基于貝葉斯網絡的目標干擾優先等級評估方法

李馮敬， 姚佩陽， 唐 劍， 張杰勇

(空軍工程大學電訊工程學院，西安 710077)

0 引言

現代戰爭中，各種反偵察、反干擾等手段的大量使用，戰場信息呈現出不完整性和不確定性，因此如何有效識別敵通信系統中的關鍵節點、重要目標，并迅速對目標的干擾優先等級作出評估是目前通信對抗指揮決策中必須要解決的關鍵問題。當前依靠人工智能輔助決策的方式對目標干擾優先等級的評估成為主流趨勢，而在此基礎上應用各種模型算法解決這一問題，可以有效地提高評估的速度和準確性。

目前，各領域評估問題的研究方法很多，如文獻［1－2］中提出利用神經網絡建立評估模型，并取得了預期效果。但由于神經網絡本身是一種迭代算法需要對網絡進行訓練，因此難以滿足在實時戰場環境中對目標干擾優先等級做出快速評估。貝葉斯網絡作為一種綜合利用概率論和圖論進行不確定性分析和推理的有效工具，與其他算法相比，不但具有堅實的數學理論基礎，同時具有直觀的知識表示形式，能方便快速地處理不確定信息間的因果關系，且算法簡單，運算量少，收斂性和實時性較好［3－4］，目前已在戰場目標識別［5］、態勢評估［6］和威脅估計［7］等領域廣泛應用。由于現代戰場環境存在大量的不確定性因素，因此對目標干擾優先等級的評估必定是一個概率行為，而貝葉斯網絡正是在非完全信息條件下進行不確定性推理的一種有效手段［8］，可用于解決通信對抗目標干擾優先等級評估的問題。

通過分析通信對抗指揮決策流程，指出目標干擾優先等級評估在指揮決策中的重要地位，從目標信號特征和目標行為特征兩個方面聯合分析影響目標干擾優先等級的因子，構建目標干擾優先等級評估的貝葉斯模型，以解決通信對抗目標干擾優先等級評估的問題。

1 通信對抗指揮決策概述

通信對抗指揮決策就是通信對抗指揮員在搜集、處理各種戰場信息的基礎上，對本級如何完成通信對抗任務進行籌劃并作出決定的活動［9］。為保證決策的科學有效，通信對抗指揮決策活動要依據一定的決策準則、依據和流程，其基本流程如圖1所示。

圖1 通信對抗指揮決策流程Fig.1 The command decision process of the communication countermeasures

由圖1可以看出，通信對抗目標干擾優先等級評估是通信對抗指揮決策環節中非常重要的組成部分，其意義在于:在先前偵察和戰場實時偵察的基礎上，對當前敵情、我情、戰場環境等情報信息進行分析評估，力圖在廣闊的電磁頻譜空間和作戰區域挖掘出能大幅度降低敵作戰能力的高價值、高威脅的敵通信系統目標，進而制定后續作戰方案，對敵實施干擾壓制以取得較高的作戰效益［10］。

2 基于貝葉斯網絡的干擾優先等級評估模型

2.1 貝葉斯網絡概述

貝葉斯網絡(Bayesian Networks，BN)也稱為信度網絡或推理網絡，是基于概率分析和圖論的一種不確定知識的表示和推理模型［11］。作為圖模型范疇之一，BN是人工智能學科中處理不確定問題的新興分支，在處理不確定性復雜問題方面有其獨特的優點［12］。

貝葉斯網絡主要由兩部分構成:網絡結構和條件概率表。一個貝葉斯網絡可以用一個二元組B=(G，P)表示。其中:1)G=(V，E)是一個網絡結構，代表一個有向無環圖，V= {V1，V2，…，Vn}，n≥1為有向無環圖中的節點，代表隨機變量，可以是任何問題的抽象，而E=代表有向邊的集合，用來表達各個節點信息要素之間的關聯關系，通常認為有向邊表達了一種因果關系;2)P代表貝葉斯網絡中的條件概率表集合，每一個節點Vi都有一個條件概率表，用來表示節點Vi與其父節點Pa(Vi)的關系表示在父節點Pa(Vi)發生的條件下子節點Vi發生的概率。沒有任何父節點的條件概率為其先驗概率［13］。

