下载文档原格式
基于多源融合的联级网络安全态势感知模型
马晋
【期刊名称】《信息技术》
【年(卷),期】2024(48)3
【摘要】为实时获取网络安全状态,便于管理员及时采取响应措施,建立基于多源融合的联级网络安全态势感知模型。
确立数据分割点,通过分割条件对数据实施连续的自适应离散化处理;采用粒子群算法融合相同类型的感知数据;以资产重要程度、脆弱指数与威胁指数为态势感知一级指标,建立联级网络安全态势感知指标体系;输入融合数据到支持向量机中,将态势感知问题变换为支持向量机分类预测问题,得到最佳分类函数,建立综合感知矩阵,完成感知模型构建。
实验结果表明,所建模型提高了多源数据融合效果,感知结果较精确。
【总页数】6页(P164-169)
【作者】马晋
【作者单位】重庆市气象信息与技术保障中心
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于多源融合的网络安全态势感知模型
2.基于决策树算法的联级网络安全态势感知模型
3.一种基于多源融合的网络安全态势感知模型
4.基于决策树的联级网络安全态势感知系统设计
5.基于卷积神经网络多源融合的网络安全态势感知模型
因版权原因，仅展示原文概要，查看原文内容请购买。
《基于视觉感知的无人机目标识别与跟踪技术研究》篇一一、引言随着科技的不断发展，无人机（Unmanned Aerial Vehicle, UAV）的普及应用已涉及众多领域，包括但不限于军事侦察、目标跟踪、城市规划等。
为了进一步推动无人机的应用发展，目标识别与跟踪技术成为研究的热点。
基于视觉感知的无人机目标识别与跟踪技术是其中重要的一环，本文将针对这一技术进行深入的研究与探讨。
二、无人机目标识别技术的概述无人机目标识别技术主要是通过无人机搭载的摄像头等视觉传感器捕捉到的图像或视频信息进行目标特征的提取与识别。
识别技术通常依赖于计算机视觉算法，通过分析图像中目标物体的特征信息，如颜色、形状、纹理等，进而进行目标物体的识别。
这些技术常应用于交通监控、安保等领域。
三、基于视觉感知的目标识别关键技术1. 特征提取技术：利用计算机视觉算法，对捕捉到的图像或视频进行特征提取，包括颜色特征、形状特征、纹理特征等。
这些特征是目标识别的关键信息。
2. 深度学习技术：深度学习在目标识别中发挥着重要作用，通过训练大量的数据集，使模型能够自动学习到目标的特征信息，提高识别的准确率。
3. 目标跟踪技术：结合图像处理技术和机器学习算法，对目标进行实时跟踪，保证无人机在复杂环境下仍能准确识别和跟踪目标。
四、基于视觉感知的无人机目标跟踪技术研究无人机目标跟踪技术是在目标识别的基础上，对目标进行实时跟踪。
这需要无人机具备较高的计算能力和稳定的控制能力。
在跟踪过程中，无人机需要实时分析图像信息，根据目标的运动轨迹和速度等信息，调整自身的飞行轨迹和姿态，以保持对目标的稳定跟踪。
五、研究现状与挑战目前，基于视觉感知的无人机目标识别与跟踪技术已取得了一定的研究成果。
然而，在实际应用中仍面临诸多挑战。
例如，在复杂环境下，如何提高识别的准确性和稳定性；如何降低计算复杂度，提高实时性；如何实现多目标的快速切换与跟踪等。
六、未来研究方向与展望1. 深入研究深度学习算法，提高目标识别的准确性和实时性。
基于多源数据融合的无人机实时监测技术研究随着无人机技术的飞速发展，无人机实时监测技术也得到了越来越广泛的应用。
无人机实时监测技术是利用无人机进行实时监测，获取地面、海洋、大气等数据信息的技术。
而基于多源数据融合的无人机实时监测技术更是将多种传感器和数据整合使用，提高了数据准确度和可靠性。
一、多源数据融合技术的现状多源数据融合技术是指将来自不同来源的数据信息进行整合和处理，进而实现更高的信息量和更精确的分析。
目前，多源数据融合技术主要应用于无人机、卫星、传感器等领域，广泛应用于气象、环境、水利、航空等众多行业。
在无人机领域，多源数据融合技术主要应用于地图制作、城市规划、军事侦察、环境监测、灾害救援等场景。
近年来，随着无人机技术的不断进步，无人机的数据采集与传输能力不断提高，多源数据融合技术也在不断发展。
二、多源数据融合在无人机实时监测中的应用在无人机实时监测领域，多源数据融合技术可以将多种传感器的数据整合使用，提高数据的准确度和可靠性。
