本文轉載自： 雷達通信電子戰，作者：唐晨亮
捕食者無人機(UAV)非常適用于各類監視任務，如識別感興趣的活動，因為它的視頻輸出讓操作員很容易判斷。不過由于攝像機視野較窄，它只能一次監視很小的一片區域。
因此，捕食者平臺自己并不適合大片區域的搜索和監視。而動目標指示雷達(MTI)可以在較大區域內檢測移動物體。它提供的數據可適用于自動決策支持算法利用，但它的信息內容是有限的。
所以, 機載MTI監視系統可以檢測到一大片地理區域內的活動，但它不能確認這一活動。
通過操作員在回路的初步研究/實驗，探索了這些傳感模式的互補優勢。目前正在探索的能力是使用MTI決策支持算法來提示捕食者無人機攝像機操作員。
研究的算法是針對車隊檢測。自動決策支持算法為操作員提供一組提示。這些提示能夠提供可疑活動的位置，特別是對于車隊來說。操作員使用提示來查找和識別感興趣的活動。
然而，算法本身并不提供答案，一個半自動的系統不一定能使人的表現得到想要的改善。
為此，該算法必須向無人機攝像機操作員提供可用的信息。為了解決這個問題，我們創建了一個集成的傳感和決策支持實驗臺，包括實時交互式虛擬世界模擬、操作員在回路實驗和分布式數據收集環境。
研究結果提供了有力的證據證明，準確的提示可以提高用于偵察軍用車隊搜索任務的無人機的有效性。本文將討論實驗框架，以及測試的概念、算法和結果。
正在解決的問題是針對反叛亂的決策支持，反叛亂行動需要對大片區域進行持續監視，這可以用MTI數據來完成。不過，我們還需要一個能夠明確識別潛在威脅的傳感器。
MTI數據不能提供明確的識別，而對于這個任務來說捕食者無人機視頻傳感器卻是非常理想的選擇，因為它可以接近事發現場，而且它提供的視頻數據操作員是很容易進行判斷的。
不過，由于捕食者無人機視頻傳感器的視野狹窄，無法有效勘測大面積的區域。因此, 我們希望利用這兩種傳感模式的互補優勢，將它們聯網起來，利用MTI數據來提示無人機攝像機操作員關注方向。
提示算法是協調MTI和捕食者無人機視頻傳感器的關鍵。為發現可疑活動(車隊)的跡象，提示算法挖掘MTI數據，并用這些跡象來提示指揮無人機攝像機操作員關注。在這個實驗中，我們使用了一種車隊檢測算法，它是利用在林肯多任務ISR實驗臺(LiMIT)的“無聲錘實驗”中收集的MTI雷達數據開發的。
我們的目標是使捕食者無人機能夠用自己的識別能力有效勘測大面積區域。我們正在研究如何能把這一點做到最好。實驗中我們衡量了與沒有提示工具相比，采用提示工具捕食者可以如何更好的勘測一片區域。
我們搭建環境的第一個組成部分是地面車輛模擬。我們模擬了車隊和騷亂車輛的情況。接下來，我們模擬了一個動目標指示雷達（MTI）。MTI是一種雷達處理技術，可以快速勘測廣泛區域并能檢測到移動車輛。
然后，將MTI數據傳給提示算法。提示算法自動分析數據并提供感興趣的活動指示。例如，如果我們使用的是車隊檢測算法，提示算法將指示出可疑的車隊。
?