孫永芹，紀金耀，馬興華，姚成柱

(1.中國人民解放軍91206部隊，山東 青島 266108；2.海軍潛艇學院，山東 青島 266071)

0 引言

隨著高新防空武器的服役，其作戰(zhàn)范圍達到了前所未有的廣大空間。同時，遠程精確制導技術的發(fā)展，使空中打擊行動不僅可進行臨空轟炸，還可隨行非接觸式空襲，這些變化促使超視距(beyond-visual-range, BVR，飛行員目力范圍以外，約10 km以上)、“攻防兼?zhèn)洹毙托赂拍罘揽粘蔀楝F(xiàn)代防空的第一選擇。在現(xiàn)代防空作戰(zhàn)中，面對大規(guī)模的各類目標，對目標威脅進行科學、準確地評估，是避免重復攻擊、提高作戰(zhàn)效能的關鍵因素，具有重要的研究價值和實戰(zhàn)意義。

1 威脅評估方法概述

威脅評估(threat assessment, TA)問題的研究，2000年左右已有文獻報道，近年來已被激活，各種方法相互融合和改進，取得了一些成績[1-10]，如協(xié)調(diào)優(yōu)勢粗糙集方法[6]、馬爾可夫鏈[7,11]、Vague物元[8,12]等TA參量法，以及一些改進的TA非參量法[10]。但這些方法大多參考了近距作戰(zhàn)的TA模型，如文獻[9-10]等，不適用于BVR作戰(zhàn)的TA。文獻[13]提出了一種超視距空戰(zhàn)TA非參量法模型，但該方法所使用的模型較為粗糙，且構造的進入角、方位角優(yōu)勢函數(shù)不符合實際情況。而且在BVR防空作戰(zhàn)中，威脅因素之間往往具有一定的相關性，如何有效地表示相關因素的重要性，并對其進行綜合，將直接影響TA的結果。因此，本文引入模糊測度與模糊積分理論，解決上述TA問題，提出一種適用于BVR防空作戰(zhàn)的TA方法。TA問題實際上是根據(jù)威脅因素確定目標威脅等級的過程：①選取影響TA的威脅因素;②確定各屬性的重要性；③采用一定的集成算法對各因素的影響進行綜合，實現(xiàn)目標TA。本文綜合考慮敵我雙方戰(zhàn)機(包括其武器)性能，從整個體系做出分析，選取來自空戰(zhàn)態(tài)勢、效能、對雙方做出威脅行為的事件、目標戰(zhàn)役價值為主要影響TA的因素，建立BVR防空作戰(zhàn)TA優(yōu)勢函數(shù)模型，采用Marichal熵算法確定各威脅因素的模糊測度，然后采用Choquet模糊積分對各因素的影響進行綜合，實現(xiàn)TA。如圖1所示。

圖1 威脅評估框圖Fig.1 Flow chart for threat assessment

2 BVR防空作戰(zhàn)威脅評估因素優(yōu)勢函數(shù)建模

2.1 態(tài)勢優(yōu)勢模型

假定BVR防空作戰(zhàn)中作戰(zhàn)態(tài)勢如圖2所示，L為作戰(zhàn)雙方之間的距離，φ是目標方位角，q是目標進入角，且0≤|q|≤180°，0≤|φ|≤180°。v是我方速度，vt是目標速度。

圖2 雙方作戰(zhàn)態(tài)勢圖Fig.2 Combat situation of both sides

2.1.1 距離優(yōu)勢函數(shù)