例如，可以利用无人机搭载的光学相机、红外相机、雷达等传感器，获取地表温度、颜色、信号强度等多种数据信息。
这些数据可以通过多源数据融合技术进行整合使用，得出更准确的分析结果。
在环境监测领域，多源数据融合技术的应用可以实时监测空气、水质、土壤等多种环境因素。
以空气质量监测为例，通过将各种传感器获取的数据整合到一起，可以实现对空气质量的准确监测和分析。
这些数据可以用于指导环保部门进行空气治理工作，有效地提高空气质量。
在农业领域，多源数据融合技术可以通过利用无人机的多种传感器，实时监测作物、土壤、水分等多种因素，从而提高农业生产效率和质量。
三、多源数据融合技术的发展趋势多源数据融合技术正在快速发展，未来还将有更广阔的应用前景。
一方面，随着无人机技术的不断进步，无人机搭载的传感器种类和性能将不断增加，数据质量和精度将得到极大提升；另一方面，大数据分析和人工智能技术的不断发展，也将为多源数据融合技术带来更多的应用场景。
《基于视觉感知的无人机目标识别与跟踪技术研究》篇一一、引言随着无人机技术的飞速发展，其在军事、民用和商业领域的应用越来越广泛。
其中，基于视觉感知的无人机目标识别与跟踪技术成为了研究的热点。
这项技术通过无人机搭载的摄像头等视觉传感器，实现对目标的快速、准确识别与跟踪，为无人机的智能化、自主化提供了重要支持。
本文将针对基于视觉感知的无人机目标识别与跟踪技术进行深入研究，分析其技术原理、方法及挑战，并探讨其应用前景。
二、视觉感知技术原理及方法1. 视觉感知技术原理视觉感知技术主要通过无人机搭载的摄像头等视觉传感器，获取目标图像信息。
通过对图像的处理与分析，提取目标的特征信息，如形状、大小、颜色、纹理等，进而实现对目标的识别与跟踪。
2. 目标识别方法（1）基于特征的目标识别：通过提取目标的特征信息，如边缘、角点、纹理等，与预先设定的模板进行匹配，实现目标的识别。
（2）基于深度学习的目标识别：利用深度学习算法，对大量图像数据进行训练，学习目标的特征信息，实现目标的自动识别。
3. 目标跟踪方法（1）基于特征点的目标跟踪：通过提取目标的特征点，利用光流法、卡尔曼滤波等方法，实现对目标的跟踪。
（2）基于深度学习的目标跟踪：利用深度学习算法，对目标进行实时检测与跟踪，实现目标的稳定跟踪。
三、技术挑战与解决方案1. 复杂环境下的目标识别与跟踪在复杂环境下，如光照变化、阴影遮挡、背景干扰等，目标识别的准确性和稳定性会受到影响。
为解决这一问题，可以采取多传感器融合的方法，将视觉传感器与其他传感器（如雷达、激光雷达等）的信息进行融合，提高目标识别的准确性。
同时，利用深度学习算法，学习复杂环境下的目标特征信息，提高目标识别的鲁棒性。
2. 实时性要求高无人机在执行任务时，需要实时对目标进行识别与跟踪。
为满足实时性要求，可以优化算法的运算速度，采用高效的图像处理技术，以及利用并行计算等方法，提高运算速度。
同时，对无人机硬件设备进行升级，提高其处理能力。
基于多传感器信息融合的无人机目标跟踪研究一、介绍随着无人机技术的快速发展，无人机在多个领域中扮演着重要角色，包括军事、航空、物流、环境监测等。
其中，目标跟踪是无人机领域中的一个重要应用，通过无人机对目标的跟踪和监测，可以实现对目标的定位、计数、识别和追踪等功能。
传统的目标跟踪方法往往依赖于单一传感器，如摄像头或雷达，而基于多传感器信息融合的目标跟踪能够提供更加准确和可靠的监测结果。
二、多传感器信息融合的意义1. 提高目标检测准确性基于多传感器的目标跟踪系统可以利用不同类型的传感器，如摄像头、雷达、红外传感器等，综合各传感器的信息来进行目标的检测和跟踪。
不同传感器之间相互补充，可以克服单一传感器的局限性，提高目标检测的准确性。
2. 增强抗干扰能力在复杂环境下，传统的单一传感器容易受到各种干扰，例如光照条件、气候变化、目标遮挡等。
而多传感器信息融合技术能够通过将多源数据进行综合分析，减少干扰的影响，从而提高目标跟踪系统的鲁棒性和抗干扰能力。
三、多传感器信息融合的方法1. 数据融合数据融合是将来自不同传感器的原始数据进行整合和处理的过程。
主要包括数据预处理、特征提取和特征融合等环节。
