视觉 AI 少为人知的研究蓝海：临地安防

AI科技评论

发布于 2023-04-12 17:47:36

6570

发布于 2023-04-12 17:47:36

文章被收录于专栏：AI科技评论

临地安防涵盖低空安防、水下安防及跨域安防，是临地空间中防卫、防护、生产、安全、救援等需求的多元化、跨域化、立体化、协同化、智能化体系。面向空天地海井网，涉及智能、信号、量子、材料、光机电等的交叉。对国防安全、社会稳定、经济发展具有重要意义。

背景

2014年，我国提出了总体国家安全观的概念[1]，如何构建新时代国家安全体系，应对国家面临的安全形势，更有效地维护国家主权、领土完整以及海洋权益，是我国必须面对的问题[2]。

随着科技的发展，在低空空域、近海水域等多个方面出现新的安全防卫问题。

首先，低空空域安全需求与日俱增。广泛使用的无人机及低空飞行器给低空安防带来了巨大的挑战，且我国逐渐开放的低空空域政策使得低空飞行活动以及低空经济业态层出不穷，相应的安全防卫需求与日俱增。

其次，近海、界湖等领水安全问题凸显。特别是岛屿领土问题和海洋划界争端依然存在，个别域外国家舰机对我国频繁实施抵近侦察，多次非法闯入我国领海及有关岛礁邻近海空域，危害我国国家安全；而我国在领水（特别是近海水域）的监视与防卫体系尚不完善，例如港口和海洋牧场。

最后，跨域立体空间安全体系不健全，也存在条块分割。当前的安全防卫体系呈现跨域化和立体化趋势，但是尚不健全，安防问题与挑战依然凸显。

为此，我们必须因势而谋，强化危机意识，未雨绸缪；应势而动，积极面对国际竞争新格局、国家安全新需求和现代战争新形态；顺势而为，构建跨域统筹、均衡稳定的新时代国家防卫战略体系，为实现科技强国战略和中华民族伟大复兴贡献力量。

临地安防

在国际形势及国家需求的驱使下，临地安防(Vicinag earth Security，VS)应运而生。临地安防是指面向临地空间内防卫、防护、生产、安全、救援等需求的多元化、跨域化、立体化、协同化、智能化技术体系；具体应用场景包括低空安防、水下安防以及跨域安防等。

与传统临近空间或近地空间不同，临地(Vicinage1 earth, Vicinagearth)空间是指从海平面以下1000米（阳光穿透水深极限，南海平均水深）到海平面以上10000米（民航航线高度）的水域、地面及空域。其中，海平面以下100米（大陆架平均水深）到地面以上1000米（低空空域开放高度）是其核心区（如图1所示），基本覆盖人类主要生产生活空间，以及现代战争低空超低空及水下作战空间。

临地安防不仅涵盖临地空间内的国家安全与防卫，而且覆盖了工业生产、社会经济、科研教育等方面的防护、生产、安全、救援，对国防安全、社会稳定、经济发展均具有重要意义。

图1 临地安防空间范畴

技术体系

从应用场景来看（如图2所示），临地安防技术体系下的低空安防、水下安防、跨域安防覆盖面十分广泛，面临的任务形态更加多元化、跨域化、立体化、协同化、智能化。如何实现更远目标的识别和更弱信号的探测，如何实现更高效的多模态信息融合与解析，如何实现更大的无人机、无人船/艇、无人车等无人系统编队的集成应用等一系列难点问题和挑战不断涌现。

图2 临地安防技术体系

为应对上述临地安防场景下的问题和挑战，保证低空安防、水下安防以及跨域安防场景中具体任务的开展（例如立体交通、全自主智能飞行器集群、极端灾害监测预警与自主搜寻救援、跨域侦察与联合登陆等任务），可围绕信容(Information Capacity，IC；信息量和数据量的比值，衡量单位数据量的信息提供能力)与正向激励噪声(Positive-incentive Noise, Pi/π-Noise；探究噪声对信号分析的正向激励作用)科学问题，从数据获取、信息交互、集成应用三方面开展研究。

其中，在数据获取方面，针对极端环境和复杂目标导致的数据扰动等问题，重点关注相干光探测和稳定探测技术研究；在信息交互方面，针对跨模态数据难解算和多智能体难协同的问题，深入研究跨域场景下的多模态认知计算和群体智能决策等共性理论；在集成应用方面，面向国家在无人机攻防、城市安防、灾害救援、海洋探测等临地安防领域的重大需求，围绕涉水光学、跨域遥感等应用领域开展深入研究，为面向国际竞争新格局、国家安全新需求以及国民经济新动能提供坚实的理论基础和技术支撑。

