信号级水下作战实验复杂声纳系统仿真技术研究

唐 帅, 笪良龙, 李玉阳, 韩 梅, 范培勤

(海军潜艇学院二系, 山东 青岛 266199)

0 引 言

“一流军队设计战争、二流军队应付战争、三流军队尾随战争”,随着信息技术的飞速发展,未来战争中作战样式的稳定周期越来越短,运用实验的方法研究作战日益受到主要军事强国的重视。近期发生的局部战争也充分证明这点,越是最近的战争越带有明显的“被设计”痕迹。作战实验[1-2]正是运用建模仿真、系统分析、效能分析等技术与方法,在人为控制条件下,根据不同目的改变相关条件,考察作战进程和结局、探索作战思路,验证未来军队建设仿真、编制体制、作战构想、作战方案,演示各种可能在战场上运用的新概念、新模式、新技术,从而认识战争规律的研究活动。

当前,海军正处于军事战略转型过渡期,迫切需要开展作战实验。通过作战实验探索作战概念,创新战斗力生成模式,验证未来军队的建设方针、编制体制、作战构想、作战方案、演示各种可能在战场上运用的新技术、新概念、新模式、将成为海军实现跨越式发展的必然趋势。特别是在水下作战领域,随着声纳武器装备信息化水平的日益提高,水声探测器材的作用距离不断增加,传感器、武器、兵力行动与海洋环境条件的关系更为密切,与之相关的水下作战实验有其鲜明的特殊性,如外界不确定因素多、信息传感器交互频繁、环境依赖性强等。为此,仅仅依靠实兵演习难以穷尽各种环境条件及作战样式,必须通过丰富多样作战实验仿真手段,为部队创造更多参与训练、创新战法、研究战场的机会,开展大量声纳探测效能作战实验,促进作战方案推演与完善、海上实兵复盘与评估以及战法理论创新,高效探索新的战法和与战术概念,通过战法理论创新、牵引装备建设发展、创新部队训练模式引领战斗力生成模式转变。

本文从复杂声纳系统水下信息攻防精细化仿真及复杂系统高性能计算2类应用需求出发,讨论了发展信号级水下作战实验复杂声纳系统仿真技术发展需求,介绍了国内外相关的技术概况;从信号级仿真建模与高性能计算和大规模信号级仿真复杂信息流控制2个方面分析了信号级水下作战实验复杂声纳系统仿真需要重点研究的科学问题,并针对水声信号宽带波形快速预报、基于高性能平台的信号级仿真建模及大规模信号级仿真系统调控策略等3个方面重点论述了信号级水下作战实验复杂声纳系统仿真关键技术,最后给出了信号级水下作战实验复杂系统声纳仿真技术发展展望。

1 复杂声纳系统仿真发展需求

1.1 水下信息攻防作战精细化仿真技术需求

水下作战的核心是攻守双方传感器信息交互对抗的过程,如图1所示,其关键问题是信道的复杂性导致信号传输相位和能量发生改变,传统能量级和功能性仿真采用的简单能量加减仿真模式难以真实反映信号精细化结构及对抗过程中非线性、超非线性特征。信号级声纳系统水下作战

实验正是以水中目标信号特征及其在海洋信道中传输为建模基础,运用信号处理技术再现武器装备探测和对抗过程中的信号交互过程,利用超算技术和系统分析、效能评估等方法,在人为控制条件下,考察水下作战进程和结局,认识水下作战规律的科学实验活动。其核心思想是从信息的原始形式——信号波形中捕捉复杂战场环境对传感器、武器、平台的影响,将各要素置于统一的时空和战场环境背景条件下,构造全平台、全系统、全要素、高逼真的作战环境和体系化信号级仿真实验能力,完整再现水下声信息传输、探测和对抗的全过程,为作战设计、作战实验和作战评估提供科学基础。信号级水下声纳系统仿真信息流程如图2所示。