2.2 目標干擾優先等級評估的貝葉斯網絡模型

2.2.1 模型分析

在通信對抗作戰中，依據目標的特征越多，目標識別就越準確，對目標的威脅等級評估就越科學，目標的干擾優先等級就越容易判斷。模型主要從目標行為特征和目標信號特征兩個方面聯合判斷目標的威脅等級，進而確定干擾優先等級。如圖2表示了干擾優先等級評估的過程。

圖2 干擾優先等級評估過程Fig.2 The process for evaluating priority level of jamming

由圖2可以看出，對敵通信目標意圖威脅的評估是基于對威脅行為的識別，對通信目標的身份威脅的評估則主要是基于對目標信號特征的分析。

1)基于貝葉斯網絡的目標意圖威脅等級評估模型。

對敵通信目標意圖威脅(Act)的分析，主要就是判斷目標的作戰行為。模型中主要考慮的敵作戰行為包括:無線電靜默(Mic)、無線電佯動(Pact)、無線電干擾壓制(Dsb)3種行動，其評估模型如圖3所示。

圖3 目標意圖威脅等級評估模型Fig.3 The model for evaluating threat level of target's intent

模型中節點變量的狀態集合如下:

意圖威脅等級(Act)={高(Hight)，中(Middle)，低(Low)};

無線電靜默(Mic)={無線電靜默真(True)，無線電靜默假(Flase)};

無線電佯動(Pact)={無線電佯動真(True)，無線電佯動假(Flase)};

無線電干擾壓制(Dsb)={無線電干擾壓制真(True)，無線電干擾壓制假(Flase)}。

2)基于貝葉斯網絡的目標身份威脅等級評估模型。

敵通信目標識別的問題主要是通過目標信號的特征識別來確定目標本身的重要程度，而不考慮該敵目標是什么型號的電臺，是什么屬性的通信網(專)等問題。由于不同的信號都會在時域、頻域、空域中表現出不同的特征［9］，因此主要考慮的目標信號特征包括:信號出聯時間(時域)、頻段、信號源方向(空域)，其評估模型如圖4所示。

圖4 目標身份威脅等級評估模型Fig.4 The model evaluating threat level of target's identity

模型中各節點變量的狀態集合如下:

目標身份威脅等級(Sgb)={高(Hight)，中(Middle)，低(Low)};

出聯時間(Tm)={新出聯(New)，出聯較久(Past)};

頻段(Sb)={戰時頻段(Wb)，平時頻段(Pb)};信號來源區域(Scz)={作戰主要區域(Mz)，作戰次要區域(Sz)，敵后方區域(Bz)}。

根據上述分析，在模型設計中主要立足于戰場敵通信目標信號表現出來的，且易被我方通信偵察設備獲取的信號時域、頻域和地域特征，而不過多關注通信信號的細微特征。在通信對抗行動中，時效性要求特別高，往往新出聯的電臺干擾價值最大，隨著干擾壓制時間的延長，其干擾價值就越來越小，因此，偵察到的新信號應優先干擾［9］。對于頻域特征，通過戰場全面偵察與重點偵察相結合的方法，同時結合平時偵察的情況，就可以確定哪些信號是平時經常出現的，沒用的，哪些信號是戰時出現的，是有用的。

3)基于貝葉斯網絡的目標干擾優先等級評估模型。

通過對干擾優先等級評估過程以及上述貝葉斯模型的分析，根據網絡各節點的因果影響關系，建立目標干擾優先等級模型，如圖5所示。

圖5 干擾優先等級評估模型Fig.5 The model for evaluating priority level of jamming

根結點目標干擾優先等級(PRI)={高(Hight)，中(Middle)，低(Low)}。在整個模型中，把目標干擾優先等級、目標意圖威脅等級、目標身份威脅等級看作原因，偵察到的各種數據及事件看作結果。目標干擾優先等級評估從獲取的戰場情報信息開始，在獲取戰場情報信息后，結果對原因的影響可以通過評估模型向后傳播來更新，更新后的評估結果則又通過前向推理來預測事件的發生;當有新的戰場信息輸入時，又開始下一輪等級評估。可以看出，這種目標干擾優先等級評估模型較好地將軍事專家的知識隱含在該貝葉斯網絡節點之間的因果關系中。

