王 勃，姚佩陽(yáng)，稅冬東，陳潔鈺

（空軍工程大學(xué) 信息與導(dǎo)航學(xué)院，陜西 西安710077）

0 引 言

對(duì)戰(zhàn)場(chǎng)威脅區(qū)域的威脅強(qiáng)度評(píng)估是UAV 航跡規(guī)劃［1］的一個(gè)重要環(huán)節(jié)，航跡規(guī)劃中實(shí)時(shí)、準(zhǔn)確的威脅強(qiáng)度評(píng)估，可以引導(dǎo)UAV 在執(zhí)行任務(wù)過(guò)程中有效的躲避威脅、障礙，最終以最小代價(jià)到達(dá)任務(wù)區(qū)域并完成任務(wù)。為了適應(yīng)信息化條件下的作戰(zhàn)需求，以及動(dòng)態(tài)環(huán)境中規(guī)劃實(shí)時(shí)性的要求，對(duì)復(fù)雜戰(zhàn)場(chǎng)環(huán)境和敵我雙方態(tài)勢(shì)分析建模的實(shí)用性、時(shí)效性提出了越來(lái)越高的要求。對(duì)戰(zhàn)場(chǎng)空間威脅建模，通常是按照一定規(guī)則將空、地域分解為多個(gè)威脅區(qū)，根據(jù)模擬戰(zhàn)場(chǎng)環(huán)境分析各威脅區(qū)之間關(guān)系，對(duì)每個(gè)區(qū)域的威脅強(qiáng)度進(jìn)行估計(jì)，從而降低問(wèn)題的復(fù)雜度，以實(shí)現(xiàn)航跡威脅強(qiáng)度評(píng)估。當(dāng)前對(duì)戰(zhàn)場(chǎng)威脅估計(jì)建模采用的方法包括多屬性決策［2］、神經(jīng)網(wǎng)絡(luò)技術(shù)［3］、模糊技術(shù)［4］、態(tài)勢(shì)推演［5］等。

在不確定戰(zhàn)場(chǎng)環(huán)境中進(jìn)行威脅強(qiáng)度估計(jì)時(shí)，要對(duì)各威脅區(qū)域與航跡威脅強(qiáng)度之間因果影響關(guān)系進(jìn)行建模，貝葉斯網(wǎng)絡(luò)［6，7］（Bayesian networks，BNs）是處理此類(lèi)問(wèn)題的常用方法，BNs不僅能滿足對(duì)不確定事件的建模要求，而且能夠很好地描述事件－效果之間的因果關(guān)系［8］。但BNs在應(yīng)用時(shí)需要定義節(jié)點(diǎn)間條件概率，這些概率參數(shù)有時(shí)難以獲得，并且需要專(zhuān)家指定，往往主觀性較強(qiáng)。在未來(lái)戰(zhàn)爭(zhēng)中，敵方會(huì)針對(duì)我方進(jìn)攻或防守形式實(shí)施各種有效措施，例如電子壓制、攔截等，即便是我方擁有先進(jìn)的偵查技術(shù)也很難將戰(zhàn)時(shí)的各種態(tài)勢(shì)分析全面，與此同時(shí)，天氣等自然條件的變化也是不可掌控的因素。利用BNs處理多變的戰(zhàn)場(chǎng)環(huán)境問(wèn)題時(shí)，計(jì)算的復(fù)雜度會(huì)隨著輸入因素的增加成指數(shù)倍增長(zhǎng)。為解決BNs面臨的上述問(wèn)題，喬治梅森大學(xué)的研究團(tuán)隊(duì)在貝葉斯網(wǎng)絡(luò)的基礎(chǔ)上，結(jié)合因果強(qiáng)度邏輯（causal strength logic，CAST）參數(shù)，提出了一種不確定推理建模機(jī)制——影響網(wǎng)［9］（influence nets，INs）。本文利用INs處理戰(zhàn)場(chǎng)威脅強(qiáng)度問(wèn)題，分析戰(zhàn)場(chǎng)環(huán)境威脅因素，構(gòu)建各威脅因素與戰(zhàn)場(chǎng)威脅強(qiáng)度的關(guān)系模型，評(píng)定各航跡的威脅情況，利用案例仿真分析驗(yàn)證所提方法的有效性。

