1 引言
近年来，无人机集群作战已从概念研究逐渐转变为实际作战应用，从亚美尼亚与阿塞拜疆的武装冲突中可发现，无人机集群技术具有降维打击、非对称打击优势[1]，是一项可以颠覆未来海战规则的技术。
空中无人机集群对海上舰船作战是未来海上无人系统作战应用的重要发展趋势和研究热点。本文从无人机集群的概念及内涵是什么，其是否具备对海上舰船的作战能力，以及若具备，其有哪些典型作战样式3个典型问题出发，开展无人机集群在复杂海战场环境下对海上舰船作战样式研究。
2 概述
2.1 无人机集群的概念及内涵
1) 集群定义
目前，对于无人机集群的概念，国内学者尚未形成统一的认识。查阅近年来无人机集群理论的最新研究成果，比对了无人机集群概念的提出者、提出单位、定义来源、特征等类别，归纳后如表1所示[2-7]。
表1 典型无人机集群概念
Table 1 Typical UAV cluster concept combing
序号提出者提出单位文献来源提出年份提出刊物或出版社无人机集群定义特征人在回路1许瑞明等军事科学院无人机集群智能的生成样式研究2020现代防御技术由多个无人机组成的空中无人集群及地面站共同形成的完成特定任务的有机整体机群协同+任务导向是2赵齐民等中国船舶及海洋工程设计研究院舰载无人机集群系统作战构想2019指挥控制与仿真通过先进算法,可降低成本、可消耗的无人机粘合成具有集群智能的作战辅助系统机群智能否3李富春等空军工程大学无人机集群在空降作战中的战法探析2019飞航导弹通过个体协作进而实现整体功能放大的智能群体机群智能否4曹莉等上海航天技术研究院无人机集群发射与回收技术发展研究2019空天防御建立在仿生学基础上,如蚁群、蜂群、狼群等,通过群外或群中个体之间的信息交互和简单协作,实现大规模群体的智能协同行为,能够完成远远超过个体能力的复杂任务仿生智能+任务导向否5梁晓龙等空军工程大学无人机集群2018西北工业大学出版社由一定数量的同类或异类无人机组成,利用信息交互与反馈、机理与响应,实现互相间行为协同,适应动态环境,共同完成特定任务的自主式空中智能系统集群智能+任务导向+环境交互是
续表(表1)
序号提出者提出单位文献来源提出年份提出刊物或出版社无人机集群定义特征人在回路6邹立岩等国防大学智能无人机集群概念及主要发展趋势分析2019战术导弹技术由一定数量的无人机系统组成的集群,具有网络化沟通,自适应协同和集群智能三大基本特征,能够在接到指令后自主完成任务。集群智能+环境交互+`任务导向是
从表1可知，近年来从事无人机集群理论的单位主要包括军事科学院，国防大学，空军工程大学，以及航空航天、船舶等军地相关研究机构。如许瑞明、赵齐民、邹立岩等学者从“集群协同+任务导向”、“机群智能”、“仿生智能+任务导向”、“集群智能+环境交互+任务导向”等方面分别给出了无人机集群的定义。
基于以上分析，本文将以任务为导向、由一定数量无人机组成，可受环境激励，对环境可作出反馈，具有可自主组网，协同交互和产生涌现智能等特征的集群系统定义为无人机集群系统。
2) 集群规模
最小集群规模：与数学理论中将“2”作为多元函数最小规模(如y=f(x,y))分水岭不同。无人机集群通常指可将无人机编组后构成“V”队形的最小无人机数量称之为无人机集群的最小规模，即将3架次以上的无人机组成的平台之为无人机集群系统。
集群规模分类：通常将无人机集群系统分为大规模、中规模和小规模无人机集群系统，如图1所示。
无人机集群规模大小主要取决于2个因素：无人机数量、无人机种类。如将20架次小型无人机构成的系统称之为小规模无人机集群系统，而20架次大型无人机集群构成的系统可称之为中规模无人机集群系统，50架次小型无人机集群构成的系统也可称之为中规模无人机集群系统，而1架次超大型无人机和20架次小型无人机集群构成的异构系统可称之为大规模无人机集群系统等。
2.2 相近概念辨析
1) 与自然界中生物群体辨析
牛轶峰等学者在文献[8-10]中指出无人机集群的概念最初来源于生物群体，因此辨析无人机集群与自然界中鱼群、鸟群、狼群、蚁群等自然群体行为的相似性和不同点有重要的意义。