2.2.2 節點條件概率

條件概率矩陣是網絡結構中關聯節點之間的因果關系，是一種專家知識。在對有限樣本數據反復驗證的基礎上，通過對通信對抗戰術行為的分析，結合專業知識，給出如表1～表3所示的條件概率矩陣。

表1 節點條件概率矩陣aTable 1 Condition probability matrix a of node

表2 節點條件概率矩陣bTable 2 Condition probability matrix b of node

表3 節點條件概率矩陣cTable 3 Condition probability matrix c of node

2.2.3 模型推理流程

目標干擾優先等級評估模型的貝葉斯網絡推理過程如圖6所示。

Step1 初始化網絡。輸入先驗信息π，觸發網絡節點更新，初始化評估系統。

Step2 觸發網絡推理。當獲取到新的戰場信息λ時，網絡結構的葉節點信息更新，觸發網絡推理，通過貝葉斯公式，得到節點置信度即后驗概率PBel，從而更新整個網絡節點狀態的概率分布。如果有新的目標信息獲取則把更新后的后驗概率分布作為下一次推理的先驗分布;如果沒有新的目標信息獲取則進入下一步。

Step3 統計輸出結果。獲取根節點(PRI)狀態的概率分布情況，根據判決規則，將最大后驗概率判定為優先干擾的通信目標，即

式中:i=1，2，3分別代表目標Tj干擾優先等級“高”、“中”、“低”;P(Tji)是目標Tj干擾優先等級為i的先驗概率;是當目標Tj在干擾等級為i時特定的觀測S的觀測條件概率，α為歸一化因子，保證所有的后驗概率之和為1。如果先驗信息未知，則對目標Tj干擾優先等級i的先驗概率進行平均分配。

圖6 目標干擾優先等級評估推理過程Fig.6 Inference process for evaluating priority level of target jamming

3 仿真驗證

采用Norsys軟件公司的貝葉斯網絡工具平臺Netica對目標干擾優先等級評估模型進行仿真驗證。

場景1 假設在一次敵我戰斗中，由于我通信偵察部隊沒有對敵進行任何預先偵察，設定某一目標干擾優先等級的可能性相近，即威脅源的干擾優先等級先驗信息 πPRI=(0.33，0.34，0.33)。這反映了通信對抗指揮員由于戰場信息匱乏導致對目標干擾優先等級可能性估計不充分，認為各種情況的可能性相近。

輸入先驗信息后，整個網絡其他節點信息得到初始更新，網絡進入等待狀態如圖7所示。

圖7 系統等待狀態Fig.7 Latency state of the system

隨著通信偵察行動的開展，網絡各節點得到新的情報信息，節點狀態概率分布發生變化，隨之觸發網絡推理，最終獲取根結點狀態的概率分布情況，完成對目標干擾優先等級的一次判斷。表4為部分仿真結果。由第1組數據可以看出，當敵對我方采取通信干擾壓制行為，且偵察到目標信號來源于作戰主要方向并且為新出聯的戰時頻段時，系統評估結果為“高”的概率高于其他;第2組數據表示當前目標信號特征的各狀態概率基本接近，目標干擾壓制行為概率雖然較高，但系統評估的結果卻與第1組結果差距較大，干擾優先等級為“中”的概率高于其他兩種狀態。

表4 仿真結果1Table 4 Simulating result 1

場景2 假設在一次敵我戰斗中，我通信偵察部隊提前進入預定的集結地域，組織開展戰前的預先偵察行動，熟悉戰區電磁環境，通過通信偵察和測向定位，初步了解了主要作戰方向上敵通信對抗部隊的部署，以及部分電臺、通信專網信號在時域、頻域、空域上的特征，初步確定了某一目標的干擾優先級 πPRI=(0.7，0.2，0.1)。輸入先驗信息后，網絡得到初始化，進入等待狀態，如圖8所示。

圖8 系統等待狀態Fig.8 Latency state of the system

通過比較圖7與圖8可以看出，當先驗信息發生變化時，網絡各節點的初始狀態概率也將發生變化。

假定敵我雙方戰斗正式打響后，我方主要通信偵察力量對預先的目標采取分頻控守的方法，進一步確定相關目標信號在時域、頻域、地域上的特性，以及敵目標的作戰行為，即網絡部分節點狀態信息得到更新，最終獲得根結點狀態的概率分布，完成對干擾優先等級的一次實時評估。