临地安防技术体系属于前沿交叉学科与技术领域，其面临的任务场景与形态更加多元化、跨域化、立体化、协同化、智能化；该技术体系不独立于现有的众多其他学科领域/技术体系，包含相干光探测、稳定探测、多模态认知计算、群体智能决策、涉水光学以及跨域遥感等六大研究/技术方向的同时，更广泛地涉及航空航天、深空深海、机械电子、信息/量子通讯、新材料、能源动力等众多学科与技术领域的交叉融合。

相干光探测

在临地安防任务中，首要步骤是实现实时、精准的目标信息获取。以上文提到的跨域侦察与联合登陆任务为例，如何在长距离、强干扰环境下实现精准的光电侦察无疑是该任务面临的首要问题。相干光探测(Coherent Light Detection)是一种利用相干光源以及相应光学系统共同实现目标信息获取的技术。得益于相干光源亮度高、方向性强、单色性好等特点，该项技术能够在临地安防任务中快速建立起“数据/信息优势”，从而实现临地空间更远、更清、更快的目标探测。

具体而言，典型的相干光探测系统包括相干光源、相干光的大气传输以及光电探测器件三部分，如图3所示。

图3 相干光探测

相干光源 近年来，以固体激光器、气体激光器、半导体激光器以及光纤激光器为代表的相干光源相继问世，为高性能的相干光探测系统提供了更有力、更坚实的基础支撑。随着相干光源的不断创新与发展，脉冲宽度为纳秒（10-9 s）、皮秒（10-12 s）、飞秒（10-15 s）时间尺度的激光器相继出现。飞秒光梳结合了超快激光和超稳激光技术，具有极强的频率转换能力和极宽的光谱特性，极大推动了气体探测、精密测距、分子光谱校正、时间同步等技术的飞跃式发展，为临地安防场景下的目标识别、安全检测、编队授时等提供了先进的硬件支撑。

相干光的大气传输 大气湍流效应会严重影响相干光束的质量。早在1704年，牛顿在《光学》（Opticks）一书中就给出了该问题的解决方案：将光学系统部署在位于云层之上的高山之巅[4]。此后，几乎所有光学望远镜的选址都遵循了这一指导思想。为了更加主动地缓解湍流效应，人们开始研究一种能够主动补偿光束波前畸变的自适应光学技术。20世纪80年代，自适应光学开始逐步应用到激光大气传输领域，用以实现弹道导弹拦截等安全防御任务。近年来，自适应光学逐渐向着阵列化、智能化的方向发展，其湍流补偿能力以及环境适应能力得到了快速的提升，为长距离、强干扰环境下的相干光探测系统提供了重要的技术支撑。

光电探测器 光电探测器件是相干光探测过程中实现信号响应与前端信息处理的核心部分，其基本原理是利用被探测目标所辐射（或反射）的光波特征，结合电光响应材料或器件的电导率特性变化等，完成光信号至电信号的转换与实时映射，继而实现精准的目标探测与识别。常用的光电探测器件有电耦合器件(Charge Coupled Device，CCD)相机、多光谱相机、条纹相机、单光子计数相机等。高性能的光电探测器件有助于相干光探测系统实现更精确、更快速的信息获取。

综上所述，由先进相干光源、相干光传输模块、光电探测器件为核心所构成的相干光探测系统是支撑临地安防场景下信息探测与获取的硬件基础。不断地优化相干光源性能参数、完善相干光传输技术、提升光电探测器件的信号与提取能力，从底层出发推动相干光探测技术及系统性能升级与优化，实现包括近空、地面、浅海等所有临地空间范围内的目标识别及侦查监测能力的提升，可为后续的稳定探测、多模态认知计算、涉水光学等技术提供丰富、可靠的数据支撑。

稳定探测

探测是临地安防技术体系的最前端，控制着系统的信息输入。探测的目的是感知到环境和目标信息，并将感知信息以一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示和控制等要求。借助声、光、电、磁等探测手段，人类看到了可见光之外的景象，听到了可闻声波之外的声音。