現(xiàn)代戰(zhàn)機空戰(zhàn)能力除與飛機性能(如機頭快速指向能力)有關外，主要取決于火控雷達和空空導彈的性能[13-16]。距離指標是決定火控雷達性能和空空導彈性能的主要指標之一，其具體包括雷達最大搜索距離Lrmax、導彈最大攻擊距離Lmmax、導彈不可逃逸區(qū)最大距離Lmk max、導彈不可逃逸區(qū)最小距離Lmk min。因此，距離對優(yōu)勢指數(shù)的影響可以認為主要反映在雷達發(fā)現(xiàn)概率和導彈的殺傷概率上。對于一定雷達反射截面積的目標，雷達發(fā)現(xiàn)概率隨距離增大而減小，且在L≥Lrmax時，雖然不能依靠自身探測設備發(fā)射武器，但可以借助其他平臺傳送的目標信息，裝訂目標參數(shù)，發(fā)射遠程攻擊武器。故而構造如下距離優(yōu)勢函數(shù)：

(1)

2.1.2 角度優(yōu)勢函數(shù)

角度指標是決定火控雷達性能和空空導彈性能的另一個主要指標，其具體包括雷達最大搜索方位角φrmax，空空導彈最大離軸發(fā)射角φmmax，不可逃逸區(qū)圓錐角φmk max。

隨著“離軸發(fā)射”等先進火控技術的發(fā)展，使得作戰(zhàn)飛機在機頭在不指向目標的情況下也可以進行攻擊，而且進入角對優(yōu)勢函數(shù)也是有影響的，主要體現(xiàn)在對導彈殺傷概率的影響上[13-16]。另外，在雙方迎頭作戰(zhàn)和尾追條件下，進入角的優(yōu)勢是不同的，一般說來，雙方迎頭作戰(zhàn)時，可以在較遠距離發(fā)射中遠距空空導彈，優(yōu)勢較大，尾追條件下優(yōu)勢較小。故而構造進入角優(yōu)勢函數(shù)：

(2)

方位角對優(yōu)勢指數(shù)的影響主要反映在雷達發(fā)現(xiàn)概率和導彈的殺傷概率上。當目標進入雷達搜索區(qū)，但未進入導彈攻擊區(qū)，此時優(yōu)勢較小；進入導彈攻擊區(qū)而未進入不可逃避區(qū)，此時優(yōu)勢居中；目標進入不可逃避區(qū)，若距離也小于一定值，則無論目標作何機動，此時發(fā)射導彈，都將以不低于一定的殺傷概率值殺傷目標；在雷達搜索區(qū)以外的區(qū)域，方位角優(yōu)勢函數(shù)值相對較小，但是不能簡單的等于0，且不同的方位角度下，其方位角優(yōu)勢是不同的。故而，構造方位角優(yōu)勢函數(shù)：

(3)

2.1.3 能量優(yōu)勢函數(shù)

在BVR防空作戰(zhàn)中，載機高度和速度對導彈射程都是有影響的[17]，從而影響總體優(yōu)勢。所以，不考慮高度對優(yōu)勢函數(shù)的影響是不合理的。因此，定義戰(zhàn)機單位能量為E=H+v2/2g，參閱文獻[17]的能量優(yōu)勢函數(shù)，構造戰(zhàn)機能量優(yōu)勢函數(shù)為

(4)

式中：E為戰(zhàn)機單位能量；Et為目標機單位能量；g為當?shù)刂亓铀俣取?/p>

2.1.4 態(tài)勢優(yōu)勢函數(shù)

假設β1，β2，β3分別為戰(zhàn)機相對于目標機的角度優(yōu)勢、距離優(yōu)勢、能量優(yōu)勢的權值，且β1+β2+β3=1(0≤β1,β2,β3≤1)。綜合角度優(yōu)勢、距離優(yōu)勢、能量優(yōu)勢，即可得到態(tài)勢優(yōu)勢：

(5)

2.2 效能優(yōu)勢模型

空戰(zhàn)能力指數(shù)C，本文取參考文獻[18]中的定義，計算所得數(shù)據(jù)保存在數(shù)據(jù)庫中，依據(jù)敵我雙方裝備變更情況適時更新。該空戰(zhàn)能力指數(shù)很全面的反映了各種類型飛機的靜態(tài)作戰(zhàn)能力。但在BVR防空作戰(zhàn)中，數(shù)據(jù)鏈成員共享信息，之間相互協(xié)同作戰(zhàn)，只考慮敵機的空戰(zhàn)能力的單機效能優(yōu)勢函數(shù)是不全面的，甚至有可能對作戰(zhàn)效果造成不利的影響。故而，構造效能優(yōu)勢如下：

首先將空戰(zhàn)能力指數(shù)進行歸一化處理，這里取空戰(zhàn)能力指數(shù)的相對值TCi，設i是第i架飛機，則

TCi=Ci/maxCi.

