NAVAIR任务工程和分析部(MEAD,AIR4.0M)每年进行一次工程、参与和任务级建模和分析,以支持项目和技术投资决策。Minotaur任务系统正在被海军收购,以整合到P-8A海神号海上巡逻机和MH-60R海鹰海上直升机上。 Minotaur将"海神"和"海鹰"的传感器整合到一个全面、共享和联网的画面中。Minotaur在速度、准确性和内存容量方面比传统的、主要是手工的数据融合系统有了明显的提高。然而, Minotaur对任务有效性的影响还不清楚,因为与传统的动能效应器(即武器)不同,在现有的AIR-4.0M任务级模拟中,使用海军模拟系统(NSS)和/或模拟、集成和建模高级框架(AFSIM),无法轻易捕捉到 "更好的 "数据融合对机组人员态势感知(SA)的影响。
基本的假设是,像Minotaur这样的系统通过提高SA的准确性来增加价值,同时减少分类和识别感兴趣的联系人的时间。这种改进预计将对水面目标定位、自我保护和协调反潜战(ASW)行动产生重大影响。由于 Minotaur特别是不融合/协调反潜战传感器,它在那里的价值较小,但仍可能增加一些价值,有待确定。本研究中开发的建模和分析方法可以应用于这种调查
本研究的首要目标是为AIR-4.0M提供洞察力,使其了解如何在任务级分析中描述 "Minotaur",包括潜在功能、指标、其当前模型的充分性,以及是否可以或应该使用其他模型或方法的指示。
研究人员使用了一种基于文献回顾的逻辑方法,与融合、海神和海鹰社区的主题专家进行讨论,并对各种建模技术进行调查。由于赞助商使用NSS和AFSIM,所以特别强调了这些建模工具。
从表面上看,研究目标并没有什么不寻常之处。许多决策者需要分析工具和程序来协助投资决策。不过,研究结果比预期的要更广泛,范围更广:
在解决研究目的中指出的建模挑战时,很明显,NSS提供了一个 "足够好 "的解决方案,只需对报告模型做一些补充就可以快速实施。这是通过建立一个新的 "传感器 "来实现的,它包括检测、分类和识别的能力,反映了融合系统如何摄取不同的传感器并创造更大的态势感知。因为对这个 "传感器 "的性能进行参数化是一个简单的问题,基线方案的许多偏离将产生一个查找表,供分析人员与演习/实验结果进行比较。例如,如果一项实验表明,Minotaur融合在300纳米范围内将接触识别率提高到95%(这些数字是名义上的),分析人员可以使用相当于该性能的参数化偏移,将该偏移的操作指标与Minotaur基线进行比较,从而能够确定潜在的附加值。
不过,NSS的使用并非没有顾虑。NSS通过相同传感器的关联来实现 "融合",而不是像Minotaur那样通过两个或更多独立和不同传感器的关联来进行。因此,假设一个具有上述建模质量的 "传感器 "代表融合,有时可能是错误的,例如,如果某个感兴趣的接触点没有信号发射,没有广播自动识别系统(AIS),或者不在一个主动传感器的范围内。所以,NSS的建模方法并非100%完美。同样,这就是为什么研究人员建议将概率值参数化,这样分析人员就可以在他们的分析中根据需要进行详细分析。
研究人员认为,AFSIM提供了替代性的建模方法,但与NSS相比,它的基础水平更高。NSS在核心软件中预先开发了一些融合过程的功能表示,而AFSIM有一个更开放的框架,提供了一个创建更多系统表示的机会。然而,这意味着对本研究感兴趣的过程进行建模需要更详细的设计和实施工作,同时还要有必要的验证和确认程序。这可能是一个更苛刻的(和昂贵的)开发水平,而不是赞助商所能容纳的。由于使用AFSIM的组织众多,如果其他组织已经完成了数据融合业务价值研究所需的一些能力的建模,并愿意分享他们的软件,那么积极参加AFSIM用户组可以减轻定制开发的成本。
最后,研究人员指出,随着关于数据和知识表示的新想法在工业界和最终在政府中的爆发,融合领域即将爆发。仅仅融合两个传感器曾经是相当具有挑战性的。现在,新的摄入和分类程序意味着智能算法可以融合几十个不同的来源来讲述一个故事。一位从事融合工作35年的融合主题专家提醒研究人员,"真正的融合实际上仍然只发生在头脑中"。
研究人员认为,理解不仅是融合的价值,而且利用由大数据、云计算和机器学习提供的日益增长的数据雪崩(很快可用于所有平台和战术边缘)至关重要。围绕这些新兴能力的炒作是巨大的,所以仔细考虑投资是不为过的。因此,研究小组建议对以下领域的建模和分析进行研究: