身份证号码：13072719941203XXXX
摘要：在信息化战争背景下，通信保障既是一种主要作战力量，同时，也是开展多军兵种一体化作战的前提基础，是现代战争中生成战斗力的主导资源，具有重要地位。在军事通信领域发展期间，人工智能技术得到广泛应用，对推动战场网络化与一体化发展、将指挥控制与信息传输等作战要素紧密连接起到积极影响。因此，为加强军事领域的信息化建设，本文对人工智能技术在军事通信领域中的应用开展探讨，以供参考。
关键词：人工智能；军事通信；技术应用
一、人工智能技术概述
1、人工智能技术
人工智能技术是基于模拟人类思维逻辑方式自主做出反映的一项技术科学，技术体系涵盖语音识别、自然语言处理等领域。简单来讲，则是通过计算机与模式化语言方式，模拟人类思维过程与智能行为来替代人工完成各项简单或复杂的操作。目前，人工智能技术主要由人工神经网络以及遗传算法组成，在军事通信领域中可以替代人工高效、准确完成多项任务，如数据分类管理、数据拟合、组合优化等。
2、人工智能算法类型
2.1监督学习
在技术应用期间，系统将在已知给定数据集中对特定函数模型进行学习，对非数据集输入数据进行预测分析、获取评估结果。这项算法要求在所学习训练数据集中具有输入与输出数据，工作人员提前在系统中设定训练集目标，通过引导作用以获取最优模型，通过该模型输入数据来映射、获取输出数据。根据实际应用情况来看，监督学习算法是高度依赖数据集标签，主要分为统计分类、回归分析等多种算法，是神经网络技术体系中的组成部分。
例如，在2017年美国国防部所成立算法战跨职能小组建立Project Maven项目，在无人机人工智能系统中采取Maven学习算法，持续对使用数千小时的中东地区无人机所采集视频图像资料进行监督学习，并将Maven算法与海军陆战队的Minotaur系统相结合，使得系统具备目标识别、目标跟踪、目标地理位置实时显示等使用功能，可以高效完成信息收集、信息处理与辅助决策任务。
2.2强化学习
在系统运行期间，按照已知给定条件来构建马尔科夫决策过程模型，通过对智能体与所处环境交互情况来自动制定正确的学习策略，对具体交互过程进行描述解决。同时，将给定条件为划分依据，可将强化学习算法分为主动/被动强化学习、有模式/无模式强化学习。
2.3非监督学习
非监督学习指，在输入标签中缺乏明确已知给定输入结果数值时，系统将对不具备样本标签的样本集进行学习，根据已知条件与要素对数据隐含结构进行锁定，通过计算分析来获取输出数据、完成应用任务。根据具体学习算法的差异，可将非监督学习算法分为基于样本间相似度量聚类算法，以及概率密度函数估计算法。
二、人工智能在军事通信领域中的应用
1、组合优化
近年来，随着科技水平的不断提高，军事通信设备更新换代频率加快，设备数量与通信资源类别不断增加，这在全面增强军事通信质量、优化通信效率的同时，也对通信网络的资源配置水平提出了更高的要求，面临着组合优化问题。而对人工智能技术的应用，可以有效改善通信网络资源配置结构，根据实际通信需求来自动调整组网结构、资源配置方式。同时，从电台组网与传感器间组网层面来看，与传统人为设置的自组网路由算法相比，人工智能技术组网具有良好的训练特性以及普适性，如在无人机集群以及战术通信数据链中的组网应用。
2、检测问题
在现代战争形势下，不但要求军事通信网络提供多种通信服务、保障作战指挥与战场信息有效传输、形成纵横贯通的通信网络，同时，还要求通信网络具有良好的抗干扰与反干扰能力，可以快速识别对方编码、复用方式、调制方式等信息，为后续作战指挥方案制定提供信息参考。而在我国军事通信领域早期发展阶段，受到技术限制，采取商用调试方法进行编码识别，开展大量的人为操作，实际识别率较低，很难适应现代化战场通信对抗需求，时常出现操作错误，存在安全隐患。
