基于貝葉斯網絡的防空目標攻擊意圖評估＊

陳 霞

（北京西三環中路19號 北京 100841）

1 引言

高技術條件下的海上對空防御作戰具有突發性高、持續時間短、作戰空間大等特點，艦艇面對的空中攻擊威脅程度也日益加劇：一方面，多批次、多層次、全方位、高密度、多種類、飽和式空襲是艦艇面臨空中攻擊的主要特征；另一方面，低空掠海隱身目標、精確制導導彈、巡航導彈等新型攻擊武器具有雷達散射截面小、機動性高、射程遠、制導精度高、低空突防性能強、破壞威力大等特點，這些武器的多批次輪番式攻擊可對艦艇構成嚴重威脅［1］。面對如此復雜的海戰場環境，傳統的單艦平臺作戰體系已無法適應現代海戰需求，以航母編隊為體系的多艦艇協同作戰模式應運而生，并已形成了新的海戰體系。在新的海戰體系下，強調了防空的信息化和自動化，美軍網絡中心站的思想和多次局部戰爭中的實踐為新形勢下的作戰提供了新的思路［2］。面對復雜多變的海戰場，需要加強防空輔助決策技術研究，對目標預警探測、威脅判斷、武器資源分配等進行合理有效的運用，其中艦艇編隊防空敵方目標攻擊意圖估計作為編隊威脅判斷的重要組成部分，是進行空中來襲目標分析的重要內容，可以輔助指揮員進行海戰場態勢的整體把握，合理地進行后續的武器火力安排和調度，從而提高整體作戰效能［3］。

目前，進行敵方來襲目標攻擊意圖估計的方法很多，主要包括多屬性決策理論、模糊邏輯法、神經網絡法等［4～6］。本文借鑒貝葉斯網絡在不確定知識表達和推理領域中的優勢，結合海戰場多源傳感器提供的實時、準實時輔助信息，研究了基于貝葉斯網絡的敵方目標攻擊意圖綜合估計方法。

2 貝葉斯網絡基礎

貝葉斯網絡又稱信度網、因果網或概率網，其原理是利用具有網絡結構的有向圖表達各個信息要素之間的關聯關系及影響程度，用節點變量表達各個信息要素，用連接節點之間的有向弧表達各個信息要素之間的關聯關系，用條件概率矩陣表達各個信息要素之問的影響程度［7］。貝葉斯網絡的理論基礎是Thomas Bayes在1763年給出的Bayes定理。一個Bayes網絡可以看作一個概率專家系統，由網絡拓撲結構和每個節點的局部條件概率表兩部分組成。圖1為一個典型的貝葉斯網絡，其網絡結構是一個具有N個節點的有向無環圖，有向無環圖中的每個節點代表離散的隨機變量，可以是各種待求解的推理問題的抽象；連接節點的有向邊代表了節點之間的因果關系。條件概率表反映了變量之間關聯性的局部概率分布情況，表達了子節點同其父節點的相關關系。沒有任何父節點的條件概率為其先驗概率。有了節點及其相互關系（有向邊）、條件概率表，貝葉斯網絡就可以表達網絡中所有節點的聯合概率，并可以根據先驗概率信息或某些節點的取值（獲取的證據）計算其它任意節點的概率信息，即進行網絡推理。

圖1 典型的貝葉斯網絡

貝葉斯網絡是基于圖形模式的變量間概率分布的表示方法，其數學基礎穩固，語義形象直觀，被廣泛應用于不確定性知識表示和推理等方面。貝葉斯網絡綜合考慮了先驗信息和樣本數據，充分利用了專家知識和先驗經驗知識，可以綜合地進行定量分析和定性分析。經過二十多年的發展，目前貝葉斯網絡已經成為人工智能和專家系統中的一個研究熱點，在軍事決策領域被廣泛應用［8］。

3 目標攻擊意圖評估

3.1 目標攻擊意圖

空中目標攻擊意圖是進行防空目標威脅估計的重要參考依據。一般來說，目標攻擊意圖是指敵方目標攻擊意向或決心，即根據防空武器系統防空作戰特點確定敵方目標是否有攻擊我方艦艇的意圖。目標攻擊意圖包含目標毀傷受保護艦艇的意向或決心，或目標使用裝在的武器毀傷受保護艦艇的意向或決心，需要我們從敵方作戰意圖、目標攻擊準備程度和目標攻擊實施強度等方面進行實時監測。在沒有實時／準實時的通信偵測情報或其它人工情報或上級通報的情況下，空中目標攻擊意圖評估需要我們對目標進行實時監測，根據其活動狀態參量進行推理、判斷［9～10］。

