基于大數(shù)據(jù)技術(shù)的聯(lián)合作戰(zhàn)態(tài)勢感知體系

摘? 要：聯(lián)合作戰(zhàn)條件下，戰(zhàn)場態(tài)勢信息多源異構(gòu)，數(shù)據(jù)量大，更新頻率高，傳統(tǒng)的戰(zhàn)場態(tài)勢感知體系難以保證戰(zhàn)場態(tài)勢數(shù)據(jù)處理的準(zhǔn)確性和實時性。文章基于大數(shù)據(jù)技術(shù)，結(jié)合JDL戰(zhàn)場數(shù)據(jù)融合模型、戰(zhàn)場態(tài)勢感知PFPV模型、“OODA環(huán)”框架下戰(zhàn)場態(tài)勢感知模型，構(gòu)建了數(shù)據(jù)驅(qū)動的戰(zhàn)場態(tài)勢感知模型。基于分布式計算技術(shù)和分布式存儲技術(shù)，能夠?qū)崿F(xiàn)戰(zhàn)場態(tài)勢數(shù)據(jù)的高速計算、存儲、檢索。同時，將多種機器學(xué)習(xí)算法與JDL戰(zhàn)場數(shù)據(jù)融合模型結(jié)合，構(gòu)建了智能數(shù)據(jù)融合體系。提出了面向任務(wù)的戰(zhàn)場態(tài)勢圖生成模式，可以在保證態(tài)勢理解一致性的基礎(chǔ)上滿足需求的多樣性。

關(guān)鍵詞：大數(shù)據(jù)；分布式；戰(zhàn)場態(tài)勢感知；戰(zhàn)場態(tài)勢圖

中圖分類號：TP39；E11? ? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）02-0116-04

Situation Awareness System of Joint Operations Based on Big Data Technology

ZHANG Xudong

（The People's Armed Police Command College China， Tianjin? 300250， China）

Abstract： Under the condition of joint operations， the battlefield situation information is multi-source and heterogeneous， and the data volume is large and the update frequency is high. It is difficult for the traditional battlefield situational awareness system to ensure the accuracy and real-time performance of battlefield situation data processing. Based on big data technology， combined with the JDL battlefield data fusion model， the battlefield situational awareness PFPV model， and the battlefield situational awareness model under the “OODA loop” framework， a data-driven battlefield situational awareness model is constructed. Based on distributed computing technology and distributed storage technology， it can achieve high-speed computing， storage and retrieval of battlefield situation data. In addition， a variety of machine learning algorithms are combined with the JDL battlefield data fusion model to construct an intelligent data fusion system. A task-oriented battlefield situation map generation mode is proposed， which can meet the diversity of needs on the basis of ensuring the consistency of situational understanding.

Keywords： big data; distribution; battlefield situational awareness; battlefield situation map

0? 引? 言

當(dāng)前，人工智能為代表的新一代信息技術(shù)在軍事領(lǐng)域獲得了廣泛應(yīng)用，催生了無人作戰(zhàn)、智能作戰(zhàn)、算法戰(zhàn)等多種作戰(zhàn)樣式。聯(lián)合作戰(zhàn)的作戰(zhàn)節(jié)奏不斷加快，作戰(zhàn)樣式不斷變化，作戰(zhàn)理念不斷革新，指揮方式不斷發(fā)展，作戰(zhàn)維度拓展到包括陸上、海上、空中、太空、電磁、網(wǎng)絡(luò)、認(rèn)知域、社會域在內(nèi)的多個維度。隨著作戰(zhàn)維度的全域化，戰(zhàn)場態(tài)勢信息呈現(xiàn)出信息種類豐富、信息結(jié)構(gòu)復(fù)雜、信息規(guī)模龐大的特點，具有明顯的大數(shù)據(jù)特征。如何運用大數(shù)據(jù)技術(shù)解決多源異構(gòu)信息處理、事件關(guān)聯(lián)推理、態(tài)勢智能生成、局勢推演預(yù)測等戰(zhàn)場態(tài)勢感知難題，輔助指揮員實時全面準(zhǔn)確掌握戰(zhàn)場態(tài)勢，從而奪取信息優(yōu)勢成為各國軍隊關(guān)注的重點。