其中，数据预处理主要包括数据校正、数据同步和数据对齐等操作；特征提取则是从原始数据中提取有用的特征，可以使用机器学习或人工智能算法进行处理；特征融合则是将不同传感器提取的特征进行融合，以得到更加准确和全面的目标信息。
2. 信息融合信息融合是在数据融合的基础上，将不同传感器的信息进行整合和综合的过程。
可以通过概率统计方法、模型融合方法以及卡尔曼滤波等算法来完成信息融合。
概率统计方法通过概率模型来描述传感器的测量误差，并根据测量误差的大小进行权重分配；模型融合方法则是将不同传感器的模型进行融合，以得到更加准确和可靠的目标跟踪结果；而卡尔曼滤波则是一种递归滤波算法，可以根据系统动态方程和观测方程，利用上一时刻的状态估计和观测信息进行滤波优化。
多源图像融合技术在无人机中的应用于君娜;单子力;李方方;李峰【摘要】随着无人机技术的发展,无人机多源图像融合是一个日益受到关注的研究领域.在研究传统算法的基础上,针对经典HIS变换融合算法产生的光谱失真问题,通过引入压缩感知技术对传统算法进行改进,提出了一种融入压缩感知技术的图像融合算法并应用到无人机数码照片和SAR图像融合处理中.实验表明,该方法在引入SAR图像纹理信息的同时,能够有效保持可见光图像光谱信息,取得了较好的融合效果.【期刊名称】《无线电工程》【年(卷),期】2019(049)007【总页数】6页(P581-586)【关键词】无人机;图像融合;压缩感知【作者】于君娜;单子力;李方方;李峰【作者单位】中国电子科技集团公司第五十四研究所, 河北石家庄 050081;中国电子科技集团公司第五十四研究所, 河北石家庄 050081;中国电子科技集团公司第五十四研究所, 河北石家庄 050081;中国电子科技集团公司第五十四研究所, 河北石家庄 050081【正文语种】中文【中图分类】TP751.10 引言随着无人机和传感器技术的发展，目前无人机上已经可以搭载多种成像传感器。
分析各传感器的成像特性差异并结合应用目的，获取多源传感器的组合模式、数据形式、处理流程，并利用图像融合技术得到互补的融合图像[1]，有利于更加准确地获得目标物体的全面信息。
目前，多源图像融合技术在遥感图像分析等领域发挥着重要的作用[2]，具有重要的社会价值[3]。
1979年Daliy[4]等人将雷达图像和Landsat MSS图像用于地址解释，这是最早的图像融合。
1988年，图像融合的概念被POHL C.提出[5]。
Al-wasszi F.A[6]首次将HIS变换用于图像融合中，将图像从RGB空间转换到HIS空间。
但HIS变化导致融合后的图像产生明显的光谱失真，不能有效使用光谱信息。
2009年，殷立琼[7]将HIS变换和小波变换相结合进行图像融合，同时利用小波变化和HIS变换的优势，减少了光谱扭曲现象。
基于空间关系几何约束的无人机景象匹配导航李耀军;潘泉;赵春晖;张绍武;凌志刚【期刊名称】《计算机应用研究》【年(卷),期】2010(027)010【摘要】针对GPS的信号强度较弱、易受各种电磁干扰,提出一种基于空间关系几何约束的景象匹配导航算法.首先基于空间关系几何约束的多匹配区选择方法,将实时图划分为多个分区;然后采用基于边缘响应的加权Hausdorff距离景象匹配算法对各个匹配区进行定位计算;最后,通过最优配准点坐标估计策略,解算出无人机实时图中心在基准图上的精确定位坐标.多区域景象匹配采用并行计算方法,利用历史导航信息来辅助修正景象匹配导航误差.实验结果表明,该算法可较好地满足无人机对景象匹配导航算法实时性、精确性的性能要求.【总页数】5页(P3822-3825,3846)【作者】李耀军;潘泉;赵春晖;张绍武;凌志刚【作者单位】西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072【正文语种】中文【中图分类】TP391.4【相关文献】1.基于对极几何约束的景象匹配研究 [J], 杨敏;沈春林2.基于几何特性的多无人机协同导航算法 [J], 潘瑞鸿;徐胜红;;3.基于TMS320DM642的无人机景象匹配辅助导航系统构建 [J], 冯胜民;梁彦;赵春晖;曲圣杰4.基于局部精确直方图匹配的无人机景象匹配导航色彩恒常算法 [J], 靳珍璐;潘泉;赵春晖;魏妍妍;马娟娟5.基于空间关系约束的雷达景象匹配算法研究 [J], 左峥嵘;杨卫东;张天序因版权原因，仅展示原文概要，查看原文内容请购买。
