水下平台对敌意图识别技术研究*

陆光宇，丁迎迎

(1.海军装备部电子部，北京 100841;2.江苏自动化研究所，江苏 连云港 222006)

目前有关对敌作战意图识别的理论研究刚刚起步，公开发表的文献中，对空中、水面目标的意图识别研究比较广泛［1-6］，对水下目标的意图识别涉及较少［7］。从战争层次上，对敌战术意图识别更加具体，识别的实时性要求也更高，在水下作战中需求更为强烈。因此，本文主要针对水下平台的对敌战术意图识别进行探讨。

1 意图识别的一般过程

意图识别的一般过程为:根据信息源提供的信息，进行敌作战意图特征提取，然后通过一定的识别推理机制，得到对敌作战意图的识别结果。从使用信息角度看，除利用目标实时数据形成的战场态势外，还涉及多种因素，如敌我双方采用的战术、武器装备性能、环境约束等;特征提取和意图推理是意图识别的核心，采用不同的推理理论和算法就构成不同的识别方法，目前所用方法主要有:模板技术、证据理论、专家系统、黑板模型、贝叶斯网络技术等。

2 意图识别框架建立

建立意图识别框架是对敌意图识别的首要任务。不同的作战应用具有不同的意图识别层次，通常主要针对敌方作战平台承担的作战任务或即将采取的行为进行考虑，公开文献中建立的意图识别框架主要有:{侦察、监视、攻击、突防}［2］;{进攻、防守、撤退}［3］;{反舰作战、护航运输、反潜作战、扫雷作战}［4］;{巡逻、防空、搜潜、攻击、规避}［5］。文献［1］还提出根据我方承担的任务不同确定敌战术意图识别内容，以海战场为例，当我方承担进攻任务时，则应着重识别敌方的主要兵力配置是否发现我方的进攻企图等;当我方承担防御任务的时候，则应着重识别敌方主攻方向，敌方的攻击方法和发动攻击的时间等。

对于水下作战平台，对其构成威胁的兵力主要有各种反潜兵力，如反潜水面舰艇(编队)、反潜潜艇、反潜直升机/反潜飞机等。由于水下作战空间有限、平台传感器获取信息不完备等条件制约，如果根据作战平台担负的作战任务进行意图划分，将增大意图识别难度。因此，从敌方平台下一步采取的行动考虑，本文建立的水下平台意图识别框架是{攻击、规避、巡逻}。

3 意图特征提取

意图识别通常建立在意图特征的有效提取基础之上。从水下平台所能获取的众多信息中分析提炼，找到最相关的特征，是意图识别的关键。通常，意图识别主要依靠战场目标的机动特征来识别，例如敌方舰艇用于攻击占位的一系列机动动作，同时，目标的身份、编队组成、传感器动作及水文环境等信息的利用也可为意图识别提供新的依据。通过综合各种因素，提取出水下平台意图识别的依据如下。

1)目标舰艇机动特征

对于水下平台，在没有侦察情报支持下，对敌舰艇机动行为的识别是意图识别的主要方式。如使用武器进行攻击或防御时，为满足武器的发射要求必须进行占位机动;护航舰艇为避免敌潜艇跟踪，采取定时变向机动等。其中敌舰艇航向、航速的变化直接反映了机动方式，可通过分析计算得到敌水面舰艇的机动类型。通常，选用舷角更能反映目标的接近、远离趋势，但是本平台机动会导致目标舷角的突变，因此，采用航向和舷角相结合的方式判断目标的变向机动行为，同时，结合目标变速特征能更好地推断目标的战术意图。

海域原油经济剩余可采储量为366亿吨，占油气当量经济剩余可采储量的41.6%，主要分布在波斯湾、巴西东部海域、几内亚湾、滨里海、墨西哥湾、北海等区域；海域天然气经济剩余可采储量为60.87万亿立方米，占油气当量经济剩余可采储量的58.4%，主要分布在波斯湾、澳洲西北海域、莫桑比克海域、南海、地中海、几内亚湾等区域。波斯湾海域的油气当量经济剩余可采储量在全球海域油气资源中占比达到36%，油气当量产量占比达到65.7%。

