反導防御態勢評估研究*

張 亮

(91404部隊 秦皇島 066000)

?

反導防御態勢評估研究*

張 亮

(91404部隊 秦皇島 066000)

在復雜戰場環境下,對作戰平臺傳感器系統獲得的大量數據進行分析處理,實現數據融合具有重要的意義,態勢評估屬于數據融合中的高層融合,貝葉斯網絡是一種不確定性推理工具,論文采用貝葉斯網絡對作戰平臺反導防御進行態勢評估研究,設計了反導防御態勢評估模型。

反導; 態勢評估; 貝葉斯網絡

Class Number E927

1 引言

隨著信息技術的飛速發展,現代戰場作戰平臺面臨的是復雜的環境,因此在實戰環境中,作戰平臺電子系統獲得的信息量巨大,又由于傳感器受到背景電磁信號和敵方布置的虛假信號等的干擾,所偵察的信息又具有很大的不確定性。如何快速有效地掌握錯綜復雜、瞬息萬變的戰場態勢,對作戰平臺周邊環境進行威脅判斷,成為平臺防御和采取及時準確戰術技術措施的重要前提。

2 態勢評估

2.1 數據融合融合與態勢評估

JDL模型認為態勢評估是這樣一個過程:建立包含作戰行為、時間序列、軍事事件、目標位置和戰斗力量要素等的一張多重視圖,將所觀測到的戰斗力量要素分布和各種軍事事件以及戰場環境有機地結合起來,識別已經發生的軍事事件,得到敵方戰斗力量分布、兵力部署、行動方向與線路的估計,指出敵軍的作戰模式,推斷出敵軍的作戰意圖,做出對當前戰場態勢的合理解釋,并預測臨近時刻的態勢變化。由此可以看出,態勢評估是對戰場中戰斗力量分布及其動態變化情況進行解釋,推斷敵方意圖,預測未來態勢,從而提供最優決策的依據并實現資源分配的過程[1～2]。

態勢評估是對戰場上獲得的數據流進行高層次關系提取與處理,屬于信息融合中的高層融合。它接收一級融合的結果,在態勢覺察的基礎上,對態勢元素進行提取、理解并對未來態勢進行預測。態勢評估的推理過程一般基于領域知識,模擬人腦思維的符號推理,更接近于人的思維方式。態勢評估主要研究戰場態勢的形成和發展變化規律,根據戰場實體的態勢,包括狀態和動作,判斷該實體的行為模式[3]。

2.2 貝葉斯網絡應用于態勢評估

貝葉斯網絡最初起源于貝葉斯統計分析,1763年英國數學家貝葉斯的論文“An essay toward solving a problem in the doctrine of chances”為后來貝葉斯學派奠定了基礎。貝葉斯網絡又稱置信網絡、概率網絡、因果網絡,是貝葉斯方法的擴展,它的理論基礎是貝葉斯公式。貝葉斯網絡起源于人工智能中處理不確定性問題的研究,是概率論和圖論相結合的產物,是一種基于概率的不確定性推理網絡,它可以將具體問題中復雜的變量關系在一個網絡結構中表示,通過網絡模型反映問題領域中變量的依賴關系,用于不確定性問題的建模和推理[4～6]。

貝葉斯網絡的優點: 1) 貝葉斯網絡適于描述復雜系統中事件的表征與態勢之間的多對多關系和不確定性關系; 2) 允許新證據連續地加入貝葉斯網絡,實現動態推理和計算態勢的累計效果,滿足實時系統的要求; 3) 有效集成各種不同類型的信息,如專家經驗與試驗數據、定量信息與定性信息、完整數據與缺值數據等; 4) 知識的表達和推理有嚴格的數學基礎,推理的連續性克服了基于規則系統的某些不足。

考慮到貝葉斯網絡技術是一種概率統計方法,理論成熟,邏輯推理嚴密,同時,網絡的結構和參數既可通過經驗設定,又可通過學習獲得。另外,用貝葉斯網絡節點可以較好表示戰場軍事事件,直觀性強,而各軍事事件的因果關系又可反映在貝葉斯網絡的條件概率之中,符合領域專家的判斷準則,因此本文采用貝葉斯網絡對反導防御這一軍事活動進行態勢評估研究[7～9]。

3 反導態勢評估設計

戰術態勢推演是態勢評估的重要內容之一,戰術態勢推演可以分為進攻戰術態勢推演、防御戰術態勢推演、戰術方案選擇推演等。本文針對艦艇作戰平臺反導這一軍事活動,對反導防御態勢推演進行分析與設計[10]。

3.1 確定節點變量及其值域

在反導防御的貝葉斯網絡中,節點類型有三種:事件節點、中間節點和態勢節點。事件節點通過態勢覺察獲得,作為貝葉斯網絡的證據輸入,事件節點有:

