近年来，反无人机系统（CUAS）在应对无人机系统（UAS）带来的各种威胁方面的技术能力急剧增长。有必要通过开发系统的 CUAS 方法来利用 CUAS 技术。在本研究中，文献综述探讨了 (1) 当前的无人机系统技术和应用；以及 (2) CUAS 的能力及其有效性分析。利用这些信息，通过基于模型的系统工程（MBSE）工具（ExtendSim）对假设的作战环境进行测试，以评估几种假设的 SoS CUAS 配置的有效性。开发了一种方法来分析 SoS CUAS 任务成功的不同因素及其影响，并将其用于权衡分析。从在 MBSE 工具中进行的每个 SoS CUAS 仿真中，可以得出进一步迭代和改进 SoS CUAS 配置的见解，从而在对 SoS CUAS 成本进行定性分析的基础上优化参数。这项研究的成果是一个完善的模型和方法，今后可用于代表实际运行环境，以进行进一步分析。这项研究表明，将各种不同的 CUAS 平台集成到一个 SoS CUAS 中，以应对无人机系统所构成的复杂威胁，是大有可为的。
本研究探讨了对反无人驾驶航空系统（CUAS）系统（SoS）的需求，以应对无人驾驶航空系统（UAS）对国家经济、安保和安全造成的日益严重的威胁。近年来，无人机系统的使用激增，导致 CUAS 行业迅速发展，并开发出了应对特定威胁的解决方案。然而，随着 CUAS 技术的成熟，现在需要将这些单独的 CUAS 工作整合到一个同步统一的 SoS 中，以更好地防御无人机系统的威胁。
文献综述包括对无人机系统和 CUAS 能力的研究，为本研究提供了清晰的信息。通过了解 (1) 群组分类；(2) 有效载荷能力；(3) 通信能力；以及 (4) 所采用的战术，对无人机系统的类型和威胁情景进行了研究。通过了解 (1) 处理链；(2) 市场上可用的传感器；(3) 指挥与控制 (C2) 能力；以及 (4) 缓解技术，可以使用 CUAS。以文献综述中形成的认识为基础，提出了进一步分析 SoS CUAS 的方法和模型。
建议的方法使用基于模型的系统工程（MBSE）工具 ExtendSim 来模拟无人机系统飞入 SoS CUAS 作战区时的作战环境。该模型基于攻击型无人机系统的特点，通过一套传感器和射手来观察场景的最终结果。作为名义基线模型的首次迭代，根据公开文献假定了许多未知条件，同时控制了初始参数，以观察这些参数值如何影响情景结果。在军事背景下，拦截敌方无人机系统成功的置信度为 95%，失败的可能性为 5%，这是一个保守的阈值。根据基线模型模拟了三种情景，得出测试结果，然后对结果进行进一步分析。
通过对结果的分析，得出进一步改进模型的见解。基于初始条件和假设，得出的经验教训有 (1) 指定 SoS CUAS 的置信度有助于确定后续模拟的范围和锚点；(2) 在指定目标下，过多的资源投入（如更多的传感器-射手组）不会产生最具成本效益的组合；(3) 在指定目标下，改变传感器和射手参数有助于优化整个系统，为完善模型提供整体方法。通过在 Excel 中复制模型，对 MBSE 模型进行了验证，并在第二次迭代中对模型进行了优化，从而进一步改进了模型。
这项研究表明，使用 ExtendSim 模型（如作为本研究一部分开发的模型）将单个 CUAS 集成和优化为一个统一的 SoS 具有很大的潜力。随着无人机系统威胁的不断发展，发展当前的 CUAS 能力并跟上新出现的无人机系统威胁是至关重要的。未来可扩展本研究的工作包括 (1) 改变无人机系统及其使用的参数，以模拟动态威胁场景；(2) 改变 CUAS 规格，以模拟当今和未来多种系统的不同能力；(3) 建立一个 C2 系统模型，同步 SoS CUAS 中各种传感器和射手系统的所有链接，以便在统一战线中有效、高效地消除无人机系统的威胁。
原文
相关内容
微信扫码咨询专知VIP会员