2)目标属性与类型

民用目标通常不会对我方兵力构成威胁，而敌方任何作战目标，都对我方有潜在的威胁和攻击意图。因此，在属性方面，所有敌方和不明目标都具有攻击意图可能。不同类型的舰艇携带不同的武器装备，其战技性能有差别，适合执行的任务也有区别。例如航空母舰和运输舰通常被排除在反潜兵力之外，在兵力紧张时，巡洋舰也可能被用来反潜，但通常也被排除在反潜舰艇之外，敌方在制定作战计划时，必将仔细考虑这一点。因此，敌舰艇的类型是识别其战术意图的重要依据。

3)目标编队特征

敌舰艇编队遂行作战任务时都要采取相应的队形。如防空时和护航时采取的编队队形就大不一样，多架反潜飞机搜索时通常也有一定的搜索方式，因此目标作战队形是识别其作战意图的依据之一。水下平台由于态势感知能力有限，对水面舰艇编队的成员组成及队形识别有很大难度，主要利用自身探测的目标方位、航向等信息进行编队识别，而队形识别难度较大;在敌情通报等外部通信支持下，水下平台可以依据目标位置及运动要素进行编队及队形识别，但根据识别出的敌方队形推断目标的战术意图，需要敌海军作战战术知识的支持，这类信息的获取通常较为困难。

4)目标主动探测信号特征

敌舰艇或敌反潜直升机/反潜飞机使用主动探测信号进行探测时被我方平台截获的特征信息，也是进行意图识别的依据。例如舰艇上通常装备多种不同功能的雷达、声纳，它们的工作频率、重复频率、脉冲宽度、天线扫描方式、脉冲幅度等都不相同，如脉冲宽度变小说明目标距离在缩小，威胁程度不断上升。因此，目标使用不同的探测参数表明敌方在进行不同阶段的行动，借此可以推断其战术意图。

5)作战海域的水文气象条件

作战海域的水文气象条件是目标采取作战行动必须考虑的因素。由于武器打击对水文气象都有相应的要求，如风力、海况、水深、声梯等，在一定的水文气象条件下，敌方只能遂行与之相适应的作战任务。因此，作战海域的水文气象条件也是判断其作战意图的依据之一。

4 意图识别方法

4.1 传统方法

意图识别本质上属于模式识别的范畴，可供使用的技术有很多，通过对军事应用中不同方法的概括总结，主要分为以下三大类。

1)基于模板匹配的方法 在事先有模板库的情况下，通过将待识别的多个意图特征与模板库中的特征进行匹配，最匹配的那个模板对应的意图即为识别结果;还可以先将模板库中特征进行聚类，然后将待识别特征与聚类中心进行比较，最接近的类所代表的意图即为识别结果。这类方法较为简单，适合工程应用，但意图模板库的建立和维护难度较大。

2)基于特征分布的方法 通过对特征分布规律进行分析，获得各特征转化为各类意图隶属度的方法，可以是离散的取值，也可以是连续的概率分布曲线;然后采用各种加权综合的方法进行多特征的综合，如加权平均、DS证据理论、模糊综合方法等技术，得到对各类意图总的隶属度;最后进行判决输出。这类方法实现简单，概率分布相对较易获取，但当多个特征对应意图相互冲突时决策结果的合理性值得商榷。

3)基于知识推理的智能方法 通过将多个意图特征直接输入分类系统，利用智能方法的推理能力直接得到意图识别结果，目前主要有神经网络、专家系统、黑板模型等方法。但是这类方法需要利用大量样本集对分类系统进行训练，同时识别结果受分类系统的泛化能力影响较大，算法用于工程实践时会面临一些问题。