(6)

設TCa，TCt分別為歸一化后的戰(zhàn)機與目標機的空戰(zhàn)能力指數(shù)，構造效能優(yōu)勢：

Tm=TCa-TCt+1/2.

(7)

2.3 事件優(yōu)勢模型

作戰(zhàn)實體在作戰(zhàn)過程中會不斷出現(xiàn)加(減)速、拐彎、爬升、輻射源開(關)機、導彈符合發(fā)射條件等屬性變化行為，這些行為都可能對對方作戰(zhàn)實體產(chǎn)生威脅，這些產(chǎn)生威脅的行為即事件。本文簡單選取以下幾個具備代表性的相關事件，定義如下事件優(yōu)勢TI。

(1) 實體雷達輻射：未輻射時，TI=0；對目標機掃描時，TI=0.5；對目標機進行多目標跟蹤時，TI=0.8；對目標機連續(xù)跟蹤時，TI=1。

(2) 實體導彈發(fā)射：對目標機發(fā)射導彈時，TI=1。

2.4 目標戰(zhàn)役價值對威脅評估的影響

在BVR防空作戰(zhàn)中，除了考慮敵機群對我機(群)的威脅，還要將其對我要保護的目標的威脅(表現(xiàn)為目標的戰(zhàn)役價值)考慮在內(nèi)。目標的戰(zhàn)役價值J一般由作戰(zhàn)指揮系統(tǒng)確定，也可以根據(jù)目標的對地攻擊能力或者特種作戰(zhàn)能力(預警、電子干擾等)確定，其具體的計算取值參閱文獻[18]。需要說明的是，為了和其他因素的數(shù)量級一致，一般J乘以0.1，用TJ表示，即為TJ=0.1J。

3 Marichal熵確定各威脅因素的重要性

3.1 模糊測度

模糊測度是日本學者Sugeno在1974年首次提出的，它是對因素集的建模，可以表示一個或多個指標的綜合重要程度，更加準確地刻畫了多個指標之間的相互關系[9]。其定義如下：設(X,F)為一可測空間，F(xiàn)為X的所有子集組成的σ-代數(shù)，g是F上的一個模糊測度，如果存在λ>-1，?A,B?X,A∩B=Φ，滿足：

gA∪B=gA+gB+λgAgB.

(8)

則稱g為gλ模糊測度。若X={x1,x2,…,xn}為有限集合，則映射：xi→gi=g({xi})，i=1,2,…,n，稱為模糊密度函數(shù)。gλ模糊測度可完全由其模糊密度函數(shù)確定，即

(9)

態(tài)勢、效能、事件、目標戰(zhàn)役價值等威脅因素，相互之間并不孤立，故而本文采用模糊測度表示各優(yōu)勢函數(shù)的重要程度。

3.2 Marichal熵計算威脅因素的模糊測度

Marichal熵算法是一種常用的計算模糊測度的方法[9]，它通過數(shù)據(jù)學習得到模糊測度，比較客觀，其具體計算思路是：采用Marichal熵構建目標函數(shù)，建立優(yōu)化模型，通過最大化Marichal熵求解各優(yōu)勢函數(shù)的重要程度。

模糊測度Marichal熵的定義為

(10)

式中：X為因素集；n為X中元素個數(shù)；gλ為定義在X上的模糊測度；ξS(n)和μ(x)分別為

(11)

(12)

依據(jù)優(yōu)化模型式(13)求解威脅因素各優(yōu)勢函數(shù)的模糊測度：

(13)

