神经网络的基本特征及其在战斗识别领域的应用前景简介
—神经网络原理及应用报告
课程名称：神经网络原理及应用 课程编号： 指导教师： 学院： 班级：
姓名： 学号： 日期：
神经网络的基本特征及其在战斗识别领域的应用前景简介
摘要：在未来的军事对抗上，对军事打击的物理距离越来越大，对打击的反应时间的要求越来越短，对打击的精度要求越来越高。在这种情况下，迅速且精确的敌我识别系统显得尤其重要。传统的战斗识别方式早已遇到了瓶颈，而神经网络因为它在信息、信号处理、模式识别方面有些独到之处，近年来受到各国军界的普遍重视。
关键词：军事,战斗识别,模式识别,敌我识别,神经网络
1 引言
众多科学家预言，21世纪将是“生物”世纪。这说明生物学的研究和应用已进入了空前繁荣的时代。神经网络系统理论就是近十多年来受其影响而得到飞速发展的一个世界科学研究的前沿领域。这股研究热潮必然会影响到军事技术的研究。在现代战争中，因为远程制导武器的广泛应用，绝大多数军事打击都不再依靠肉眼来辨析敌我，战场上的敌我识别变成了一个重要的问题。据统计，1991年的海湾战争期间，美军与友军之间的误伤比例高达24%；在伊拉克战争期间，共发生17起误伤事件，死18人，伤47人。两场战争的伤亡结果表明，单一的敌我识别武器已不能适应现代战争复杂的作战环境和作战要求。所以提高军队战斗识别的效率是现代军事科技研究中一个极其重要的课题。神经网络作为新的热门技术，必然受到军事研究学者们的青睐。本文只选取战斗识别这一领域，简要探讨神经网络技术在战斗识别领域中的应用前景，但求管中一窥，抛砖引玉。
2 神经网络简介 2.1 神经网络的历史
神经网络的研究可以追溯到上个世纪的1890年。但真正展开神经网络理论研究却始于本世纪40年代。1943年，有心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型——MP模型，从此开创了神经网络理论研究的新时代。MP模型以集体并行计算结构来描述神经网络及网络的运行机制，可完成有限的逻辑运算。
1949年，Hebb通过对大脑神经的细胞、人的学习行为和条件反射等一系列
研究，提出了改变神经元连接强度的Hebb规则。这一理论在各种神经网络模型中起着重要的作用，且在生理解剖学上得到的证实。
1957年，Rosenblatt引进了感知器概念，给出了两层感知器的收敛定理，建立了第一个真正的神经网络。感知器由阈值性神经元组成，试图模拟动物和人脑的感知和学习能力。
1961年，Widrow和Hoff创立了用于自适应控制系统的连续取值的线性网络。这种线性网络可由硬件实现。这一研究成果引起了不少科学家的兴趣，也带来了很大的争论。此后，Minsky和Paper又从数学上深入研究了以感知器为代表的神经网络系统的功能和它的局限性后，以一个异或运算的例子，对神经网络提出质疑，致使神经网络的研究步入低谷期。但仍有一些卓越的学者在此低弃的七分钟，锲而不舍、难能可贵地坚持这一领域的研究。有Grossberg、Kohonrn、FuKushima、Anderson和Webos等学者分别提出了自适应共振理论、自组织映射论、神经认识机网络理论、BSB模型和BP理论等，从而为神经网络的发展奠定了坚实的理论基础。
1982年起，神经网络的研究重又进入了新的发展期。Hopfield提出了具有联想记忆的反馈互联网络，引入了“计算能量函数”的函数，给出了网络稳定性的判据。Hinton和Sejnowski运用了统计物理学概念和方法，得出多层网络的学习方法（学习过程中的模拟退火技术），保证整个系统的全局稳定。Rumelhart和Meclelland提出PDP（并行分布处理）理论，对认识微观结构进行了探索，同时发展了多层网络的BP算法。