无人机自主飞行控制与环境感知研究随着科学技术的不断进步和人们对无人机应用的需求增加，无人机自主飞行控制与环境感知研究逐渐成为无人机领域中的重要研究方向之一。
无人机的自主飞行控制和环境感知技术的研究，不仅关乎无人机在各种应用场景下的可靠性和安全性，也影响着无人机行业的未来发展。
一、自主飞行控制技术自主飞行控制技术是指无人机在没有人类操作的情况下，能够根据预设任务，准确地进行导航、航向控制、高度控制、起飞和降落等动作。
通过自主飞行控制技术，无人机能够实现自动避障、固定航点巡航、指定区域飞行等多种飞行任务，极大地提高了无人机的智能化程度。
为了实现无人机的自主飞行控制，研究人员首先需要设计、构建符合航空原理的飞行控制算法。
基于地面控制站或者内置传感器的飞行控制系统可以实时监测、控制和改变无人机的飞行状态，确保无人机完成既定任务。
此外，人工智能和机器学习等领域的技术也被广泛应用于无人机的自主飞行控制中，使其能够从飞行中积累经验、适应环境变化并进行自我学习，提高对复杂环境的适应能力。
自主飞行控制技术的研究，还需要解决一些关键的技术问题。
首先是飞行路径的规划和导航问题，即如何让无人机在已知或未知环境下自主规划最佳飞行路径，并能够实时感知和避障。
其次是无人机的稳定性和控制问题，即如何能够通过合适的控制策略保持无人机稳定飞行，并实现精确的悬停、起降。
此外，对于多机协同飞行的场景，还需要解决无人机之间的通信与协同问题，实现集群飞行的协同控制。
二、环境感知技术环境感知技术是指无人机能够通过感知和理解周围环境的能力，包括对障碍物、天气状况、空域安全等的感知。
通过环境感知技术，无人机能够实时获取周围环境的信息，从而进行智能决策、规避风险、确保任务的安全完成。
为了实现无人机的环境感知，研究人员利用了各种传感器技术，例如相机、激光雷达、红外传感器等。
这些传感器可以提供无人机所需的环境信息，包括地面地物的识别、障碍物的检测与跟踪、天气状况的监测等。
1 引 言(Introduction)未来的无人机将向着实战化、智能化、多能化的方向发展，并可实现与有人驾驶飞机的混合编队。
它们能全天候、全空域执行侦察、预警、通信、精确打击、核打击、战斗支援、救援、补给甚至自杀性攻击等多种任务。
无人机在现代数字战场中的突出优点和惊人表现，使得各国竞相研制，目前无人机已经大量使用。
截止2006年，全球研制无人机的国家有30多个，研制型号有150余种，已有50多个国家的军队装备了140余种型号的无人机。
美国是最早研制无人机的国家之一，目前已投入使用的无人机多达75种、近1400架，形成了高、中、低空，远、近距离，战略、战役、战术等各层面搭配的无人机作战网络。
以色列在无人机领域仅次于美国，其研制的无人机有17种之多。
据悉，从20世纪50年代至今，俄已研制出20多种*此项工作得到如下基金资助：国家重点基金，项目批准号：60634030；国家自然科学基金，项目批准号：60702066；教育部新世纪优秀人才项目，项目批准号:NCET-06-0878；航空基金，项目批准号：20090853013，西北工业大学校翱翔之星计划。
型号。
英、法、德、意等国，在无人机领域虽不像美军那样称雄世界，但也都有一定实力。
随着无人机的大量使用，中空、低空、超低空的空域变得越来越“拥挤”，从而给飞行器带来越来越严峻的安全隐患。
美军已经发生了数起无人机与直升飞机碰撞事件——虽然美国国防部只公开承认了其中的一次——2004年11月，陆军的l 架“大乌鸦”无人机与1架OH-58D “基奥瓦勇士”直升机在伊拉克上空相撞，所幸没有造成人员伤亡和严重的装备损失。
随着无人机在和平时期训练及参与作战中的广泛使用，无人机之间以及无人机对有人飞机造成了直接的威胁，如何避免它们与其他飞机碰撞已经成了一个非常值得关注的问题。
虽然美军已经建立起防止无人机与有人飞机碰撞的机制，但还远没有达到安全的程度，正在致力于研究提高无人机飞行安全性的更可靠解决方案，而感知－规避系统[1, 2]可以确保无人机具有与有人机同样的安全性[3-7]。
基于多源信息融合的无人机感知与规避研究*李耀军，潘泉，杨峰，李军伟，朱英西北工业大学 自动化学院 西安 710072 E-mail: liyaojun@摘 要: 无人机和有人飞机安全共享空域是无人机发展的一个关键问题。
