電子目標關聯關系的綜合分析方法初探

康維維

（中國電子科技集團公司第十研究所，四川 成都 610000）

1 幾種典型的電子目標間業務關聯關系

1.1 通聯關系

在信息化軍事活動過程中，所有目標對象都不是孤立一個節點，目標要完成通信、識別、導航等業務動作，必須通過各種通信網絡與配套對象進行消息互通，一般采用的通信手段包括電臺通信、衛星通信、數據鏈、IFF、塔康等。這樣目標對象之間通過各種類型的信號構成了通聯關系網絡。通過對戰場信號的截獲、處理和分析，可獲取信號之間的通聯關系，挖掘信號中隱含的目標通聯關系。

圖1展示了某無人機工作過程中與地面站、衛星及預警機等對象的通聯關系示意圖。

圖1

1.2 指揮引導關系

在軍事活動中，因為對象之間存在上下隸屬、業務指導和數據牽引的約束要求，所以相關目標之間往往通過通信手段來完成直接或間接的指揮操作，便于上級目標對象完成指令和信息的傳達，下級目標對象接收指令，遂行戰斗任務，及時反饋狀態信息。如：指揮中心向下級部隊下達作戰指令；預警機向戰斗機、無人機傳遞打擊對象信息；機場塔臺向飛機發出駐泊注意事項等。所以可見指揮引導關系基礎是來源于通聯關系，但因為業務場景的特殊限制，這種關系鏈路上承載的數據流向有明顯的指向性。

1.3 協同組網關系

在軍事活動中，大量存在由于任務規模、時空條件、功效限制以及其他外部因素，常需要多個目標對象為完成軍事任務同步/異步開展配合和協作，此類行為往往具有以下特點：（1）相互配合的目標對象種類相同、相似或者功能同質化，如：一批多架次的反潛機共同前出偵察；X國沿海多個對海雷達站為全面跟蹤偵察一個敵方目標采取組網模式進行監視（接力/共視/協同）。（2）基于軍事動作的及時性和完成度要求，協作組網的目標對象往往在時間/空間以或者電磁輻射屬性特征上具有高度的相近，如：電子干擾機同一時間遠程支援戰斗機進行突防；航母編隊內層的多艘驅逐艦長期肩負近程防空反導，保衛航母的任務。以下將針對電子目標這三種典型的關聯關系如何分析獲取展開描述。

2 電子目標典型關聯關系的綜合分析方法

2.1 基于累積功率值聚類和主成分分析的目標通聯關系分析

眾所周知，在真實的電磁戰場環境中，由于大部分被偵察的通信網絡都是非合作的，且普遍采用了跳頻/擴頻信號并從下而上層層加密(從物理層到鏈路層、網絡層、傳輸層等)，導致即使完成信號解調后仍然難以通過逐層推算解密的方式獲取準確的通信情報內涵，因此，需要盡可能地繞開對這些加密手段的解碼，嘗試基于物理層特征信息來識別上層通聯關系。通過研究發現，目標之間通信時的功率累積量對比其未進行通信時的數值是偏大的（因為在未進行通信時，網絡中各節點只需交換必要的網絡維護信息，所以其天線發射功率較低），并且通信發起方與接收方的功率累積量也有顯著不同，這樣就可以進一步推斷出不同通信行為的各節點組成的功率累積值的向量一定存在較為明顯的特征區別，所以針對這一數據特點，可嘗試采用k-means算法等聚類算法對各偵察時刻的累積功率進行聚類積分，形成累積功率信息，判斷哪一偵察時刻是否有通信行為發生，并基于主成分分析方法，完成對指定網絡通聯關系的識別。其分析實現流程圖如圖2。

圖2

（1）首先，加載待觀察的輻射源信號形成網絡節點功率譜，通過分時積分形成目標節點累積功率信息矩陣。（2）進一步計算觀察時間段內節點累積功率信息矩陣X的協方差矩陣A，利用該矩陣旨在評估節點之間的相關性，即是否存在通聯行為。（3）基于主成分分析法,再將A的特征向量按照特征值大小進行排列組合，選擇特征值占比大于95%以上的前k個特征值（k為網絡中通聯關系數量）。（4）最終獲取的最大節點組即是存在通聯關系的目標節點集合。

2.2 基于因果校驗的目標指揮引導關系分析

電子目標之間的指揮關系如果沒有內涵情報的輔助支撐，即使掌握了其間的通聯行為，也很難從通聯關系中直接獲取，一般而言，出入度比較高的節點（邊比較多）是指揮節點的概率相對較高，但是，在真實網絡中，這樣的節點可能充當中繼或者路由的作用，并非是指揮節點，如衛星。所以換一種思路，我們可認為普通節點與指揮節點之間的互動關聯是一種基于某種因果關系或者相反的關系，比如，自頂向下，普通節點往往接收來自指揮節點的信息，并受其控制做出對應的舉動；又或者自下而上，指揮節點基于接收下級普通節點的反饋從而產生控制下級普通節點的行為。

