5G技术在网络中心战中的应用：传感器饱和理论

当前5G联网技术的发展需要美军重新审视战场数据收集的基本理论，未来上千个微型互联的传感器可提供更好的保真度，单个传感器的价值会降低，元数据比实际数据更有价值，网络中的数据饱和可强化整个网络。在新技术的帮助下，分析人员可以整体的方式处理数据，并降低对敌方活动和位置信息的依赖性。本文探索了5G技术会如何改变情报收集，并提供有关战场空间数据的新观点。

图1 美军正在为F-35A战机开发5G蜂窝系统

5G联网可创造更多军事能力和应用，例如，可降低无线电部件的尺寸，从而为战场提供更多更小的传感器。5G传感器体积小，成本低，这可增加战场空间中简单传感器的数量，并可通过空投的方式发射到冲突区域，这些传感器可互相连接形成作战云。未来战场空间的网络中会有大量的节点，各节点可向不同方向发送数据，最终形成的数据收集规模类似谷歌、亚马逊等互联网公司的数据规模。

克劳德·香农于20世纪四十年代提出了可计算传输信息量的理论，他将信息描述为二进制数字，即0和1，两点之间可传输的信息量被成为带宽，传输的过程会受到外部因素（噪声）的影响，信噪比越高，传输的数据越多。

2.2 梅特卡夫定律

乔治·吉尔德于1993年提出梅特卡夫定律，认为一个网络的价值等于该网络内的节点数的平方，而且该网络的价值与联网的用户数的平方成正比。该定律适用于网络规模较小的情况，当网络节点数已经很多时，该定律不适用，如Facebook网站上的用户已经很多，新增一个用户并不能大幅提升Facebook的网站价值，在这种情况下需要应用齐夫定律。

2.3 齐夫定律

美国语言学家乔治·金斯利·齐夫于20世纪40年代提出齐夫定律，认为按照单词在语料库中出现的次数排序，则该单词的排序数与其在语料库中出现频数成反比，如果按照出现频率排序，则第二常见的单词出现频率是第一常见单词出现频率的1/2，第三常见单词为第一常见单词出现频率的1/3，第n常见单词为第一常见单词出现频率的1/n。延伸来看，就是长尾理论（long tail），词频较低的单词量远远大于词频较高的单词量，这些单词构成了“长尾”。在多节点联网的情况下，该定律认为在节点数达到一定量的情况下每增加一个节点就会降低节点的相对价值，但是这些新增节点的数量较多，总体上仍能够提升整个网络的价值。

5G技术、数据存储与处理技术和人工智能技术的发展将使未来作战空间充满大量的小型、低成本传感器，这些传感器具备光电、声音和热感知能力，可大幅提升联网的情报收集平台、无人机的感知能力。网络中每个节点类似于电视画面上的像素，在只有一个像素网络的极端情况下，一个像素会非常有价值，可能代表了开或关，白天或黑夜。伴随着为“战场电视”不断增加像素，每一个新增的像素都帮助描述战场画面，这与梅特卡夫定律一致。当像素数量达到几千个以后，每个像素的价值都会大幅降低，几乎会将为零，但整个系统的价值会不断增加，这与齐夫定律一致。在超大规模的战场空间数据收集网络中，每个传感器的平均价值接近为零，在这种网络中，每个传感器传输的实际数据价值会不断降低，但是这些传感器的属性信息会变得越来越重要，如传感器发送信息的时间和当前位置等。这种网络变成了布尔逻辑体系，每个传感器仅代表开或关（正在探测或空闲状态）。

在图2中，根据梅特卡夫定律，在网络的扩张前期，每个节点的价值会不断增加，当传感器数量饱和时每个节点的价值开始降低，并且由于过量情报收集带来的负担，整个网络的能力会发生停滞。之后当传感器数量达到完全饱和状态时，网络能力出现了拐点，开始大幅提升。此时，对于分析人员来说，每个传感器的属性信息价值大于其传输信息的价值，每个传感器的价值接近于零。

图2 单个传感器对整个情报收集网络的贡献

未来战场上的分析人员将更看重整个完整网络的价值，并且在人工智能技术的帮助下，整个网络的连接方式和总体结果分析会得到改善。分析人员通过分析整个网络中传感器的活动状态就能发现敌人，并开展预测性分析，这种预测性分析类似亚马逊公司的大数据分析人员对顾客行为进行的分析，亚马逊公司通过分析数据类型及数据间的关系就能预测顾客在何时需要何种类型的商品。

未来，美军需要开发具备较强机动性的作战网络，5G蜂窝塔的体积更小，便于战场上车辆、机器人和士兵携带，但是毫米波穿透墙和建筑物的能力还不够，美军需要开发新能力和新战术、技术和步骤来应对这一问题。此外，美军还需要开发面向未来技术的数据收集和分析理论，以推动网络中心战的不断发展。

介冲译自互联网

李皓昱审定

声明：本平台发布部分内容来自公开资料或者网络，版权归原作者所有，转载的目的在于传递信息及用于网络分享，不代表本平台赞同其观点，如涉版权问题，请与我们联系，我们第一时间处理。