互联网+应用
nternet Application
_________ □葛金鹏蒋晓红广州海格通信集团股份有限公司副总师
【摘要】无人化、智能化作战是未来战场的主要发展趋势，无人系统集作战是近年来各军事强国重点发展方向，协同通信网络是该 领域研究的热点之一。本文从无人系统通信网络发展现状出发，分析了有无人协同作战对通信网络提出的新挑战、新需求，并结合人 工智能、认知无线电等技术的发展，提出了协同通信网络智能化组网相关的关键技术和解决思路。
【关键字】无人系统协同网络智能组网
Research on the collaborative network of Unmanned system cluster
Abstract:Unmanned and intelligent cooperative combat is the main development trend of the future battlefield.Unmanned system cluster cooperative combat is the key development direction of military powers in recent years,and cooperative communication network is one of the research hotspots in this
field.Based on the development status of communication network of unmanned system,this paper analyzes the new challenges and new requirements of communication network brought forward by manned/ unmanned cooperative combat.Combined with the development of artificial intelligence and cognitive radio technology,the key technologies and solutions related to intelligent networking of cooperative communication network are proposed.
引言
无人系统在“人所不至”的区域执行“人所不能”的任务时，具有不可替代的优势。目前，无人系统个体智能还远没有达到独立完成任务能力，对遥控遥测系统的依赖还比较强；为了使无人系统完成更多的任务，通常采用集系统来提升无人系统的能力。这样，无人系统的协同控制网络就成为集控制的关键技术，是无人平台之间、无人平台和有人平台之间信息交互/协同执行任务的纽带。无人飞行器因为使用场景通视条件好，协同通信在无干扰情况下很容易实现。对于地面无人系统，因为使用环境复杂，协同通信成为一个难点问题。
一、无人系统协同通信技术现状
1.1国外无人协同通信典型系统
美军近年来装备了大量无人装备，在反恐行动中广泛应用，其通信系统主要采用wifi、3G、4G等民用无线通信设施。部分作战性无人装备，比如无人装甲车“黑骑士”装备了增强型高速战术数据链设备，但通信操控比空中无人平台要复杂的多m。
美军高度重视无人系统智能化技术的研发，在无人系统测控、协同控制等方面，美军布局开发了多种类型通信网络支撑无人系统，如QNT协同数据链[2]、任务优化动态自适应网络酬（DyNAMO)、协同作战能力网络（C E C) [2]、网络 数据链等。美国防高级研究计划局（DARPA)提出的“马赛克战”概念中，首先公布的三个“马赛克战”项目均与通信技术有关，其中：“普罗维登斯”项目关注新型射频传感和信号处理；“相干振荡器”项目关注支持未来射频系统的先进信号处理技术；“弹性组网分布式马赛克通信”项目关注可实现长距离通信的分布式相干通信技术同时，美军针对差异化无人系统的协同控制问题，专门提出了相关互操作标准，后来被美国汽车工程师协会（S A E)定义为开放的无人系统标准JAUS。
(1 )Quint协同网络（QNT)
美国国防预先研究计划局（DARPA)为了解决武器弹药、地面的空中控制员（单个地面作战单元）和战术无人机等平台数据连接能力存在的缺陷，于2005年发起了Quint网络技 术（QNT)研究计划，研究一种模块化、可靠且廉价的网络数据链，可以在有人机、无人战斗机、武器弹药、战术无人机和地面作战单元之间建立多波段通信。QNT能够方便地综合到美军现有飞机和地面装备中，并无需更改飞机或为地面设施增加新的负担。
