数据融合技术在导弹武器系统抗干扰性能评估中的应用

陈 飞， 王 鑫

(中国航天科工集团8511研究所，江苏 南京 210007)

·专家论坛·

数据融合技术在导弹武器系统抗干扰性能评估中的应用

陈 飞， 王 鑫

(中国航天科工集团8511研究所，江苏 南京 210007)

针对导弹武器系统抗干扰性能评估中无法综合利用不同来源试验数据的问题,提出了融合多源试验数据的工作流程和方法。该方法通过试验数据的汇集和筛选、分类和统一描述，实现了对不同导弹武器分系统、内外场、不同平台试验数据的融合，为定量、准确评估导弹武器系统的复杂电磁环境适应性能力，提升作战效能提供了基础理论支撑。

复杂电磁环境；抗干扰性能；抗干扰评估；数据融合

0 引言

导弹武器系统的复杂电磁环境适应性试验鉴定是在科研摸底试验、评估试验及靶场定型试验条件下，检验其抗干扰设计水平、评估其抗干扰性能的重要环节[1]。由于高新技术的使用，导弹武器系统的试验费用日趋昂贵，导致无法大量开展试验基地及靶场的外场试验。而半实物及全数字仿真试验可以模拟各种不同作战场景，在不同试验条件下对导弹武器系统的抗干扰性能进行试验，获得大量的试验数据。这些大量的内场仿真试验数据和少量有限的外场试验数据是评估导弹武器装备抗干扰性能、作战使用效能的重要基础和依据。这些由不同分系统、不同平台测得的，来自内场仿真试验、地面静态试验、空中飞行试验等不同环境、不同条件的试验数据之间，存在着一致性和可信度问题。同时，各种不同的试验数据不能简单地混合使用。因此，需要利用数据融合技术对导弹武器系统的抗干扰性能进行评估[2]。

试验数据融合技术是一项针对多源信息综合处理的新技术，主要是充分利用不同时间和空间、不同平台和不同测试手段的试验资源，对按照时间序列和信息传递流程获得的试验数据，在一定准则下进行分析、处理和综合，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，获得对被测对象某特性的充分信息或结论，即模拟人脑对各个感官从外界环境获取不同度量特征和现象的综合处理。在导弹武器系统抗干扰性能评估领域，多源试验数据融合的结果可得到比单一数据源更精确、更完整的判断，该技术的最大优势在于能够合理协调多源数据，充分综合有用信息，提高对导弹武器系统抗干扰性能评估的全面性和准确性。本文基于导弹武器系统复杂电磁环境适应性试验中获得的多源试验数据，研究试验数据融合处理和分析方法，准确评估导弹武器系统的抗干扰性能，为有效衔接工业部门开展的科研试验和军方试验基地的性能、靶场的作战试验提供理论基础，发挥科研试验在导弹武器系统试验鉴定过程中的作用，提升导弹武器实际作战能力。

1 试验数据融合的一般流程

导弹武器系统的复杂电磁环境适应性试验数据主要包括定量和定性、各信息链路环节、各测试平台、内外场试验数据。针对上述试验数据的融合处理流程如图1所示，主要分为三个步骤：

1)试验数据的汇集：收集不同试验条件、不同试验阶段、不同分系统、不同试验数据形式、不同试验场地的数据，并通过分析和计算，提出系统的、针对性的可信度检验方法，从而保证试验数据的可信度。

2)试验数据分类：初步将试验数据分为定量和定性两类，剔除定性试验数据，用于最终验证导弹武器系统抗干扰性能的评估结论，或指导导弹武器系统抗干扰试验条件的再设置。

3)统一试验数据的描述方式：按照特定的格式修改、完善试验数据的描述，抽取具有共性特征的试验数据，并转换不同分系统、不同试验场地、不同平台的试验数据，通过折合物理上或数学上具有相关性的数据，最终完成试验数据的融合处理。

图1 试验数据融合流程图

2 试验数据的汇集与筛选

针对试验数据的融合处理，首要的步骤就是汇集数据。试验数据获取的主要途径包括从武器装备全寿命周期过程中历次试验积累下来的历史数据，通过理论分析或仿真试验而获得的数据，以及工程专家通过长期的现场工作实践积累下来的经验知识。