临地空间中包含水下、湍流、弱光、高温、振动、高动态等大量的极端探测环境。如何实现极端环境下更清晰、更精准、更稳定的探测，对临地安防系统的稳定性和可靠性至关重要。在雷达、无线电、光学、声学等传统探测手段的基础上，稳定探测(Stable Acquisition)是聚焦光电探测理论与技术，研究适用于极端条件下的高质量成像与测量理论，实现高质量信息探测提取的技术。

如图4所示，稳定探测面向临地安防前端高质量感知，着力于建立物理先验与智能算法的互反馈机制，拓展传统光电设备的探测能力，实现极端条件下的高质量稳定成像，突破复杂条件下的高精度测量理论与技术。

图4 稳定探测

光电设备探测能力提升 针对探测过程中的光源目标介质传感器四要素，围绕复杂光线、多样目标、干扰介质、光电噪声等场景，聚焦超低信噪比情况下的光学信号恢复技术，拓展传统光电设备的探测能力。

极端场景下高质量成像 近年来信息探测设备层出不穷，各有优势，融合事件相机、脉冲相机（Spike Camera）、无透镜相机等新型传感设备的多模态信息，开展高动态范围/超帧率等成像质量提升的研究，形成信息优势互补，提升探测数据质量。

复杂条件下高精度测量 大型部件高精度无损测量、跨尺度特征测量、多源环境扰动下的瞬态测量等临地安防重要测量任务，具有测量对象复杂、测量场景异构、测量要求苛刻等特点，对现有测量理论和技术的拓展及测量新原理的研究带来了迫切的需求。开展非常规条件下的视觉测量新原理研究，拓展现有的测量技术体系，提升复杂系统的综合测量能力等具有重要的科学价值及应用意义。

综上所述，稳定探测着力于实现高质量探测信息提取，是临地安防技术体系的共性关键技术之一，在航空航天、城市安防、交通监管、工业制造、灾害监测、医疗健康等领域都有着广泛的应用需求。

多模态认知计算

在临地安防的实际应用中，通常需要处理来自光学、声学等不同传感器的大量多模态数据。以智能巡检为例，需要对无人机采集的音频与不同波段的图像进行综合研判，发现场景中存在的隐患。

为使机器具备人类处理多感官信息的能力，2003年，笔者在信息领域开设了“认知计算”(Cognitive Computing)课程，随后创立了IEEE-SMC2认知计算技术委员会，并发表了题为“Visual Music and Musical Vision”的文章，在信息技术领域引入“联觉”(Synaesthesia)，孕育了多模态认知计算(Multi-Modal Cognitive Computing)。

多模态认知计算模拟人类联觉，以信容理论为指导，分析不同感知通道的联系，对特定场景和环境进行时空以及语义维度上的高效感知和综合理解[5,6]。根据研究导向不同，多模态认知计算可大致分为多源传感分析和通用多模态学习，如图5所示。

图5 多模态认知计算

多源传感分析 针对传感器性能监测、跨域探测等特定任务，对不同传感器采集的数据进行联合处理，实现视情校准、场景理解等目标。传统传感数据分析方法通常假设模型学习和测试过程中的样本分布一致，然而，随着军事、国防等领域的应用任务复杂化，尤其是针对临地安防中的开放环境，传感的数据、样本类别等分布往往会发生较大的变化，导致传统的传感数据分析方法失效。针对这一问题，多源传感分析是一种有效的解决途径，通过分析不同传感模态数据的关联关系，实现少标注样本、零标注样本下的场景理解，对临地安防自主感知、情报侦察和灾害救援等场景具有重要意义。此外，在数据学习的过程中，由于存在传感器的数据量纲不同、特征模态异构等问题，研究者关注数据归一化、多模态学习等理论的研究，从而实现更优的跨量纲数据融合方式和更合理的特征贡献权重。以航空传感器安全监测任务为例，对压力、迎角、应变、振动等多种传感器数据的联合分析，可实现对航空器安全性能的全方位监测。

通用多模态学习 主要研究通用多模态数据的基础学习理论，尝试利用多种模态的一致与差异特性实现模态协同，提升机器的信息提取能力，突破经典机器学习模型的理论与性能瓶颈。在探究不同模态数据间内在一致性问题上，利用维数约简和高效聚类方法有效挖掘模态间的对应关系，为多模态信息的联合分析提供基础；针对模态间的差异性，利用多视角、多任务学习方法进行跨模态数据的融合与转换，提升低维表征的信息提供能力；进一步，为了高效合理地联合模态间的信息，利用不同模态数据与模型之间的关联与互补，通过集成学习方法实现信息增强式表达，提高机器从数据中获得的信息量。总体而言，通用多模态学习关注多模态数据的通用分析理论，联合多模态以提升信息提取能力。在临地安防中，通用多模态学习与涉水光学、稳定探测等任务密切相关，为提升设备交互效率、突破性能瓶颈提供关键技术支撑。