1) 外部環境W:主要指艦艇周圍的風速、風向對箔條云的影響,其值域為將當前海況分成若干等級;

2) 導彈速度MV:其值域為從亞音速至兩倍音速;

3) 形成箔條云時間CT:表示從本艦偵收到末制導信號,到在空中形成箔條云經歷的時間,其值域為0min～2min;

4) 偵收末制導持續時間RT:表示首次偵收到末制導信號到當前時刻仍偵收到末制導信號的持續時間。由于有源干擾距離越遠對干擾越有效,因此隨著時間增加,干擾成功的概率會變小,其值域為0min～10min;

5) 丟失目標次數LN:表示我方偵察機丟失末制導信號的次數,這一次數間接反映了導彈末制導信號對我方艦艇跟蹤丟失的次數,其值域為0至若干次;

6) 攔截彈發射時彈目距離LD:其值域從0km～200km;

7) 相對速度TV:其值域為從亞音速到4倍音速;

8) 攔截彈數量LN:其值域從0枚導彈到多枚導彈;

9) 火炮密度FM:其值域高密度、中密度、低密度;

10) 火炮速度FV:其值域高速度、中速度、低速度。

中間節點是指貝葉斯網絡中隱含的態勢要素,其值域不能直接獲得,中間節點有:

1) 火炮攔截FL:其值域為從很差到很好;

2) 質心干擾CJ:表示質心干擾的效果,在干擾效果比較好的情況下,導彈仍有概率擊中目標。其值域為干擾效果從很差到很好;

3) 有源干擾RJ:其值域為從很差到很好;

4) 導彈攔截ML:其值域為從很差到很好;

5) 攔截彈捕獲目標CH:其值域為捕獲和未捕獲;

6) 箔條云停留時間ST:表示箔條云能夠達到有效的雷達反射截面積從而引導導彈偏離目標艦艇,箔條云處于這種狀態在空中停留的時間,其值域為0min～3min;

7) 艦艇與箔條云分離DS:其值域從未分離、部分分離到完全分離。

態勢節點只有一個,用來表示反導防御是否成功,態勢節點為:

防御成功DF:其值域為成功,失敗。

3.2 確定各節點之間的條件依賴關系

采用因果推理的方式,以最終的反導防御是否成功為結果輸出,將節點防御成功(DF)作為唯一的葉節點。

按照艦艇反導防御的手段有采用艦空導彈攔截、艦炮攔截、有源干擾和無源質心干擾,將四種反導手段的效果作為影響防御效果的因素,因此,將節點導彈攔截(ML)、火炮攔截(FL)、質心干擾(CJ)和有源干擾(RJ)作為防御成功(DF)的四個父節點。

艦空導彈攔截的成功率與攔截彈的數量和攔截彈是否捕獲目標有關,而攔截彈捕獲來襲導彈的概率與攔截彈探測器有效工作時間有關,即和攔截彈發射時彈目距離、相對速度有關。因此,攔截彈捕獲目標(CH)和攔截彈數量(LN)作為導彈攔截(ML)的父節點,相對速度(TV)和攔截彈發射時彈目距離(LD)作為攔截彈捕獲目標(CH)的父節點。

火炮攔截的成功概率與火炮發射密度、火炮速度和導彈速度有關。因此,火炮密度(FM)、火炮速度(FV)和導彈速度(MV)作為火炮攔截(FL)的父節點。

質心干擾的成功率只與導彈擊中目標艦艇之前,艦艇和箔條云分離,艦艇與箔條云的RCS質心偏離艦艇的概率有關,而艦艇和箔條云有效分離受到形成箔條云的時間、導彈速度、箔條云停留時間的影響,箔條云停留時間又受到戰場風速的影響。因此,節點箔條云停留時間(ST)、導彈速度(MV)、形成箔條云時間(CT)作為艦艇箔條云有效分離(DS)的父節點。

由于距離越遠,對于有源干擾越有利,因此隨著我方艦載傳感器持續對末制導信號的偵收,有源干擾成功的概率降低,而艦載傳感器丟失目標次數表明來襲導彈的抗干擾能力強弱,加之和我方艦艇的距離更近,有源干擾成功的概率更低,因此節點偵收末制導持續時間(RT)和丟失目標次數(LN)作為有源干擾(RJ)的父節點。

根據上述分析,確定各軍事事件節點、中間節點及態勢節點的相互依賴關系,得到如圖1貝葉斯網絡結構。

圖1 反導貝葉斯網絡

3.3 確定節點變量的值

根據領域知識,對節點變量進行模糊化,設定若干區間作為節點變量值。

1) 外部環境W={W1=一級海況,W2=二級海況,W3=三級海況};

2) 箔條云停留時間ST={ST1=[0,1],ST2=[1,1.5],ST3=[1.5,2],ST4=[2,2.5]},單位min;

3) 形成箔條云時間CT={CT1=[0,40],CT2=[40,60],CT3=[60,80],CT4=[80,100],CT5=[100,120]},單位s;