攻擊意圖評估主要考慮威脅目標來襲過程中所表現出來的行為特征，通常用于進行敵方目標攻擊意圖進行推理判斷的主要因素有：敵方目標飛行速度、飛行高度、航向角、目標位置、敵我識別信號以及平臺屬性等因素，因此，該問題是典型的多屬性決策問題，主要可考慮的因素如下，并對各種因素進行狀態離散化。

1）目標航速：航速是衡量目標機動性能的重要指標之一，也是目標重要屬性之一。不同的目標具有不同的作戰速度，即使是同一目標，速度不同，其威脅程度也是不一樣的。一般來說，目標飛行速度越快，其攻擊意圖越明顯。對于目標航速，可分為超音速和亞音速兩類進行討論。

2）目標航向：通過對目標航向變化狀況的觀察，可以大致推測敵方目標的攻擊意圖。敵方目標奔襲我方而來，則敵方進攻意圖明顯敵方目標背我而去，則敵方逃跑意圖明顯。因此，對于目標航向變化可分為接近我方艦艇編隊和遠離我方艦艇編隊兩種類型。

3）目標位置：由于我方武器平臺火力打擊距離受限，目標距離也是影響我方指揮員打擊決心的因素之一；同時，敵方目標距離我方越近，對我方攻擊意圖也越大，所以在進行攻擊意圖評估時要考慮敵我距離因素。對于目標位置，可以按照在我方平臺攻擊范圍內，我方平臺攻擊范圍邊緣和攻擊范圍外三種狀態。

4）目標平臺類型：來襲敵方目標發射平臺類型不同，其飛行速度和攻擊能力也不同，對要地的威脅程度也不一樣，因此，在考慮敵方目標攻擊意圖時，也需要考慮敵方平臺的威脅程度，一般來說可分為艦射平臺、岸射平臺和空射平臺三種類型。

5）目標高度：敵方目標飛行高度越低，被發現的概率越小。在敵方目標距離我方艦艇較遠時，飛行高度對我方攻擊意圖不明顯，但近距離突然出現的低空目標，對我方的威脅將明顯提高。對于目標攻擊意圖，可從目標高度變化信息進行推斷，一般可分為目標由高至低，由高至高和由中至低三種狀態。

3.2 攻擊意圖評估貝葉斯網絡模型

利用貝葉斯網絡進行目標攻擊意圖評估主要包括三個步驟：1）確定節點及節點狀態；2）確定節點關系；3）節點概率分配。對于3.1節中確定的變量，可建立如圖2所示的貝葉斯網絡模型，其中離散后的變量狀態如下：

目標攻擊意圖（A）：1代表有意圖，2代表無意圖；

目標高度變化（B）：1代表由高至低，2代表由高至高，3代表由中至低；

目標平臺屬性（C）：1代表艦射，2代表空射，3代表岸射；

目標距離（D）：1代表范圍內，2代表邊緣，3代表范圍外；

目標航向變化（E）：1代表接近，2代表遠離；

目標飛行速度（F）：1代表超音速，2代表亞音速。

圖2 目標攻擊意圖貝葉斯網絡模型

在建立了貝葉斯網絡模型后，重要的步驟是根據專家知識和先驗知識建立父節點和子節點之間的概率表。表1～表5分別根據專家知識和經驗知識給出了上述節點A、B、C、D、E、F之間的條件概率，這樣就可以根據獲取的證據信息進行網絡推理。

表1 目標攻擊意圖與高度變化條件概率表

表2 目標攻擊意圖與平臺屬性條件概率表

表3 目標攻擊意圖與距離條件概率表

表4 目標攻擊意圖與航向變化條件概率表

表5 目標平臺屬性與飛行速度條件概率表

3.3 攻擊意圖評估流程

編隊防空目標攻擊意圖評估的流程是：首先用指定的先驗概率和條件概率對網絡進行初始化；當檢測到新的敵方目標屬性信息時，即網絡的葉節點信息更新，則觸發網絡推理，通過貝葉斯公式，得到后驗概率，從而更新整個網絡節點狀態的概率分布，更新后的后驗概率分布則作為下一次推理的先驗分布；最后獲取根節點（威脅類型節點）狀態的概率分布情況，根據判決規則，將最大后驗概率者判定為攻擊意圖評估結果，其流程如圖3所示。貝葉斯網絡推理算法一般有精確推理算法和近似推理算法兩種，對于文中的貝葉斯網絡模型，節點較少，結構相對簡單，屬于單連通網絡，可采用精確推理算法進行推理［8］。

圖3 目標攻擊意圖評估貝葉斯網絡推理流程

4 仿真分析

為了驗證本文算法的有效性，將設計仿真試驗進行編隊防空目標攻擊意圖評估。假設我方編隊預警探測系統探測到有四枚導彈向我方艦艇編隊襲來，經過多傳感器信息融合識別后，我方艦艇指控系統顯示四枚導彈的信息分別為：