1? 發(fā)展綜述

1.1? 戰(zhàn)場態(tài)勢要素

戰(zhàn)場態(tài)勢是對戰(zhàn)場空間中敵我雙方兵力分布、軍事資源分布、戰(zhàn)場環(huán)境的當(dāng)前狀態(tài)及發(fā)展趨勢的總體描述。戰(zhàn)場態(tài)勢要素大致可以分為兵力部署與作戰(zhàn)能力、重要動態(tài)目標(biāo)、戰(zhàn)場環(huán)境、社會環(huán)境4類，如圖1所示。

1.2? 戰(zhàn)場態(tài)勢感知模型及分類

1987年，Endsley提出了基于航空任務(wù)的態(tài)勢感知信息處理模型，該模型分為態(tài)勢元素察覺（perception）、態(tài)勢理解（Comprehension）、未來態(tài)勢預(yù)測（Prediction）三個層次[1]。態(tài)勢元素察覺是態(tài)勢感知的最底層，指獲取當(dāng)前環(huán)境態(tài)勢元素狀態(tài)、屬性和特點。態(tài)勢理解是指對獲取到的態(tài)勢信息進(jìn)行特征提取、數(shù)據(jù)融合、數(shù)據(jù)分析和解釋。態(tài)勢預(yù)測則是基于對當(dāng)前態(tài)勢的分析理解對未來態(tài)勢進(jìn)行預(yù)測。如圖2所示。

以Endsley三級態(tài)勢感知模型為基礎(chǔ)，文獻(xiàn)[2]提出了戰(zhàn)場態(tài)勢感知PFPV模型。該模型將戰(zhàn)場態(tài)勢感知分為四個層次：感知（Perception）、融合（Fusion）、展現(xiàn)（Visualization）和預(yù)測（Projection），如圖3所示。

文獻(xiàn)[3]結(jié)合“OODA環(huán)”，提出了聯(lián)合作戰(zhàn)背景下戰(zhàn)役級態(tài)勢感知的概念模型，如圖4所示。

按照作戰(zhàn)行動的規(guī)模和作戰(zhàn)指揮的層次，可將戰(zhàn)場態(tài)勢感知分為戰(zhàn)略級戰(zhàn)場態(tài)勢感知、戰(zhàn)役級戰(zhàn)場態(tài)勢感知、戰(zhàn)術(shù)級戰(zhàn)場態(tài)勢感知。按照作戰(zhàn)空間維度，可以分為陸上戰(zhàn)場態(tài)勢感知、海上戰(zhàn)場態(tài)勢感知、空中戰(zhàn)場態(tài)勢感知、太空戰(zhàn)場態(tài)勢感知、電磁戰(zhàn)場態(tài)勢感知、網(wǎng)絡(luò)戰(zhàn)場態(tài)勢感知和認(rèn)知域戰(zhàn)場態(tài)勢感知。從時間維度進(jìn)行區(qū)分，則可分為過去態(tài)勢分析、當(dāng)前態(tài)勢認(rèn)知、未來態(tài)勢預(yù)測。

1.3? 戰(zhàn)場態(tài)勢圖演進(jìn)與發(fā)展

為適應(yīng)信息化條件下聯(lián)合作戰(zhàn)的需求，美軍在20世紀(jì)90年代提出了網(wǎng)絡(luò)中心戰(zhàn)（Network-Centric Warfare， NCW）概念，成為美軍信息化轉(zhuǎn)型的指導(dǎo)思想。與此同時，美軍發(fā)展了與之相適應(yīng)的態(tài)勢圖族概念——互操作作戰(zhàn)圖族（Family of Interoperable Operational Pictures， FIOP）。NCW將廣域分布的傳感器、指揮員、作戰(zhàn)部隊通過高速數(shù)據(jù)鏈和以全球信息柵格（Global Information Grid， GIG）為代表的基礎(chǔ)通信網(wǎng)絡(luò)聯(lián)結(jié)為一個有機整體，實現(xiàn)戰(zhàn)場態(tài)勢和作戰(zhàn)資源的網(wǎng)絡(luò)化共享，加快指揮速度和作戰(zhàn)節(jié)奏，提高部隊殺傷力和生存能力。