图1 无人机集群规模分类框图
Fig.1 UAV cluster scale diagram
表2从自组织、分布式、简单性、自主性等方面，列出了生物群体与无人机集群相似性。表3从任务种类、人在回路、智能化等级、演进增强等方面，列出了生物群体与无人机群体不同特征。
表2 生物群体与无人机集群相似性
Table 2 Comparison of the similarities between biological populations and UAV cluster
特点类别集体概念与内涵生物群体无人机集群自组织整体特性群体复杂性为,通过简单个体自组织交互而涌现通过自组织形成一个统一的群体无人机集群通过有线或无线通信连接,进行群体协作形成一个整体分布式整体与单体关系特性群体无中心,所有个体地位平等,个体故障影响整体效益不存在中心节点,各自通过与邻近同伴进行信息交互每架无人机在空间上分散布置,在功能上存在中心指挥节点简单性单体特性个体能力有限,行为规则非常简单个体能力(感知行为)、遵循的行为规则非常简单携带部分传感器和载荷等资源,任务单一自主性单体特性个体决定自身行为,不受其他强迫控制每个个体具有简单思维和行为特性,自主适应环境在空间中分散布置的毎架无人机可在局部范围自主完成任务
表3 生物群体与无人机群体的不同特征
Table 3 Comparison of biological populations and UAV cluster
类别生物群体无人机集群任务种类物种固定,任务种类相对固定,如蚂蚁觅食任务,蜜蜂筑巢任务等任务通常以任务集的形式出现,如集合{探测、识别、跟踪、打击、评估、二次打击}等人在回路不能够响应人为输入的命令可根据人为输入的命令作动态调整智能化等级智能化等级相对固定智能化等级不固定,如可从Level1-LevelX逐级进化演进增强物种固定,能力基本固定,但可通过局部变异获得小范围能力提升可实现多物种混合、人-机混合等智能演进,迭代不断提高智能化能力水平
2) 与无人机集群、无人机蜂群辨析
通常可将无人机集群作战与无人机机群作战、无人机蜂群作战并称为群式作战。群式作战的共同特征可描述为“群”(SWARM)特征，即个体成员均为3个以上。
表4从集合属性、本质属性、等级属性、三化属性、基本特征、优势、劣势等方面给出了无人机集群与无人机机群、无人机蜂群等的不同特征。同时从集合概念出发，三者还存在着包含与被包含的关系，如图2所示。
表4 无人机机群/集群/蜂群的特征
Table 4 Comparison of the UAV fleet/cluster/swarm
类别无人机机群无人机集群无人机蜂群英文词汇Fleet:单纯的同类事物的集合Cluster:(同类物丛生或聚集的)簇,团,束Swarm:一大群,一大批,向同方向移动的具有相互沟通交流的群集合属性为共同执行某一任务的多架无人机组成的几何体为共同执行某一任务的多架无人机集群,通过网络互联构成群组,实现某种效果的几何体为共同执行某一任务的多架无人机,通过网络互联构成群组,群组内个体可模拟生物集群行为,通过无中心的局部交换、反应式规则和行为,涌现复杂的群体自组织能力,从而实现高度智能自主的集合体本质属性飞行集合网络互联模拟生物等级属性初级中级高级三化属性机械化信息化智能化基本特征增加数量叠加效应网络赋能聚合效应智能演进质变效应优势群组构建相对简单,利于集中管理任务协同效率高,群组可扩展性强任务协同效率高,环境适应性强劣势任务协同效率低,环境适应性差信息化程度要求高,抗电磁干扰能力差技术难度高
图2 群式作战的集合关系示意图
Fig.2 Set relationships for swarm combat
其数学关系如下：
U无人机蜂群⊆U无人机集群⊆U无人机机群
(1)
3) 同构/异构无人机集群辨析
同构无人机集群、异构无人机集群、同类无人机集群、异类无人机集群是无人机集群领域另一组常用的名词术语。表5从概念内涵、核心要素等方面给出了其辨析后的比对结果，进一步可得出计算出其隶属关系如图3所示。其数学关系如下：
U无人机集群=U同类无人机集群∪ U异类无人机集群
