反导防御态势评估研究*

张 亮

(91404部队 秦皇岛 066000)



反导防御态势评估研究*

张 亮

(91404部队 秦皇岛 066000)

在复杂战场环境下,对作战平台传感器系统获得的大量数据进行分析处理,实现数据融合具有重要的意义,态势评估属于数据融合中的高层融合,贝叶斯网络是一种不确定性推理工具,论文采用贝叶斯网络对作战平台反导防御进行态势评估研究,设计了反导防御态势评估模型。

反导; 态势评估; 贝叶斯网络

Class Number E927

1 引言

随着信息技术的飞速发展,现代战场作战平台面临的是复杂的环境,因此在实战环境中,作战平台电子系统获得的信息量巨大,又由于传感器受到背景电磁信号和敌方布置的虚假信号等的干扰,所侦察的信息又具有很大的不确定性。如何快速有效地掌握错综复杂、瞬息万变的战场态势,对作战平台周边环境进行威胁判断,成为平台防御和采取及时准确战术技术措施的重要前提。

2 态势评估

2.1 数据融合融合与态势评估

JDL模型认为态势评估是这样一个过程:建立包含作战行为、时间序列、军事事件、目标位置和战斗力量要素等的一张多重视图,将所观测到的战斗力量要素分布和各种军事事件以及战场环境有机地结合起来,识别已经发生的军事事件,得到敌方战斗力量分布、兵力部署、行动方向与线路的估计,指出敌军的作战模式,推断出敌军的作战意图,做出对当前战场态势的合理解释,并预测临近时刻的态势变化。由此可以看出,态势评估是对战场中战斗力量分布及其动态变化情况进行解释,推断敌方意图,预测未来态势,从而提供最优决策的依据并实现资源分配的过程[1～2]。

态势评估是对战场上获得的数据流进行高层次关系提取与处理,属于信息融合中的高层融合。它接收一级融合的结果,在态势觉察的基础上,对态势元素进行提取、理解并对未来态势进行预测。态势评估的推理过程一般基于领域知识,模拟人脑思维的符号推理,更接近于人的思维方式。态势评估主要研究战场态势的形成和发展变化规律,根据战场实体的态势,包括状态和动作,判断该实体的行为模式[3]。

2.2 贝叶斯网络应用于态势评估

贝叶斯网络最初起源于贝叶斯统计分析,1763年英国数学家贝叶斯的论文“An essay toward solving a problem in the doctrine of chances”为后来贝叶斯学派奠定了基础。贝叶斯网络又称置信网络、概率网络、因果网络,是贝叶斯方法的扩展,它的理论基础是贝叶斯公式。贝叶斯网络起源于人工智能中处理不确定性问题的研究,是概率论和图论相结合的产物,是一种基于概率的不确定性推理网络,它可以将具体问题中复杂的变量关系在一个网络结构中表示,通过网络模型反映问题领域中变量的依赖关系,用于不确定性问题的建模和推理[4～6]。

贝叶斯网络的优点: 1) 贝叶斯网络适于描述复杂系统中事件的表征与态势之间的多对多关系和不确定性关系; 2) 允许新证据连续地加入贝叶斯网络,实现动态推理和计算态势的累计效果,满足实时系统的要求; 3) 有效集成各种不同类型的信息,如专家经验与试验数据、定量信息与定性信息、完整数据与缺值数据等; 4) 知识的表达和推理有严格的数学基础,推理的连续性克服了基于规则系统的某些不足。

考虑到贝叶斯网络技术是一种概率统计方法,理论成熟,逻辑推理严密,同时,网络的结构和参数既可通过经验设定,又可通过学习获得。另外,用贝叶斯网络节点可以较好表示战场军事事件,直观性强,而各军事事件的因果关系又可反映在贝叶斯网络的条件概率之中,符合领域专家的判断准则,因此本文采用贝叶斯网络对反导防御这一军事活动进行态势评估研究[7～9]。

3 反导态势评估设计

战术态势推演是态势评估的重要内容之一,战术态势推演可以分为进攻战术态势推演、防御战术态势推演、战术方案选择推演等。本文针对舰艇作战平台反导这一军事活动,对反导防御态势推演进行分析与设计[10]。

3.1 确定节点变量及其值域

在反导防御的贝叶斯网络中,节点类型有三种:事件节点、中间节点和态势节点。事件节点通过态势觉察获得,作为贝叶斯网络的证据输入,事件节点有:

1) 外部环境W:主要指舰艇周围的风速、风向对箔条云的影响,其值域为将当前海况分成若干等级;

2) 导弹速度MV:其值域为从亚音速至两倍音速;