1997年，美軍提出了通用作戰(zhàn)圖（Common Operational Picture， COP）概念，通過在電子地圖上實時顯示不同作戰(zhàn)單元的位置信息和運動狀態(tài)，有效解決了為多個作戰(zhàn)單元提供相同戰(zhàn)場態(tài)勢圖的問題。通用作戰(zhàn)圖保證了不同作戰(zhàn)單元對戰(zhàn)場態(tài)勢的一致理解，真正具備了輔助決策的技術(shù)能力[4]。然而，不同層次的作戰(zhàn)人員關(guān)心的戰(zhàn)場態(tài)勢要素及其信息精度不同，對信息的時效性需求也不同，比如武器裝備的火控系統(tǒng)對信息的時效性要求相對較高。其次，同一層次的作戰(zhàn)人員由于職能任務(wù)不同，關(guān)心的戰(zhàn)場態(tài)勢要素也不同。針對這一問題，美軍提出了用戶定義作戰(zhàn)圖（User Defined Operational Picture， UDOP），使不同層次不同職能的作戰(zhàn)人員能夠根據(jù)自身需求主動提取戰(zhàn)場態(tài)勢要素，生成“個性化”戰(zhàn)場態(tài)勢圖。相較于通用作戰(zhàn)圖，用戶定義作戰(zhàn)圖的根本目的是既保證不同層次作戰(zhàn)人員對戰(zhàn)場態(tài)勢的一致理解，又支持戰(zhàn)場態(tài)勢信息的“靈巧提取（smart pull）”。針對不同指揮層次，F(xiàn)IOP逐漸發(fā)展出3種類型的戰(zhàn)場態(tài)勢圖，如圖5所示。

1.4? 戰(zhàn)場態(tài)勢感知的復(fù)雜性

高超音速武器、隱身飛機、電子干擾/欺騙設(shè)備、無人機蜂群、定向能武器的實戰(zhàn)裝備，給聯(lián)合作戰(zhàn)態(tài)勢感知帶來了巨大挑戰(zhàn)。主要體現(xiàn)在三個方面。第一，高超音速武器實戰(zhàn)應(yīng)用對戰(zhàn)場態(tài)勢感知速度提出更高要求。俄軍在俄烏沖突中首次使用“匕首”高超音速導(dǎo)彈對烏軍進(jìn)行打擊，代表著高超音速武器正式投入實戰(zhàn)運用，其極限速度能達(dá)到10馬赫，從發(fā)射到命中目標(biāo)時間極短。第二，聯(lián)合作戰(zhàn)條件下作戰(zhàn)力量多元耦合，戰(zhàn)術(shù)手段靈活多樣，態(tài)勢感知復(fù)雜性增強。無人機蜂群為代表的智能無人武器的實戰(zhàn)運用，使作戰(zhàn)部隊的力量編成更加復(fù)雜，作戰(zhàn)樣式更為靈活。為保持體系對抗優(yōu)勢，美軍提出了“馬賽克戰(zhàn)”概念，通過靈活組合不同功能的模塊化作戰(zhàn)要素，增強美軍作戰(zhàn)體系構(gòu)建的靈活性、適應(yīng)性和生存能力。同時，這種高度靈活的作戰(zhàn)體系構(gòu)建方式也極大增加了戰(zhàn)場態(tài)勢的不確定性[5]。第三，電子干擾/對抗降低了戰(zhàn)場態(tài)勢感知的準(zhǔn)確性和可靠性。通過電子干擾/對抗手段，可以在敵方雷達(dá)上顯示大量虛假目標(biāo)，使敵方難以判斷目標(biāo)的真假，使得傳統(tǒng)的戰(zhàn)場態(tài)勢感知手段難以準(zhǔn)確判斷敵方的兵力編成和作戰(zhàn)意圖。

2? 基于大數(shù)據(jù)技術(shù)的聯(lián)合作戰(zhàn)態(tài)勢感知

聯(lián)合作戰(zhàn)條件下，戰(zhàn)場態(tài)勢信息的高效融合處理、深層挖掘分析、快速存儲檢索是戰(zhàn)場態(tài)勢感知的關(guān)鍵?；诖髷?shù)據(jù)技術(shù)，結(jié)合JDL戰(zhàn)場數(shù)據(jù)融合模型、戰(zhàn)場態(tài)勢感知PFPV模型、“OODA環(huán)”框架下戰(zhàn)場態(tài)勢感知模型，構(gòu)建數(shù)據(jù)驅(qū)動的戰(zhàn)場態(tài)勢感知模型，如圖6所示。利用分布式存儲技術(shù)和分布式計算技術(shù)提高戰(zhàn)場態(tài)勢數(shù)據(jù)的處理速度，同時在數(shù)據(jù)融合的不同層級采用多種機器學(xué)習(xí)/深度學(xué)習(xí)算法對戰(zhàn)場態(tài)勢數(shù)據(jù)進(jìn)行同步處理，提高數(shù)據(jù)處理的可靠性和準(zhǔn)確性，同時挖掘戰(zhàn)場大數(shù)據(jù)的深層信息。

