基于作戰數據的遠海作戰智能化服務平臺關鍵技術研究*

陳文平 向 慧

（武漢數字工程研究所 武漢 430205）

1 引言

遠海作戰是未來海上戰爭的重要內容，而因其作戰范圍的廣泛性、任務的即時性、環境的復雜性、資源的不確定性，各遠海作戰單元所產生的作戰數據面臨無法即時共享、很難有效整合的問題，這為遠海作戰情報體系建設帶來巨大挑戰。因此必須綜合運用人工智能理論技術、復雜系統理論方法和體系工程方法，突破海上作戰數據現行的體系頂層架構，設計一套智能化的、穩健的、實時互通的遠海作戰數據架構，并基于此架構，利用知識計算相關技術，自主發掘、篩選、矯正、評估、共享作戰數據內蘊知識，實現遠海作戰的數據化、精確化、體系化、智能化情報保障，支撐作戰編隊在遠海獨立、準確、快速、高效的行動決策。

2 總體設計

針對遠海作戰背景下，數據準確、即時、穩健服務的軍事需求，構建基于分布式儲存和分布式計算的新型海上數據服務平臺。基本邏輯架構分為三層：節點計算層、知識共享層、遠海作戰云端。通過邊緣計算層各級作戰單元對所產生的作戰數據實時處理和挖掘分析，提取重要作戰要素信息，實現初步知識積累和分布式共享知識庫的構建。統籌優化知識共享策略，高效利用多類共享手段，實時管控共享安全，實現遠海通信約束下的全向智能知識共享體系，支撐遠海作戰云端的邏輯組成。在云端通過知識整合、知識消歧、知識推理、知識發現、知識增殖等多源知識挖掘技術，構建面向遠海作戰情報保障的超維知識圖譜，形成整體完備、內部一致的遠海作戰知識體系。平臺的邏輯結構如圖1所示。

圖1 遠海作戰智能化服務平臺邏輯結構圖

3 關鍵技術

依據遠海作戰智能化服務平臺的邏輯構成，服務平臺的關鍵技術包括遠海作戰目標實體知識挖掘、面向遠海作戰的知識安全智能共享以及異構知識計算。

3.1 遠海作戰目標實體知識挖掘

在各作戰單元內，利用圖像處理、水聲分析等技術，分別對各型傳感器、衛星等探測設備所產生的探測數據進行智能融合和高效挖掘，實現秒級的目標身份信息識別、目標關鍵點及關鍵位置識別；利用增量學習技術，構建目標行為分析模型，實現實時目標行為分析，支撐目標意圖判斷。遠海作戰目標實體知識挖掘框架如圖2 所示。

圖2 遠海作戰目標實體知識挖掘框架

3.1.1 作戰目標身份檢測

針對遠海作戰模式，各作戰節點結合自身傳感適配數據，對探測目標的身份、國籍、類型、作戰層級、隸屬關系等信息進行智能挖掘、模糊校準、深度匹配等，實現遠海作戰壞境下對作戰目標的身份檢測與確認。

3.1.2 目標精細化識別

目標的精細化識別是在遠海作戰編隊各級節點對作戰目標協同感知的基礎上，通過多級融合和深度關聯技術，實現對遠海非合作目標編隊內關鍵目標的識別，以及對目標的關鍵部位的識別，形成大范圍立體打擊的基礎數據保障。

3.1.3 目標行為分析

各作戰節點依據目標的運動軌跡信息，結合歷史數據，構建目標機動模型，對目標進行簡單的行為分析，分析目標現行運動模式，預測目標活動軌跡，圈定目標活動范圍。

3.1.4 目標意圖判斷

依據先驗軍事知識，結合目標各作戰要素信息，通過人機協同的方式，智能分析目標實時意圖，并依據流態數據，實時增量更新意圖評估模型，實現對目標的意圖判斷。

3.2 面向遠海作戰的知識安全智能共享技術

針對遠海作戰通信的帶寬、鏈路的穩定性、敵方的情偵威脅等多項約束條件，研究面向遠海作戰的知識安全智能共享技術。通過低時延雙活全向信息共享架構技術，構建岸基弱相關的獨立信息共享拓撲，支撐作戰體系內高效實時數據共享；利用動態規劃等技術，依各節點特性，實現知識共享的自組織籌劃；利用優化技術，制定高效的數據傳輸鏈路策略；建立知識共享評估指標，有效評估知識共享過程，設計高容災的知識共享體系。