QNT数据链目前已经装备部队，QNT具备组网能力，采用软件无线电设计，支持半双工或全双工工作，可以构成最多包含1000个节点的网络，距离为150nmile时传输速率达到100k b p s以上，而距离为4〇nm ile时数据率达到2Mbps。罗克韦尔•柯林斯公司研制的QNT样机，是一种双信道的软件无线电台，工作在VHF (30M H z〜88MHz，118MHz〜152M H z)、UHF (225MHz〜400MHz)和 L 频 段（1350MHz~ 1850MHz)，距离为 100 nmiles时数据率可达500kbps，而距离为50 nm iles时，数据率可达2Mbps。
(2)任务优化动态自适应网络（DyNAMO)技术
针对未来战争环境下信息网络受限时作战资源可靠管理与控制需求和强对抗射频环境中网络动态自适应能力需求，美军开展最优化动态自适应网络项目（DyNAMO)，通过探索和运用新的自适应网络技术，实现异构网络互联互通与临机自适应网络重构，支撑时敏协同瞄准、网络武器控制与网络化情报侦察等作战应用。目前，美军正在针对Linkl6、TTN T和MADL的异构数据链网络，设计开发自适应组网、网络互操作、动态组网波形等关键技术，以小于5%的网络开销实现多网络综合管理。该项目成果将作为美军2020财年预算提出的基于信息的多元马赛克(IBM2)项目的基础，进 一步发展跨域协同网络和数据管理工具，用于自动建立跨域网络和管理信息流，并致力于解决多级安全配置时的时延和互操作性问题。
(3)协同作战能力网络（C E C)
C E C主要用于各种有人、无人系统之间交换原始的传感器数据，其信息传输手段具有战术数据链的特
征，如数据分
104
发系统（D D S)，使用U H F的宽带传输信道，具有极高信息传输速率；C EC使得网络中的参与者可以利用远程传感器的数据对威胁目标实施打击。多个作战平台可以利用C E C相 互协作，一个平台对目标实施跟踪和解算，由另一个平台实施火力打击，陆军安装C E C用以支持爱国者导弹和战区高空防空（THAAD)的导弹系统。
(4)网络数据链（N D L)
波音公司正在研制的“网络数据链”（NDL)，工作频率在2吉赫以上，采用较高的频率是解决IS R所需高数据速率的有效办法。N D L主要用于地面环境，将各种地面平台尤其是“未来作战系统”联成网络。作为“联合战术无线电系统一集1”（JTRS Cluster 1)现代化的一部分。
(5 )弹性组网分布式马赛克通信项目
2020年6月，DARPA发布“弹性组网分布式马赛克通信”项目跨部门公告，寻求分布式相干通信技术领域的创新性建议书，重点关注开发适用于当前战术无线电作战波形的双向马赛克元件系统。
项目旨在寻求开发一种可移动、自成形、自修复的马赛克天线来提供远程通信。马赛克天线由空间分布的低尺寸、重量、功率和成本（SWAP-C)收发器件组成，可以被放置在车辆、船舶、无人和有人机、卫星以及单个小队成员上。发射功率分布在碎片之间，增益通过信号处理实现，而不通过物理天线孔径来集中能量。马赛克天线碎片的分布式部署将具备更强的鲁棒性来应对故障和攻击，该项目为无人系统集通信提供了新的思路。
(6 )JAUS标准
美国汽车工程师协会（S A E)在美国国防部（D〇D)特许的无人地面机器人领域开放式架构基础上制定了无人系统联合架构（JA U S)，其最初目的是定义一个开放的通信标准，通过网络构建无人系统的通信和互操作，美军许多项目和供应商都涉及了JA U S，并成功地证明了它在无人系统中的应用。JA U S标准定义了一组公共服务，以实现无人系统之间和之内的基本互操作性。这些核心服务允许组件相互传输数据，配置事件以进行消息传递，动态发现其他系统及其服务，独占访问控制等。其中，传输服务提供底层通信协议层的抽象，此服务建立通信端点，其地址由三兀组{SubsystemID，NodelD，ComponentID}定义。需要利用传输服务提供通信信道的其他服务必须从传输服务继承。它提供双向通信通道(输人队列和输出队列），能够将消息发送到单个目标端点或向系统中的所有端点广播消息，并从任何源端点接收消息。JA U S—定程度上解决了差异化无人平台，异构通信系统之间的互连互通问题。
