(dǎo)彈防御系統(tǒng)動(dòng)能攔截彈在復(fù)雜對(duì)抗環(huán)境和多彈頭攻擊環(huán)境下的攔截效能，以及反艦導(dǎo)彈在復(fù)雜對(duì)抗環(huán)境下的突防能力和攻擊艦隊(duì)群目標(biāo)的能力。

（5）采用多波段/多光譜傳感器及多模復(fù)合傳感器獲取更高維度的信息。

（6）采用不同技術(shù)路線的算法的融合，克服單一途徑的局限性。

3.2加強(qiáng)體系級(jí)設(shè)計(jì)，強(qiáng)化需求分析和可實(shí)現(xiàn)性分析及基于體系資源利用的設(shè)計(jì)

由于自動(dòng)目標(biāo)識(shí)別系統(tǒng)涉及到各種各樣的作戰(zhàn)使命和設(shè)備功能，沒(méi)有普適的算法或硬件任務(wù)的解決方案。對(duì)于不同的應(yīng)用場(chǎng)合，自動(dòng)目標(biāo)識(shí)別系統(tǒng)采用的傳感器（或傳感器組合）及其獲得的信息，以及自動(dòng)目標(biāo)識(shí)別系統(tǒng)最終要實(shí)現(xiàn)的功能、性能必須與作戰(zhàn)使命的功能要求相匹配。因此，在開(kāi)發(fā)針對(duì)某一應(yīng)用場(chǎng)合的自動(dòng)目標(biāo)識(shí)別系統(tǒng)前，必須加強(qiáng)系統(tǒng)級(jí)的設(shè)計(jì)，全面詳細(xì)地分析作戰(zhàn)目標(biāo)和戰(zhàn)場(chǎng)背景環(huán)境特性，根據(jù)作戰(zhàn)目標(biāo)（目標(biāo)大小、是否運(yùn)動(dòng)、目標(biāo)電磁輻射特性）和戰(zhàn)場(chǎng)背景環(huán)境，選擇適當(dāng)?shù)膫鞲衅骰騻鞲衅鹘M合，分析為達(dá)到所需識(shí)別性能要求（識(shí)別距離、正確識(shí)別概率、虛警率），對(duì)成像傳感器的分辨率要求。

3.3加強(qiáng)支撐精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別智能化的基礎(chǔ)建設(shè)與理論研究

（1）加強(qiáng)目標(biāo)特性數(shù)據(jù)庫(kù)建設(shè)，為智能化技術(shù)提供數(shù)據(jù)保障

精確制導(dǎo)系統(tǒng)的智能化離不開(kāi)利用彈載傳感器獲得的信息和導(dǎo)彈接收的天基、空基或地面控制站的信息及目標(biāo)特征數(shù)據(jù)庫(kù)，智能化的前提是要有充分、有效的數(shù)據(jù)。

自動(dòng)目標(biāo)識(shí)別算法在訓(xùn)練和測(cè)試時(shí)必須采用目標(biāo)特征數(shù)據(jù)庫(kù)，因此，必須建立包括適當(dāng)數(shù)目的有代表性的樣本、用于有效的訓(xùn)練和測(cè)試的目標(biāo)特征數(shù)據(jù)庫(kù)。在軍用目標(biāo)識(shí)別領(lǐng)域，圖像數(shù)據(jù)庫(kù)通常不是公開(kāi)的，因?yàn)榭赡馨ǜ叨缺Ｃ艿男畔ⅲㄈ缒繕?biāo)的紅外特征），導(dǎo)彈系統(tǒng)開(kāi)發(fā)者和研究者必須創(chuàng)建自己的目標(biāo)特性數(shù)據(jù)庫(kù)。導(dǎo)彈系統(tǒng)中對(duì)具有精確的、穩(wěn)健的算法有很高的標(biāo)準(zhǔn)。為了實(shí)現(xiàn)所希望的性能水平，自動(dòng)目標(biāo)檢測(cè)和識(shí)別算法應(yīng)針對(duì)涉及到目標(biāo)類型、導(dǎo)彈的高度、天氣條件等各種因素進(jìn)行專門設(shè)計(jì)，要使這些算法能夠適應(yīng)于諸多因素的寬泛的變化范圍，需要巨大的圖像數(shù)據(jù)庫(kù)。

美國(guó)軍方正在采集和處理大量的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行標(biāo)注以訓(xùn)練人工智能和機(jī)器學(xué)習(xí)算法，使系統(tǒng)在軍事場(chǎng)景中有效運(yùn)行。盡管數(shù)據(jù)獲取很困難，而且存在是否能獲取足夠的數(shù)據(jù)來(lái)提供給最先進(jìn)的算法，以使這些算法能在軍事作戰(zhàn)條件下實(shí)現(xiàn)良好性能的問(wèn)題。2017年4月，美國(guó)國(guó)防部前副部長(zhǎng)RobertWork宣布建立Maven項(xiàng)目，建立了一個(gè)跨功能算法戰(zhàn)組，致力于發(fā)展增強(qiáng)用于戰(zhàn)術(shù)無(wú)人機(jī)系統(tǒng)和中空全運(yùn)動(dòng)視頻的數(shù)據(jù)處理、發(fā)掘和分發(fā)并實(shí)現(xiàn)自動(dòng)化的技術(shù)。