1988年，美国的Chua提出了细胞神经网络模型，它是一个大规模的非线性模拟系统，具有细胞自动机的动力学特性。
至此，神经网络的研究已经在世界各国广泛展开，尤其是近几年来，神经网络理论已引起了美国、英国、日本和欧洲等发达国家科技界的极大关注。国际神经网络学会和IEEE已多次召开神经网络国际学术年会，并一致认为神经网络的发展会带来重大科研成果和应用前景。
2.2 神经网络的基本原理
人工神经网络是对人和动物神经网络的某种结构和功能模拟。人和动物神经网络的基本组成单元是神经元（如图1所示）。
图1 神经元结构
它包括了细胞体，轴突，树突，突触等元件。对于从同一时间从不同树突输入的神经冲动，神经细胞均可加以综合处理，处理结果可使细胞膜电位升高；当膜电位升高到一个阈值（约40mV），细胞进入兴奋状态，产生神经冲动，并由轴突输出神经冲动；当输入的冲动减小，综合处理的结果使膜电位下降，当降到地狱阈值时，细胞转入抑制状态，此时无神经冲动输出。“兴奋”和“抑制”，神经细胞必呈其一。
突触界面具有脉冲/电位信号转换功能，即类似于D/A转换功能。沿轴突和树突传递的是等幅、恒宽、编码的离散电脉冲信号。细胞中膜电位是连续的模拟量。
神经冲动信号的传导速度在1~150m/s之间，随纤维的粗细、髓鞘的有无而不同。
神经细胞的重要特点是具有学习功能并有遗忘和疲劳效应。总之，随着对生物神经元的深入研究，揭示出神经元不是简单的双稳逻辑元件而是微型生物信息处理机和控制机。
就目前的理论水平、制造水平和应用水平，人工神经元上不可能是对人脑神经网络的全部真实模拟，只能是对人脑神经网络有选择的、单一的、简化的构造和性能模拟，从而形成了不同的功能，多种类型的，不同层次的神经网络模型。
人工神经王阔的基本组成单元是神经元。神经元的原理结构模型如图2。
图2 人工神经元结构模型
神经元一般是多输入、单输出的非线性元件。
大量的神经元连接在一起，就形成了神经网络，即神经网络的互联结构。神经网络的互连结构大致有四种类型。
（1） 无反馈网络 神经元分层排列。第一层为输入层，其次是若干中间
层，最后一层为输出层。每一层神经元只接受前一层神经元的输入，而与本层的神经元和后一层的神经元无输出关系。输入此您好经过逐层模式转换后，最终由输出层输出。
（2） 有反馈网络 神经元分层排列，但与前者不同的是，输出层的一些
神经元其输出又反馈给前面的输入层。
（3） 层内各神经元之间有交互输入、输出的网络 同层内的神经元间有
信息互通，这样可横向控制层内个神经元的抑制和兴奋状态，从而实现更灵活、更复杂的控制机制。
（4） 互联型网络 网络中任两神经元之间都可能有输入、输出的互联。
这种网络十分复杂信号的传递四通八达，信号在神经元之间反复往复传递，这样就可能使网络进入震荡或混沌状态，也有可能经过数次变化而达到稳定的平衡。前述的两种网络可视为互联型网络的某种简化网络。
3 战斗识别与神经网络 3.1 战斗识别简介
战斗识别，美军的定义是：在较短时间内和一定距离外准确地区分友军、敌军和中立方军队。战斗识别的发展与战争形态的演变密切相关。目前的战斗识别方式主要有平台式识别、平台外识别和综合识别三种识别方式。
平台式识别的主要特点是战斗识别系统与射击平台一体化。系统由两部分组
成：第一部分直接用以识别未知目标，称为直接分系统；第二部分是向用户提供潜在目标的信息，称为间接分系统。直接分系统又分为两种：一种是协同式目标识别，需要目标与其合作；另一种是非协同式目标识别，不需要目标合作，如探测雷达。
