本文是探讨美军未来作战网络——联合全域指挥与控制(JADC2)——的系列文章中的第一篇,探讨了作战网络对现代军事行动的重要性,并提出了构成作战网络的五个功能要素框架。该框架为概念化和比较现有系统和拟议的新能力提供了一个共同基础,即它们如何为 JADC2 做出贡献。该系列的第二份简报探讨了国防部(DoD)在为未来部队设计作战网络时必须考虑的因素,包括作战限制、战略和政策问题以及替代性获取方法。

图 1:作战网络五大功能要素示例图

本文提出的框架将作战网络的组成部分分为五个功能要素,如图 1 所示。在每个功能要素中,人员、流程和工具(即技术)的组合制约着该要素的工作方式以及它在整个作战网络中所能提供的能力。网络中的每个要素都可以包括多种类型的平台和有效载荷,其中一些平台和有效载荷可以同时隶属于多个功能要素。例如,E-3 预警飞机可以是作战网络中传感器和处理功能要素的一部分,因为它装有用于探测和跟踪飞机的强大雷达,以及实时处理和分析数据所需的计算机系统和人员。

传感器要素

传感器要素的功能目的是收集战斗空间内发生情况的数据。这些数据可用于探测部队并确定其地理位置、识别参与方或参与对象、描述所使用部队的活动或类型,以及跟踪在战场上移动的部队。传感器要素还可用于评估所采取的行动的效果,即通常所说的战损评估。数据收集的目标可包括敌军、友军和非战斗人员,而传感器要素最重要的作用之一就是区分这些目标。操作人员可以使用各种传感器技术来获取所需的数据。主动传感器,如主动扫描雷达和声纳,发射能量源并测量物体反射回来的能量,以确定其位置、大小、相对运动或其他特征。被动传感器,如光学和红外摄像机或被动雷达和声纳,则依靠收集物体发射的能量或自然源反射的能量。主动传感器有可能被对手探测到,并泄露传感器的位置和使用方式,而被动传感器则可以在较低的被探测概率下工作。

通信要素

作战网络的通信要素往往最受关注,因为它提供了在系统和操作人员之间传递信息的数据链路。传输的信息可包括语音、视频、单向数据广播或双向数据链路。来自高保真传感器的原始数据通常需要高数据速率的通信链路,而压缩数据、处理过的数据或遥测数据则可以使用低得多的数据速率。

处理要素

处理要素可能是战斗网络中最容易被忽视但又极其重要的功能要素之一。处理要素用于分析、汇总和综合各种传感器来源的数据,为决策提供依据。例如,必须对来自合成孔径雷达系统的原始数据进行处理,以生成雷达图像,并识别战斗空间中感兴趣的目标或运动。处理还可用于在传输前压缩数据,过滤或标记决策者可能感兴趣的数据,以及生产特定的情报产品。例如,商业公司已开发出分析卫星图像的算法,用于计算停车场的汽车数量或某一区域的船只数量。重要的是,处理要素的输出有时可能是一组数字(带有统计置信参数),而不是图像或定性评估。

决策要素

决策要素可能是作战网络中最重要的部分,因为它是将信息转化为行动的地方。在哪里决策、如何决策以及谁参与决策,都取决于正在考虑的行动类型。在可预见的未来,重大决策(如使用致命武力)很可能会在一定程度上涉及“人在环内”,而这在历史上一直是作战网络中大多数决策的默认方式。人在回路中的决策仍可涉及多种形式的计算机辅助或人工智能和机器学习(AI/ML)增强流程,以便更好地为决策提供信息并加快决策过程。

效果要素

战斗网络的第五个也是最后一个要素是将信息转化为战斗空间中的效果。这些效果既包括对敌军造成物理伤害或摧毁的动能火力,也包括电子战、定向能武器或网络攻击等非动能火力。联合作战的一个关键部分是在时间和地点上跨域协调这些效果的能力,以便在对友军和非战斗人员造成最小风险的情况下对对手产生预期效果。作战网络就是实现这种协调的方式。跨域效应--即一个域的部队对另一个域的部队发起攻击--是利用不对称优势和使对手失去平衡的一种特别有效的方式。1991 年第一次海湾战争初期的空袭行动就是一个典型的例子,美军利用其在空中和太空的优势,在地面取得了比地面部队单独作战更大的效果。

成为VIP会员查看完整内容
27

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《联合部队的整合:实现 “集成即服务 ”的第一步》
专知会员服务
26+阅读 · 2024年9月5日
《将大型语言模型(LLM)整合到海军作战规划中》
专知会员服务
108+阅读 · 2024年6月13日
《可靠且可扩展的军事物联网架构》
专知会员服务
70+阅读 · 2023年8月7日
《军事背景下能力规划的概念模型》
专知会员服务
131+阅读 · 2023年3月28日
《多域作战环境下的军事决策过程》
专知
90+阅读 · 2023年4月12日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
39+阅读 · 2015年12月31日
国家自然科学基金
21+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
国家自然科学基金
17+阅读 · 2008年12月31日
A Survey of Large Language Models
Arxiv
423+阅读 · 2023年3月31日
Arxiv
69+阅读 · 2023年3月26日
Arxiv
152+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
39+阅读 · 2015年12月31日
国家自然科学基金
21+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2013年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
国家自然科学基金
17+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员