1.2无人协同控制网络特点
美军在《无人系统综合路线图（2017-2042)》[5]中将无人系统的网络安全列为未来发展的四大关键技术之一，其核心目的是保证无人系统安全可靠的网络连接和高效的频谱接入。近几年，无人系统测控和组网通信技术发展主要呈现以下特点：
一是网链一体化，专用链向通用链转变。自组网技术的发展更加重视建网速度、传输时延以及与业务的铰链；数据链技术逐步考虑网络化能力和通用化发展。目前美军正对其现有武器协同数据链进行升级、改造，向通用型方向发展。如美军的TTNT，是一种应用于对时间敏感目标的快速瞄准定位和精确打击的无线网络通信技术，能够在战术飞机、无人机、情报和监视侦察平台以及地面站之间提供高性能、低 时延、互操作的数据通信服务。
二是侦抗通一体化，单机抗扰向体系化对抗转变。将电磁态势侦察、电子信息对抗与通信网络应用相结合，充分利用差异化平台差异化载荷能力，发挥体系效能。从目前文献资料看，国外在空基、海基上都有一体化系统项目，但未发现陆基方面的一体化项目。例如美军着力将C E C融入网络中心战中，整合复合跟踪与i只别、捕获提示、协同作战等能力，形成了“海军综合火控—防空能力（NIFC-CA) ”，实现传感器与武器的紧密铰链，全面提升C E C协同作战能力。
三是信息体系智能化，由被动适应向主动调整转变。将认知无线电、人工智能技术相结合，在电磁态势认知的基础上，通过持续的行为学习和训练，能够自主评估、生成信息对抗策略。DARPA开展了多项电
磁频谱作战项目，典型的如行为学习自适应电子战（BLADE)、极端射频频谱条件下通信(CommEx)等项目。BLA D E项目的重点是开发新的算法和技术，使电子战系统能够在战场上自主学习、干扰新的通信威胁。CommEx项目针对在遭受严重干扰压制的情况下，开 发一种具备高度自适应能力和灵活性的通信系统。
二、地面无人协同通信网络需求
相比于常规武器系统，无人系统集具有非对称优势，任务成功率高、作战成本低、体系生存率高。无人系统将体现出多平台协同工作的特点，即由不同型号、不同形态的无人系统组成多无人系统，与有人平台协同作业、共同完成任务。
无人系统遂行任务时面临的物理环境、敌我环境复杂多样，通信组网设备是无人系统与其他有人、无人系统协同作战的纽带，需要能够自动适应各种任务环境，相对有人平台需要具有更高的智能化水平。无人集协同通信网络具有四方面智能化需求，如图1所示，具体如下：
(1 )网络智能构建
与有人平台不同，无人系统没有人员实时操作，网络构建过程需要无人系统自主完成。因此，需要通信网络装备能够与无人系统系统感知能力、自主行为能力相结合，基于网络预先规划与实际感知环境，智能地完成链路探测与网络构建。
(2)态势智能感知
未来无人化、智能化战场敌我态势瞬息万变，电磁环境复杂，稳定可靠的通信网络需以准确、实时的态势感知为基础，及时发现或预见网络不稳定因素，是主动调整通信参数、网络参数的基础。态势感知不仅是当前频谱状态探测，还需要能够推测频谱发展趋势，预见网络、链路即将发生的变化，从而为参数调整决策提供依据。
(3)参数智能调整
能够根据网络拓扑控制的需要以及节能、隐蔽通信的需要自适应调整发射功率；能够在限定的频段范围内，根据感知到的频谱情况，在全网范围内自动协同选择最优的频率或频率集进行通信；能够根据地形环境、对抗环境、电磁环境
T互联网+应用
__________________Internet Application
105
互联网+应用nternet Application
等作战应用环境的变化，自适应调整通信带宽、调制/解调、编/解码等波形方案，结合地理位置信息、智能资源管理技术，实现环境自适应、速率自适应、距离自适应，并满足隐蔽、安全、可靠、高效的通信需求。
(4)拓扑智能控制
战场态势瞬息万变，无人系统作战任务、作战环境都在时刻发生着变化，电磁干扰、环境阻隔都可能影响网络拓扑，甚至部分节点毁损、被捕获等直接导致节点失效，固定的网络规划、被动的拓扑调整显然无法适应高对抗的作战环境，需要研究一种更加主动、更加智能的拓扑控制技术，能够基于对战场的综合认知和网络态势，主动控制网络拓扑，快速完成网络自愈。
图1有无人协同作战智能组网需求
三、协同控制网络波形技术
3.1系统网络态势全面感知和可靠性评估技术
未来有无人协同作战通信网络不仅面临自然环境、城市建筑等对电磁信号传输的影响，还面临对抗过程中敌我双方动态变化和电磁干扰问题，各作战平台首先需要对通信网络态势有一个全局的认知，才能对网络构建和调整方案进行规划和决策。