2.1? 戰(zhàn)場態(tài)勢數(shù)據(jù)預(yù)處理

聯(lián)合作戰(zhàn)條件下，廣域分布的多傳感器、多平臺獲取的原始戰(zhàn)場信息往往含有大量冗余信息和干擾信息，在數(shù)據(jù)層面表現(xiàn)為存在大量異常值、缺失值、冗余值，且往往存在單傳感器多目標(biāo)和多傳感器單目標(biāo)的情況。因此，需要對原始的戰(zhàn)場態(tài)勢數(shù)據(jù)進(jìn)行預(yù)處理。如果判斷缺失值對輸出結(jié)果影響不大，可以用中位數(shù)、眾數(shù)、平均數(shù)等直接替代，優(yōu)點是簡單，缺點是相當(dāng)于人為引入噪聲。除此之外，還可以用回歸預(yù)測、K-最鄰近法、極大似然估計對缺失值進(jìn)行預(yù)測，用預(yù)測值代替真實值。對于異常值的處理，首先需要有效檢測出異常值，一般可以通過3σ探測法、基于距離的聚類或者建立統(tǒng)計模型來對數(shù)據(jù)中的離群點進(jìn)行檢測。異常值既可能是偶然因素或干擾引起，也可能是敵方突然的軍事行動引起，所以對異常值不能簡單刪除，而應(yīng)該進(jìn)一步分析判斷。通過主成分分析等模型對原始戰(zhàn)場態(tài)勢數(shù)據(jù)進(jìn)行數(shù)據(jù)降維，相當(dāng)于濾除了大量無用特征，可以大大減少戰(zhàn)場態(tài)勢感知系統(tǒng)的數(shù)據(jù)運算量。為零級融合中的像素融合、特征提取、點跡提取等奠定基礎(chǔ)。

2.2? 戰(zhàn)場態(tài)勢數(shù)據(jù)分析與挖掘

如圖6中融合層所示，通過將分布式計算技術(shù)和分布式存儲技術(shù)與傳統(tǒng)的數(shù)據(jù)融合模型相結(jié)合，可以構(gòu)造分布式信息融合模型。

目標(biāo)識別與分類是戰(zhàn)場態(tài)勢感知的重要基礎(chǔ)。在融合層的第二級，基于零級融合后提取的特征，通過分類模型或聚類模型對目標(biāo)的身份/屬性進(jìn)行識別。基于聚類模型還可按敵我屬性相同、類型相近、運動狀態(tài)相近、執(zhí)行相同作戰(zhàn)任務(wù)等對目標(biāo)進(jìn)行分群，以精簡戰(zhàn)場態(tài)勢信息，降低指揮員的信息篩選量[6]。

態(tài)勢估計是基于一級融合獲得的戰(zhàn)場目標(biāo)信息和其他相關(guān)信息進(jìn)行戰(zhàn)場態(tài)勢及其對敵我雙方有利程度估計的過程。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)勢表征，并融合運用多種不確定推理模型進(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[7]。

威脅估計是在目標(biāo)識別和態(tài)勢估計的基礎(chǔ)上，基于敵我雙方兵力部署、進(jìn)攻/防御能力、作戰(zhàn)企圖等態(tài)勢信息分析敵方作戰(zhàn)行動對我方的威脅程度。目前，美軍已經(jīng)大量運用基于深度學(xué)習(xí)的智能博弈技術(shù)對作戰(zhàn)方案進(jìn)行評估。智能博弈技術(shù)通過模擬仿真對戰(zhàn)場態(tài)勢行推演，形成敵方趨勢預(yù)判、我方行動構(gòu)想以及戰(zhàn)場環(huán)境趨勢預(yù)報與分析等態(tài)勢預(yù)測產(chǎn)品[8]。

通過對態(tài)勢信息構(gòu)建知識圖譜是分析敵方作戰(zhàn)體系特點，挖掘態(tài)勢信息深層聯(lián)系的關(guān)鍵技術(shù)。例如，美軍在“海神之矛”行動中，充分運用大數(shù)據(jù)技術(shù)，從海量數(shù)據(jù)中挖掘事件之間的內(nèi)在關(guān)聯(lián)，形成關(guān)鍵線索，成功鎖定了本·拉登的住所。同時，構(gòu)建戰(zhàn)場態(tài)勢知識圖譜對于提高戰(zhàn)場態(tài)勢感知系統(tǒng)的整體感知能力和生成重點突出、關(guān)聯(lián)清晰的戰(zhàn)場態(tài)勢圖具有重要作用。