因此，我們可先利用通聯關系或者其他未定性關聯關系構建分析對象的貝葉斯網絡，這其中的網絡結構用于表示網絡中節點之間的概率依賴關系和條件獨立關系，具有相對清晰獨立的因果關系和語義特征；而網絡中每個節點所自帶的網絡屬性參數則映射該節點所對應父節點集的條件概率分布表，如頻繁的時序關系，這是用于量化表征節點和其父節點集之間的依賴程度，同時也可作為是網絡中節點間不確定性的度量，得到多輪計算后的候選結果集后，再利用因果推斷來分析目標節點間活動的潛在因果關系，推理出可能的指揮關系節點。整個分析邏輯流程圖如圖3。

圖3

（1）首先采用多目標的時序模式分析得到各目標節點之間的頻繁時序模式。（2）根據得到的頻繁時序模式，可以得到目標之間經常出現的模式，一旦兩個節點之間存在某種頻繁模式，認為它們存在某種依賴關系。（3）然后采用IDA算法來分析他們的因果關系，如目標A和目標B之間存在因果關系，則認為A和B之間可能存在指揮關系。（4）然后，再根據外部情報資料來輔助研判或修正，最終得到可信度較高的目標之間指揮引導關系。

2.3 基于概率非負矩陣分解算法的目標組網關系分析

雖然現實世界中的軍事活動是一個交互無處不在且極其復雜的網絡，但通過很多事后研判分析表明，很多看似毫無關聯的、形態迥異且時空無法嚴格對準的真實網絡存在高度相似的拓撲結構，它們的度分布大多遵循冪律分布且具有小世界特性，并呈現出非常明顯的“社區”結構，也就是說：該網絡中存在多個由節點內聚形成的子網絡，單個子網絡內部的節點間連接較為頻繁，而不同子網絡的節點之間的互動相對稀疏。這就是軍事網絡模塊化與異質性的真實典型反映，所以我們幾乎可以宏觀地認為，任何一個軍事網絡都是由許多不同類型節點各自聚合形成的，而這些高內聚的節點對象（目標）往往具有類似的行為或者存在協作關系，唯一的區別就是復雜度和規模大小。

綜上所述，由于軍事網絡的異質性導致其中每個子網絡大小實際可能很不均勻，即整個網絡中節點規模大的子網絡極少，絕大多數是由十分稀疏的節點組成的小規模子網絡。所以，在這種現狀下，廣泛采用的模塊度優化方法將很難保證發現真正最優的子網絡集合。所以在本文中，我們將網絡（以通聯關系為主，固有關系為補充）構建為一個矩陣，并對該矩陣采用概率非負矩陣分解的辦法進行組網關系發現。分析實現流程圖4。

圖4

（1）首先要基于已經獲取到的指定目標對象之間的通聯關系。（2）進一步將目標簡單通聯關系作為數據矩陣。（3）采用貝葉斯非負矩陣分解方法NMF對其進行分解，從而得到新的特征空間的基矩陣和節點在該特征空間的系數矩陣，即：隸屬度矩陣H。（4）再通過閾值過濾，就可以得到節點屬于哪一個網絡，基于節點與目標的映射關系可以大概分析得到哪些目標屬于一類網絡，進而證明其存在組網關系。（5）后續還可以進一步添加業務約束：如隸屬相同的戰斗單位、種類相近、時空標簽接近等條件對已形成組網關系的目標集合進行范圍精確縮小。

3 結語

在電磁空間中，利用電磁信號分析電子目標之間的業務關聯關系對挖掘掌握敵目標之間的網絡拓撲結構、通聯建立過程、路由情況、關鍵節點、信號對應目標的工作模式乃至戰場狀態分析等有重要的價值和意義。本文綜合了電子目標幾種典型業務關系的分析方法，可以看到越廣泛翔實的業務數據獲取將越能對相關分析服務的算法驗證和成果孵化帶來支撐，數據量的多寡和數據項是否完備會帶來對服務關鍵算法效果的影響風險，除了進一步驗證算法并增加對比實驗外，還需要對輸入數據的來源進行充分調研，并基于數據需求細化業務數據模型，對于確實難以獲取的數據或者局部核心屬性字段，盡量利用先驗知識或者默認經驗值進行有效填補，否則暫時舍棄該屬性，盡量避免大量空值導致數據過于稀疏。