基于模糊分类的战术目标情报处理方法研究

孙宝琛，严晓滨

(1.中国人民解放军31690部队,吉林 蛟河 132500；2.中国人民解放军31693部队,黑龙江 哈尔滨 150046)

战术目标情报处理中,由于侦察力量、手段的多样化导致同一目标信息被多次接收标绘,因此必须对多源目标信息进行核查去重,发现剔除重复登记标绘目标,进而为研判战场态势提供准确目标信息[1]。所谓去重是将疑似的重复目标和不确定目标通过一定的手段和技术方法,确定是否是重复目标,尔后将确定为重复的目标去除。

去重是目标情报处理中十分重要的环节,尤其是在多元化侦察手段提供的海量目标信息中,存在大量同一目标的重复信息,因此实际目标情报处理中需要研究一定的规则方法,为快速、准确判断重复目标提供定量手段,也为开发计算机软件系统实现自动去重提供模型和方法[2]。

1 去重问题的分析描述

战术侦察中获取目标信息有雷达、技侦、光电等多种手段,每种信息中一般都包含五个基本要素:发现时间、目标属性、目标坐标、目标数量和目标状态。去重问题必须依靠五个要素进行,因此对各要素进行简要说明:1)发现时间，即发现目标的时间,实际中把某一段较短时间内收到的目标信息汇总一起进行核验去重;2)属性，上报的目标属性信息由于受到距离、判断水平的影响,还不能确定目标具体性质,仅能确定目标的大体属性。比如上报的目标属性为履带装甲装备,疑似坦克,具有一定的模糊性质,如果能确定目标的具体属性为坦克或步战车,通过对比的方法去重将大大简化;3)坐标，反映目标的位置信息,由于侦察装备精度和测量误差的影响,同一时段内各种侦察手段上报的同一目标坐标也不可能是完全相同的,因此存在不同坐标指向同一目标可能;4)数量，各侦察手段上报的目标信息中发现某一目标的个数,这个数量同样具有不确定性;5)状态，各侦察手段上报的目标信息中目标的运动状态,一般分为静止、缓慢运动、中速运动、快速运动等状态。

根据上述描述,去重问题可以确定为以下几种情况:

R1:比较两种目标信息中的发现时间,如果时间接近,时间差在各侦察装备反应时间内,则两种目标信息可能指示的是同一目标;

R2:比较两种目标信息中的属性,如果属性反映的信息为同一类别,则两种目标信息可能指示的是同一目标;

R3:比较两种目标信息中的坐标,如果坐标相近,之间距离小于侦察装备距离分辨力,则两种目标信息可能指示的是同一目标;

R4:比较两种目标信息中的数量,由于测量和判断误差等原因,如果数量相近,有可能两种目标信息指示的是同一个(组)目标;

R5:比较两种目标信息的状态,如果状态处于“静止、缓慢运动、中速运动、快速运动、全速运动”五种中相邻的两种,则两种目标信息可能指示的是同一目标;

由此,去重问题可以描述为:

将T+Δt内上报的多源目标信息集U={u1,u2,u3,…},依据每种信息中包含的要素K={k时间,k属性,k坐标,k数量,k状态}进行两两比较,采用聚类的方法计算各种信息的相似程度,而后根据相似程度通过一定的决策方法确定两种目标信息是否指示同一目标。

2 基于模糊分类的目标信息去重方法

通过问题分析可以发现,多源目标信息的去重是通过信息中要素的对比完成的,但由于多种原因导致要素信息的模糊和不确定性,这为判断各种信息是否指示同一目标进而去除重复信息带来了困难[3]。模糊理论及其相关技术是研究解决不确定性问题的重要方法之一,经过几十年的发展已成为成熟的分析决策手段,在模式识别、聚类分析、综合评判决策等领域已有广泛应用。本文结合模糊聚类的相关技术,将寻找目标重复信息转化为相同目标信息的聚类问题,为多源目标信息去重提供一种方法。

利用模糊方法进行多源目标信息的聚类首先要对多源目标信息集U中的要素数据进行预处理,而后按照确定相关程度、计算相似矩阵的等价闭包、确定模糊分类的步骤进行聚类分析[4]。

2.1 目标信息中要素数据的预处理

在上报的多源目标信息中,包含时间、属性、坐标、数量、状态5类数据,其中时间、坐标、数量是数字型数据,为方便计算对其做如下预处理:

时间:由于侦察装备反应的周期性Δt,上报时间也具有周期性Δt,根据前文R1,只在一个周期内进行比较,为方便比较应将目标信息接收的时间减去周期开始的时间T。设上报时间为H,则时间要素Δh为

Δh=H-T

(1)

坐标:将坐标信息转化为距离与方位的二元信息。设情报中心坐标为(x0,y0),第i种手段上报的目标坐标信息为(xi,yi),计算该目标距情报中心的距离Li,由于去重分析的是同一区域临近的目标,因此,所有手段发现的目标距情报中心的平均距离可以近似为

(2)

(3)

(4)

(5)

(6)

数量:根据上报的目标数量直接比较。

属性和状态信息为语言判断类的数据,具有一定的模糊不确定性,将属性和状态信息模糊化处理如下:

属性:将Δt内上报的W条属性信息按目标性质分为b组,应用统计方法确定各组中属性信息条数wi,i=1,2,…,b,则每组的隶属函数为

(7)

状态:状态分为静止、缓慢运动、中速运动、快速运动、全速运动,其量化值的范围在目标的最大最小运动速度之间,因此需要划分区间,确定各种状态之间的临界值,进而将各区间的中值作为各种状态量化赋值。设最小速度Vmin与最大速度Vmax之间有n种状态,则等分区间长度如下所示:

(8)

进而第i状态对应区间的中值为

(9)

2.2 确定目标信息中要素相关程度,建立模糊相似矩阵

(10)

当kig≥0,kjg≥0时,第i种与第j种信息在第g个要素k上的相似程度可表示为

(11)

由此,第i种与第j种信息n个要素的平均相似程度如下:

(12)

2.3 计算相似矩阵的等价闭包

(13)

2.4 确定模糊分类

3 案例分析

战术情报处理中心某日10:30:00-10:33:00接收雷达、无人机、光学、技侦、人力5种侦察手段提交的目标情报信息如表1所示,假设10:30:00分为上报周期的起点,周期为3 min,处理中心的坐标为(0,0),发现的装甲装备最大时速为60 km/h。

运动状态为静止、缓慢运动、中速运动、快速运动、全速运动五种。

表1 接收目标信息汇总表

根据公式(1)-(9)分别对时间、属性、坐标、数量、状态数据进行处理,如表2所示。

表2 处理后的目标信息

4 结束语

本文通过对战术情报处理中目标信息去重的分析,运用模糊聚类思想和技术,为在海量目标信息中快速归类、去重提供了一种方法。在模糊分类中,对原始信息的量化,特别是对接收的语言类信息的量化方法有多种,不同情况选用何种方法,还需进一步研究探讨;利用模糊相似矩阵进行信息分类时,可选用的模糊算子较多,应根据信息的特点选择,以便更好发挥原始信息价值;最后,对分类标准的选取,应该结合实际目标情报处理情况选取,必要时也可采用一定的决策方法确定。