2.3? 戰(zhàn)場態(tài)勢數(shù)據(jù)存儲與計算

聯(lián)合作戰(zhàn)條件下多源異構(gòu)戰(zhàn)場大數(shù)據(jù)的高效存儲和檢索是困擾戰(zhàn)場態(tài)勢數(shù)據(jù)處理的難點問題。在本文設(shè)計的數(shù)據(jù)驅(qū)動的戰(zhàn)場態(tài)勢感知模型中，采用分布式計算資源和分布式存儲資源為戰(zhàn)場態(tài)勢數(shù)據(jù)處理提供數(shù)據(jù)融合、數(shù)據(jù)挖掘、數(shù)據(jù)計算、數(shù)據(jù)存儲和數(shù)據(jù)檢索服務(wù)。其優(yōu)點主要體現(xiàn)在四個方面。第一，分布式計算/存儲可以有效提高半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的計算/檢索速度，多個任務(wù)可以并行處理，能有效提高戰(zhàn)場態(tài)勢感知的實時性；第二，分布式計算/存儲使得多個模型可以同步訓(xùn)練，能大大提高算法模型的訓(xùn)練速度；第三，作戰(zhàn)人員可以根據(jù)權(quán)限同步實時訪問戰(zhàn)場態(tài)勢數(shù)據(jù)庫，在高并發(fā)訪問時可以有效避免訪問擁堵；第四，不同層次作戰(zhàn)人員可以根據(jù)任務(wù)需求靈活篩選戰(zhàn)場態(tài)勢數(shù)據(jù)，生成自定義戰(zhàn)場態(tài)勢圖。

2.4? 戰(zhàn)場態(tài)勢預(yù)測與效能評估

戰(zhàn)場態(tài)勢感知體系的持續(xù)優(yōu)化需要構(gòu)建戰(zhàn)場態(tài)勢感知評估系統(tǒng)，圖6中融合層的效果估計模塊負(fù)責(zé)對系統(tǒng)整體的作戰(zhàn)效能進(jìn)行評估。第一，通過目標(biāo)識別準(zhǔn)確率、預(yù)警有效性/虛警率、態(tài)勢預(yù)測準(zhǔn)確度等指標(biāo)體系對算法模型進(jìn)行評估；第二，通過毀傷效果、任務(wù)完成度等指標(biāo)對敵我雙方人員/裝備的作戰(zhàn)效能進(jìn)行量化評估，并存入數(shù)據(jù)庫，不斷迭代更新數(shù)據(jù)庫中相關(guān)信息，威脅估計模塊可以基于敵方任務(wù)部隊的歷史作戰(zhàn)數(shù)據(jù)提高量化估計的準(zhǔn)確性。

如圖6所示，預(yù)測層與展現(xiàn)層協(xié)同運作，實時將敵方行動估計、趨勢預(yù)測等態(tài)勢預(yù)測信息顯示在不同層級的戰(zhàn)場態(tài)勢圖中，為指揮員分析判斷情況和定下作戰(zhàn)決心提供可視化的態(tài)勢信息保障。

2.5? 戰(zhàn)場態(tài)勢圖生成與分發(fā)

聯(lián)合作戰(zhàn)各級指揮員、指揮機構(gòu)和各軍兵種部隊，對戰(zhàn)場態(tài)勢數(shù)據(jù)需求存在較大差異。因此，面向任務(wù)的戰(zhàn)場態(tài)勢圖生成與分發(fā)成為滿足需求多樣性的必然選擇，其邏輯架構(gòu)如圖7所示。既可以根據(jù)任務(wù)特點將相關(guān)數(shù)據(jù)提前組織好，并根據(jù)任務(wù)進(jìn)程動態(tài)更新作戰(zhàn)視圖，也可以由用戶從數(shù)據(jù)庫自主篩選態(tài)勢要素，生成自定義戰(zhàn)場態(tài)勢圖。分布式的數(shù)據(jù)存儲與計算架構(gòu)使得執(zhí)行同一作戰(zhàn)任務(wù)的不同分隊可以獨立生成戰(zhàn)場態(tài)勢圖，之后通過視圖疊加形成面向任務(wù)的綜合態(tài)勢圖，基于綜合態(tài)勢圖，不同分隊可以高效共享戰(zhàn)場信息并進(jìn)行協(xié)同標(biāo)繪，從而提高協(xié)同作戰(zhàn)效率。