(2)
U同类无人机集群∩ U异类无人机集群=φ
(3)
U同类同构无人机集群⊆U同类无人机集群
(4)
U同类异构无人机集群⊆U同类无人机集群
(5)
表5 无人机机群/集群/蜂群等的特征
Table 5 Comparison of the UAV fleet/cluster/swarm
类别概念内涵核心要素集群内举例说明同构指一定数量(3架次以上)同一类型、同一型号的无人机组成的集群系统同一类型、同一型号侦察用无人机Ⅰ型A号UAV1侦察用无人机Ⅰ型A号UAV2侦察用无人机Ⅰ型A号UAV3异构指一定数量(3架次以上)、同一类型、不同型号的无人机组成的集群系统同一类型、不同型号侦察用无人机Ⅰ型A号UAV1侦察用无人机Ⅰ型B号UAV2侦察用无人机Ⅰ型C号UAV3同类指一定数量(3架次以上)、同一类型的无人机组成的集群系统。同一类型侦察用无人机Ⅰ型A号UAV1侦察用无人机Ⅰ型B号UAV2侦察用无人机Ⅰ型C号UAV3或侦察用无人机Ⅰ型A号UAV1侦察用无人机Ⅰ型A号UAV2侦察用无人机Ⅰ型A号UAV3异类指一定数量(3架次以上)、不同类型的无人机组成的集群系统不同类型侦察用无人机Ⅰ型UAV1侦察用无人机Ⅱ型UAV2侦察用无人机Ⅲ型UAV3或侦察用无人机Ⅰ型UAV1打击用无人机Ⅰ型UAV2打击用无人机Ⅰ型UAV3同类同构等同于同构等同于同构等同于同构异类同构不存在不存在不存在同类异购等用于异构等同于异构等同于异构异类异构不存在不存在不存在
图3 同构/异构无人机集群关系示意图
Fig.3 Homogeneous/heterogeneous UAV cluster relationships
3 空中无人机集群对海上舰船作战的论证分析
3.1 理论分析
1) 符合利益最大化准则
大型水面舰船制造成本远远高于无人机集群制造成本，利用低成本的无人机集群打击高成本的舰船符合利益最大化准则。
2) 相对理想目标
海战场环境下水面舰船的目标特征明显、机动能力弱，是机动能力也相对较弱的无人机集群的理想目标。
3) 反制手段相对薄弱
现有的海上舰船，主要以防空导弹及舰炮为防空手段。其主要针对来袭导弹及战机等高空高速目标，无法有效应对以无人机为代表的“低慢小”的单目标、群目标[11]。
早在2012年，美国海军研究生院的论文便探讨了无人机集群对海作战的概念。作者假定使用多架无人机攻击一艘“宙斯盾”级驱逐舰，数百次模拟结果表明:当有8架无人机参与攻击时，平均有2.8架无人机能够避开“宙斯盾”系统的拦截;即便假设舰船升级了防御系统，仍有至少1架无人机能够突破防御[12]。
基于以上分析可知，空中无人机集群具备海上作战的能力，可以用于攻击水面舰船。
3.2 优势分析
1) 成本低
以国防高级研究计划局牵头组织的“小精灵”项目为例，其最大作战能力几乎接近F-35战斗机，而其制造成本极低，低于F-35制造成本两个数量级，并可进行回收，重复使用20次以上。
2) 数量大
相较于有人战机，无人机制造成本低，技术复杂度低，可以大批量生产，且美军近期研究的一种作战模式，便是运用郊狼无人机对宙斯盾战舰进行饱和攻击。一次性发射30架郊狼，围绕敌舰进攻，证明了无人机集群的数量优势。
3) 谱系全
以美军为代表的无人机平台，量级全、作战功能完备。其轻量级无人机如“蝉”、“灰山鹑”可担负战场侦察与通信任务，重量级如“郊狼”、“小精灵”可担负火力打击任务。
4) 载荷搭配灵活
无人机平台因具有量级谱系全的特点，可根据作战需要灵活配置不同量级无人机，不同量级无人机可搭载不同量级载荷，从而能够灵活适应各种战场环境，担负侦察、引导、打击等任务。
5) 分布式
分布式作战指将能力分散部署到多种、多个平台上，由多个平台联合形成作战体系共同完成任务。无人机载荷搭配灵活，组网功能强、可用于执行相对危险或相对简单的单项任务。
6) 效费比高
无人机个体制造成本低廉，在遂行作战任务时，敌方在应对大量的无人机个体组成的无人机集群的主动攻击时，需要付出数十倍的成本来进行防御，无人机集群相比有人战机具备显著的成本优势。
4 典型海上无人集群对舰船的作战样式
4.1 压制和破坏舰载信息感知战
