对手实施的干扰、远程感知及太空拒止能力，正日益威胁印太战区的指挥控制行动。在这类对抗性环境中，传统基于全球定位系统（GPS）与卫星通信（SATCOM）的杀伤链效能严重退化，迫切需求具备韧性的分布式感知与目标定位体系架构。本研究综合运用解析建模、系统架构设计、能耗感知聚类算法、分布式蜂群控制方法、通信距离分析及硬件在环飞行实验等手段展开攻关。研究结果表明，尽管网状组网无人航空系统蜂群能显著提升作战韧性，但其功能寿命对几何拓扑约束、能源供给及聚类策略高度敏感。本成果为网状组网目标定位奠定了严谨的理论基础，并指明了通信韧性、蜂群自主性、多源传感器融合及作战实验等关键研究方向，以支撑对抗环境下的分布式海上作战行动。

协同自主、网状组网与GPS拒止作战的理论基石

学术界与防务研究领域已积累了若干与网状组网目标定位互补的理论基础。首先，美国国防高级研究计划局（DARPA）主导的“拒止环境协同作战”（CODE）项目，正式确立了协同自主能力的必要性——该能力需在带宽受限与通信中断条件下保持韧性，使多架无人机能在监督控制下协同行动，无需为每架平台配置专属操作员[26]。CODE项目强调模块化自主能力及在战损与通信对抗条件下的适应性，这与网状组网目标定位架构对决策与韧性的要求直接契合。

其次，网状组网目标定位的通信底层架构建立在无人航空系统自组织网络与网状组网的深厚研究基础之上。综述与研究表明，无人机蜂群常构成飞行自组织网络（FANETs），其拓扑高度动态，且受限于能源与带宽约束，这促使系统通过冗余机制实现自组织与鲁棒性。针对混合网状组网方法（如将IEEE 802.11s与LoRa/LoRaWAN等远程链路结合）的研究，明确探讨了距离—吞吐量的权衡关系及异构链路的价值——这是分布式退化、断续、间歇、受限（DDIL）作战环境中的重要设计范式。安全性与韧性同样是核心议题：针对无人机蜂群安全网状连接的研究，揭示了全协议栈的脆弱性，并界定了在无中心基础设施条件下运行的科研挑战；当对手实施主动干扰、欺骗或利用控制链路时，这一问题尤为尖锐[27][28][29][30]。

第三，网状组网目标定位依赖分布式感知与协同估计，尤其在GPS效能退化时。针对GPS拒止环境的多机器人协同方法，强调在不确定性与有限处理后观测数据共享条件下的去中心化规划，证明无需全保真数据交换亦可实现有效协同。近期同行评议研究提出了GPS拒止环境下的空地协同导航与目标导引架构，结合本地感知、测距/锚点技术及边缘规划方法，展示了全球导航卫星系统（GNSS）失效时维持定位与导引的可行路径。这些成果契合了网状组网目标定位在PNT（定位、导航与授时）拒止及通信断续条件下维持跟踪质量与交战可行性的核心需求[31][32][33]。

第四，在指挥控制/架构层面，防务分析主张向具备多元通信路径与机器间数据流的分布式杀伤网转型，其直接动因在于对手破坏美军杀伤链的战略企图。这一架构理念与强调通过集成网络与边缘节点实现快速杀伤链闭合的作战实验及评论相一致，强化了韧性数据传输与分布式决策支持的必要性[34][35]。

最后，本研究与作者团队其他相关工作相呼应，明确将“网状组网目标定位”定位为应对对手干扰与太空拒止的手段，聚焦于无人机网状网络在无卫星支持条件下实现原生目标定位并降低可探测性的可行性。上述协同自主、网状组网、协同感知/估计及杀伤网指挥控制等研究脉络，共同为探究反介入/区域拒止（A2/AD）环境下的网状组网目标定位奠定了坚实的学术与作战基础。

尽管关于蜂群通信、协同自主及GPS拒止导航的研究成果丰硕，但仍缺乏将以下三方面有机结合的系统性研究：（i）网状网络设计（连通性、低截获概率（LPI）、低探测概率（LPD）、抗干扰）；（ii）不确定条件下的协同感知/跟踪融合；（iii）在DDIL约束与对手主动干扰下仍能维持任务成功概率的任务分配/交战策略——而这正是网状组网目标定位所提出的系统级命题。

表3梳理了目标定位的三类相互交织的“网状”分类体系，各自具备独特属性与功能定位。

表3. 目标定位“网状”分类体系

维度	通信网 (C-Mesh)	感知网 (S-Mesh)	决策网 (D-Mesh)
目的	通过冗余、多路径链路维持指挥与控制/遥测/协调的连接；在受到干扰或节点损失时实现优雅降级并提供替代路由。	通过多节点和跨域提示实现分布式探测、识别、定位与跟踪；在边缘端或通过间歇性聚合融合观测数据。	在连接间歇性中断时，通过分布式任务分配和自主能力维持任务连续性；包括局部规划、损耗重分配以及监督控制结构。
关键属性	异构链路（高通量 vs 远距）、自愈路由、低截获/低探测概率行为、安全加固 [27]、[29]。	协同感知、边缘特征共享（非原始数据）、不确定性下的多视几何与轨迹质量管理、用于交战的末端传感 [29]、[32]。	协同自主、任务延续逻辑、去中心化任务分配、基于规则的约束 [26]、[28]、人在回路监督模式。