3? 結(jié)? 論

基于大數(shù)據(jù)技術(shù)的戰(zhàn)場態(tài)勢感知體系是適應(yīng)未來戰(zhàn)爭需要，打贏具有智能化特征的信息化戰(zhàn)爭的必然要求。文章分析了傳統(tǒng)的戰(zhàn)場態(tài)勢感知模型和戰(zhàn)場態(tài)勢圖演進(jìn)，并指出隨著高超音速武器、隱身飛機、無人機蜂群等新一代武器的實戰(zhàn)裝備，傳統(tǒng)技術(shù)已經(jīng)難以滿足聯(lián)合作戰(zhàn)戰(zhàn)場態(tài)勢感知對態(tài)勢數(shù)據(jù)處理的要求。針對這一問題，文章首先結(jié)合分布式計算技術(shù)、分布式存儲技術(shù)和多種機器學(xué)習(xí)算法，提出了數(shù)據(jù)驅(qū)動的戰(zhàn)場態(tài)勢感知模型，能夠?qū)崿F(xiàn)戰(zhàn)場態(tài)勢數(shù)據(jù)的高速計算、存儲和檢索，提高戰(zhàn)場態(tài)勢感知體系的智能化水平。其次，為更好滿足聯(lián)合作戰(zhàn)各級指揮員、指揮機構(gòu)和各軍兵種部隊對戰(zhàn)場態(tài)勢圖的需求多樣性，提出了面向任務(wù)的戰(zhàn)場態(tài)勢圖生成架構(gòu)。面向任務(wù)的戰(zhàn)場態(tài)勢圖生成架構(gòu)使任務(wù)部隊能夠根據(jù)任務(wù)特點和個性化需求自主對戰(zhàn)場態(tài)勢數(shù)據(jù)進(jìn)行篩選，生成自定義戰(zhàn)場態(tài)勢圖。同時，不同任務(wù)分隊可以通過協(xié)同標(biāo)繪和視圖疊加實時高效共享戰(zhàn)場態(tài)勢信息，在保證戰(zhàn)場態(tài)勢理解一致性的基礎(chǔ)上能有效提高戰(zhàn)場態(tài)勢圖生成的靈活性。

圖7? 面向任務(wù)的戰(zhàn)場態(tài)勢圖生成

參考文獻(xiàn)：

[1] 劉熹，趙文棟，徐正芹.戰(zhàn)場態(tài)勢感知與信息融合 [M].北京：清華大學(xué)出版社，2019.

[2] 李昌璽，于軍，徐穎，等.聯(lián)合作戰(zhàn)條件下戰(zhàn)場態(tài)勢感知體系構(gòu)建問題研究 [J].中國電子科學(xué)研究院學(xué)報，2018，13（6）：680-684.

[3] 朱豐，胡曉峰，吳琳，等.從態(tài)勢認(rèn)知走向態(tài)勢智能認(rèn)知 [J].系統(tǒng)仿真學(xué)報，2018，30（3）：761-771.

[4] HENGST M D，MCQUAID M，ZHU J. Impact of Time-based Visualization on Situation Awareness [C]//37th Annual Hawaii International Conference on System Sciences.Big Island：IEEE，2004：1-10.

[5] 戴靜泉，李婷婷，杜蒙杉，等.聯(lián)合作戰(zhàn)態(tài)勢認(rèn)知技術(shù)研究現(xiàn)狀與發(fā)展建議 [J].指揮信息系統(tǒng)與技術(shù)，2021，12（3）：1-6.

[6] 汪躍，唐志軍，車德朝，等.戰(zhàn)場態(tài)勢一張圖技術(shù)綜述 [J].指揮信息系統(tǒng)與技術(shù)，2020，11（1）：12-17.

[7] 段玉先，劉昌云，魏文鳳.戰(zhàn)場態(tài)勢感知關(guān)鍵技術(shù)研究 [J].火力與指揮控制，2021，46（11）：1-11+19.

[8] 李婷婷，刁聯(lián)旺.智能化態(tài)勢認(rèn)知技術(shù)與發(fā)展建議 [J].指揮信息系統(tǒng)與技術(shù)，2020，11（2）：55-58.

作者簡介：張旭東（1994—），男，漢族，山西長治人，助教，碩士研究生，研究方向：指揮信息化與無人化作戰(zhàn)。

收稿日期：2022-08-28