1) 概念内涵
现代战争已经由机械化向信息化转变，夺取信息权、确保信息优势是战争能够取得胜利的关键点。而舰载雷达、光电等设备是舰船信息感知能力生成的核心装备，是舰船作战系统的基础核心装备[13]。
压制和破坏舰载信息感知战的主要目标是通过摧毁舰载雷达、光电等舰船信息感知设备，对舰船进行信息压制和破坏，以瘫痪敌方舰船的信息感知和信息交互等能力为目标。
2) 可行性分析
典型舰船的光电设备分布位置如图4所示，舰载雷达、光电等设备通常安装在舰船甲板上，工作时裸露在空中，防护能力弱，易受攻击，并且电子元器件抗损性差，如通过无人机携带反辐射载荷可实现对其有效破坏和压制[14]。
图4 典型舰船光电设备分布位置示意图
Fig.4 Distribution diagram of typical ship photoelectric equipment
4.2 消耗舰载资源战
1) 概念内涵
舰载资源消耗战的核心概念来源于前苏联针对美军航母编队提出的饱和攻击战术。通过饱和攻击，挤占敌方舰船的防空资源，通过数量优势弥补突防效率的不足。是一种攻击海上舰船的重要战术思想[15]。在传统战法中，主要使用舰船大密度连续发射导弹来进行饱和攻击，主要缺陷是舰载导弹数量少，成本高，补给不便，且导弹突防命中率低，海战时我方舰船使用导弹进行饱和攻击，导弹消耗完毕后，舰船战斗力大幅减弱，相当于退出战斗。
消耗舰载资源战是指通过大量低成本、分布式、自组网构成的无人机集群采用饱和攻击策略，在有限时间约束下，消耗舰船的探测资源、计算资源、武器资源等[16]。
2) 可行性分析
一方面，无人机集群作战时无人机数量多，成本低，且分布零散，不易被拦截。另一方面，可从不同方向、不同梯次同时向对方舰船发射连续密集的火力流，对方舰船不得不耗费大量的探测资源、计算资源(用于群目标威胁排序、武器-目标分配)、武器资源(软硬武器)等应对，使得此时舰船难以应对其他目标的威胁[17]。
4.3 集群引导-反舰导弹跟随打击战
1) 概念内涵
受地球曲率半径的影响,舰载雷达探测距离为雷达视距[18]。典型雷达视距推导公式如式(6)所示，其中h1、h2分别为天线架高和目标高度，L为雷达视距。
(6)
其中，典型舰载对海警戒雷达天线架高约为20 m，被探测目标高度约为15 m，由式(6)可得出舰载雷达对海探测距离不超过35 km。
假定海面被探测目标高度约为15 m时，由式(6)可得，不同高度下的无人机探测目标的最远距离，如图5所示。
图5 无人机高度与探测范围关系示意图
Fig.5 Schematic diagram of the relationship between UAV height and detection range
由此可知，无人机对海探测距离远远大于舰载雷达对海探测距离。随着导弹技术发展，舰载雷达已远远无法满足反舰导弹作战所需的探测距离。无论是使用舰船前出作为观察哨舰还是利用预警机进行引导均需要在战场取得一定的制空权，并且需要承担伤亡风险。而无人机集群布放模式灵活可变，战场适应性强，且无人员伤亡风险，利用无人机集群前出，通过对敌舰船第一波次交战，使用数据链将对方舰船目标信息(相对位置、航速航向等)发送至我方舰船，为反舰导弹装订参数可实施第二波次交战，可有效克服地球曲率半径影响，使导弹远程攻击作用距离大大增加,提升海上单舰作战能力。
集群引导-反舰导弹跟随打击是指通过前出的无人机集群将远距离的海上舰船目标锁定，后方舰船为反舰导弹装订参数后，可实施对舰船目标的打击任务[19]。
2) 可行性分析
2021年4月，美国海军举行“无人综合作战问题”(UxS IBP 21)军事演习。在4月26日的演习中，美海军“约翰·芬恩号”驱逐舰在完全不使用自身探测传感器的情况下，接收前出无人机提供的靶舰坐标，发射“标准”-6导弹进行打击，验证了“集群引导-反舰导弹跟随打击”作战概念[20]。
4.4 精准对海上舰船目标识别的态势感知增强战
1) 概念内涵
战场态势是指挥员实施高效指挥控制的必要条件。在现代海战中只有得到海战场精确态势信息，才能夺取信息优势、进而赢得海战胜利[21]。目前远距离对海上目标识别主要依靠卫星、雷达等。识别能力弱，精度低，仅能大体判断是否有舰船目标，影响指挥员下定战场决心。
