背景介绍
捕食者无人机(UAV)非常适用于各类监视任务，如识别感兴趣的活动，因为它的视频输出让操作员很容易判断。不过由于摄像机视野较窄，它只能一次监视很小的一片区域。
因此，捕食者平台自己并不适合大片区域的搜索和监视。而动目标指示雷达(MTI)可以在较大区域内检测移动物体。它提供的数据可适用于自动决策支持算法利用，但它的信息内容是有限的。
所以, 机载MTI监视系统可以检测到一大片地理区域内的活动，但它不能确认这一活动。
通过操作员在回路的初步研究/实验，探索了这些传感模式的互补优势。目前正在探索的能力是使用MTI决策支持算法来提示捕食者无人机摄像机操作员。
研究的算法是针对车队检测。自动决策支持算法为操作员提供一组提示。这些提示能够提供可疑活动的位置，特别是对于车队来说。操作员使用提示来查找和识别感兴趣的活动。
然而，算法本身并不提供答案，一个半自动的系统不一定能使人的表现得到想要的改善。
为此，该算法必须向无人机摄像机操作员提供可用的信息。为了解决这个问题，我们创建了一个集成的传感和决策支持实验台，包括实时交互式虚拟世界模拟、操作员在回路实验和分布式数据收集环境。
研究结果提供了有力的证据证明，准确的提示可以提高用于侦察军用车队搜索任务的无人机的有效性。本文将讨论实验框架，以及测试的概念、算法和结果。
需要解决的问题
正在解决的问题是针对反叛乱的决策支持，反叛乱行动需要对大片区域进行持续监视，这可以用MTI数据来完成。不过，我们还需要一个能够明确识别潜在威胁的传感器。
MTI数据不能提供明确的识别，而对于这个任务来说捕食者无人机视频传感器却是非常理想的选择，因为它可以接近事发现场，而且它提供的视频数据操作员是很容易进行判断的。
不过，由于捕食者无人机视频传感器的视野狭窄，无法有效勘测大面积的区域。因此, 我们希望利用这两种传感模式的互补优势，将它们联网起来，利用MTI数据来提示无人机摄像机操作员关注方向。
解决方法
提示算法是协调MTI和捕食者无人机视频传感器的关键。为发现可疑活动(车队)的迹象，提示算法挖掘MTI数据，并用这些迹象来提示指挥无人机摄像机操作员关注。在这个实验中，我们使用了一种车队检测算法，它是利用在林肯多任务ISR实验台(LiMIT)的“无声锤实验”中收集的MTI雷达数据开发的。
我们的目标是使捕食者无人机能够用自己的识别能力有效勘测大面积区域。我们正在研究如何能把这一点做到最好。实验中我们衡量了与没有提示工具相比，采用提示工具捕食者可以如何更好的勘测一片区域。
我们搭建环境的第一个组成部分是地面车辆模拟。我们模拟了车队和骚乱车辆的情况。接下来，我们模拟了一个动目标指示雷达（MTI）。MTI是一种雷达处理技术，可以快速勘测广泛区域并能检测到移动车辆。
然后，将MTI数据传给提示算法。提示算法自动分析数据并提供感兴趣的活动指示。例如，如果我们使用的是车队检测算法，提示算法将指示出可疑的车队。
閱讀更多 雷達通信電子戰 的文章