图1 水下作战复杂信息交互Fig.1 Underwater operation complex information interaction

1.2 信号级作战实验复杂声纳系统高性能仿真技术需求

信号级水下作战实验声纳系统是典型的大规模复杂系统,主要特征体现在以下4个方面:①作战实验仿真规模大,涉及传感器、武器、平台3大类上百种仿真实体和信号源,各实体行为复杂、信息多样、信号交互频繁且存在强耦合;②作战实验实时性要求高,现代战争信息化程度高、战争进程快,需要采用“超实时”仿真模式,在相对短的时间内完成尽可能多的样本分析和趋势预测,优选作战方案;③作战过程非线性强,作战实验需要对多变量、全要素、强不确定性、超非线性的作战过程进行信号级仿真;④作战实验海域复杂,涵盖了浅海、深海、过渡海区、岛礁区等多种复杂的战场环境且具有很强的时空易变性。由此可见,开展大规模、高逼真、精细化信号级水下声纳仿真对计算及通信资源需求呈指数增加,只有采用高性能计算技术才能满足大规模作战仿真对计算资源和可扩展性的要求,目前已经成为世界发展的趋势,各军事强国的大规模作战实验、高精尖武器研发及核试验模拟等均依托高性能计算实现。

1.3 国内外技术研究概括

国外方面,美国海军在信号级声纳仿真方面,开发了声纳仿真工具箱(sonar simulation toolkit,SST)[3],用于构建“人工海洋”,该仿真软件能够输出阵元级和波束级多通道时间序列信号,并采用实时仿真和先进的二维、三维可视化技术,构建了集复杂水声环境、水声目标特性、声纳传感器和战场态势仿真的交互式多传感器分析训练(interactive multi-sensor analysis training, IMAT)系统[4-5],支持交战级多传感器、多平台作战任务规划和作战过程分析,提供战场环境作战应用研究和训练功能,用于提升部队在复杂环境条件下的作战训练水平。同时,美国高度重视高性能计算技术在作战实验中应用。1998年,由DARPA资助的SF Express项目,集合13台并行计算机,使用了1 386个处理器,成功模拟了100 298个战斗实体,并致力于将各个实验室的计算能力进行整合,方便随时进行大规模作战仿真。

国内方面,文献[6-11]开展了基于集群的信号级被动声纳仿真系统研究,初步实现了平台及其体系对抗环境条件下,从目标特性、传输信道到声纳装备的水下声信息对抗全过程信号级仿真,在目标噪声建模、宽带信号波形预报、信号级声纳仿真以及高性能并行计算等方面做出了有益的尝试。

2 信号级水下作战实验复杂声纳系统仿真科学问题

信号级水下作战实验复杂声纳系统研究涵盖内容多、体系结构复杂、实时性要求高、技术难度大,需要重点关注两个方面的研究内容。

2.1 信号级仿真建模与高性能计算

构建高逼真度的“人工战场”是战争在实验室打响的首要条件,即在大型数据库(包括环境库、目标库、装备库、战术库等)的支撑下,构建符合信号级声纳作战仿真需要的海洋环境预报、信道传输、目标特性、兵力交战等仿真模型体系,如图3所示。

为水下信息对抗仿真提供基础条件,同时还必须满足交战仿真超实时性的要求,研究难度极大,是急需突破的科学问题之一,主要体现在:

(1)作战海域范围广、环境复杂多变,要实现精细化的信道环境仿真,需要建立具有良好海区适应性、精确性和实时性的信号波形预报模型,特别是应具备对海洋水平非均匀环境的精确化仿真;

(2)实际仿真中,需要将多平台、多传感器、多武器置于统一的时空条件下,不仅要解决环境与传感器、武器的耦合问题,还要解决交战级仿真与信号级仿真不同时空粒度及其时空耦合问题;

(3)信号级水下声纳作战仿真需要对水下信息对抗的全流程实现信号级仿真,即从水下信息对抗的信号产生、传输、交互、获取、信号处理等全过程均与实际作战一致,其仿真时间粒度为秒级,而且涉及跨平台、跨系统、跨学科,必须依托作战并行仿真技术[12]实现,同时为了提高系统的高可用性、灵活性和易扩展性,并降低建设成本,必须实现基于高性能计算平台的信号级并行仿真计算。

2.2 大规模信号级仿真复杂信息流控制与系统稳定性调控

要实现水下作战实验中信号级武器、传感器装备体系对抗仿真,需要建立具有紧耦合关系的仿真模型体系,模型越精细、复杂度越高、耦合关系越复杂,系统中出现负载不平衡及不稳定的几率也就越高。以单艇与单舰对抗为例,仿真规模仅为十几个实体(2型平台、4型传感器、6型武器、5类模型)、近百个交互环节;而当组织航母编队级对抗时,则迅速增加至上百个实体、几千个交互环节和上万个进程,信息交互和计算量呈指数增长,如图4所示,特别是出现主动信号攻防交互时,信号流由单向变为多向耦合,系统不稳定性显著加大,此时如果缺乏有效的仿真资源组织、管理机制和有效的仿真系统运行支撑机制,必将导致大规模信号级仿真系统信息流调控复杂、系统稳定性难以控制。因此,如何实现复杂环境条件下对抗过程信息流传递与控制、解决大规模耦合仿真作业的调度、流程管理、网络或IO瓶颈及系统稳定性的问题,最大限度地提高仿真实验效率,是大规模信号级仿真面临的重大科学问题之一。

图4 不同规模信号级水下作战实验信息交互关系Fig.4 Interactive information of different signal-level underwater operational experiment scales

3 信号级水下作战实验复杂声纳系统仿真关键技术

3.1 水声信号宽带波形快速预报技术

水声信号宽带波形预报技术是通过海洋环境模型和基础声学模型的结合,构建“虚拟海洋”,该技术是信号级作战实验仿真的核心。宽带水声传播建模采用频域方法和时域方法两类,如图5所示。

图5 信号级水声信道波形仿真技术途径Fig.5 Technical approach of signal-level acoustic waveform simulation

利用频域近似展开并行算法求得水声传播信道的系统响应函数或者利用时域并行算法求得水声传播信道的脉冲响应函数。以频域方法实现水声信号宽带波形预报为例,采用波束位移射线简正波(beam displacement ray normal-mode,BDRM)模型作为基础模型。通过研究发现,在负跃层环境和深海声道典型海洋环境中,在满足波形预报精度和信号带宽前提下,利用傅里叶合成方法计算宽带波形时间分别是383.31 s和692.33 s(P4 3.0 GHz),但是信号级声纳/武器仿真系统对信号宽带波形实时性需求小于2 s。可见,虽然BDRM理论在计算速度上较传统简正波方法存在明显优势,但仍然无法解决宽带声场的实时预报问题。

通过对BDRM模型分析发现,本征值方程和本征函数的解算是求解水下信道频率响应函数的关键,而频域方法求解宽带信号波形正是利用在频率范围内,大量离散频率上多次执行现有声传播模型,得到宽带信号波形预报结果。因此,本征值方程和本征函数的大量解算是导致计算时间延长的直接原因,而且随着声场结构复杂性(从浅海到深海)和信号频率的升高,对应的本征声线号数越来越多,计算量将越来越大,对计算时间的影响也就越明显。另外,在宽带信号波形仿真过程中,为了防止时域混叠,需要足够的采样频率,从而需要计算更多的频率点。因此,在保证必要精度的前提下,如何解决水声信号宽带波形预报的实时性是该项目研究的难点和关键技术之一。

针对宽带模型计算时间较长的问题,可通过宽带模型频域近似展开方法和宽带模型并行化两种方式,如图6所示,实现快速准确的宽带信号波形预报。计算结果表明,在不同的海洋环境模型条件下,合理选择频域展开阶数和频域插值区间可以满足不同的精度要求和速度要求,在负跃层环境和深海声道环境模型中,计算速度分别提高6.5倍和10.3倍,与传统简正波模型KRAKEN结果相关系数均在0.95以上,如图7所示。

图6 频域宽带模型快速预报方法Fig.6 Fast prediction method of frequency domain broadband modeling

图7 预报波形与标准模型预报结果比较Fig.7 Contrast of predicting waveform between KRAKEN model and paralleling broadband model based on BDRM

宽带模型频域近似展开方法的并行化,进一步提高了计算速度,在负跃层环境和深海声道环境模型中,相对串行模型计算速度分别提高42.3倍和39.7倍,满足信号级作战仿真实时性需求。