4) 導彈速度MV={MV1=[200,300],MV2=[300,400],MV3=[400,800]},單位m/s;

5) 艦艇與箔條云分離DS={DS1=分離,DS2=未分離};

6) 質心干擾CJ={CJ1=良好,CJ2=一般,CJ3=差};

7) 相對速度TV={MV1=[400,600],MV2=[600,800],MV3=[800,1600]},單位m/s;

8) 攔截彈數量LN={LN1=1;LN2=2;LN3=3};

9) 攔截彈發射時彈目距離LD={LD1=[0,20],LD2=[20,50],LD3=[50,100],LD4=[100,150],LD5=[150,200]},單位km;

10) 攔截彈捕獲目標CH={CH1=捕獲,CH2=未捕獲};

11) 導彈攔截ML={ML1=良好,ML2=一般,ML3=差};

12) 丟失目標次數LN={LN1=0次,LN2=1次,LN3=2次};

13) 偵收末制導持續時間RT={RT1=[0,2],RT2=[2,4],RT3=[4,6],RT4=[6,8],RT5=[8,10]},單位min;14) 有源干擾RJ={RJ1=良好,RJ2=一般,RJ3=差};

15) 火炮攔截FL={FL1=良好,FL2=一般,FL3=差};

16) 火炮密度FM={FM1=高密度,FM2=中密度,FM3=低密度};

17) 火炮速度FV={FV1=高速度,FV2=中速度,FV3=低速度};

18) 防御成功DF={DF1=成功,DF2=失敗}。

3.4 確定條件概率表

由于樣本數據缺乏,條件概率表根據領域知識確定。

CPTTV=ai,其中ai=P(TV=TVi);

CPTLD=ai,其中ai=P(LD=LDi);

CPTCH=(aijk)2×3×5,其中aijk=P(CH=CHi|TV=TVj,LD=LDk);

CPTML=(aijk)3×2×3,其中aijk=P(ML=MLi|CH=CHj,LN=LNk);

…

3.5 概率推理

初始條件:各證據變量取值等概率,防御成功的后驗概率為

P(DF=DF1|ML,CJ,RJ)=0.5
P(DF=DF2|ML,CJ,RJ)=0.5

輸入證據,按照貝葉斯網絡的概率傳播算法,求得防御成功的后驗概率。

概率推理結果的準確性與設計的貝葉斯網絡結構的合理性和條件概率設置的合理性有關,在貝葉斯網絡結構確定的情況下,設置條件概率必須咨詢相關領域專家,使之更加合理。

4 結語

本文采用貝葉斯網絡進行邏輯推理,實現對戰場環境下反導防御的態勢評估,態勢評估的準確性依賴于貝葉斯網絡結構的合理性以及先驗概率的準確性,對于先驗概率的設置,可以基于領域知識,采用對專家咨詢加權平均法獲得,在樣本數據充分的情況下,可以采用貝葉斯網絡的學習過程獲得。

[1] 楊露菁,余華.多源信息融合理論與應用[M].北京:北京郵電大學出版社,2006:1-22.

[2] 康耀紅.數據融合理論與應用[M].西安:西安電子科技大學出版社,1997:1-24.

[3] 吳瑕,周焰.多傳感器目標融合識別系統模型研究現狀與問題[J].宇航學報,2010(5):503-506.

[4] 張連文,郭海鵬.貝葉斯網引論[M].北京:科學出版社,2006:31-105.

[5] Pearl J.Fusion,Propagation,and Structuring in Belief Networks[J].Artificial Intelligence,1986,29(3):241-288.

[6] Cooper G.Computational complexity of probabilistic inference using Bayesian network[J].Artificial Intelligence,1990.

[7] David L.Hall,James Llinas.An Introduction to Multisensor Data Fusion[C]//Proceedings of the IEEE,1976,85(1):6-15.

[8] 王欣.多傳感器數據融合問題的研究[D].長春:吉林大學博士論文,2006.

[9] E.Waltz,J.Llinas.Multisensor Data Fusion[M].Boston,MA: Artech House,1990.

[10] 羅景青.雷達對抗原理[M].武漢:海軍工程大學,2003:5-6.

Research on Anti-missile Situation Assessment

ZHANG Liang

(No.91404 Troops of PLA,Qinhuangdao 066000)

Under the complex battlefield environment,large data from sensors of flighting platform has vital significance are analyzed and processed.Situation assessment is high level of data fusion,Bayesian network is a kind of uncertainty reasoning tool.This paper uses Bayesian network to research on anti-missile situation assessment of flighting platform and designs the model of anti-missile situation assessment.

anti-missile,situation assessment,Bayesian network

2014年8月10日,

2014年9月11日

張亮,男,碩士,工程師,研究方向:雷達對抗。

E927

10.3969/j.issn1672-9730.2015.02.015