本文基于多源信息融合对无人机感知与规避做了深入研究。
通过多传感器信息融合技术解算并共享无人机与有人飞机的坐标和实时运动状态，利用多模态图像的优势互补，实现昼夜、远距离、高分辨率的目标检测、识别与跟踪，从而提高无人机感知与规避的实时性与可靠性。
借鉴有人飞机空中交通警戒与防撞系统的基本工作原理，通过机载计算机计算相关参数，判定闯入飞机对自身安全的威胁程度，并提供预警分析与决策。
最后，结合实际情况给出了无人机的规避策略，包括避让方法和协调解脱。
关键词: 感知与规避,多源信息融合,多模图像融合,预警分析,规避策略Multi-source Information Fusion for Sense and Avoidance of UAV *LI Yao-Jun, PAN Quan, YANG Feng, LI Jun-Wei, ZHU YingSchool of Automation, Northwestern Polytechnical University, Xi ’an 710072, P.R.ChinaE-mail: liyaojun@Abstract: Sharing safety airspace is a key issue for UAV and manned aircraft as the development of UAV. In this paper, UAV airspace obstacles sense was thoroughly studied based on multi-source information fusion. Through multi-sensors information fusion technologies, positions and runtime space state of UAV were computed and shared with manned aircraft. Taking advantage of alternative ascendancy of multi-image was to realize all-time, all-weather, remote and high-resolution of target detecting, identifying and tracking. So the run-time and reliabilities of airspace obstacles sense for UAV was improved greatly. Referring the basically working principle of the manned aircraft air traffic alert and collision avoidance system, we determine the aircraft whether fly into a threat to the safety of their own and provide early warning analysis and decision-making by calculating the relevant parameters. Finally, avoid strategies are given according to the actual situation, including avoidance methods and make way mutually.Key Words: Sense And Avoidance; Multi-source Information Tusion; Multi-mode Image Fusion; Warning Analysis; Avoidance StrategyProceedings of the 29th Chinese Control Conference July 29-31, 2010, Beijing, China2感知与规避(Sense And Avoidance)“感知与规避”是指无人机能够探测在其安全邻域——空域监视范围内是否有其他任何“入侵飞机”飞行，通过分析飞机的运动状态，及时向操作员报告潜在的相撞目标，当入侵飞机进入警告范围，通过机载预警分析与决策，建议操作员执行适当的规避飞行以解除来自入侵飞机的威胁。