为解决这一问题，可选择在网络制式与通信信号识别方向中运用人工智能技术，推动传统检测识别技术体系的优化革新。例如，人工智能系统具有良好的信息采集与运算分析能力，可在短时间内采集大量战场信息与通信信号，推算出堆放调试复用方式与射频频带，对未来一定时间内对方策略方案内容进行准确预测。同时，人工智能技术可以替代人工完成调制识别、参数检测调整等操作，有效减小了人为因素对调制识别率造成的影响干扰。
在美国陆军建立的“城市军刀”项目中，采取人工智能技术开发新一代的通信认知干扰机体系结构，并在无线电与认知无线电台中采取动态频谱接入技术。通信系统在运行期间，可以在极短时间内完成“传感、学习、适应新环境、采取对抗措施”等一系列操作。
3、估计问题
在军事通信领域中，参数估计是通信网络与通信保障体系的重要组成部分，参数估计准确与否，对战场情况、作战主动权起到决定性作用。例如，在己方军事通信网络准确估算对方各项通信参数的作战条件下，可以快速掌握战场主动权，掌握对方作战方案与作战意图。但是，由于现代战争的现场环境较为复杂，信道估计质量会受到射频链路、电磁干扰等因素影响，参数估计结果的真实性存疑，难以取得良好效果。而在应用人工智能技术的背景下，逐渐研发出配套具有高度智能化的通信产品，有效解决了参数估计问题。例如，国内外学者提出基于人工智能技术与深度学习算法的信道估计器，在实际应用中取得良好效果，参数估计结果准确性大幅提升。
4、人工智能技术与5G结合
面对瞬息万变的战场，虽然凭借人工智能技术的深度神经网络，在端到端无线通信系统、信号均衡、信号编码等领域均实现功能性探索目标，技术具有泛化性与自适应性的特征，可以与复杂多变的战场环境保持高度适应状态，做到对有效频谱资源的最大化利用。但是，随着战场数据总容量与是瞬时产生量的不断提升，原有战场通信网络难以有效处理过于庞大的战场数据量，这也对人工智能技术的应用造成阻碍影响。针对这一问题，可选择组合应用人工智能技术与5G技术，凭借5G移动通信网络的高传输速度与低时延性，可以解决人工智能技术在实际应用中的后顾之忧。
三、人工智能在军事通信中的应用缺陷弊端
在现代信息化战争模式中，对人工智能技术的应用，可以替代人工完成大量简单或复杂的通信任务，降低劳动强度，二十四小时全天候提供通信保障，减小人为主观因素对通信质量、识别准确率造成的影响干扰。但是，在实际应用期间，人工智能技术在信息安全防护层面上仍存在缺陷弊端有待解决。例如，人工智能技术主要被用于对部分无法开展具体测试测方面进行操作，系统时常处于未知领域，受到外部环境因素影响，通信质量与安全存在不确定性。同时，人工智能技术的理论体系有待进一步完善，面对瞬息万变的战场情况，如若系统完全处于无人工干预状态，在面对各项突发问题进行自主操作时，由于配套数据库未收录相关类型问题信息，实际操作属性与预测结果的准确性缺乏有力保障。
结语
综上所述，在我国军事通信领域中，虽然人工智能技术尚处于早期探索阶段，在实际应用中面临着小型通信设备列装困难、系统安全防护与突发处理能力不足等问题，但随着人工智能算法的演进、配套技术体系的日益完善，人工智能技术逐渐表现出明显优势，在军事通信领域中展露出广阔应用空间。因此，积极探索技术应用方向、完善技术应用体系，推动我国军事通信领域的良性发展。
参考文献：
[1]王振义,邹力.人工智能在军事通信中的应用[J].通信电源技术,2020,37(03).
[2]徐纬地.军用人工智能与网络安全[J].网信军民融合,2019(10).
[3]汪晓风.人工智能和网络武器的发展[J].信息安全与通信保密,2019(03).