表5 仿真結果2Table 5 Simulating result 2

由表5可以看出，在敵對我采取通信干擾壓制行為時，偵察到目標信號來源于作戰主要方向并且為新出聯的戰時頻段，系統評估結果為“高”的概率是0.862，遠遠高于表4中0.562“高”的概率;同樣第2組數據在所有節點輸入狀態相同的情況下，系統評估結果表示干擾等級為“高”的概率是0.700，遠遠高于表4中0.369“高”的概率。

通過兩組仿真結果的比較，可以看出先驗信息π的變化對評估結果的明顯影響。相同的子節點輸入相同的狀態信息λ，由于先驗信息π不同，評估結果截然不同。結合假設的仿真場景，可以看出先驗信息對后期評估結果有著直接影響，因此在通信對抗行動中，通信偵察部隊先期對目標偵察探測是非常必要的。

同時結合算法，可以從算法的初始化和運行兩個階段來理解先驗信息。在算法的初始化階段，為了算法的啟動，根據通信對抗指揮員的預期判斷或戰場情報的預期偵察結果設定先驗信息;在算法的運行階段，先驗信息認為是上一次系統評估的結果。

從仿真結果可以看出，評估模型不僅綜合了最新的戰場實時信息，而且還考慮了前一階段的歷史評估結果，具有信息的累積性，因此能夠對目標干擾優先等級進行實時合理的評估。

4 結論

文中針對通信對抗指揮決策中干擾優先等級評估問題，提出了采取貝葉斯網絡進行評估的方法，分析了影響干擾優先等級評估的主要因素，并建立相應的貝葉斯網絡模型。設定兩種場景進行仿真驗證，結果表明貝葉斯網絡是一種進行不確定分析和推理的有效方法，基于該模型的評估系統可以有效綜合當前信息和歷史信息，具有信息的累積能力，能較好地解決通信對抗中目標干擾優先等級實時評估的問題。但由于復雜戰場環境下影響通信對抗目標干擾優先等級評估的因素眾多，因此如何更加全面分析影響因素，研究不同因素之間的影響關系，構建更加合理的模型結構將是下一步工作的重點。

［1］ BRENAN K E，CAMPBELL S L，PETZOLD L R.Nemerical solution of initial value problem in differetial-algebraic equations［M］.2nd ed.New York，USA:SIAM，1996.

［2］ CASH J，CONSIDINE S.An MEBDF code for stiff initial value problems［J］.Acm Trans Math Software(S0098-3500)，1992，18(2):142-155.

［3］ 王福軍，梅衛，王春平，等.基于戰術意圖的空中目標機動態勢估計［J］.電光與控制，2009，16(2):51-55.

［4］ 稅薇，葛艷，韓玉.基于貝葉斯網絡的火力威脅等級評估算法［J］.系統仿真學報，2009，21(15):4625-4628.

［5］ GOSLIGA P V，JANSEN H.A Bayesian network for combat identfication［J］.RTO-MP-IST-040，2004(3):1-11.

［6］ 楊永剛，寇應展，楊杰，等.基于貝葉斯網絡的態勢估計模型研究［J］.科學技術與工程，2007，24(12):6434-6436.

［7］ 王朔，周少平，黃教尼.基于貝葉斯網絡的威脅識別［J］.計算機工程與設計，2006，18(9):3442-3446.

［8］ RUSSEL S，NORVIG P.Artificial intelligence:A modern approach［M］.Englewood Cliffs New Jersey:Prentice Hall，1995.

［9］ 李新生，單琳鋒.高技術條件下通信對抗指揮決策［M］.北京:解放軍出版社，1999.

［10］ 張鑒，黃健，石銳.通信電子戰目標選擇問題研究［J］.通信對抗，2006(2):37-40.

［11］ 孫兆林，楊宏文，胡衛東.基于貝葉斯網絡的態勢評估方法［J］.計算機應用，2005，25(4):745-747.

［12］ 肖秦琨，高嵩，高曉光.動態貝葉斯網絡推理與學習理論［M］.北京:國防工業出版社，2007.

［13］ 王朔.基于貝葉斯網絡的艦艇導彈防御系統決策模型算法研究［D］.長沙:國防科學技術大學，2005:12-40.