《用于认知雷达的人与传感数据信息集成》美空军研究实验室39页技术报告

认知型雷达，根据IEEE标准雷达定义686[1]，是 "在某种意义上显示智能的雷达系统，根据不断变化的环境和目标场景调整其操作和处理"。特别是，嵌入认知型雷达的主动和被动传感器使其能够感知/学习动态变化的环境，如目标、杂波、射频干扰和地形图。为了达到探测、跟踪和分类等任务的优化性能，认知雷达中的控制器实时适应雷达结构并调整资源分配策略[2, 3, 4]。对于广泛的应用，已经提出了不同的适应技术和方法，例如，自适应重访时间调度、波形选择、天线波束模式和频谱共享，以推进认知雷达背景下的数学基础、评估和评价[5, 6, 7, 8, 9, 10]。

虽然认知方法和技术在提高雷达性能方面取得了很大进展，但认知雷达设计和实施的一个关键挑战是它与最终用户的互动，即如何将人纳入决策和控制的圈子。在国家安全和自然灾害预报等关键情况下，为了提高决策质量和增强态势感知（SA），将人类的认知优势和专业知识纳入其中是必不可少的。例如，在电子战（EW）系统中，在设计适当的反措施之前，需要探测到对手的雷达。在这种情况下，战役的进程和成功取决于对一个小细节的观察或遗漏，仅靠传感器的自动决策可能是不够的，有必要将人纳入决策、指挥和控制的循环中。

在许多应用中，人类也充当了传感器的角色，例如，侦察员监测一个感兴趣的现象（PoI）以收集情报。在下一代认知雷达系统中，最好能建立一个框架来捕捉基于人类的信息来源所建议的属性，这样，来自物理传感器和人类的信息都可以被用于推理。然而，与传统的物理传感器/机器4的客观测量不同，人类在表达他们的意见或决定时是主观的。人类决策的建模和分析需要考虑几个因素，包括人类的认知偏差、处理不确定性和噪音的机制以及人类的不可预测性，这与仅由机器代理组成的决策过程不同。

已经有研究工作利用信号处理和信息融合的理论来分析和纳入决策中的人类特定因素。在[11]中，作者采用了先验概率的量化来模拟人类在贝叶斯框架下进行分类感知而不是连续观察的事实，以进行协作决策。在[12，13]中，作者研究了当人类代理人被假定使用随机阈值进行基于阈值的二元决策时的群体决策性能。考虑到人类受到起点信念的影响，[14]中研究了数据的选择、排序和呈现对人类决策性能的影响。在人类协作决策范式中，已经开发了不同的方案和融合规则来改善人类人群工作者的不可靠和不确定性[15, 16]。此外，在[17，18]中，作者将前景理论（PT）用于描述人类的认知偏见，如风险规避，并研究了现实环境中的人类决策行为。在[19, 20]中也探讨了基于人类和机器的信息源在不同场景下的信息融合。在[19]中，作者表明，人类的认知力量可以利用多媒体数据来更好地解释数据。一个用户细化阶段与联合实验室主任（JDL）融合模型一起被利用，以在决策中纳入人类的行为因素和判断[20]。

未来的战场将需要人类和机器专业知识的无缝整合，他们同时在同一个环境模型中工作，以理解和解决问题。根据[21]，人类在随机应变和使用灵活程序、行使判断和归纳推理的能力方面超过了机器。另一方面，机器在快速反应、存储大量信息、执行常规任务和演绎推理（包括计算能力）方面胜过人类。未来雷达系统中的高级认知寻求建立一种增强的人机共生关系，并将人类的优点与机器的优点融合在一起[22]。在本章中，我们概述了这些挑战，并重点讨论了三个具体问题：i）人类决策与来自物理传感器的决策的整合，ii）使用行为经济学概念PT来模拟人类在二元决策中的认知偏差，以及iii）在相关观测下半自主的二元决策的人机协作。

本章的其余部分组织如下。在第11.1节中，我们介绍了一项工作，说明如何将人类传感器的存在纳入统计信号处理框架中。我们还推导出当人类拥有机器无法获得的辅助/侧面信息时，这种人机一体化系统的渐进性能。我们采用行为经济学的概念前景理论来模拟人类的认知偏差，并在第11.2节中研究人类在二元假设检验框架下的决策行为。第11.3节讨论了一种新的人机协作范式来解决二元假设检验问题，其中人的知识和机器的观察的依赖性是用Copula理论来描述的。最后，我们在第11.4节中总结了与这个问题领域相关的当前挑战和一些研究方向，然后在第11.5节中总结。