3.2 基于高性能计算平台的信号级仿真建模技术

为实现大规模信号级水下声纳作战实验,高性能计算平台是传感器、武器信号仿真机处理通用平台的合理选择,可以有效解决传统基于数字信号处理(digital signal processing,DSP)的仿真系统的配置不够灵活和资源浪费问题,实现声纳及武器系统信号级、全数字、分布式仿真。但同时也产生了波束形成高精度时延需求与计算节点间数据传输延迟之间的矛盾。计算表明,高性能计算平台对每次采样数据传输存在微秒级延迟,对等间隔直线阵阵正横附近的目标,将导致几度的方位误差,如图8所示。因此,如何解决高性能计算平台各节点间数据传输的延迟问题是实现信号级仿真建模的重要挑战。

图8 波束形成高精度时延需求与计算节点间数据传输延迟之间的矛盾Fig.8 Contradiction between high precision delay demand for beamforming and compute node data transfer delay

为解决上述问题,可采用共享内存与分布式存储相结合的体系结构[13-16],基于MPI+OpenMP混合并行编程模型,实现基于高性能计算平台的信号级仿真。其中,传感器阵元信号模拟和信号处理采用共享内存模式并行实现,避免各任务节点间的数据传输,满足了信号波束形成的高精度时延需求;信息交互分配到另一节点,避免信息交互对传感器信号实时处理产生影响。

图9是MPI+OpenMP混合并行编程模型结构图。首先,采用MPI消息传递模式,按照粗粒度划分方式将传感器仿真系统功能分为:信号处理和信息交互两个功能模块,并分配到不同的计算节点;其次,在节点内采用OpenMP共享内存并行编程模式,分别实现传感器3种波束形成算法对阵元仿真信号数据的共享和信息交互,避免了数据在节点间频繁交互带来的通信开销。

图9 MPI+OpenMP混合并行编程模型结构图Fig.9 Hybrid parallel programming model between MPI and OpenMP

实验结果证明,利用技术从可有效解决高性能计算平台节点间数据传输引起的延迟问题,仿真方位误差均方差为0.15°满足声纳波束形成的高精度时延需求。

3.3 大规模信号级仿真系统调控策略技术

基于高性能计算仿真的信号级水下声纳作战实验系统具有很强的可扩展性,如图10所示。

图10 信号级水下声纳作战实验系统可扩展体系架构图Fig.10 Extensible architecture diagram of signal-level underwater sonar operational experiment system

当条件允许时,可以随意更换或增减系统硬件环境的数量,通过简单配置,就可以保证软件环境的完整性。尤其对于机群系统来说,硬件环境的改变,不会影响到仿真系统除了仿真速度以外的其他运行特点。采用信号级并行仿真技术后,底层软硬件环境的可靠性不断增强,但仿真软件的可靠性却不断下降。一是因为并行程序的调试还缺乏有效的手段,难免会存在程序漏洞;二是作战并行仿真涉及到上百个进程、上千个线程,软件故障率不断增大;三是相对于集中式的使用来说,分布式的部署,导致初始化数据准备、任务分割、任务分配、交互关系约定、运行管理与控制、结果记录与处理等各个方面都陡增很多工作量,软件故障、异常、不可信等现象产生概率大大增加。由此可见,解决水下信号级作战实验过程中信息流激增问题是实现信号级仿真系统调控及管理的重要挑战,其中,仿真耦合规模与系统调控管理自动化程度、性能优化效果、调控策略普适性和扩展性方面都存在不确定性。

针对大规模信号级声纳仿真系统结构复杂、信息交互种类多、实时性要求高等特点,定义了影响调度策略的不同维度的因素,包括应用类型、应用规模、实时性要求、计算资源需求等各种维度管理资源的可用量和服务级别,集成现有的调度策略,如先来先服务、静态/动态优先级、预约/回填、多级抢占策略、公平共享策略,结合节点独占、网络拓扑调度、能耗、断点续算等特性制定一种适合信号级水下作战实验的动态调整作业调度策略,如图11所示,并基于历史/实时数据进行动态调整,保证资源使用的公平性。