不同来源试验数据的可信度检验是数据融合的前提和基础，如果得到的试验数据不准确，则以此为基础的评估可能会导致错误的结论。再者原始的试验数据常常是海量的，具有冗余性、虚假性，也需要及时加以筛选、确认。为了定量验证获取的试验数据是否真实反映导弹武器系统的特性，需要进行可信度检验。如何过滤这些无用信息、甄别出可靠信息，目前还没有一个通用方法。因此，可信度检验通常采用经典的显著性检验方法，如Pearson方法、Konmotopob方法或判别分析方法等。但上述经典方法不够系统，无法有效适用于导弹武器系统实际工程中的多类型和服从多种统计分布的试验数据检验要求。

国内学者针对不同试验数据类型与统计分布模型，研究并提出了一系列试验数据可信度检验方法，如基于模糊理论的多源信息交叉确认机制[3]，利用模糊推理进行交叉确认，筛选出可信度较高的试验数据；基于验前信息可信度Bayes理论[4]，解决了“数据淹没”问题，并提出了基于相似反映比例验前信息可信度的Bayes数据融合方法[5]，用于武器系统射击精度评定试验；基于试验数据的独立分布函数，进行最大似然估计运算，转换为[0，1]均匀分布，模拟计算获得试验数据的不同置信度水平[6-7]。

3 试验数据的分类

导弹武器系统全寿命周期内试验数据按照信息的性质可分为定量试验数据和定性试验数据。对初始试验数据进行可信度检验后，保留定量试验数据，并剔除定性试验数据，用于检验最终导弹武器系统抗干扰性能评估结论的准确性，或用于试验项目和试验条件的设置。同时，导弹武器系统全寿命周期内试验数据的形式多种多样，不同形式的数据需要不同的分析处理方法，所以对试验数据的恰当的分类也相当重要。

导弹武器属于高新技术武器装备，其与复杂电磁环境相关的信息链路环节众多，各分系统在试验过程中均具备了侦测并储存试验数据的能力。且在生产研制过程中，各分系统承研单位也积累了大量的分系统试验数据。因此，导弹武器系统复杂电磁环境适应性试验数据的融合，首先要解决的问题就是如何折合并利用各分系统的试验数据。

导弹武器的抗干扰试验一般包括内场全数字、半实物仿真试验，以及外场实装地面、飞行试验等。内场试验由于保密性高、成本低、可重复性高等特点，在导弹武器研制过程中积聚了大量的试验数据。而外场试验数据量较少，属于小子样数据，但由于试验环境由真实装备构建，试验数据的可信度较高。因此，导弹武器系统复杂电磁环境适应性试验数据的融合，还要解决如何统一描述并融合内场大量低可信度试验数据和外场小子样高可信度试验数据的问题。

在试验过程中，尤其是外场试验，调配了大量的实装装备，在较广的空域范围内对导弹武器系统的抗干扰性能进行试验，要求在试验区内的多个位置点布设测量设备，一方面监测试验电磁环境的相关条件，另一方面对参与试验的被试装备、模拟假想敌的装备工作体制、性能参数进行实时测量，导致了导弹武器系统复杂电磁环境适应性试验数据的多平台特性。

4 试验数据的融合

在试验数据的实际融合过程中，不同平台测得的试验数据可通过时域序列、空域范围进行排列和转换，形成格式统一的数据形式。而导弹武器不同分系统试验数据和内外场试验数据的融合，则是试验数据融合中的难点问题。本文针对这两类数据的融合处理进行了分析和研究，提出了数据折合和融合的方法。

4.1 试验数据的统一描述

在导弹武器的抗干扰试验中，每一个考核指标都对应于一个考核条件，对于以往的作战使用环境，这些考核条件就是大气环境、力学环境和背景电磁环境。因为这些环境条件都已经规范化，所以直接可以参照各种标准执行，就不再需要对每一个指标给出其考核条件。而威胁电磁环境是人为产生的，随着电子对抗装备技术的不断发展变化，目前还难以将其规范化、标准化，只能针对导弹武器面临的作战环境给出其考核条件。因此，将导弹武器系统复杂电磁环境适应性试验的所有数据统一描述为“干扰环境+指标项+指标测试值”的形式，其中“干扰环境”指导弹武器面临的威胁电磁环境，包括环境类型、干扰强度极限值及干扰战术边界值;“指标项”即导弹武器各分系统、系统的抗干扰性能指标;“指标测试值”即试验结果。核心是指标项，考核条件由干扰环境给出，合格判据由指标值规定。

