浅析机器学习在军事通信中的应用

赵四方，张志刚

（海军工程大学电子工程学院，武汉 430033）

1 引言

在信息时代，通信作为信息终端之间沟通的桥梁起着无可替代的作用。军事通信是保障军队军队遂行作战任务，完成战场指挥的重要环节。随着信息化水平的提高，军用通信数据越来越多也越来越重要。目前，很多数据仍然没有得到充分的应用，耗费了大量资源[1]。同时，军事通信对数据的依赖性却来却强，迫切需要一种可以充分利用数据资源，实现通信高效，准确和自动化的通信技术。

当前，人工智能技术逐渐发展与成熟为军事通信提供了新的解决手法。其中以机器学习为代表的技术手段可以利用现有的军事通信数据，在频谱预测，通信对抗和通信网络组网方面可以起事倍功半的作用。

2 机器学习

2.1 机器学习概述

机器学习（Machine Learning）是一门研究计算机怎样模拟或实现人类学习行为的多领域交叉学科，其主要是设计出一些算法使得计算机自动“学习”，从而改善计算机的自身性能[2]。机器学习可以分为四类：监督学习，无监督学习，半监督学习和强化学习。样本数据有无标注是和使用方法是区别以上四种学习类型的关键。目前，机器学习以监督学习的发展最为成熟。

2.2 机器学习的应用与前景

机器学习的核心在于数据的应用处理和模型调参，所以机器学习主要应用于具有良好数据质量和数量的行业，例如金融领域的自动交易处理系统，汽车领域的自动驾驶系统和人脸识别系统等。同时，在2018年全国人民代表大会和全国政协代表大会中，以机器学习为代表的的人工智能技术再次被写入政府工作报告，充分显示了国家对于其行业发展的重视与希望。在军事通信领域中，存在大量未被发掘和利用的数据，目前也成为各国军事发展争夺的焦点。

3 机器学习在军事通信领域中的应用

3.1 机器学习在频谱预测中的应用

频谱预测作为军事通信领域的重要应用，目前主要是使用自适应通信系统完成相应任务。其使用信道扫描的方法，对不同频率的通信效果进行评估打分，最终按照分数的高低选择最佳的通信频率。

自适应通信系统简便了通信流程，并且产生了可供利用的通信数据。但是在瞬息万变的战场通信中，仍需要一种迅速准确的频谱预测手段。机器学习通过对历史数据的统计分析完成预测任务。军事通信中具有大量优质可靠的历史通信数据，利用这些既有数据，通过相应的学习算法可以构建准确的机器学习模型。相比传统的自适应通信系统，机器学习模型具有预测频率准确，迅速和可靠性高的特点。除此之外，最显著的特征是模型可以随历史数据的积累不断优化自身，提高预测的准确度，同时可以反映通信特征随环境的变化情况，便于相关机构的后续科学研究。机器学习方法可以提高频谱预测的准确度。

3.2 机器学习在通信对抗中的应用

通信对抗作为军事通信的重要一环，包含了干扰与反干扰两大方面。通信对抗中也存大量未被有效利用的数据，例如各站的侦查数据和测向数据。在实战中需要人工干预的方法进行数据处理，效率低下。传统基于人工手段的通信对抗手段已不能满足高节奏战场的需要。

现代高技术战争中，通信对抗方式出现了一下新特点：各军兵种联合作战数据异构性强；手段多样化导致装备种类复杂，操作难度加大；战争节奏加快使得电磁态势快速变化[3]。面对新特点，机器学习提供了新的解决方案。在各军兵种联合作战方面，机器学习可以集成规范化的操作流程，以流水线的方式实现对不同数据的标准化与规则化，并可以实现不同维度的数据信息相互转化。在多样化的对抗手段中，通过机器学习模型减少装备的人为干预成分，降低了人为失误概率和训练难度，可以有效提升人机结合能力。在快速变化的电磁态势中，历史数据训练的机器学习模型可以通过对比，迅速识别异常情况并及时作出预警，有助于决策层提高战场反应能力。机器学习方法可以提高通信对抗的感知能力。

3.3 机器学习在通信组网中的应用

军用战术通信组网以移动设备为依托，为战术和战役提供保障[4]。通信组网分为主从式和环形式。主从式分主台和若干丛台，拓扑结构常见为点对点和一对多组网，通信模式主含广播与点播。环形式组网中各个电台为相同级别，相互之间互相通信。

电台自组网和传感器间组网是各国军队争夺的高点，其中代表为战术通信数据链和无人机机群。目前通信组网方式大多需要人工操作和守听或者预先编程，并且存在组网拓扑结构不合理，不同网系之间转换复杂的情况。解决问题的关键技术在于节点设置和路由决策，目前证多参数下的路由计算为NP完全问题[5]，即可以完成多项式的快速计算。军事组网电台和传感器中历史流量数据可以作为机器学习节点划分和动态路由决策的依据，模型可以通过对流量的追踪和分析完成主从站和节点划分，并随情况变化自适应改变网络拓扑结构，减少网系之间转化时间。对于路由决策问题，通过数据更新和梯度下降不断降低网络复杂度，最终实现自适应网络结构的动态决策模型。机器学习方法可以提高通信组网的灵活度。

4 结束语

机器学习在军事通信中有广泛的应用前景，其基于当前通信中的大量的历史数据提升了频谱预测的准确度，通信对抗的感知度和通信组网的灵活度。今后，机器学习在军用通信领域的发展还会更加迅速，在通信指挥自动化，通信数据可视化和通信手段多样化方面提供更加多的解决思路，成为军事通信史上的重大变革。

[1] 王娟，梅强，牛晓华.数据工程在军事通信中的应用设计[J].数据通信，2016.5.

[2] 顾华来.机器学习在无线通信中的应用研究[D].南京大学，2012.5.

[3] 温小东，高铁峰.通信对抗指挥智能决策支持系统[J].无线电工程，2006，36（12）.

[4] 王晓楠.无线局域网技术在军队战术通信组网中的应用探索[C].洛杉矶，2016.12.

[5] 李彦君.利用机器学习实现快速网络资源分配的研究[D].电子科技大学，2015.