近几十年来，随着多模态数据的海量爆发和算力的快速迭代，多模态认知计算已成为各行业共同关注的研究热点，在临地安防中发挥着重要作用。

群体智能决策

在自然界和人类社会中，群体无处不在，在这些群体中，即使个体的行为能力较为有限，也可以通过相互之间的简单合作涌现群体智能行为。受此启发，群体智能决策（Collective-Intelligence Decision-Making）的概念应运而生。群体智能决策是通过研究和模拟群居生物的组织结构、群体行为及其调控机制，为群体行为控制提供新的设计理念和方法。群体智能决策主要面向临地安防任务的临地空间群体行为安全，致力于实现群体行为的精准感知与协同控制。

群体智能决策降低了人们对个体行为能力的要求，关注由低成本、高动态、分布式、高容错的多个个体构成的群体，在信息化时代完成多种复杂任务，已然成为未来人工智能的重点发展方向之一，在互联网、公共交通、公共安全和军事等领域展现出巨大的潜力和优势。尤其在军事领域，群体智能决策优势显著，可使由无人机、无人车、社交机器人等自主无人系统组成的群体，在通信网络的框架下，通过任务规划、智能决策和协同控制完成多种复杂行动任务，并具备高度分散、灵活机动、动态可组、自主协同等优势。如在美国国防部高级研究计划署（DARPA）的“进攻性蜂群使能战术”项目中开展的无人系统集群（包括无人机、无人车等）复杂环境演示，实现了多目标、多任务的立体高效、高精打击，展示了面向跨域侦察与联合登陆、城市巷战等复杂环境条件下无人系统集群的巨大潜力。因此，开展群体智能决策的研究对我国临地安防至关重要。

群体智能决策一般包含自主交互和决策控制（组内协同与组外对抗）两大核心部分，如图6所示。

图6 群体智能决策

自主交互 作为群体智能决策重要的技术基础，一般是指群体通过多维的通讯网络实现群体内部的复杂多源/多模态信息交互，同时考虑个体之间信息的差异性，设计面向任务的信息交互激励机制，实现忽略与任务无关的信息，只保留最有用的细节，并填补部分个体信息在时间和空间上的缺失，进而达成群体内部的区域信息共享与互补，为后续的决策控制提供重要信息支撑。

决策控制 根据群体任务特征，将决策模型泛化为组内协同和组外对抗，通过基于网络自组织动力学模型设计的一致性评价标准，构建最优动态决策模型，并利用群体自主交互的多源/多模态数据进行最优决策动态分配，实现基于分布式学习机制的子系统决策任务分配。进一步设计出合适的控制策略实现预期的群体决策，即设计有效的控制器，保障群体决策结果在复杂环境约束下的高效执行，实现群体一致性控制、编队控制、包围控制和事件触发控制等。

涉水光学

水是生命之源，覆盖了71%的地球表面。我国拥有的水域面积接近国土面积的三分之一，并且大部分水域属于海洋，是生态、资源、社会、经济、安全的重要战略发展空间。由于声波在水中传播距离远，1912年“泰坦尼克”号与冰山相撞而沉没的事件促使科学家研究对冰山的回声定位，该技术在第二次世界大战后得到快速发展。但是当探测一个水中动态目标时，使用声波就必须考虑时间损耗，而光波是可以忽略不计的。

随着科技的发展，各国基于光学技术的水下攻防装备得到了长足发展，我国领水面临的安全威胁加剧，各种水下平台、装备前沿部署至我国近海、领海海域进行侦查、干扰、破坏，甚至反制我国近海反介入/区域拒止能力，“水下国门洞开”，对国家安全构成重大威胁。因此，亟须发展以水为介质的光学技术，即涉水光学(Water-Related Optics)。涉水光学是临地安防技术体系中水下安防的重要支撑，对我国领水的防卫、防护、生产、安全、救援具有重要的意义。

涉水光学是研究光与水的物质相互作用机理及光的跨介质传播机理，揭示光在涉水环境中的传播规律，解决与涉水光学信息获取、信息传输和信息处理相关问题，拓展光学在涉水环境中应用的一门学科。光与水的相互作用是研究水体自身和溶解、悬浮于其中的有机物和无机物对光的吸收、散射、折射等，直接影响光在水体中的传播和各项光学技术在涉水环境中的应用。研究光与水的相互作用机理可为光的跨介质传播，光学技术在涉水环境中的应用奠定基础并促进涉水光学技术的发展。