式中：Ii為單個因素的Shapley值，表示因素的全局重要性，可通過采用適當?shù)姆椒?如層次分析法)得到。

4 Choquet模糊積分確定威脅排序

綜合態(tài)勢、效能、事件、目標戰(zhàn)役價值等威脅因素的集成算法，即相關因素的集結算子，采用模糊積分，模糊積分的形式有很多，本文采用Choquet模糊積分，其定義如下：

設有限集合X={x1,x2,…,xn}，函數(shù)f為離散值函數(shù)，函數(shù)值分別為{f(x1),f(x2),…,f(xn)}，且假設f(x1)≤f(x2)≤…≤f(xn)，則f在X上關于測度ρ的Choquet模糊積分定義[9]為

(14)

式中：f(x0)=0；Ai={xi,xi+1,…,xn}。

Choquet積分是對加權平均算子的擴展。

采用上述的Choquet模糊積分綜合各優(yōu)勢函數(shù)，可得防空作戰(zhàn)總體優(yōu)勢函數(shù)T，由此可得目標的優(yōu)勢排序，最終的威脅排序即是該優(yōu)勢排序的反序列。

5 仿真驗證與分析

針對目標進入角、方位角、雙方相對距離、高度、速度、效能、事件變化對總體優(yōu)勢函數(shù)T的影響進行了仿真，仿真數(shù)據(jù)為：φrmax=65°，φmmax=35°，φmk max=20°；Lrmax=140 km，Lmmax=80 km，Lmk max=60 km，Lmk min=40 km；由專家判斷所得Shapley值，如表1所示，圖3～9分別為總體優(yōu)勢函數(shù)T隨不同參數(shù)的變化圖；執(zhí)行要地防空任務時，專家判斷所得Shapley值如表2所示，圖10是總體優(yōu)勢函數(shù)T隨目標機的目標戰(zhàn)役價值的變化圖。

針對Marichal熵和Choquet模糊積分解決威脅評估相關性問題進行仿真，假設防空戰(zhàn)中有8架目標機，其型號分別是F-16C，F(xiàn)-15E，F(xiàn)-5E，作戰(zhàn)態(tài)勢如表3所示。8架目標機的相關參數(shù)、目標屬性值及戰(zhàn)役價值如表4所示，Shapley值如表2所示。由本文所建模型得到8架敵機的總體優(yōu)勢函數(shù)值，如表5所示。

表1 威脅因素的Shapley值Table 1 Shapley values for threat factor

表2 執(zhí)行要地防空任務時，威脅因素的Shapley值Table 2 Shapley values for threat factor in air defense combat

表3 雙方作戰(zhàn)態(tài)勢表Table 3 Combat situation of both sides

表4 8架目標機的相關參數(shù)、目標屬性值及戰(zhàn)役價值表Table 4 Correlation parameters, attribute values, goal campaign value for 8 targets

表5 8架目標機的總體優(yōu)勢函數(shù)值表Table 5 Values of total advantage function for 8 targets

圖3 總體優(yōu)勢函數(shù)隨方位角變化圖Fig.3 Total advantage function changes with azimuth

圖4 總體優(yōu)勢函數(shù)隨進入角變化圖Fig.4 Total advantage function changes with enter angle

圖5 總體優(yōu)勢函數(shù)隨距離變化圖Fig.5 Total advantage function changes with distance

圖6 總體優(yōu)勢函數(shù)隨高度變化圖Fig.6 Total advantage function changes with height

圖7 總體優(yōu)勢函數(shù)隨速度變化圖Fig.7 Total advantage function changes with speed

圖8 總體優(yōu)勢函數(shù)隨空戰(zhàn)效能變化圖Fig.8 Total advantage function changes with efficiency

圖9 總體優(yōu)勢函數(shù)隨事件變化圖Fig.9 Total advantage function changes with event

圖10 總體優(yōu)勢函數(shù)隨目標戰(zhàn)役價值變化圖Fig.10 Total advantage function changes with goal campaign value