導彈1的探測信息為在我方武器平臺攻擊范圍內，且具有由高向低的高度變化趨勢，即B＝1，D＝1；

導彈2的探測信息為飛行速度信息為200m／s，即處于亞音速飛行狀態，高度變化信息為由高向高飛行，航向信息為接近我方艦艇編隊，則可知F＝2，B＝2，E＝1；

導彈3的探測信息為飛行速度500m／s，即為超音速，距離在我方武器平臺攻擊邊緣，航向信息為接近我方艦艇編隊，則可知F＝1，D＝2，E＝1。

導彈4的探測信息為飛行速度300m／s，即為亞音速，距離在我方武器平臺攻擊外圍，航向信息為接近我方艦艇編隊，則可知F＝1，D＝3，E＝1。

表6 目標攻擊意圖推理結果

圖4 目標攻擊意圖推理后驗概率分布圖

仿真編程環境為Windows XP下Visual Studio 2005，其中計算機配置為Intel（R）Core（TM）；I5－3450CPU ＠3.10GHz 3.09GHz；內存3.19 GHz。在進行仿真試驗時，采用了基于PolyTree的消息傳遞算法進行網絡推理，該算法屬于精確推理算法，通過網絡節點之間的消息傳遞實現后驗概率計算。表6中給出了根據觀測的證據信息對來襲的四枚導彈的推理結果，其中導彈1和導彈3有明顯攻擊意圖，其具有攻擊意圖的概率分別為0.9574和0.6988，可知導彈1更具威脅性，在后續的目標分配中應重點考慮，導彈2和導彈4攻擊意圖尚不明顯，且導彈2攻擊意圖最不明顯，其概率僅為0.3124，圖4給出了相應的推理后驗概率分布圖。從這些結果來看，利用貝葉斯網絡進行目標攻擊意圖評估能夠很好地結合專家經驗知識處理不確定性信息和不完備數據集，并能夠比較準確地反映敵方目標攻擊意圖，具備科學性和合理性，能為海戰場防空輔助決策提供理論支持。

5 結語

針對艦艇防空輔助決策中的敵方來襲目標的威脅判斷關鍵問題，文中利用貝葉斯網絡建立了目標攻擊意圖多屬性評估模型，利用貝葉斯網絡在不確定知識表達和推理方面的優勢進行了目標攻擊意圖評估，可以根據海戰場提供的各種觀測證據信息進行實時推理，大大提高了敵方攻擊意圖評估的信息化和自動化程度。仿真試驗結果表明了文中目標攻擊意圖評估的有效性和可行性，為實際海戰中進行目標攻擊意圖評估提供了參考依據和理論指導。本文方法的實際應用有待于后續裝備的推廣和實際海戰裝備的應用試驗，此外，海戰場環境復雜多變，實際海戰中可能需要考慮更多的因素、更復雜的情況，這將有待于后續更深入的研究，這將是我們下一步要重點研究的內容。

［1］譚安勝.水面艦艇編隊作戰運籌分析［M］.北京：國防工業出版社，2009：235－240.

［2］劉慶鴻.網絡中心戰—21世紀的作戰概念［J］.現代防御技術，2003，31（2）：1－5.

［3］Hall D L，Llinas J.An introduction to multi－sensor data fusion［C］／／Proceedings of IEEE，1997，85（1）：6－23.

［4］Alessio Benavoli，Branko Ristic，Alfonso Farina，et al.An Application of Evidential Networks to Threat Assessment［J］.IEEE Transactions on Aerospace and E－lectronic Systems，2009，45（2）：620－639.

［5］Looney G G.Exploring fusion architecture for a common operational picture［J］.Information Fusion，2001，2（4）：251－260.

［6］Liang Qianglian，Cheng Xuzhen.KUPS：Knowledgebased ubiquitous and persistent sensor networks for threat assessment［J］.IEEE Transactions on Aerospace and Electronic Systems，2008，44（3）：1060－1069.

［7］韓崇昭，朱洪艷，段戰勝，等.多源信息融合［M］.北京：清華大學出版社，2006：113－123.

［8］史志富，張安.貝葉斯網絡理論及其在軍事系統中的應用［M］.北京：國防工業出版社，2012：78－90.

［9］朱傳偉，童幼堂，陸永紅.基于串聯模型框架的目標威脅評估［J］.指揮控制與仿真，2014，36（1）：74－77.

［10］林宗祥，孫永侃，李雪飛.潛艇對水面艦艇威脅評估模型的設計思路［J］.魚雷技術，2012，20（4）：306－313.