4.2 不同分系统试验数据的融合

导弹武器的作战任务是通过其信息链路环节按时序分阶段逐一完成其子任务，每项子任务之间属于串联关系，各个子任务是总任务中的分环节。若研究得到每一信息链路在典型威胁电磁环境里完成其任务的概率，则可计算得到全导弹武器系统在同样典型环境下总的完成任务的概率。由此关系，可计算获得各信息链路的单独试验数据对导弹武器系统总的作战性能的贡献度，中间要经历两个步骤：1)定量分析各信息链路环节抗干扰指标被削弱、受破坏的程度对整个导弹武器系统命中概率的影响；2)基于影响关系，将信息链路环节试验数据转化为全导弹武器系统的试验数据[8-9]。

文献[10]以导弹武器系统中的制导雷达为例，提出了一种基于灰色层次分析法的导弹武器抗干扰性能评估算法，并结合仿真试验数据进行了验证，对分系统试验数据的融合处理进行分析。文献指出由于制导雷达不同的工作阶段对不同的威胁电磁环境的响应是不同的，而为了使制导雷达在威胁电磁环境下仍能正常地搜索和跟踪目标，需要采取一系列的措施，包括体制的选择、雷达参数的选择和其他的附加措施，很难用一个综合因子来评估，因此从工程实用的角度出发，通常按工作阶段分别考核。按照所列的指标项逐条进行分析，列出试验时对该项指标产生影响的环境条件，并用量化的指标对环境进行描述，定量分析每种干扰环境会对该项指标带来的影响，并建立了导弹武器系统命中概率与各个信息链路环节完成任务的概率之间的转换关系。最终给出的各下层指标对上一层级指标的权重计算方法，可用于不同分系统对导弹武器系统的贡献度计算。

4.3 内外场试验数据的融合

内场试验具有环境可控性与可重复性好的特点，可获得更多试验样本，并可进行极限条件试验。外场试验则具有环境逼真度更高的特点，可用于验证内场试验结果、校核内场仿真环境等。但受到时间与资源耗费的限制，外场试验获取的试验数据极为有限。对内外场试验数据的融合主要包括两个方面，一是研究内外场试验的统一设计方法，确保内外场试验在相同的试验想定与环境下，对相同的系统开展相同评估目标的试验；二是研究内外场试验系统的校核与验证技术，通过对内外场试验数据的一致性和相容性检验，校验内场模型和数据，实现内外场试验数据的融合处理。具体流程如图2所示。

图2 内外场试验数据融合流程图

1)内外场试验统一设计

为开展内外场试验数据融合处理，首先需要保证内外场试验可以在相同的试验想定与环境下，对相同的系统开展相同的试验，这样得到的试验数据才有进行融合后联合评估的价值。内外场试验统一设计主要包括以下几个方面：确保内场和外场试验设计方案的一致性，明确典型作战威胁电磁环境作为内外场试验共同的试验想定环境；然后依据试验想定环境中的干扰影响因素及其变化参数，确定内外场试验的优化样本方案；同时依据评估指标体系，确定内外场试验环境监测数据和试验结果数据采集存储方案。

2)内外场试验系统的校核与验证

构建手段的差异、模型的精度与准确性不同、以及一些不可控因素的影响，使得内外场试验结果的可信度有较大不同。因此，在开展评估工作之前，需要研究内场模型和数据的校验方法、外场试验环境的修正方法等，减少内外场试验环境的不一致。在正式进行内外场试验之前，分别对内外场试验系统进行校核、验证，在试验完成后，利用采集的环境监测数据和被试系统的输出数据，通过统计分析处理，初步确认内外场试验环境的一致性和试验结果的有效性，这是一个不断重复迭代的过程。

3)内外场试验数据处理分析方法

利用统计分析的方法，对内外场试验数据样本的一致性进行检验，并确定其统计误差。用于检验内外场试验系统试验结果一致性的统计分析方法可分为静态数据检验方法和动态数据检验方法两大类。对不同环境条件、不同可信度的内外场试验数据的融合问题，国内外许多学者进行了研究，解决方法主要是对异总体分布参数进行建模。目前在工程上较常用到的有线性模型，例如环境因子折合方法；非线性模型，例如一些可靠性增长模型如Compertz模型、AMSAA-BISE模型等[11]；静态数据检验方法主要包括参数估计法、经典假设检验法、非参数检验Bayes方法等[12]；动态数据校验方法主要包括动态关联分析法、谱分析法以及系统辨识方法等[13]。