图2基于电磁环境探测和网络可靠性评估的态势智能感知
技术
一是研究动态条件下多跳网络电磁环境态势全面感知技术。在山区、丛林、楼宇等复杂地形条件下，各有人、无人作战要素行进或机动作战，面临的无线信道环境将复杂多变，网内节点需要及时感知全网的频谱情况，进而协同调整通信、网络参数。感知的内容包括：频谱的忙闲状态，信道上存在的具体干扰或信号形式，根据环境和通信服务，可能出现的衰落特性，给定功率下可能到达的信噪比等参数。研究利用谱分析技术、辅助训练数据（包括本身的传输信号）、协作感知技术，以准确而快速地获取多跳网络各节点所面对的频谱和信道特性等电磁环境态势。
二是研究适应复杂作战环境有人、无人系统通信网络的可靠性评估方法和模型，为通信网络可靠性评估提供评价标准。通信网络可靠性指标主要分为误码率、链路干扰容限、节点连通率、信道损失率、网络连通度、网络吞吐量以及网络传输时延等。由于网络可靠性评估需要综合考虑各种因素，而层次分析法非常适合此类复杂问题的模型化和量化，可采用层次分析法[8]思想来建立网络可靠性评估指标体系。网内 若干骨干决策节点实时评估网络可靠性，必要时主动调整通信网络参数，以保证网络的持续可靠运行。
3.2基于智能资源管理的多维多信道接入技术
大规模有人、无人系统联合作战环境下，各作战单元、节点所处的物理环境复杂多样，各节点可用频谱、可用带宽差异大，要实现扁平化组网、宽窄带融合，为用户提供高效、连续的组网能力，需要在部分关键性节点部署两个或以上的物理信道，以同时连接多类型信道。所以，有无人协同作战通信网络的链路层接入技术本质上需要研究一种高效的多信道接入协议。与一般的多信道接入协议不同的是，无人系统所面对的信道条件存在节点多样性、频谱动态变化、带宽动态可调的特点。如何在多种动态约束条件下，基于频谱认知和网络认知，实现大规模用户的高效接人是一个很大的挑战。
空地一体化多域作战是有人无人系统协同作战的一种主要发展趋势，设计合理的地-地、地-空多信道宽窄带融合组网方案，既可以一定程度上应对复杂地形下传输损耗大、频率选择性差的问题，又可以在条件好的情况下具有髙带宽传输能力。在系统设计时，需针对多频段、多信道的差异化传输能力，空-地协同通信特点，以及用户节点多、中继跳数多等需求设计智能、高效、鲁棒的链路层接入方案。设计方案应在传统无线宽、窄带接入算法的基础上，从时域、频域、空域、优先级等多个维度优化设计链路层接入算法，既要满足多跳网络频谱动态感知的接入需求，也要满足差异化频率、带宽条件下的多样化业务接人需求。
thaad3.3波形智能重构和参数自适应技术
波形重构是指在没有硬件变化的情况下，自动调整传输系统运行模式的能力。通信组网设备的智能化，
需要研究波形重构技术，实现组网设备的动态编程，进而采用不同的无线传输技术收发数据，以适应复杂、动态变化的无线信道环境。可以重构的参数包括：工作频率、工作带宽、调制方式、传输功率和通信协议等。在波形重构技术研究的基础上，综 合考虑基于物理层频率认知获取的信噪比、阻塞率和收信号强度，并结合拓扑控制技术，由网络层和数据链路层联合完成无线链路参数自适应控制。
波形重构和参数自适应是实现无人系统通信组网系统智能化的关键：波形智能重构技术可以解决山区、丛林、楼宇等复杂环境下多跳网络不同区域无线信道环境差异大的问题，以及行进、对抗过程中无线环境或通信需求发生变化的问题；参数自适应可以解决波形重构时的人工配置问题，是 实现波形重构、网络重组、业务不断的关键。
波形智能重构和参数自适应技术可以实现不同信道环境、不同作战环境下的波形、通信参数自适应调整，结合频谱动态感知和网络认知，为无人系统提供当前环境下的最优传输能力，以及极端条件下的最低限度通信保障能力。
106
互联网+应用
nternet Application
3.4基于综合认知的智能化网络控制技术
随着技术的发展，与有人平台协同作战的无人系统，将 具有较高的智能化水平和自主行动能力，而不是在人类控制 下作战。智能化无人系统一般集成多种探测感知设备，以对 作战环境、平台状态、战场态势进行感知，这些信息可以应 用于通信组网设备，为路由决策提供辅助信息。作战平台的 传感器信息复杂多样，包括位姿、方向、速度、能量状态、 温度、雨雪、地形地貌、敌我目标状态等，这些信息的有效 利用可以极大地提高网络态势评估的准确性，进而可以更加 合理的主动控制网络拓扑。