平台外识别与平台式识别不同之处在于：设计平台不需要安装战斗识别系统，只是利用安装在设计平台外的装备和识别系统，检验来自众多信息源的目标信息，通过对目标信息的分析处理，实现对目标属性的判别，然后将目标属性信息提交射手。
综合识别系统是把平台式目标识别和平台外目标识别综合起来，集成基于不同技术体系的信息获取系统（包括目标反射、辐射信息，建立与目标的信息交换通道等），以实现目标属性的最终判别。
未来的战斗识别系统将是分布式的战斗识别系统，可将空中和地面的所有装备连接在一起，形成前所未有的态势感知能力，将极大提高作战效能。
3.2 神经网络在未来战争中的重要地位
众所周知，包括指挥（Command）、控制（Control）、通信（Communication）与情报（Information）的C3I是现代化战争的主要组成部分。举世瞩目的海湾战争在经历了多国部队38天的电子干扰、卫星侦察、计算机破译侦听和猛烈而有效的空袭后，仅用100小时的地面站就取得了战争的全面胜利，为未来战争的特征提供了一个良好的范例。
实际上，在以电子信息为代表的高科技迅猛发展的今天，战场的胜负主要决定于双方综合力量的对比，其中迅速而可靠的信息传输和正确而有效的信息处理更是去的战争主动权的关键因素。所以，表征计算技术（Computation）和通信技术（Communication）的C&C，已经是未来军事技术中一个密不可分的整体。
换言之，当前的军事通信和现行的计算机技术紧密相连。
但是，由于以串行集中方式按预先编好程序进行累加计算的Von Neumann型计算机，在处理诸如图像识别、自然语言理解一类问题时，由于规则推理解释的串行性和非确定性本质，以及大铜梁知识库顺序检索匹配的处理时间呈指数级爆炸，因而远远不如哪怕是只有两三岁婴儿的智能。现行计算机的这种本质性的弱点，限制它在错综复杂、讯息万变的现代战争中的作用。有人估计，利用现有
技术手段，只能收集到军事信息的1~10%。
而神经网络计算机具有下面一些特点，使它能在未来的军事信息传输和处理中，发挥不可估量的巨大作用。
（1） 巨量并行分布式处理方式
（2） 信息存储和信息处理合二为一，能由局部信息恢复出全局信息 （3） 具有从例子（即经验）进行自组织学习的能力 （4） 具有非环境变化自适应调节能力
（5） 适合于处理模拟的、模糊的和随机的输入信息 （6） 具有良好的容错能力
（7） 以实时地给出满意解的方式来处理众多的智能性问题 3.3 神经网络在战斗识别中的应用前景
我们知道，当1946年美国宾夕法尼亚大学用18000多个电子管研制成世界上第一台Vom Neumann型计算机时，它的用途限于数字积分计算。可是当计算机技术进一步发展后，在国防军事部门就得到了极其广泛的应用。在1991年初的海湾战争中，美国在军事通信分析截取道德对方密码信息、控制指挥和后勤支持等方面都大量地使用了现行Von Neumann型计算机，为取得战争胜利，减少人员伤亡做出了巨大贡献。因此，我们不难预计，一旦神经网络和神经计算机技术得到进一步发展后，它在智能信息处理方面的巨大优越性，定能使它在未来的军事技术中，特别是战斗识别中，具有现行Von Neumann型计算机所不能达到的重要价值和地位。
3.4 神经网络应用于模式识别以提升战斗识别水平