涉水光学是涉水环境中可以采用的光学技术，在探索、研究、生产、应用过程中的研究手段主要包括涉水光学信息获取、涉水光学信息传输及处理，如图7所示。

图7 涉水光学

涉水光学信息获取 主要针对水体环境的固有光学参量的测量，水质，水体中的微生物、颗粒和溶解物质的类型、浓度等信息，直观反映涉水环境状况，为全球海洋生物多样性、生态系统结构、生态学和生物地球化学功能的认知提供重要手段。

涉水光学信息传输 将涉水探测数据穿透水层进行高速传输，搭建涉水光学信息获取技术与信息处理技术之间的桥梁。

涉水光学信息处理 主要通过人工智能等方式对探测数据进行处理，获得涉水环境参数和涉水目标状态。

涉水光学应用场景涵盖了涉水光学观测、涉水安防、涉水激光工业等方面，针对国家重大战略需求进行布局，推动科技进步、国民经济发展，以及海洋强国建设。在生态监测、能源勘探、生物群种监测、考古发掘、军事侦察、水下装备的检修与监控、海底隧道的勘测维修等水下安防领域存在重要的价值。

跨域遥感

遥感作为一种无接触的远距离探测技术，在灾害救援、军事侦察、城市安防等临地安防任务中发挥着重要作用。近年来，随着遥感技术的发展，各种新型的卫星遥感、航空遥感手段层出不穷。根据搭载平台的不同，遥感技术大致可分为卫星遥感、航空遥感和地面遥感。在遥感传感器方面，已经发展形成了可见光、红外、多光谱、高光谱、合成孔径雷达等多种探测手段。各种功能各异、各具特色的遥感平台和声、光、电、磁等探测手段，在各种不同的临地安防场景中发挥着各自独特的重要作用，极大地拓展了人类对地观测能力。

然而，在遥感应用领域，目前还存在数据资源分散、标准不统一、利用率低等问题。尤其是在面向临地安防场景下微小暗弱等复杂目标的探测任务中，单种遥感手段存在明显的局限性。因此，综合利用多种探测手段的特点，开展面向复杂临地安防场景的跨域遥感(Cross-Domain Remote Sensing)研究具有很强的现实意义。

跨域遥感是多种跨模态、跨场景、跨任务遥感手段协同探测与解译的理论与技术。临地安防场景下的跨域遥感主要关注低空无人机监测、极端灾害预警与救援、军事目标侦察等典型任务。其理论和技术的构建离不开稳定探测、多模态认知计算、群体智能决策等相关技术的支撑。

当前，跨域遥感研究主要面临三大难题：极端环境数据扰动、高维跨模态数据冗余、微小暗弱目标难解析。

极端环境数据扰动 在极端天气、突发灾害、战争破坏等极端环境下，遥感面临数据缺失、噪声干扰、云层遮挡等问题，对遥感数据的解译造成了巨大挑战。因此，需在稳定探测的基础上，重点关注临地安防场景下跨域遥感数据的补全、多源融合去云、干扰噪声抑制等研究，提高感知数据质量，为决策分析提供有力的数据保障。

高维跨模态数据冗余 临地安防场景下的多模态遥感数据存在高维异构、数据冗杂、视角多变等问题，这是造成跨域遥感数据利用率低的关键难点。因此，面向国家在大规模跨域遥感数据智能分析领域的重大需求，亟须在信容理论的指导下，结合多模态认知计算等关键技术，开展复杂异构遥感数据的高维特征学习与数据萃取研究，为临地安防场景下的跨域感知数据解译奠定基础。

复杂场景目标难解析 实现复杂场景下微小暗弱、伪装遮挡、高动态等目标的高精度解译，是跨域遥感研究的主要目标。为此，需重点开展跨域场景理解、微小暗弱目标分析、拒止环境下的自主导航和智能巡检等研究，为临地安防场景下的跨域侦察与联合登陆、低空/超低空防御与对抗、极端灾害监测预警、自主智能搜寻救援等任务提供理论和技术支撑。