基于表3的分类框架，可将第1.2节所述的近期作战案例映射如下：

1. “蛛网”行动（2025年6月1日）

   • 通信网（C-Mesh）：开源情报分析表明，其遥测/控制协议兼容蜂窝网络与“任务规划器”工作流，暗示其采用备用通信路径，而非依赖单一中心化链路。
   • 感知网（S-Mesh）：第一人称视角（FPV）末端导引及公开的打击视频显示，其依赖边缘感知与末端确认，即实施节点级的本地目标识别，而非仅靠远程定位。
   • 决策网（D-Mesh）：据报在信号丢失后无人机仍沿预设航线继续执行并完成任务的案例，直接印证了在通信对抗环境下的“任务延续”自主能力。

2. 克里米亚大桥袭击事件（2023年及2025年6月）

   • 通信网（C-Mesh）：2023年的报告探讨了潜在的卫星通信和/或导航系统，这些系统支撑了在对抗性海上环境中的远程机动与控制。
   • 感知网（S-Mesh）：分析人士的描述强调末端感知（如光学/定位器）及对桥体结构的精确瞄准——这与末端感知和本地寻的一致。
   • 决策网（D-Mesh）：2025年6月的水下爆破袭击反映了长期的规划与执行过程，据乌克兰国家安全局公开报告描述，这需要导航自主能力及对水下桥墩支撑结构的精确装药定位。

3. 无人艇→无人机分层攻击（克里米亚雷达站袭击，2025年中）

   • 通信网（C-Mesh）：无人艇实现空中无人机发射，表明移动节点具备前沿部署能力，可在传统通道受限区域支援作战。
   • 感知网（S-Mesh）：从海上平台投送空中载荷，意味着跨域指引及用于目标获取与打击评估的分布式感知。
   • 决策网（D-Mesh）：由无人艇发射的无人机实施多次投送/攻击，暗示了本地序列规划与协调逻辑，符合分布式任务执行的特征。

本研究主要聚焦于通信网（C-Mesh）。

作战概念与系统架构设计

我们探讨两类网络的潜在应用：线性网络与蜂群网络。在本研究中，线性网络旨在将射频信号覆盖范围从作战区域（目标定位区）延伸至决策单元，即基站。图3阐释了这一概念，即利用一架或多架无人机拓展作战半径。

图3. 利用单架无人机中继的线性网络覆盖模型

蜂群网络是一种自组织的去中心化系统，多个智能体（无人机或传感器）协同运作，共享信息并协调行动以实现共同目标。其拓扑具有内在的动态性，随智能体在环境中的移动与交互持续变化。在图4所示场景中，核心目标是通过动态调整网络架构，在DDIL环境中利用集体的剩余能源（电池）资源，延长对目标的持续监控时间。无论决策行为发生于远端——如图3所示需依赖线性网络——采用恰当的架构均能显著提升无人机蜂群的整体效能与杀伤力。此类网络的关键特征如下：

• 自适应与鲁棒性：由于控制权分布而非集中，系统能适应环境变化及单节点失效。
• 动态拓扑：网络连接与结构具有流动性，基于本地交互与移动持续重构。
• 涌现行为：复杂的集体行为源于智能体间简单的本地交互。
• 应用场景：搜救行动、军事侦察、复杂优化问题，以及在偏远或灾区提供稳健无线通信。

图4. 分布式无人机蜂群网络的效能利用

表4对比了两种网络架构的关键属性。

表4. 线性与蜂群无人航空系统网络差异概要

特性	线性网络	蜂群网络
控制方式	集中式、基于规则、确定性	去中心化、分布式、随机性
结构形态	固定的、通常为预定义的拓扑结构（例如树状或线性阵列）	动态的、自组织的、持续变化的拓扑结构
响应特征	可预测的、线性的、与输入成比例	自适应的、涌现性的、非线性集体运动
可扩展性与鲁棒性	可能存在单点故障；难以动态扩展	高生存能力；通过动态增删智能体实现良好扩展

作战系统架构可依据《北约架构框架v4》（NAFv4）进行开发，该框架为将期望能力映射到系统组件提供了结构化方法。图5所示的架构示例，重点界定了概念视图（C1–C2, C7–C8, CR）、逻辑视图（L1–Lr）及初步的物理分配图。其核心顶层能力——对抗环境下的可靠定位、导航与目标定位——被进一步分解为若干支撑性能力。

图5. 基于无人航空系统的网状网络NAFv4架构

后续实地测试中待评估的效能度量指标包括：韧性通信最大距离、信号完整性、节点冗余度及环境耐受性（如抗电磁干扰能力）。针对印太战区特有的环境约束——如跨越岛链的长距离任务、长期暴露于高湿高盐腐蚀环境等——已被纳入架构设计的考量范畴。