可以根据感知到的敌我态势，主动对网络拓扑进行调整。 网络的物理和逻辑拓扑结构是支撑网络通信效能、满足用户 通信业务需求的基础。有人、无人联合作战条件下的主动拓 扑控制难点是平台多样，控制约束条件多。多样化作战平台 通信装备的可用信道、功率等级、波形体制可能存在差异， 拓扑控制需要考虑节点能耗水平、隐蔽性、网络连通性和容 量等多种约束条件。
3.5高带宽低延时传输技术
无人系统集化应用的核心是多平台之间高效实时的信 息交互，无人平台测控和协同控制业务量大，且实时性要求 高，所以协同控制网络波形需要突破的一项关键技术是高带 宽低延时传输技术。
低时延传输除了物理层要有足够的传输带宽保障外，还 要在空口传输上尽量降低时延。高带宽高速率通信目前在民 用和军用领域均获得较大突破，最常见的为〇FDM ( Orthogonal
Frequency Division Multiplexing )技术和 MIMO ( Multiple Input Multiple Output , MIMO )技术。OFDM 将高速的数据流分解为多路并行的低速数据流， 在多个载波上同时进行传输。OFDM 易于和MIMO 、CDM 、 TDM 、FDM 、跳频等技术结合，并支持可变工作频谱带宽， 可调度资源具有时、频两个维度（结合MIMO ，还具有空域 的维度），资源的颗粒度小，便于资源优化调度、链路自适 应等，系统部署灵活。
MIMO 技术是在发送端和接收端设置多个天线，以提供 空间复用增益、阵列增益和发送分集增益。发射的高速数据 被分成几个并行的低速数据流，在同一频带从多个天线同时 发射出去。由于多径传播，每个发射天线对于接收机产生不 同的空间签名，接收机利用这些不同的签名分离出独立的数 据流，最后再复用成原始数据流。因此空间复用可以成倍提 高数据传输速率。
影响空口传输时延的主要因素包括数据传输时长、资源 调度时延等。降低数据传输时长一般有两种方案：一种方案 是缩短帧长度，将资源调度周期降低，达到数据传输时长降 低的目的；另外一种方案是减小资源调度的颗粒度，这需要 与物理层结合设计。资源调度方面，主要是解决信道的高效 接入问题，传统的自组网接入方式主要是基于时隙的CSMA 和TDMA ，但二者都有着明显的缺点：CSM A 大规模组网时 碰撞概率很高，而TD M A 由于采用固定分配，其资源调度的 时间很长，所以比较好的解决办法是混合接人，并引入其他
维度的资源调度，即4.2节提出的技术，如图4所示。
未来战争将逐渐从信息化作战发展到无人化、智能化作 战，作战主体将由“人”
“机器”变成“机器人”，人与
机器在作战体系中的关系将逐渐发生变化，从“人操作机器” 到“人监控机器”，再到“人机协同、机机协同”。
无论发 展到哪个阶段，通信系统都是人机之间信息交互的关节，也 是无人集智能协同的纽带。通信组网装备和系统需要向更 安全、更可靠、更保密、更灵活、更实时、更高速、更智能 的方向发展，以满足多样化无人系统在复杂、对抗环境下信 息交互的需要。
地面无人系统相对于空域、水域具有更为复杂的电磁环 境干扰和物理环境影响，传统的数据链技术难以满足地面无 人系统复杂环境下机动应用的网络化控制需求，而自组网技 术在时延、带宽分配等方面又难以满足无人系统测控业务需 要。协同控制网络通过网链一体化设计，在兼有自组网和数 据链优势的同时，通过智能化态势感知，实时调整波形参数、
图3基于态势综合认知的网络智能控制技术
107
互联网+应用
nternet Application
卷积神经网络回顾与展望
□唐聪电子科技大学
【摘要】卷积神经网络在特征学习任务中具有十分明显的优势，因而在很多领域得到了应用，最具代表性的是图像分类和目标检测。
本文对卷积神经网络的发展历史进行了梳理，重点介绍了卷积神经网络中"前向"和"反馈"两大核心算法的原理，从"过拟合"、"结 构优化"和"原理研究"三方面探讨了卷积神经网络的研究进展，最后指出了卷积神经网络今后的研究重点和发展方向。
【关键字】卷积神经网络发展历史研究进展
卷积神经网络在图像分类中的广泛应用主要得益于其强大的图像特征提取和分类能力，使得该算法能在
图像分类中进行端到端学习。学习过程中，相关参数能通过传统的SGD 法进行训练，训练后的卷积神经网络具备强大的图像特征学习能力。卷积神经网络是神经网络领域研究的重点，其每一层的特征均通过上一层卷积核前向传播得到，而卷积核采用共享权值的形式，这一特点使卷积神经网络在图像特征学习上更具优势。