由圖3可得，在不同的進入角下，相同的方位角對應的總體優(yōu)勢不一樣。由圖4可得，在不同的方位角下，相同的進入角對應的總體優(yōu)勢也不一樣。圖5反映了目標在導彈不可逃逸區(qū)內(nèi)時總體優(yōu)勢最大。圖6～10分別反映了總體優(yōu)勢隨戰(zhàn)機高度、戰(zhàn)機速度、效能優(yōu)勢、事件優(yōu)勢、目標戰(zhàn)役價值的增大而增大。故而，所建優(yōu)勢函數(shù)模型合理、可行，符合BVR防空作戰(zhàn)規(guī)律。

由表3得8架目標機的優(yōu)勢排序為(由大到小)：(1，2，7，6，8，5，3，4)。故而最終的威脅排序為(由大到小)：(4，3，5，8，6，7，2，1)。所以，Marichal熵算法和Choquet模糊積分可有效解決TA中威脅因素關聯(lián)問題，實現(xiàn)威脅排序。

6 結束語

本文針對BVR防空作戰(zhàn)，建立了TA優(yōu)勢函數(shù)模型，優(yōu)化了態(tài)勢優(yōu)勢、效能優(yōu)勢，增加了目標戰(zhàn)役價值；并針對威脅因素之間常存在關聯(lián)的情況，引入模糊測度和模糊積分，提出了基于Marichal熵和Choquet模糊積分的TA方法，用gλ模糊測度對關聯(lián)TA因素的重要程度進行建模，專家判斷提供了Shapley值，Marichal熵算法計算了gλ；模糊測度；Choquet積分實現(xiàn)了威脅排序。最后進行了仿真分析，仿真結果表明所建立的模型合理、可行。

參考文獻：

[1] CHEN Jun, YU Guan-hua, GAO Xiao-guang. Cooperative Threat Assessment of Multi-Aircrafts Based on Synthetic Fuzzy Cognitive Map[J]. J. Shanghai Jiaotong Univ. (Sci.), 2012,17(2): 228-232.

[2] 文云峰,石章松,吳彬,等.艦艇自防御的威脅排序方法研究[J].現(xiàn)代防御技術，2012,40(2):77-81.

WEN Yun-feng, SHI Zhang-song, WU Bin, et al. Research on Threat Sequencing of Ship Self-Defense[J]. Modern Defense Technology，2012,40(2):77-81.

[3] 王改革,郭立紅,段紅,等.基于Elman-AdaBoost強預測器的目標威脅評估模型及算法[J]. 電子學報，2012,40(5):901-906.

WANG Gai-ge,GUO Li-hong,DUAN Hong, et al. The Model and Algorithm for the Target Threat Assessment Based on Elman-AdaBoost Strong Predictor[J]. Acta Electronica Sinica，2012,40(5): 901-906.

[4] 陳華,張可,曹建蜀.基于PSO-BP算法的目標威脅評估[J].計算機應用研究，2012,29(3):900-901,932.

CHEN Hua, ZHANG Ke, CAO Jian-shu. Target Threat Assessment Based on PSO-BP Algorithm[J]. Application Research of Computers，2012,29(3):900-901,932.

[5] 周玉龍,何永強,張維安.紅外魚眼系統(tǒng)下的多目標威脅評估研究[J].光學學報.2012,32(6):1-6.

ZHOU Yu-long, HE Yong-qiang, ZHANG Wei-an. Multi-Target Threat Assessment of the Infrared Fisheye System[J]. Acta Optica Sinica,2012,32(6):1-6.

[6] 蔡佳,胡杰,黃長強.協(xié)調(diào)優(yōu)勢粗糙集方法及其在UCAV目標威脅估計中的應用[J].系統(tǒng)工程理論與實踐,2012,32(6):1377-1384.

CAI Jia, HU Jie, HUANG Chang-qiang. A Consistent Dominance Rough Sets Method and Its Application in Threat Assessment of UCAV′s Targets[J]. Systems engineering Theory & Practice,2012,32(6):1377-1384.