人类在长期的生活实践和科学研究中，逐渐积累起来了通过感觉器官辨别不同事物的能力。例如颜色、形状、质地以及各部分的结构关系等。人类之所以可以进行这种识别，重要原因是各事物具有不同的特征。像这样用事物的特征所构成的数据结构就成为相应的事物的模式，或者说模式就是对食物定量的火结构的描述。人们通过模式感知外部世界的各种食物，这是获得只是、概念和做出反应的基础，是一种思维和抽象的过程。而在人工智能或信息科学范畴内，模式识别是指用数学、物理的方法和技术实现对模式的自动处理、描述、分类和解释，目的在于用及其部分实现人的这种智能活动。
战斗识别，从本质意义来讲，也是数以一种广义的的模式识别。通过收集目标的各种情报，由计算机做出采样和修正，交给指挥阶层做出决策，然后再下达命令，最后实现对目标的识别。而神经网络在其间的应用，是为了通过计算机中的神经网络对目标实行高效率且精确的自识别。由于神经网络具有学习性和遗忘性，其总能实时更新战场动态，能根据以往积累的经验分析出当前最可能的态势，从而做出最贴近实际情况的战斗识别。
4 从邻近空间平台与空天飞机在未来战争中的协同作用看神经网络对战斗识别的作用
邻近空间（Near-space）是坤宁宫天一体化作战的重要战略领域，处于传统的空天之间，其下面的区域通常称为“天空”，是传统航空器的主要活动空间；其上的空域就是“太空”，是航天器的运行空间。在邻近空间中部署军事装备，向上可威胁天基平台，向下可攻击航空器等空基平台，甚至地面目标，并可以以相对较低的成本完成通信、遥测、情报、侦查和监视等各种军事任务。
在战斗识别中，邻近空间平台具有以下优点：信息感知范围大、信息资源探测精度高、持续工作时间长、覆盖范围广、反应时间快、隐身性能好、生存能力强、任务载荷大、应急作战能力强等特点。
在邻近空间平台中，有空天飞机。空天飞机是指可以重复往返于地球表面和空间辅导之间，并可以在轨道和轨道间执行各种有效在和运输任务的空天飞行器系统。他想普通飞机一样起飞，以超高音速在大气层内飞行，在30~100KM好高空的飞行速度可达Ma=12~25，并直接加速进入地球轨道，成为航天飞行器。返回大气层后，想飞机一样在机场着陆。在此之前，航空和航天是两个不同的技术领域，由于飞机和航天飞行旗分别在大气层内外活动，航空和运输系统是重复使用的。而空天飞机能达到完全重复使用和大幅度降低和航天运输费用的目的。
在战争或战场环境下，邻近空间平台可以充分发挥各项特点，圆满完成侦查、监视等战术任务，但邻近空间平台的覆盖范围远大于低空无人机，而却持续时间长达数月，时分适合于战场战术的指挥、决策。这其中就有应用于战斗识别的潜在价值。
在未来的综合战斗识别系统上，神经网络利用更为广泛的邻近空间平台进行信息收集，甚至利用其进行军事打击，都是神经网络对战术识别的运用价值。
临近空间平台因其潜在的军用价值已成为各国近期的研究热点。从总体来看，临近空间平台技术尚处于关键技术公关与演示验证阶段，而各国开展的邻近空间平台与其他飞行器之间的协同作用研究还处于起步阶段，但其蕴藏的巨大军事价值已经引起美国在内的世界各军事强国的高度重视。就临近空间平台与空天飞机协同作用来说，将可能包括 对重点区域的协同剑士、协同预警和拦截反卫星武器，使邻近空间平台作为空天飞机的发射平台。将明天飞机作为额往返邻近空间 的运输工具，将空天飞机作为战场情报收集和敌我识别的指挥所。
5 神经网络在编队防空中的应用前景 5.1 目前舰艇编队防空面临的问题
随着军事科学技术的进步，空袭武器系统得到了长足发展，把海上防空特别是对空袭武器的识别锁定逼到了一个十分空难的境地。神经网络具有自适应性、自组织性和容错性等优点，应用于舰艇编队的海上防空将产生革命性的影响。
