專題：智能無人作戰技術與系統

編者按近年來，隨著智能無人技術的迅速發展，智能化無人機集群作戰成為各國重點研究的新型作戰樣式，智能無人作戰系統在實戰中已嶄露頭角。人工智能技術和軍事智能化在無人集群作戰認知域、信息域、物理域的深化發展，必將顛覆未來作戰理念、作戰樣式、作戰管理與作戰技術。智能無人集群作戰技術是智能決策、群體智能、智能控制、通信網絡等多種相關技術的綜合運用。目前，要實現智能化無人集群作戰，亟需解決全面戰場環境感知、智能決策與自主攻擊等難題，同時對集群系統的通信網絡技術也提出了更高的要求。本期專題主要依托 “無人集群跟蹤與編隊重點自主協同關鍵技術研究”“航空集群空空導彈攻擊區模型及智能預測方法研究”“融合眼動與事件相關電位的認知耦合目標識別方法研究”等國家自然科學基金項目，目的是匯聚智能無人作戰的無人機自主控制、智能協作、通信網絡和集群博弈對抗等方面理論與技術方法的研究成果，探索面向復雜環境的智能無人集群系統的運用模式和效能機理，搭建學術研究與技術運用的交流平臺，為相關研究人員提供有益的參考，共同推動智能無人作戰技術的發展和提高。本專題采用視頻加載等增強出版形式，讀者可掃描文中二維碼鏈接來觀看相關視頻資料，以加深對所研究問題的認識。限于研究者水平，文中所述方法及結論可能存在一定局限性。

本期專題共由5篇論文組成，分別是：

1.《基于模糊控制的無人機集群視覺著降》提出一種基于模糊控制和視覺導航的集群自主著降算法，利用像素距離解算出無人機與對應降落標識間的實際水平距離，然后得到無人機精準對準降落點的控制指令，最終實現集群精準著降。

2.《基于改進YOLOv4的無人機目標檢測方法》針對無人機平臺由于內存、算力有限而導致檢測模型部署困難、檢測速度降低的問題，對YOLOv4原模型的預測層進行了改進，將三尺度檢測模型改進為雙尺度檢測模型，并通過裁剪一定比例的通道數以再次減小模型內存占用，提升檢測速度。

3.《基于改進雙延遲深度確定性策略梯度法的無人機反追擊機動決策》提出了一種采用深度強化學習的無人機反追擊自主機動決策方法，基于經驗回放區重構改進了雙延遲深度確定性策略梯度算法，通過擬合策略函數與狀態動作值函數，生成最優策略網絡，實現更快的收斂性和更高的穩定性。

4.《無人機自組網中改進型反應-貪婪-反應路由協議》提出了一種基于負載均衡和高貪婪地理轉發成功概率的改進RGR路由協議，提高了分組投遞率，降低了網絡的控制開銷和平均端到端時延，提升了網絡應對拓撲高度動態變化的能力，有效改善了網絡性能。

5.《深度卷積網絡多目標無人機信號檢測方法》提出一種利用深度卷積神經網絡開展無人機鏈路感知識別的算法，不僅可以實現多類型的無人機入侵識別，還可以進一步對其型號和飛行模式進行區分。

相關資料視頻：

編隊穿越

跟蹤識別

空中攻防

模擬對抗

(注：以上資料來源為微信公眾號“智能爭鋒”)

本期專題主持人簡介：

梁曉龍(1981—),男,江蘇徐州人。空軍工程大學空管領航學院教授、博士生導師。主要從事航空集群理論與技術、無人機集群網絡與控制等領域研究工作,主持并參與國防973課題、173課題、863計劃項目、國家自然科學基金、軍委科技委創新特區項目、裝發共用基礎項目等20余項,裝備研制項目5項;獲軍隊科技進步二等獎1項,國家/國防專利25項,發表論文100余篇,出版《無人機集群》《航空集群構型控制方法》等專著。率隊參加“無人爭鋒”“暢聯智勝”“如影隨行”“智勝空天”等無人機集群挑戰賽,獲得獎項10余項;指導研究生獲得全國研究生數學建模“數模之星”冠軍及全國研究生電子競賽等競賽一、二等獎30余項。