典型应用

临地安防技术体系涉及的任务具有多元化、跨域化、立体化、协同化、智能化特征。代表性的应用包括空中立体交通管控、低空/超低空对抗、极端灾害监测预警、自主智能搜寻救援、海洋牧场、全天候水域监视、港口安防以及跨域侦察与联合登陆等。

低空安防场景 在空中立体交通管控方面，随着低空空域的逐步开放，立体交通工具（如空中汽车、无人飞行器等）将在虚拟航线上被实时监测与管控，实现空域资源的精细化管理，优化交通引导与控制，加强运行安全与监控管理，进一步完善交通管理体系。此外，面向国家重大需求，临地安防相关理论和技术还将在低空/超低空对抗、极端灾害监测预警、自主智能搜寻救援等任务中发挥关键作用。

水下安防场景 在海洋牧场方面，建设完善的监测网络和管理系统，包括对生态环境质量的监测和对生物资源的监测；科学管理的海洋牧场可以提高产量，确保水产资源稳定和持续增长，实现可持续生态渔业建设。在港口安防方面，通过建设立体化的监管系统，打造智慧型贸易港，对增强进出口贸易的国际竞争力和港口安全有重要意义。此外，全天候水域监视对提高我国水下监视与安全防卫能力有重要价值。

跨域安防场景 未来军事冲突的形态主要呈现跨域化、立体化、协同化特征（特别是非单纯陆地争端）。通过低空航空器、地面车辆、水面舰艇以及水下潜航器等装备共同构筑整合水域陆域空域资源的跨域侦察与联合登陆立体网络（如图8所示），增强战场态势感知与资源调配能力，夺取军事冲突的主动权，从而取得最佳作战效果。

图8 跨域侦察与联合登陆

总结与展望

安而不忘危，新形势下，我国面临复杂多变的发展和安全环境，各种可以预见和难以预见的风险因素明显增多；因此，建立面向临地空间内防卫、防护、生产、安全、救援等需求的多元化、跨域化、立体化、协同化、智能化临地安防技术体系势在必行。

随着临地安防技术体系的逐步成熟，世界安防产业将产生变革性发展。那么，临地安防技术体系将对人类生产生活带来哪些影响？对科技伦理治理作出哪些贡献？并对人类生存的自然环境有何影响？

在生产生活方面，临地空间范围涵盖了人类活动的大部分空间，而临地安防的六大技术领域与人类的生产生活息息相关。随着临地安防技术体系的发展与完善，人类的出行方式、消费理念乃至产业结构都将面临巨大变化。在未来，低空飞行将成为人类的主要出行方式，交通运输会更加便捷，而涉水探测手段的提升也将极大地释放海洋资源，生产力得到进一步提升，人类生产生活方式将步入新的发展阶段。

在科技伦理方面，随着人工智能、移动互联网、生物医药等新兴技术领域的发展给社会带来变革性贡献的同时，技术失控或滥用引发的科技伦理问题日益凸显，健全科技伦理治理体制极为迫切。临地安防技术体系涉及多个新兴技术及交叉学科，未来将围绕生命健康安全、隐私保护、资源分配、生态安全等多个方面，建立失控/滥用技术的监督机制、完善数据隐私保护措施、优化技术应用行业标准，逐步形成临地安防伦理体制。

在自然环境方面，随着全球气候变暖，火灾、暴雨、飓风等极端自然灾害对人类生活以及经济发展造成了严重威胁。除此之外，随着人类生产生活范围的进一步扩大，地球上有限的水资源、森林资源锐减。在未来，临地安防技术能够为人类提供全天时、全天候的极端灾害预警以及生存环境监测，使得人类能够更加主动地应对上述挑战。

参考文献：

[1]中央政府门户网站.http://www.gov.cn/xinwen/2014-04/15/content_2659641.htm.

[2]国务院新闻办公室. 新时代的中国国防[EB/OL].(2019-07-24). http://www.gov.cn/zhengce/2019-07/24/content_5414325.htm.

[3]中国民用航空局.“十四五”通用航空发展专项规划. 2021.

[4]Newton I. Opticks[M].1704.

[5]Shannon C E. A Mathematical Theory of Communication[J]. The Bell System Technical Journal, 1948, 27(3): 379-423.

[6]李学龙. 多模态认知计算[J]. 中国科学: 信息科学, DOI:10.1360/SSI-2022-0226, 2022.

注：

1 Vicinage源于古法语/拉丁语的visnage/vicinus，相当于neighbor。

2 电气与电子工程师协会系统、人与控制论学会（IEEE Systems, Man, and Cybernetics Society）。