精准对海上舰船目标识别是指通过无人机集群抵近侦察和异构传感器组网大幅提升对海上舰船探测识别能力，可提升海战场快速响应能力[22]。
2) 可行性分析
无人机集群组网后可显著增强对海上舰船目标的态势感知能力，如可近距离识别舰船的种类、甚至是搭载的武器类型和数量等。
4.5 海战场打击效果精确评估战
1) 概念内涵
在现代海战中对打击效果评估是战场情报侦察的重要环节，对目标进行打击后，需要有精准、全面、细致的目标打击效果评估作为后续作战行动的依据[23]。目前海战场打击效果评估主要依靠天基侦察、空基侦察、水面和水下侦察等手段。考虑到海战场地理环境、气象条件、电磁环境和海上杂波复杂，当前手段存在精度低、延时高等缺点[24]。
海战场打击效果精确评估是指依靠无人机集群数量多、成本低、声光磁等载荷搭配灵活、无人员安全威胁等优势，通过无人机集群抵近侦察和异构传感器组网，合理运用不同的手段，使其相互弥补、相互印证，可大幅提升海上舰船打击效果精确评估能力。
2) 可行性分析
在精准对海上舰船目标识别、跟踪的基础上，依托无人机集群探测能力，有效提升海战场打击效果精确评估能力。
4.5 五大作战样式
经典OODA环可描述无人机集群对海上舰船作战的全流程，若将OODA环改进为“探测—决策—打击—评估”等环节，可得出五大作战样式的OODA环贡献度与优势分析，如表6所示。
表6 大作战样式OODA环贡献度
Table 6 Comparative analysis of the contribution degree of the five major combat styles in OODA
作战样式贡献度优势分析压制和破坏舰载信息感知战打击(无人机集群视角)感知(敌海上舰船视角)雷达,光电设备防护程度弱,使用无人机集群攻击成功率高。消耗舰载资源战打击(无人机集群视角)打击(敌海上舰船视角)无人机个体造价成本低,舰载防空武器载弹量有限。集群引导-反舰导弹跟随打击战探测+打击(无人机集群视角)打击(敌海上舰船视角)人机集群布放模式灵活可变,战场适应性强,且无人员伤亡风险。精准对海上舰船目标识别的态势感知增强战探测(无人机集群视角)探测(敌海上舰船视角)无人机载荷丰富,搭配灵活,可抵近侦察。海战场打击效果精确评估战评估(无人机集群视角)探测(敌海上舰船视角)人机集群数量多、成本低、声光磁等载荷搭配灵活、无人员安全威胁。
5 无人机集群关键基础支撑技术
1) 无人机集群的海上组网能力
作为集群行为的前提和保障,无人集群需要依赖稳健可靠的集群内部通信.协同执行任务。海战场的复杂电磁环境对无人机集群的海上组网能力提出了更高的要求。是否具备海上组网能力，能否以较高的鲁棒性应对复杂的电磁干扰，是无人机集群迈向对海作战的第一步。
2) 无人机集群的海上任务规划能力
无人机集群的海上任务规划能力是对海上舰船作战指挥及控制的核心，海战场态势和环境的瞬息万变，面对海上目标活动范围广、机动性强、战场态势复杂等特点，使用“人在回路”的方式进行无人机集群任务规划存在一定制约，因此迫切需要提升无人机集群的自主任务规划能力.无人为干预情况下的海上任务规划能力是对无人机集群对海上舰船作战的关键支撑。
3) 无人机个体及集群的海上智能化能力
海战场态势复杂，无人机个体及集群的海上自主程度决定了任务执行能力的上限，能否在低人为操控甚至无人为干预情况下快速反应实现高度自主性，决定了无人机集群对海作战的有效性和自适应性。
6 结论
无人机集群具有成本低廉、数量规模庞大、作战时无人员伤亡损失等优势，将其应用于对海上舰船作战已成为海上无人系统作战的利器。本文提出的压制和破坏舰载信息感知战、消耗舰载资源战、集群引导-反舰导弹跟随打击战、精准对海上舰船目标识别的态势感知增强战、海战场打击效果精确评估战等五大典型作战样式，对无人机集群作战研究具有重大意义。
[1] 钮伟,黄佳沁，缪礼锋.无人机蜂群对海作战概念与关键技术研究[J].指挥控制与仿真,2018,40(01):20-27.