“感知与规避”示意图如图1所示。
为避免无人机与其他飞机相撞，必须研究无人机“感知与规避”技术。
“感知与规避”技术中的两个需要提供的关键因素是：时间和距离。
有关测试发现[3]，当喷气式飞机在速度400节时突然爬升，飞机将在响应和开始爬升之前，飞行大约一英里。
因此，早期预警是减少中空碰撞的关键。
将潜在的碰撞危险提供给无人机操作员并不能完全预防一次碰撞，操作员还必须知道存在碰撞威胁的相对方位，才能及时执行规避机动飞行。
图1 “感知与规避”示意图“感知与规避”技术为无人机提供潜在威胁目标运动状态分级及提供分析咨询与交通咨询。
目前，有人飞机依靠雷达、程序、应答机以及最终的飞行员视觉来避免空中相撞，而对于无人机，它将依靠技术来实现这一综合。
像“全球鹰”和“捕食者”这样的大型UAS平台已带有应答机飞行[2]，预计将来大型平台也将采用类似技术帮助避免相撞和实现更容易的空域综合。
即使在作战地区，将有人飞机和无人机进行空域综合也存在挑战。
目前在作战空域进行综合的方法是划定某些空域有人飞机未经特许不能进入，因为这些是无人机系统的使用区域。
但这一方法效率较低。
有人飞机与无人机的空域综合不仅是平时面临的问题，更是战时的问题。
如果无人机在无限制的空域有自由飞行的机会，它们就必须能像有人驾驶飞机一样负有履行分层和防撞的责任。
这将包括要求先进的通信技术，同空中交通管制环境进行完全的程序和系统集成，同时，还必须有称之为“感知和规避”的系统。
本文将研究基于多源信息融合的“感知与规避”技术，以实时获取潜在威胁目标的运动状态信息并进行威胁分析与决策，为无人机空中提供规避策略。
3基于多源信息融合的“感知与规避”(Multi- source Information Fusion for sense AndAvoidance)多源信息融合技术是研究对源不确定性信息进行综合处理及利用的理论和方法，即对来自多个信息源的信息进行多级别、多方面、多层次的处理，产生新的有意义的信息[4~7]，主要用于军事目标（舰艇、飞机、导弹等）的检测、定位、跟踪和识别[10~12]。
由于面临的研究对象日益复杂，需要掌握有关环境更加全面的信息，同时需要处理非线性的、不确定的非高斯、非平稳、低信噪比的信号以及来自不明信息源的信息，信息融合技术从多视角进行多信息的处理及综合，找出信息内在的本质联系，从而做到去糟存真，实现信息的优化获取和利用，对外部环境的变化及时做出最优决策。
3.1基于导航信息共享的“感知与规避” (NavigationShare For Sense And Avoida nce)随着当今通信技术和导航能力的增强，通过网络信息共享方式可改进有人飞机和无人机的防碰撞程序。
通常的做法是，连级以下的无人机任务规划小组与分散的空中指控部门联系，告知规划的无人机任务，如“某型无人机将在某个时段、某个高度、某个区域内飞行”，从而建立一个“受限操作区域”。
无人机任务规划小组再将情况上传到空管系统的指令链路中，在得到批准后汇入战区级的空中控制指令。
另外，它们还与营或旅级指挥官通过无线电通信，告知无人机的位置和观察到的情况[4]。
在许多情况下，无人机可以借助惯性导航系统（INS）、罗兰-C、GPS、北斗定位系统等精确地计算出自身的实时运动状态参数，并发送至空中交通管理服务系统（简称“空管系统网”），空中所有授权的飞机都可以进入“空管系统网”共享此数据，相关飞行员或无人机操作员就可以了解到目前空中的各飞机航迹规划及其运动状态，并由此分析潜在威胁目标。
因此，导航系统与“空管中心网”构成的联合预警系统（示意图如图2所示），是无人机避免空中碰撞的有效途径和必要手段。
图2 导航系统与“空管中心网”联合预警3.2基于多模图像融合的“感知与规避”(Multi-mode Image Fusion For Sense And Avoidance)多模图像融合技术是将两种或两种以上的不同传感器以及不同波段的传感器进行有机融合，以获得目标多波段，多形式的信息，通过信息融合处理来达到可靠的检测、识别目标以及跟踪、打击目标。