自上世纪80年代以来，电子技术、电子计算机技术、人工智能技术、通信技术、精确制导技术、航空航天技术、激光技术、隐身技术等一大批搞技术迅速而广泛地运用到了空中打击领域。是空袭武器系统得到了长足的发展，把防空逼到了十分困难的境地。从80年代以来的几场局部战争可以看出，空袭与防空失去了平衡，一强以弱的状况令人深思。时至今日，空袭仍居上风，防空作战困难重重。
现代空袭武器系统速度快、机动性强、威力大、电子战能力强，使得现代海战的战术环境尤为复杂，信息处理量剧增，紧靠人工决策已不能适应现代海战的要求。只有拥有灵活、准确行之有效的作战指挥系统来辅助指挥员进行战术决策，在指挥远急需辅助和难以及时处置的情况下给予必要的提示，或按全自动方式控制系统运行，才能提高系统的快速反应能力和作战效果。叫停作战指挥系统当前面临的严峻挑战是
信息量大。如不实时处理，可能导致重要情报丢失。
信息不完全。处于电子对抗和二类自然环境中的传感器，往往只能获取不玩增或不精确的信息，如何处理这些信息，需要在信息出路系统中妥善解决。
数据融合要求高。大量运动的传感器平台接受的数据需要融合，才能正确提取目标，做出战术决策并实施武器指挥和控制
战场决策难度大。多武器平台、软硬武器结合的决策系统是根据专家知识建立起来的买这种专家系统难以应付多变的战场态势。
以上这些特性对于一非线性和并行处理为基础的人工神经网络来说，具有一定的适应性。为适应未来高技术条件下海战的需要，下面将对神经网络在舰艇编队海上防空中的战斗识别中的应用进行一些探讨。
5.2 神经网络在编队防空战斗识别中的应用前景
神经网络在舰载雷达上的应用前景会越来越广。从舰艇编队海上防空的敌我识别角度看，神经网络的应用前景主要是以下几个方面：
1、舰艇编队实现多传感器组网和信号融合
各种舰艇，特别是大中型舰艇，均装有众多的完成各种功能的雷达以及激光、电视、红外等设备，一个舰艇编队所具有的传感器数量就更多。圣经网络具有并行处理、容错性的特点，适合于多传感器的信息融合。舰艇编队运用神经网络后，能扩展探测空域，提前预警时间，缩短反应时间，提高可靠性和可信度，增强软抗/硬摧毁能力，提高反隐身和抵抗狄孔国突防能力，改善系统精度，提高信息质量，增加新的信息，增强C3I系统的有效性，从而大大提高舰载雷达系统的“四抗”能力。 2、海战实现智能指挥
现代海战中，指挥员要考虑上级指令、作战环境武器装备、战斗序列等因素，对来袭导弹的探测、对抗武器的设定和发射参数的概述往往限制在一秒钟内完成，而当前的计算机不能胜任这一任务，只有社宁网络可以完成。神经网络中信息的存储和操作是合二为一的，易于快速联想、迅速类比和对复杂问题进行概括，加上神经网络具有极强的自学习能力，可随条件变化而变化，及时改进规定，完善军事数据和军事知识库的性能。美国休斯公司设计了一个实验性模拟系统模拟一个对付外来威胁、保护重要目标的导弹系统，其中用到了具有自学习能力的神经网络，在快速变化的环境下，对付多个目标的拦截成功率达85%~95%，对付单目标的拦截陈功率平均大于95%，如果使用专用芯片，拦截成功率将更加惊人。因此，在未来海战中，利用神经网络辅助指挥与决策，可大大提高作战指挥效能。 3、在强杂波下实现对目标信号的检测
舰载雷达探测不可避免地会遇到杂波，特别探测掠海飞行的反舰导弹，要求舰载雷达必须有优良的抗杂波能力。然而，由于咋比复杂多变，传统的贝叶斯验证法汉南得到最优解。社狞恶昂罗多层感应方法可以通过学习和训练找到其分布规律，实现目标自动检测与分类，并能得到近似最优解。 4、实现抗饱和攻击