图11 基于动态负载调度的多分辨率时空耦合调控策略Fig.11 Multi-resolution spatial temporal coupling strategy based on dynamic load scheduling

主要调控策略包括：①通过简单配置实现面向不同场景的调度策略,如最佳匹配、负载均衡等,实现调度算法可伸缩性;②通过通用资源描述方法,灵活扩展要监控和调度的资源类型;通过对调度流程进行充分的抽象和分解,辅以插件化设计和插件实现方式的多样化,最大限度的保证调度算法的可扩展性;③采用内存共享、集中控制技术,解决了HLA体系内作战方案推演过程各作战单元时空一致性问题,有效提高了系统的运行效率;④采用局部广播和点对点通信相结合的通信技术,解决了Windows系统终端显示控制软件与Linux系统并行计算软件的信息交互问题,有效节省了通信资源,减轻了各节点的通信负荷;⑤采用集中式广播模式统一发布作战想定、作战推演过程中数据量较小的信息,提升了系统的兼容性和扩展能力;⑥采用单机双网HLA/DIS混合编程模式进行总体集成,实现了多平台、跨系统时空状态同步与系统集成。

以基于动态负载调度的三维声传播并行计算为例,三维声传播并行算法采用对扇面进行划分,在完成扇面划分后,将任务分配到不同节点上并行计算。由于不同扇面上海水深度变化较大,造成了不同扇面上声传播计算量变化剧烈,采用静态调度算法必然会引起任务负载不均衡,降低并行程序的执行效率。在并行实现中,采用基于主——从模式的动态负载调度算法。其中:主进程实时监控从进程的工作状态,发现从进程处于空闲状态时,立刻向从进程发送计算任务,从而实现计算任务的动态分配;从进程负责具体声传播计算,并将计算结果传递给主进程。

图12给出了深海海域计算网格为128×512时,静态任务调度算法和动态任务调度算法对应加速比和效率。

图12 基于动态负载调度的三维声场并行计算加速比和效率Fig.12 Parallel computation speedup and efficiency of 3D sound field based on dynamic load scheduling

从图12中可以看出,与静态任务调度算法相比,采用动态任务调度算法,程序的计算时间大大减小,并行效率提高近20%,达到85%以上,加速比接近线性关系。

4 结 论

信号级水下声纳作战实验是部队发展建设面临的紧迫任务,特别是海军舰艇部队面临着任务重、作战海域环境复杂等困境,传统能量级和功能性仿真已难以支撑部队战法、训法创新和实践。本文从水下信息攻防作战精细化仿真和信号级复杂系统仿真技术需求出发,分析了信号级水下作战实验复杂声纳系统仿真技术发展需求,明确了信号级仿真是破解水下信息攻防作战瓶颈问题的核心手段,高性能并行仿真是构建信号级复杂系统的根本途径;在此基础上,从信号级仿真建模和复杂系统信息控制2个方面归纳了信号级水下作战实验复杂声纳系统仿真技术急需突破的基础科学问题,并针对科学问题,重点分析了水声信号宽带波形快速预报技术、基于高性能平台的信号级仿真建模技术及大规模信号级仿真系统调控策略技术等构建信号级水下作战实验复杂系统所涉及的关键技术、实现手段和仿真结果。本文分析结果对于进一步优化完善水下作战实验复杂声纳系统及武器、平台等作战试验系统,满足不断深入的海上战争进程研究需求,牵引作战、训练及武器装备的快速发展具有重要意义。通过研究发现,由于受到网络信息、安全加密及移动访问等技术发展限制,现阶段研究的作战实验复杂声纳系统体系架构大多依托各作战实验室建设,作战实验研究参与者还不够广泛、作战实验数据积累和分析还不够深入,各作战单位之间缺乏有效的对抗交流手段,限制了全体作战人员的创新性和积极性,阻碍了作战实验理论创新和实践创新。因此,信号级水下作战实验复杂声纳系统“实验室+部队”服务架构体系是进一步研究的重点。

参考文献：

[1] KASS A R,ALBERTS S D,HAYES E R.作战试验及其逻辑[M].马增军,孟凡松,车福德,等,译.北京:国防工业出版社, 2010: 15-16.