3) 形成箔条云时间CT:表示从本舰侦收到末制导信号,到在空中形成箔条云经历的时间,其值域为0min～2min;

4) 侦收末制导持续时间RT:表示首次侦收到末制导信号到当前时刻仍侦收到末制导信号的持续时间。由于有源干扰距离越远对干扰越有效,因此随着时间增加,干扰成功的概率会变小,其值域为0min～10min;

5) 丢失目标次数LN:表示我方侦察机丢失末制导信号的次数,这一次数间接反映了导弹末制导信号对我方舰艇跟踪丢失的次数,其值域为0至若干次;

6) 拦截弹发射时弹目距离LD:其值域从0km～200km;

7) 相对速度TV:其值域为从亚音速到4倍音速;

8) 拦截弹数量LN:其值域从0枚导弹到多枚导弹;

9) 火炮密度FM:其值域高密度、中密度、低密度;

10) 火炮速度FV:其值域高速度、中速度、低速度。

中间节点是指贝叶斯网络中隐含的态势要素,其值域不能直接获得,中间节点有:

1) 火炮拦截FL:其值域为从很差到很好;

2) 质心干扰CJ:表示质心干扰的效果,在干扰效果比较好的情况下,导弹仍有概率击中目标。其值域为干扰效果从很差到很好;

3) 有源干扰RJ:其值域为从很差到很好;

4) 导弹拦截ML:其值域为从很差到很好;

5) 拦截弹捕获目标CH:其值域为捕获和未捕获;

6) 箔条云停留时间ST:表示箔条云能够达到有效的雷达反射截面积从而引导导弹偏离目标舰艇,箔条云处于这种状态在空中停留的时间,其值域为0min～3min;

7) 舰艇与箔条云分离DS:其值域从未分离、部分分离到完全分离。

态势节点只有一个,用来表示反导防御是否成功,态势节点为:

防御成功DF:其值域为成功,失败。

3.2 确定各节点之间的条件依赖关系

采用因果推理的方式,以最终的反导防御是否成功为结果输出,将节点防御成功(DF)作为唯一的叶节点。

按照舰艇反导防御的手段有采用舰空导弹拦截、舰炮拦截、有源干扰和无源质心干扰,将四种反导手段的效果作为影响防御效果的因素,因此,将节点导弹拦截(ML)、火炮拦截(FL)、质心干扰(CJ)和有源干扰(RJ)作为防御成功(DF)的四个父节点。

舰空导弹拦截的成功率与拦截弹的数量和拦截弹是否捕获目标有关,而拦截弹捕获来袭导弹的概率与拦截弹探测器有效工作时间有关,即和拦截弹发射时弹目距离、相对速度有关。因此,拦截弹捕获目标(CH)和拦截弹数量(LN)作为导弹拦截(ML)的父节点,相对速度(TV)和拦截弹发射时弹目距离(LD)作为拦截弹捕获目标(CH)的父节点。

火炮拦截的成功概率与火炮发射密度、火炮速度和导弹速度有关。因此,火炮密度(FM)、火炮速度(FV)和导弹速度(MV)作为火炮拦截(FL)的父节点。

质心干扰的成功率只与导弹击中目标舰艇之前,舰艇和箔条云分离,舰艇与箔条云的RCS质心偏离舰艇的概率有关,而舰艇和箔条云有效分离受到形成箔条云的时间、导弹速度、箔条云停留时间的影响,箔条云停留时间又受到战场风速的影响。因此,节点箔条云停留时间(ST)、导弹速度(MV)、形成箔条云时间(CT)作为舰艇箔条云有效分离(DS)的父节点。

由于距离越远,对于有源干扰越有利,因此随着我方舰载传感器持续对末制导信号的侦收,有源干扰成功的概率降低,而舰载传感器丢失目标次数表明来袭导弹的抗干扰能力强弱,加之和我方舰艇的距离更近,有源干扰成功的概率更低,因此节点侦收末制导持续时间(RT)和丢失目标次数(LN)作为有源干扰(RJ)的父节点。

根据上述分析,确定各军事事件节点、中间节点及态势节点的相互依赖关系,得到如图1贝叶斯网络结构。

图1 反导贝叶斯网络

3.3 确定节点变量的值

根据领域知识,对节点变量进行模糊化,设定若干区间作为节点变量值。

1) 外部环境W={W1=一级海况,W2=二级海况,W3=三级海况};

2) 箔条云停留时间ST={ST1=[0,1],ST2=[1,1.5],ST3=[1.5,2],ST4=[2,2.5]},单位min;

3) 形成箔条云时间CT={CT1=[0,40],CT2=[40,60],CT3=[60,80],CT4=[80,100],CT5=[100,120]},单位s;