分析卷积神经网络的发展历史可知，早期提出的卷积神经网络总体上比较简单，主要在单一的图像分类和字符识别领域应用。随着研究的不断深入，其结构得到了进一步的优化，而应用范围也随之扩展，影响比较大的有：结合卷积神经网络和深信度网络m而成功应用于人脸特征提取领域的卷积深信度网络；大量级图像分类领域取得突破的AleXNet[2]；成功应用于目标检测领域的R-CNN[3]；显著提高语义分割准确率的全卷积网络[4]。近年来，迁移学习的兴起将进一步拓展卷积神经网络的应用范围。
一、卷积神经网络的发展历史与研究意义
1.1卷积神经网络的发展历史
卷积神经网络的发展进程主要包括以下三个阶段：
1)理论提出阶段。上世纪60年代，H ubei等从生物学角度对视觉信息进行了研究，指出视觉信息的传递需要经过多个层次的感受野。到了 80年代，FukU Shima[5]在感受野概
念基础上，提出了Neocognitron模型，其本质是多层次的神
经网络模型，不同层次的响应均通过上一层次的感受野发出，
在模型进行模式识别的过程中不会受到位置、形状以及尺度
大小的影响。
2)模型实现阶段。上世纪90年代，Lecim等[6]提出的LeNet-5模型充分考虑了梯度反向传播算法的作用来进行监
督训练。训练后，网络中的卷积和下采样层进行图像转换得
到特征图，基于此完成对图像的分类。网络中的卷积层具有
感受野功能，能够将其他区域中的信息更抽象地传递。该模
型被很好的应用到了手写字符识别领域，而学术界也开始对
卷积神经网络进行更为深入的研究。
3)广泛研究阶段。进入新世纪后，Krizhevsky等提出的AlexNet参与了图像分类竞赛并最终夺得冠军，与第二名相
比，该网络的准确度超过了 11%，由此，学界对卷积神经网
络开始重点关注。此后，越来越多的学者提出新的卷积神经
网络模型，其中牛津大学提出了VGG模型、谷歌公司提出
了 Go〇gLeNet m、微软公司提出了ResNet，这些模型的进一
步提高了AlexNet创造的记录。另外，卷积神经网络模型积
极地借鉴传统算的优点，还加入了迁移学习，进一步扩大了
卷积神经网络的应用范围，例如：卷积与递归神经网络的融
合，在图像生成以及内容问答方面发挥了重要的作用；引入
参考文献
[1] 尹浩.无人作战系统的通信问题.中国指挥与控制协同，2018。
[2]Lt Col Steve<<MonkM WallerDARPA/IXOT Quint Networking Technology(QNT)〇
[3] 李磊，余元明，美国分布式作战通信组网实现途径浅析.飞航导弹，2019年第6期。
[4]World Aviation Defense&Security Industry News_ Raytheon,u Raytheon to develop new airborne networking solutions under
DARPA*s DyNAMO programM〇
[5]UNMANNED SYSTEMS INTEGRATED ROADMAP2017-2042〇
[6]Celik A,KamalA,Green Cooperative Spjectrum Sensing and Scheduling in Heterogeneous Cognitive Radio Networks[J].2016〇
[7]J iangW,FengW,GuS,et al,Power Allocation for Secondary Usersin Relay Assisted Multi-Band Underlay Cognitive Radio
Network[J]，Ieice Transactions On Communications，2016。
[8] 黄宁等，网络可靠性评估模型与算法综述，系统工程与电子技术，2013年第35卷第12期。
[9] 刘备，移动无线传感器网络安全路由技术，硕士，电子科技大学，2016年。
[10] 佘晓琼，从概念到现实—
—DARPA推动“马赛克战”概念发展航天防务2020年。
葛金鹏（1980-)，男，汉，山东，工程师，主要研究方向为无线通信、自组网、无人系统智能化、集控制技术等。
蒋晓红（1971-)，女，汉，江苏，高级工程师，主要研究方向为无线通信、自组网、人工智能、无人系统等。
108
发布评论