意图识别的其它方法还有贝叶斯网络、基于代理的规划识别等。其中，贝叶斯网络技术是一种识别敌作战意图的理论上较完美的方法，但使用中需要建立各种作战意图的先验概率和作战意图、分意图及观测证据间的联合概率表，而这种先验概率和联合概率表通常战术专家是很难给出的。

4.2 水下平台意图识别方法

本文给出一种结合事件检测和特征参数识别的水下平台意图识别方法。由于在水下作战过程中，目标事件的检测结果对意图识别关系重大，直接决定了目标是否发现我方平台，进而是否对我采取动作;而利用目标特征参数(如速度、距离、舷角等)转化成意图隶属度进行识别则能反应目标意图的连续变化趋势，与当前作战态势紧密相关。但前者是离散数据，后者是连续数据，如何将这两种情况综合利用，使得意图识别结果既反应态势变化又含有一定的作战意义呢?

对于水下平台，目前检测到的事件主要包括目标声纳有无主动探测脉冲，目标有无机动(变向、变速)等。当检测到这些事件后，根据事件检测结果利用模糊理论计算其对特征参数识别结果的可信度，然后计算各特征参数对意图的隶属度，最后将多个特征参数识别结果进行综合，并对识别结果进行可信度加权，得到最终的意图识别结果。

具体的可信度计算方法为:针对意图框架中的类别，如攻击意图，根据模糊理论，利用军事专家经验总结出多条模糊推理“If-Then”规则，这些模糊推理规则实现了把事件检测结果和专家经验信息映射为识别结果的可信度。本文针对意图识别问题总结出的模糊推理规则如表1所示。

表1 识别结果可信度的模糊推理规则

表1主要使用了3个事件，在实际应用中可以根据所在系统的事件检测能力进行补充，同时每个事件的检测结果可以根据事件检测能力进行细分，如加速事件还可再细分为缓慢加速、突然加速等，从而使得获取的识别可信度准确反映目标行为所包含的意图。

使用该方法针对典型态势仿真得到的目标攻击意图曲线如图1所示。系统在第12分钟多时检测到目标机动并向我平台接近，利用表1推理得到的可信度增大，计算得到的目标攻击意图隶属度明显增强，之后其值随着态势变化实时改变，较好反映了整个过程目标攻击意图的变化趋势。

图1 目标意图识别仿真结果

5 结束语

本文针对水下平台意图特征的识别问题，应结合具体战术应用构建相应的意图模板库、特征分布曲线或样本集，只有意图识别赖以使用的战术知识建立得较为完备，才能提高意图识别的准确度，从而为水下作战提供有用的战术指导。

［1］王端龙，吴晓锋，冷画屏.对敌战场意图识别的若干问题［J］.舰船电子工程，2004，24(6):4-9.

［2］张肃，程启月，解瑶，等.不确定空情信息条件下的意图识别方法［J］.空军工程大学学报(自然科学版)，2008，9(3):50-53.

［3］马静.贝叶斯网络的战场作战意图评估方法［J］.西安工业大学学报，2010，30(4):397-401.

［4］冷画屏，吴晓锋，胡剑光，等.海上目标战术意图序贯识别技术研究［J］.系统工程与电子技术，2008，30(3):462-465.

［5］牛晓博，赵虎，张玉册.基于决策树的海战场舰艇意图识别［J］.兵工自动化，2010，29(6):44-46.

［6］孙亮，于雷，邹德鹏.Dempster-Shafer证据理论在目标意图预测中的应用［J］.电光与控制，2008，15(3):33-36.

［7］吴文龙，黄文斌，刘剑.潜艇对水面舰艇编队攻击意图推理研究［J］.火力与指挥控制，2010，35(9):101-105.

［8］N.Hatakeya，K.Furuta.Bayesian Network Modeling of Operator's Intent Inference［J］.IEEE 7thHuman Factors Meeting，2002:55-60.