[7] 韓占朋,王玉惠,姜長生,等.基于馬爾可夫鏈的新型威脅評估預測方法[J].吉林大學學報：信息科學版,2012,30(2):151-156.

HAN Zhan-peng, WANG Yu-hui, JIANG Chang-sheng, et al. New Threat Assessment Prediction Method Based on Markov Chain[J]. Journal of Jilin University：Information Science ed,2012,30(2):151-156.

[8] 夏璐,邢清華,范海雄.Vague物元及熵權的空襲目標威脅評估[J].火力與指揮控制,2012,37(2):84-88.

XIA Lu, XING Qing-hua, FAN Hai-xiong. Threat Evaluation of Air Attack Targets Based on Vague Matter-Element and Entropy Weight[J]. Fire Control & Command Control,2012,37(2):84-88.

[9] 黃潔,李弼程,趙擁軍.基于Choquet模糊積分的目標威脅評估方法[J].信息工程大學學報，2012,13(1):18-21.

HUANG Jie, LI Bi-cheng, ZHAO Yong-jun. Target Threat Assessment Based on Choquet Fuzzy Integral[J]. Journal of Information Engineering University，2012,13(1):18-21.

[10] 谷向東,童中翔,郭輝,等.IAHP和熵權相結合的TOPSIS法的空戰(zhàn)目標威脅評估[J].火力與指揮控制，2012,37(1):69-72.

GU Xiang-dong, TONG Zhong-xiang, GUO Hui, et al. Target Threat Assessment for Air Combat Based on TOPSIS Combining by IAHP and Entropy Weight[J].Fire Control&Command Control，2012,37(1):69-72.

[11] WU Yan, WANG Xin, XIAO Ping, et al. Fast Algorithm Based on Triplet Markov Fields for Unsupervised Multi-class Segmentation of SAR Images[J]. SCIENCE CHINA, 2011,54(7):15244-1533.

[12] JUN Y. Using an Improved Measure Function of Vague sets for Multi-Criteria Fuzzy Decision-Making[J].Expert Systems with Applications,2010,37(9):4706-4709.

[13] 高永,向錦武.一種新的超視距空戰(zhàn)威脅估計非參量法模型[J].系統(tǒng)仿真學報，2006,18(9):2570-2573.

GAO Yong, XIANG Jin-wu. New Threat Assessment Non-Parameter Model in Beyond-Visual-Range Air Combat[J]. Journal of System Simulation，2006,18(9):2570-2573.

[14] WANG Na, WANG Guo-hong, ZENG Jia-you, et al. Range Ambiguity Resolving of HPRF Radar Based on Hybrid Filter[J]. Science China, 2011,54(7):1534-1546.

[15] HAN RUSNAK. Bouunds on the Root-Mean-Square Miss of Radar-Guided Missiles Against Sinusoidal Target Maneuvers[J].Journal of Guidance ,Control, and Dynamics,2011,34(4):1060-1069.

[16] Graham V Weinberg. An Investigation of the Pareto Distribution as a Model for High Grazing Angle Clutter, ADA543170[R].Australia,2011.

[17] 馬偉江,姚佩陽,馮煊,等.基于多級模糊綜合評判法的態(tài)勢評估方法研究[J].電光與控制,2011,18(62):21-25.

MA Wei-jiang, YAO Pei-yang, FENG Xuan, et al. Research on Situation Assessment Based on Multi-Level Fuzzy Integration Judgment[J]. Electronics Optics & Control,2011,18(62):21-25.

[18] 朱寶鎏,朱榮昌,熊笑非.作戰(zhàn)飛機效能評估[M].北京:航空工業(yè)出版社,2006:63-68.

ZHU Bao-liu, ZHU Rong-chang, XIONG Xiao-fei. Effectiveness Evaluation of Combat Aircraft[M].Beijing: Aeronautics Industry Press,2006:63-68.