《一体化网络簇》201页论文

要开发一个完全集成的网络簇（network of networks）系统，促进复杂网络拓扑结构中节点之间的无缝信息交换，需要考虑许多不同的方面。例如，单个链路的弹性、增强的波形能力、频谱和空间多样性都是提供通信的关键特征，可实现延伸到多个领域（地面、地面、空中和太空）的完全网络化系统的连接性和互操作性。新兴的毫米波（mmW）和高频段天线技术可与未来的战术多功能软件定义无线电（SDR）集成，实现重要网络参与者（包括第五代飞机）之间的信息分发。将讨论小型、轻量级毫米波和高频段天线设计，这些设计将使小分队战术行动在电子战条件下得以持续。这些小型单位通常配备多种通信无线电，但功能有限，无法在移动中进行快速通信，也无法在停止时进行大容量数据传输。

此外，还介绍了一种革命性的认知天线（CA），其中提出了人工智能（AI）技术来帮助改善天线功能、支持自愈属性并促进自主通信操作。将介绍一种为未来航天器（S/C）通信系统设计的具有环境感知能力的认知天线，它可以感知和传输射频（RF）信号，并与认知无线电（CR）合作修改波形和波束模式特征，以增强弹性和通信能力。

从互操作性和信息交换的角度推断，数据必须始终保持安全。本文介绍了通用通信有效载荷安全架构，以此为基础，不仅为系统本身提供数据保护，还为作为大型企业解决方案一部分的网络提供数据保护。同样，还提出了机器学习方法，以便在基于企业安全空间的通信架构内打击恶意网络攻击，从而提供更具弹性、保护性更强的自适应框架。此外，机器学习算法还力求为在高度动态环境中识别、分类和检测可能的入侵提供可行的解决方案。

机器学习还应用于网络策略，以在拥塞发生之前进行预测，从而防止网络出现瓶颈。这对于关键的高价值信息尤为重要。本文提出了一种基于拥塞感知意图的路由（CONAIR）架构，可促进终端用户之间更快、更可靠的数据交换。CONAIR 架构利用平台和任务信息来推导服务质量 (QoS) 指标，这些指标可用于支持网络路由优化，具体做法是使用具有机器学习功能的网络控制器 (NC) 来预测未来的网络行为。

最后，将 CA、多功能 SDR 和 NC 子系统集成到无人飞行器 (UAV) 上的稳健架构中，形成可应对紧张工作条件的协作认知通信系统。通过协作行为和互动，可以优化通信。这些鉴别技术支持军事通信系统不断走向成熟的雄心壮志，从而有利于多跳复杂网络中不同用户之间的合作互动和信息交流。