利用内外场试验的有限数据及试验结果，对比分析和评估导弹武器系统的性能指标，如果内外场试验结果的评估误差在允许的范围内(<10%)，则可综合利用内外场的试验结果数据，对导弹武器系统的性能指标进行更多样本的评估；如果内外场试验结果的评估误差超出允许范围，则依据内外场试验环境的监测数据比对分析，完成对内场试验电磁环境包括仿真模型和参数配置的修正，再重复内场试验，直至内外场试验结果的评估误差满足要求。

5 结束语

战场电磁环境的日益复杂，对导弹武器系统抗干扰性能的定量、准确评估提出了越来越高的要求。由于高新电子技术不断运用于作战装备，在全寿命周期内，导弹武器系统将会积累越来越多的试验数据。本文提出了针对多源试验数据融合的工作流程，为摸清导弹武器系统的抗干扰性能底数、提高作战效能提供了方法支持。在下一步工作中，亟需针对提出的数据可信度评价、数据融合算法进行分析与研究，形成适用于导弹武器系统复杂电磁环境适应性评估的专用方法，为抗干扰设计和改进提供数据基础。■

[1] 戎建刚,王鑫,陈飞.精确制导武器复杂电磁环境适应性评估体系研究[J]. 精确制导与控制, 2015, 1(1):32-40.

[2] 王鑫. 导弹武器复杂电磁环境适应性评估技术研究[D].南京：南京理工大学,2015.

[3] 吴志刚,苏安婕.引入交叉确认机制的安全态势评估模型[J].计算机工程与应用,2011,47(28):106-109.

[4] 刘琦,武小悦.Bayes方法应用中验前信息可信度的影响分析[J].航空计算技术,2010,40(6):1-4.

[5] 张宏江,王树恩,杜锋，等.基于PSR验前信息可信度的Bayes数据融合方法[J].装甲兵工程学院学报,2014,28(2):98-102.

[6] 唐雪梅,宋春雳,李荣.多状态试验数据融合处理方法[J].战术导弹技术,2011(1)：1-6.

[7] 唐雪梅,张金槐,邵凤昌，等.武器装备小子样试验分析与评估[M].北京:国防工业出版社,2001.

[8] 王鑫,戎建刚,魏建宁.复杂电磁环境下的武器装备适应性试验与评估技术综述[C]∥第四届国防科技工业试验与测试技术发展战略高层论坛论文集，2012：27-31.

[9] 李可达.关于复杂电磁环境下武器系统作战性能评估问题的思考[J].国际电子战,2008(2)：1-4.

[10]王鑫,陈飞,查丽萍.基于GAHP模型的导弹武器抗干扰性能评估方法研究[J].航天电子对抗,2015,31(5):22-26.

[11]张志辉,蒯伟.小子样试验数据融合算法研究[J].航天电子对抗，2013,30(2):40-42.

[12]甄昕,韩波.战术导弹可靠性评定中数据融合技术的应用研究[J].战术导弹技术，2011(3):15-19.

[13]吴志刚,苏安婕,李恵杰，等.基于层次分析与数据融合的综合评估方法[J].河南大学学报(自然科学版),2013,43(5):567-572.

Application of data fusion in anti-jamming performanceevaluation of missile weapon equipment system

Chen Fei, Wang Xin

(No.8511 Research Institute of CASIC, Nanjing 210007, Jiangsu, China)

According to the problem of the incapable multi-source test data to weapon equipment system, the flow and method of fusing multi-source test data is given. By assembling and filtrating the test data, the classification and characterization, the method realizes the fusing of test data. This research provides theoretical basis for the ration and nicety evaluation of anti-jamming performance of missile weapon equipment system.

complex electromagnetic environment;anti-jamming performance;anti-jamming evaluation;data fusion

2017-03-17；2017-05-25修回。

陈飞(1985-)，男，高工，博士，主要研究方向为导弹武器复杂电磁环境适应性试验与评估。

TN973；TJ761

A