4) 导弹速度MV={MV1=[200,300],MV2=[300,400],MV3=[400,800]},单位m/s;

5) 舰艇与箔条云分离DS={DS1=分离,DS2=未分离};

6) 质心干扰CJ={CJ1=良好,CJ2=一般,CJ3=差};

7) 相对速度TV={MV1=[400,600],MV2=[600,800],MV3=[800,1600]},单位m/s;

8) 拦截弹数量LN={LN1=1;LN2=2;LN3=3};

9) 拦截弹发射时弹目距离LD={LD1=[0,20],LD2=[20,50],LD3=[50,100],LD4=[100,150],LD5=[150,200]},单位km;

10) 拦截弹捕获目标CH={CH1=捕获,CH2=未捕获};

11) 导弹拦截ML={ML1=良好,ML2=一般,ML3=差};

12) 丢失目标次数LN={LN1=0次,LN2=1次,LN3=2次};

13) 侦收末制导持续时间RT={RT1=[0,2],RT2=[2,4],RT3=[4,6],RT4=[6,8],RT5=[8,10]},单位min;14) 有源干扰RJ={RJ1=良好,RJ2=一般,RJ3=差};

15) 火炮拦截FL={FL1=良好,FL2=一般,FL3=差};

16) 火炮密度FM={FM1=高密度,FM2=中密度,FM3=低密度};

17) 火炮速度FV={FV1=高速度,FV2=中速度,FV3=低速度};

18) 防御成功DF={DF1=成功,DF2=失败}。

3.4 确定条件概率表

由于样本数据缺乏,条件概率表根据领域知识确定。

CPTTV=ai,其中ai=P(TV=TVi);

CPTLD=ai,其中ai=P(LD=LDi);

CPTCH=(aijk)2×3×5,其中aijk=P(CH=CHi|TV=TVj,LD=LDk);

CPTML=(aijk)3×2×3,其中aijk=P(ML=MLi|CH=CHj,LN=LNk);

…

3.5 概率推理

初始条件:各证据变量取值等概率,防御成功的后验概率为

P(DF=DF1|ML,CJ,RJ)=0.5
P(DF=DF2|ML,CJ,RJ)=0.5

输入证据,按照贝叶斯网络的概率传播算法,求得防御成功的后验概率。

概率推理结果的准确性与设计的贝叶斯网络结构的合理性和条件概率设置的合理性有关,在贝叶斯网络结构确定的情况下,设置条件概率必须咨询相关领域专家,使之更加合理。

4 结语

本文采用贝叶斯网络进行逻辑推理,实现对战场环境下反导防御的态势评估,态势评估的准确性依赖于贝叶斯网络结构的合理性以及先验概率的准确性,对于先验概率的设置,可以基于领域知识,采用对专家咨询加权平均法获得,在样本数据充分的情况下,可以采用贝叶斯网络的学习过程获得。

[1] 杨露菁,余华.多源信息融合理论与应用[M].北京:北京邮电大学出版社,2006:1-22.

[2] 康耀红.数据融合理论与应用[M].西安:西安电子科技大学出版社,1997:1-24.

[3] 吴瑕,周焰.多传感器目标融合识别系统模型研究现状与问题[J].宇航学报,2010(5):503-506.

[4] 张连文,郭海鹏.贝叶斯网引论[M].北京:科学出版社,2006:31-105.

[5] Pearl J.Fusion,Propagation,and Structuring in Belief Networks[J].Artificial Intelligence,1986,29(3):241-288.

[6] Cooper G.Computational complexity of probabilistic inference using Bayesian network[J].Artificial Intelligence,1990.

[7] David L.Hall,James Llinas.An Introduction to Multisensor Data Fusion[C]//Proceedings of the IEEE,1976,85(1):6-15.

[8] 王欣.多传感器数据融合问题的研究[D].长春:吉林大学博士论文,2006.

[9] E.Waltz,J.Llinas.Multisensor Data Fusion[M].Boston,MA: Artech House,1990.

[10] 罗景青.雷达对抗原理[M].武汉:海军工程大学,2003:5-6.

Research on Anti-missile Situation Assessment

ZHANG Liang

(No.91404 Troops of PLA,Qinhuangdao 066000)

Under the complex battlefield environment,large data from sensors of flighting platform has vital significance are analyzed and processed.Situation assessment is high level of data fusion,Bayesian network is a kind of uncertainty reasoning tool.This paper uses Bayesian network to research on anti-missile situation assessment of flighting platform and designs the model of anti-missile situation assessment.

anti-missile,situation assessment,Bayesian network

2014年8月10日,

2014年9月11日

张亮,男,硕士,工程师,研究方向:雷达对抗。

E927

10.3969/j.issn1672-9730.2015.02.015