3.2.1 低時延雙活全向信息共享架構

設計面向遠海作戰的多體制、多平臺、窄帶寬、強抗毀的低延時雙活全向信息共享架構，在邏輯層面形成一個健壯的全向拓撲網絡，以支撐遠海作戰編隊內的智能信息共享。

3.2.2 自組織知識共享

知識自組織共享主要是整合有限的通信資源，通過對待傳輸知識和傳輸鏈路的評估，利用多重優化方法，結合多種智能推薦引擎，統籌規劃知識傳輸順序、知識傳輸模式、知識傳輸鏈路，形成完備的、安全的、高效的、可控的多級數據傳輸策略。

3.2.3 知識共享風險評估及容災設計

結合各類遠海任務背景，構建共享體系安全評估指標，對共享網絡內蘊的結構風險、組織風險進行量化建模，實時監控并測評整個共享過程的安全指數，并依據評估結果，動態調整共享網路邏輯結構。通過異地即時備份、信息壓縮加密等技術，提升作戰編隊數據共享系統的容災能力。

3.3 異構知識計算技術

在遠海作戰云端，利用異構知識表示技術，建立統一的知識量化表示，構建各作戰單元的知識倉儲；利用知識消歧、知識補全、維度約簡等技術，結合領域先驗知識及相應規則，實現對云端知識的一致性處理和最優化表達；利用關聯關系挖掘、知識符號推理進行多源知識融合、潛在知識發現，以實現知識動態擴展和知識增量更迭；結合復雜網絡、信息系統等理論手段，建立遠海作戰知識圖譜，支撐超維知識計算，實現目標精準信息識別、目標高級意圖分析、以及面向編隊的目標社區動態發現、目標社區群行為分析等知識的頂層應用。云端異構知識處理框架圖如圖3所示。

圖3 云端異構知識處理框圖

3.3.1 異構知識統一表示

利用張量模型、符號系統等技術手段，對傳入邏輯云端的數據，構建知識的統一表示模式，形成對多源知識的統一量化指標。建立知識層級目錄，結構化各知識條目，優化知識儲存物理路徑，形成可快速檢索的云端邏輯知識庫。

3.3.2 知識優化表達

結合軍事先驗知識、符號推理技術以及機器學習方法，構建知識一致性審查模型，實現對云端知識的內蘊結構的優化和矯正，包括知識消歧、知識驗證、知識關聯、知識融合等。并針對多來源的作戰要素信息，利用維度約簡、表示學習等方法優化知識的統一表達。

3.3.3 多來源潛在知識挖掘

依據多節信息融合處理技術，完善并更新單一節點生成知識，提升知識置信度。依據軍事規則要義，在情報分析領域的典型應用背景下，挖掘更深層次的潛在關系。采用統計機器學習方法、復雜網絡分析方法、以及邏輯符號推理技術，建立各知識之間的潛在邏輯關系，并基于知識推理、知識補全等知識計算手段實現知識增量更新和動態增值。

3.3.4 遠海作戰知識圖譜構建

梳理作戰云端知識庫表中的有效知識，依據知識結構條目，設計知識圖譜邏輯框架，初步建立支撐遠海作戰情報保障的超維知識圖譜，并依據譜內知識計算，實時迭代更新圖譜信息。依云端圖譜，智能推送面向遠海作戰的各類作戰要素知識，包括目標精準信息識別、目標高級意圖分析、以及面向編隊的目標社區動態發現、目標社區群行為分析等知識的頂層應用。

4 結語

遠海作戰作為未來海上戰爭的重要組成部分，由于其環境復雜性和資源的不確定性，給數據資源及時共享和綜合應用提出了挑戰。本文從遠海作戰數據共享與利用的角度，提出了一套較為完整的作戰數據應用體系架構及關鍵技術解決方案，從作戰節點知識層、知識共享層以及端服務層進行了詳細的闡述和設計，對提高遠海作戰數據的體系化精準化保障提供了重要手段支撐。