KASS A R, ALBERTS S D, HAYES E R. Operation test & logic[M].Ma Z J, Meng F S, CHE F D, et al, trans.Beijing: National Defense Industry Press, 2010: 15-16.

[2] 曹裕华, 管清波, 白洪波, 等. 作战实验理论与技术[M]. 北京: 国防工业出版社, 2013: 3-4.

CAO Y H, GUAN Q B, BAI H B, et al. Warfighting experimentation theory and technology[M]. Beijing: National Defense Industry Press, 2013: 3-4.

[3] GODDARD P R. The sonar simulation toolset, release 4.6: science, mathematics, and algorithms[R]. APL-UW TR 0702.

[4] WETZELSMITH S K, CZECH C. The interactive multisensor analysis training system: using scientific visualization to teach complex cognitive skills[R]. NPRDC TR 96-9. San Diego: Navy Personnel Research And Development Center, 1996.

[5] WETZEL-SMITH S K, ALLEN K, HOLMES E, et al. Interactive multisensor analysis training[J]. Interactive Multisensor Analysis Training, 1995, 2: 871-876.

[6] FAN P Q, DA L L, LU X T, et al. Design and implementation of remote parallel computing system based on multi-platform[C]∥Proc.of the IEEE International Conference on Internet Technology and Applications, 2010: 1-4.

[7] TANG S, DA L L, XIE J. Underwater broadband signal waveform fast prediction method in shallow water with a thermocline[C]∥Proc.of the IEEE International Conference on Measuring Technology & Mechatronics Automation, 2011: 1072-1075.

[8] 谢骏, 笪良龙, 唐帅. 舰船螺旋桨空化噪声建模与仿真研究[J]. 兵工学报, 2013, 34(3): 294-300.

XIE J,DA L L,TANG S.Modeling and simulation of vessel propeller cavitation noise[J].Acta Armamentarii,2013,34(3):294-300.

[9] 笪良龙, 唐帅, 谢骏. 基于集群的水声宽带波形预报系统设计与实现[J]. 系统仿真学报, 2013, 25(5): 181-185.

DA L L, TANG S, XIE J. System design and implementation for underwater broad-band signal prediction based on cluster platform[J].Journal of System Simulation, 2013, 25(5): 181-185.

[10] DA L, WANG C, HAN M, et al. Ambient noise spectral properties in the north area of Xisha[J]. Acta Oceanologica Sinica, 2014, 33(12): 206-211.

[11] SUN X, DA L, LI Y. Study of BDRM asynchronous parallel computing model based on multiple CUDA streams[C]∥Proc.of the 7th International Symposium on Computational Intelligence and Design, 2015: 181-184.

[12] 杨学会, 黄俊倾, 谭亚新, 等. 作战并行仿真[M]. 北京: 国防工业出版社, 2014: 26-27.

YANG X H, HUANG J Q, TAN Y X, et al. Warfighting parallel simulation[M]. Beijing: National Defense Industry Press, 2014: 26-27.

[13] TANG G, D’AZEVEDO E F, ZHANG F, et al. Application of a hybrid MPI/OpenMP approach for parallel groundwater model calibration using multi-core computers[J]. Computers & Geosciences, 2010, 36(11): 1451-1460.

[14] CHORLEY M J, WALKER D W. Performance analysis of a hybrid MPI/OpenMP application on multi-core clusters[J]. Journal of Computational Science, 2010, 1(3): 168-174.

[15] RABENSEIFNER R, HAGER G, JOST G. Hybrid MPI/OponMP parallel programming on clusters of multi-core SMP nodes[C]∥Proc.of the 17th Euromicro International Confe-rence on Parallel, Distributed, and Network-Based Processing, 2009: 427-236.

[16] 刘轶,张昕,李鹤,等.一种面向多核处理器并行系统的启发式任务分配算法[J].计算机研究与发展,2009,46(6):1058-1064.

LIU Y, ZHANG X, LI H, et al. A heuristic task allocation algorithm for multi-core based parallel systems[J]. Journal of Computer Research and Development, 2009, 46(6): 1058-1064.