陸軍研究實(shí)驗(yàn)室也在開(kāi)展用于訓(xùn)練人工智能和機(jī)器學(xué)習(xí)算法的數(shù)據(jù)獲取工作，包括使用自動(dòng)化在線數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)和分發(fā)在外場(chǎng)獲取的多情報(bào)數(shù)據(jù)集，以支持情報(bào)監(jiān)視和偵察界的分析工具和算法的試驗(yàn)、驗(yàn)證。

（2）以精確制導(dǎo)自動(dòng)目標(biāo)識(shí)別與人工智能結(jié)合為切入點(diǎn)，加強(qiáng)適于精確制導(dǎo)系統(tǒng)應(yīng)用的人工智能技術(shù)研究

盡管可以開(kāi)展獲取和標(biāo)注大量相關(guān)數(shù)據(jù)的工作，在很多情況下獲取許多主流的人工智能和機(jī)器學(xué)習(xí)算法所需的足夠數(shù)據(jù)是不可能的。例如，如果采用現(xiàn)有的人工智能和機(jī)器學(xué)習(xí)方法，將難以在與彈載數(shù)據(jù)庫(kù)中所存儲(chǔ)的環(huán)境數(shù)據(jù)不同的作戰(zhàn)環(huán)境中使用，生成能覆蓋智能系統(tǒng)在未來(lái)任務(wù)中將遇到的寬范圍作戰(zhàn)使用情況的代表性場(chǎng)景是不可能的。盡管正在研究利用仿真數(shù)據(jù)由現(xiàn)有的數(shù)據(jù)導(dǎo)出大量的訓(xùn)練集（如采用生存對(duì)抗網(wǎng)絡(luò)等方法產(chǎn)生訓(xùn)練數(shù)據(jù)集），但目前還不明確這樣的方法能否提供使算法在作戰(zhàn)使用條件下有良好性能的樣例。需研究可同時(shí)運(yùn)行于在線學(xué)習(xí)模式和運(yùn)行使用模式的新算法（即邊學(xué)習(xí)邊運(yùn)行），一次接收一個(gè)采樣的數(shù)據(jù)，并處理總的觀測(cè)采樣集的一個(gè)小子集，而無(wú)需提供整個(gè)數(shù)據(jù)集用于訓(xùn)練（在批處理模式學(xué)習(xí)時(shí)需要整個(gè)數(shù)據(jù)集）。除了開(kāi)發(fā)用于在線監(jiān)督學(xué)習(xí)的方法外，還需要開(kāi)發(fā)能夠以非監(jiān)督的方式工作以及采用工作在未知環(huán)境中的智能體所獲取的標(biāo)注數(shù)據(jù)的新的人工智能和機(jī)器學(xué)習(xí)方法。

參考文獻(xiàn)：

[1]高曉冬，王楓，范晉祥.精確制導(dǎo)系統(tǒng)面臨的挑戰(zhàn)與對(duì)策[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù)，2017（6）：21-26.

GaoXiaodong，WangFeng，F(xiàn)anJinxiang.TheChallengesandDevelopmentPathsforPrecisionGuidanceSystem[J].TacticalMissileTechnology，2017（6）：21-26.（inChinese）

[2]范晉祥.對(duì)紅外成像自動(dòng)目標(biāo)識(shí)別智能化發(fā)展的思考[C]∥2017年光學(xué)技術(shù)研討會(huì)暨交叉學(xué)科論壇論文集，2017.

FanJinxiang.ThinkingonIntelligentDevelopmentofInfraredImagingAutomaticTargetRecognition[C]∥Proceedingsof2017OpticalTechnologySeminarandInterdisciplinaryResearch，2017.（inChinese）

[3]文貢堅(jiān)，朱國(guó)強(qiáng)，殷紅成，等.基于三維電磁散射參數(shù)化模型的SAR目標(biāo)識(shí)別方法[J].雷達(dá)學(xué)報(bào)，2017（2）：115-135.

WenGongjian，ZhuGuoqiang，YinHongcheng，etal.SARATRBasedon3DParametricElectromagneticScatteringModel[J].JournalofRadars，2017（2）：115-135.（inChinese）

[4]KazemiH，IranmaneshM，NasrabadiNM.AutomaticTargetRecognitionUsingDeepConvolutionalNeuralNetworks[C]∥ProceedingsofSPIE10648，AutomaticTargetRecognitionXXVIII，2018.

[5]ElDarymliK，GillEW，McGuireP，etal.AutomaticTargetRecognitioninSyntheticApertureRadarImagery：AStateoftheArtReview[J].IEEEAccess，2016，4：6014-6058.

[6]高穎慧，王平，李君龍，等.復(fù)雜戰(zhàn)場(chǎng)環(huán)境下的防空反導(dǎo)光學(xué)成像制導(dǎo)技術(shù)[J].現(xiàn)代防御技術(shù)，2012（1）：6-10.

GaoYinghui，WangPing，LiJunlong，etal.OpticalImagingGuidanceTechnologyinComplicatedBattlefieldEnvironment[J].ModernDefenceTechnology，2012（1）：6-10.（inChinese）

[7]范晉祥，楊建宇.紅外成像探測(cè)技術(shù)發(fā)展趨勢(shì)分析[J].紅外與激光工程，2012，41（12）：3145-3153.

FanJinxiang，YangJianyu.DevelopmentTrendsofInfraredImagingDetectingTechnology[J].InfraredandLaserEngineering，2012，41（12）：3145-3153.（inChinese）