Niu W,Huang J Q,Miu L F.Research on the concept and key technologies of unmanned aerial vehicle swarm concerning naval attack[J].Command Control & Simulation,2018，40(01)：20-27.
[2] 许瑞明.无人机集群智能的生成样式研究[J].现代防御技术,2020,48(05):44-49.
Xu R M.Research on generation style of UAV cluster intelligence[J].Morden Defence Technology,2020,48(05):44-49.
[3] 赵齐民,陈晨.舰载无人机集群系统作战构想[J].指挥控制与仿真,2019,41(05):1-6.
Zhao Q M,Chen C.Combat concept for future naval UAV cluster system[J].Command Control & Simulation,2019,41(05):1-6.
[4] 李富良,胡荣,胡家旗,等.无人机集群在空降作战中的战法探析[J].飞航导弹,2019(07):51-55.
Li F L,Hu R,Hu J Q,et al.The tactics of UAV cluster in airborne operation[J].Aerodynamic Missile Journal,2019(07):51-55.
[5] 曹莉,耿斌斌,周亮,等.无人机集群发射与回收技术发展研究[J].空天防御,2019,2(02):68-72.
Cao L,Geng B B,Zhou L,et al.Resarch on UAVS lunch and recovery technology development[J].Air & Space Defense,2019,2(02):68-72.
[6] 梁晓龙,张佳强,吕娜.无人机集群[M].西安:西北工业大学出版社,2017:1-18.
Liang X L,Zhang J Q,Lv N.UAV swarms[M].Xi’an:Northwestern Polytechnical University Press,2017:1-18.
[7] 邹立岩,张明智,荣明.智能无人机集群概念及主要发展趋势分析[J].战术导弹技术,2019(05):1-11,43.
Zou L Y,Zhang M Z,Rong M.Analysis of intelligent unmanned aircraft systems swarmconcept and main development trend[J].Tactical Missile Technology,2019(05):1-11,43..
[8] 牛轶峰,肖湘江,柯冠岩.无人机集群作战概念及关键技术分析[J].国防科技,2013,34(05):37-43.
Niu Y F,Xiao X J,Ke G Y.Concept and key technology analysis of UAV cluster operation[J].National Defense Technology,2013,34(05):37-43.
[9] 周兴社,武文亮.无人系统群体智能及其研究进展[J/OL].微电子学与计算机:1-7[2021-12-08].
Zhou X S,Wu W L.Unmanned system swarm intelligence and its research progresses[J/OL].Microelectronics & Computer:1-7[2021-12-08].
[10] 谷康.外军无人蜂群作战概念研究进展及分析[J/OL].航空兵器:1-6[2021-12-08].
Gu K.Research progress and analysis of unmanned swarm combat concept of foreign troops[J/OL].Aero Weaponry:1-6[2021-12-08].
[11] 黄鹤,吴琨,王会峰等.基于改进飞蛾扑火算法的无人机低空突防路径规划[J].中国惯性技术学报,2021,29(02)：256-263.
