《改进反蜂群战术》最新77页

本研究对点防御反蜂群场景进行了权衡分析，比较了两种不同的目标分配算法在各种蜂群特征下的相对有效性和效率。具体而言，本研究比较了先前反蜂群研究中开发的一种目标分配算法（该算法优先考虑按距离远近分配目标）和匈牙利算法（该算法优先考虑目标分配效率）。这项分析是在动态模拟中进行的，在模拟中，防御蜂群的成员可以攻击无人机，而攻击无人机能够摧毁由防御蜂群守护的友军单位。分析结果可以说明在什么情况下（即进攻型和防御型蜂群在速度上的相对优势）每种瞄准算法更有效、更高效。这些结果可以为后续研究提供参考，为进一步比较进攻性蜂群行为、防御性瞄准方法和其他蜂群特征的变化提供分析方法。

目前，反蜂群技术还处于起步阶段。随着空中无人机、USV 和无人地面车辆 (UGV) 对人类操作员的依赖程度越来越低，自主能力越来越强，乌克兰和俄罗斯军队目前使用的反无人机技术可能会越来越不奏效。电子干扰对使用人工智能机器视觉的自主无人机无效，而乌克兰武装部队已经装备了这种无人机。虽然它们目前使用机器视觉进行导航和终端制导，但俄乌战争期间无人机能力令人震惊的快速发展表明，人工智能无人机的能力只会越来越强。通过单个无人机之间的协调，无人机群利用人工智能不仅能决定攻击什么，还能决定攻击的时间和方式，这只是时间问题。

仅仅干扰指令链路还不足以长期对抗自主蜂群：要确保攻击蜂群中的无人机不会构成威胁，唯一的办法就是用某种效应器拦截并摧毁它们。这可能包括使用无人机本身作为牺牲品、网或子弹等射弹，甚至是高功率微波等定向能武器。已经投入使用的反无人机系统（C-UAS）无人机或 C-UAS 无人机原型都使用了所有这些效应器。旨在拦截攻击型无人机的防御型无人机系统种类繁多，包括固定翼无人机（如安杜里尔公司的喷气式 “roadrunner”）、洛克希德-马丁公司的螺旋桨驱动型 “MORFIUS ”和雷神公司的 “Coyote”，以及旋转翼平台（如福特姆技术公司的 “DroneHunter”）。虽然以前的研究已经探索了防御蜂群在改变每架无人机特性时的效果变化，但本论文的主要目标是确定如何利用防御性无人机系统采用的防御战术，以最佳方式防御由不同类型无人机系统组成的蜂群。

图 3.1. 攻击者战术描述。(a) 攻击群初始化。(b) 攻击蜂群均匀分裂并开始移动（偶数攻击者向右移动，奇数攻击者向左移动）。(c) 最外围的攻击者到达其 CPA。(d) 攻击者到达 HVU。