舰艇编队可能受到不同层次各个方位、各种发射平台和多种武器的饱和攻击，利用神经网络能使舰载雷达缩短反应时间，增加搜索目标和跟踪目标的批数，确保舰载武器威力的发挥。美国休斯公司曾作过一组实验，在一次防空演习中，用神经网络优化处理的方法进行多传感器被动跟踪，收到了良好的效果。其中涉及在大量目标存在的情况下，对真目标进行迅速定位，使用神经网络的处理速度比通常的计算机高6个数量级。可以预见，神经网络用于舰艇，可实现多目标的跟踪和订位，对于抗饱和攻击具有极大好处。
5、目标威胁判断和排序，战斗识别
这是神经网络用于信息处理的一个方面，目前，对目标威胁判断及排序大多是考虑其预警时间和对我损伤大小出发，而很少了考虑目标战术样式的变化特点。结合应用模糊理论和神经网络理论，考虑了目标供给角度这一特点，通过对所构造的网络即兴训练，获得了较之常用算法感更为确切的威胁判断及排序结果。因此，基于神经网络理论的应用，给威胁判断的决策指挥开辟了一条新途径，在很大程度上能弥补常用算法解决此类问题的不足。
6、雷达辐射源识别
现代舰艇使用先进电子设备系统装备起来的移动式信息平台，么有这类电子系统，海军作战舰艇就不可能完成预期功能。这也表明了舰艇电磁干扰对舰艇种牛痘行动起到制约和限制作用。能否实时、准确地从秘籍电磁信号中识别雷达的特性。是能否才去正确的电子战手段的前提条件，因而雷达辐射源的识别为各国海军所重视。由于神经网络具有传统算法所不具有的自联想功能，所以经过训练的神经网络不仅能实时地识别雷达特性，而且即使在侦查收集的信号u完整实，神经网络也能通过联想功能，给出合理的结果。
6 结束语
开发先进的用于战斗识别的神经网络作战系统既是一场艰巨的技术革命，又
是一项庞大的系统工程。当今，许多问题充斥于战场中的战斗识别灵魂与，如战场态势评估、武器分配、指挥决策、威胁判断等。由于人脑受外界环境、心理因素、知识结构、记忆能力等因素的影响，其决策速度和准确性是很难满足现代战争要求的。从神经网络的有点和近战情况来看，它是比较适合解决上述一类问题的。因此，将神经网络理论用于战场中战斗识别，对三栖作战将产生革命性影响。
参考文献
[1]冯泉英.神经网络技术的军事应用前景[J].船舶电子工程,1995,2:21-28. [2]任庆勇.辨析敌我的火眼金睛——美军战斗识别系统[J].国防,2011,10:76-78. [3]康天增.神经网络的原理和应用[J].机电设备,1996年,05期:32-36. [4]靳蕃.神经网络的基本特征及其在军事通信领域中的应用前景[J].电讯技术,1993,01:1-9.
[5]靳蕃.电脑与人脑—展望神经计算机的未来[J].自然杂志,1991,7(14):56-59. [6]林加乡,葛元.浅谈BP神经网络在模式识别中的应用[J].电脑知识与技术,2011,7(7):1543-1545.
[7]邓可.神经网络在编队防空中的应用前景[J].舰载武器,2002,3:4-6.
[8]常建龙,赵良玉,李克勇.邻近空间平台与空天飞机在未来战争中的协同作用[J].舰载武器,2002,3:81-96.
[9]焦李成,保铮.神经网络与军事电子技术智能化[J].系统工程与电子技术,1993,8:1-10.
[10]陆伟.战斗识别综述[J].国外坦克,2012,4:18-22.
[11]张伟豪,陈怀新,崔莹,王连亮.基于动态贝叶斯网络的战斗目标综合推理识别[J].电讯技术,2012,06:79-81.
[12]罗金平,杨抑强,代伟权.舰艇编队网络一体化防空作战体系研究[J].舰船电子工程,2012,2:10-12.
[13]郑宏建,孙有田.水面舰艇防空体系的发展趋势分析[J].飞航导弹,2010,11:15-20.
因篇幅问题不能全部显示，请点此查看更多更全内容