Huang H,Wu K,Wang K F,et al.Path planning of UAV low altitude penetration based on improved moth-flame optimization[J].Journal of Chinese Inertial Technology,2021,29(02)：256-263.
[12] PHAM L V,DICKERSON B,SANDERS J,et al.UAV swarm attack protection system alternatives for destroyers[D].Monterey,CA：Naval Postgraduate School，2012.
[13] 陈福胜.舰船光电系统技术及其演进方向[J].光学与光电技术,2021,19(01)：1-6.
Chen F S.Ship photoelectric system technology and its evolution direction[J].Optics & Optoelectronic Technology,2021,19(01)：1-6.
[14] 刘玲.未来电子战展望[J].电子信息对抗技术,2021,36(06):30-33.
Liu L.Look into the future of electronic warfare[J].Electronic Information Warfare Technology,2021,36(06):30-33.
[15] 颜仲新,王刚，杨祖快.“伯克”级驱逐舰抗反舰导弹饱和攻击能力分析[J].现代防御技术,2002,30(03)：10-13.
Yan Z X,Wang G,Yang Z K.Analysis of oppugning antiship missiles saturation attack capability of“Arleigh Burke”-class destroyer[J].Morden Defence Technology,,2002,30(03):10-13.
[16] 王祥科,刘志宏，丛一睿,等.小型固定翼无人机集群综述和未来发展[J].航空学报,2020,41(04):20-45.
Wang X K,Liu Z H,Cong Y R,et al.Overview and future development of small fixed wing UAV cluster[J].Acta Aeronautica et Astronautica Sinica,2020,41(04):20-45.
[17] 邢岩,刘昊,李保硕.联合火力打击战法策略的智能进化方法研究[J].兵器装备工程学报,2021,42(09):189-195.
Xing Y,Liu H,Li B S.Research on intelligent evolution method of joint fire strike strategy[J].Journal of Ordnance Equipment Engineering,2021,42(09):189-195.
[18] 李琴,黄卡玛.低空小型无人机雷达探测距离仿真分析[J].无线电工程,2018,48(04):303-307.
Li Q,Huang K M.Simulation analysis of radar detection range for small low-altitude UAV[J].Radio Engineering,2018,48(4):303-307.
[19] 孙盛智,常会振,郑卫娟,等.空中协同作战模式及关键技术[J].兵器装备工程学报,2020,41(07):177-181.
Sun S Z,Chang H Z,Zheng W J,et al.Air coordination mode and key technology[J].Journal of Ordnance Equipment Engineering,2020,41(07):177-181.
[20] 陈冠宇．美海军无人作战演习引关注[N].中国军网,2021,http://81.cn/gfbmap/content/2021-04/28/content_288271.htm.
Chen G Y.US Navy unmanned combat exercises attract attention[N].China Military Online,2021,http://81.cn/gfbmap/content/2021-04/28/content_288271.htm.
[21] 唐帅文,周志杰,姜江,等.考虑扰动的无人机集群协同态势感知一致性评估[J].航空学报,2020,41(02):13-23.
Tang S W,Zhou Z J,Jiang J.Consistency evaluation of UAV cluster cooperative situational awareness considering disturbance[J].Acta Aeronautica et Astronautica Sinica,2020,41(02):13-23.
[22] 江波,屈若锟,李彦冬,等.基于深度学习的无人机航拍目标检测研究综述[J].航空学报,2021,42(04):137-151.
Jiang B,Qu R K,Li Y D,et al.Summary of UAV aerial target detection based on deep learning[J].Acta Aeronautica et Astronautica Sinica,2021,42(04):137-151.
[23] 向武略,程远国,李仙茂.海战场目标打击效果评估现状分析[J].舰船电子工程,2015,10(01):11-13.
Xiang W L,Cheng Y G,Li X M.Analysis on the current situation of target strike effect evaluation in naval battle field[J].Ship Electronic Engineering,2015,10(01):11-13.
[24] 董汉清,孟凡计,王玉文.无人机打击效果评估系统研究[J].通信技术,2012,45(07):72-7.
Dong H Q,Meng F J,Wang Y W.Research on UAV Battle Damage Assessment System[J].Communications Technology,2012,45(07):72-7.