1 影響網(wǎng)模型

1.1 影響網(wǎng)的概念

INs是為了解決貝葉斯網(wǎng)絡(luò)在描述任務(wù)關(guān)系過(guò)程中需要大量的先驗(yàn)信息和復(fù)雜概率推演過(guò)程這些難題而提出的。INs將任務(wù)過(guò)程描述成一種有向無(wú)環(huán)的拓?fù)浣Y(jié)構(gòu)，用圖形與箭頭直觀的表示出任務(wù)內(nèi)部各要素之間的聯(lián)系［10］。將只有輸出的要素表示為根節(jié)點(diǎn)，也稱(chēng)可控事件；只有輸入的節(jié)點(diǎn)稱(chēng)為葉節(jié)點(diǎn)；既有輸出也有輸入的稱(chēng)為中間節(jié)點(diǎn)，也稱(chēng)為中間事件。由于貝葉斯網(wǎng)絡(luò)在解決復(fù)雜問(wèn)題時(shí)，輸出參數(shù)隨著輸入?yún)?shù)個(gè)數(shù)呈指數(shù)倍增加，這使得問(wèn)題的求解效率下降。為此K.C.Chang改進(jìn)了一種CAST 參數(shù)邏輯方法，自定義一組參數(shù)來(lái)削弱這種限制。這種邏輯方法只需要為每組節(jié)點(diǎn)定義一組有價(jià)值的參數(shù)（hi，gi），如圖1 所示，利用此參數(shù)確定兩事件之間的影響關(guān)系，h表示A 事件發(fā)生對(duì)B 事件發(fā)生的影響；g表示A 事件不發(fā)生 （）對(duì)B事件發(fā)生的影響，h與g的取值范圍為 ［－1.0，1.0］，其中用數(shù)值的正負(fù)分別表示兩者促進(jìn)與抑制關(guān)系，用數(shù)值的大小表示兩者關(guān)系的強(qiáng)度， “0”代表沒(méi)有影響。同時(shí)，需要對(duì)所有的根節(jié)點(diǎn)指定先驗(yàn)概率g （Ai），非根節(jié)點(diǎn)指定基準(zhǔn)概率g （Bi）、g （C）［11］。

圖1 影響網(wǎng)

在利用INs確定根節(jié)點(diǎn)對(duì)子節(jié)點(diǎn)的影響強(qiáng)度集合時(shí)，需要綜合考慮影響參數(shù)（hi，gi），以圖1中A1、A2、B1為例：當(dāng)A1、A2都發(fā)生時(shí)，即P（B1｜A1，A2），此時(shí)的影響集合為 ｛h1，h2｝；當(dāng)A1發(fā)生、A2不發(fā)生時(shí)，即P（B1｜A1，），此時(shí)的影響集合為 ｛h1，g2｝。

對(duì)于影響值（hi，gi）：若hi＞0，gi!0，表示事件A 的發(fā)生對(duì)事件B的發(fā)生有促進(jìn)作用；若hi!0，gi＞0，表示事件A 的發(fā)生對(duì)事件B 的發(fā)生有抑制作用；對(duì)于臨界點(diǎn)0、1，－1，以hi為例，具有以下關(guān)系

式中：P（Bi｜Ai）——事件Bi在根節(jié)點(diǎn)Ai影響下的發(fā)生概率，P（Bi）——事件Bi不受任何影響時(shí)的發(fā)生概率。

將橫軸hi取值范圍在［－1，1］，縱軸P（Bi｜Ai）取值范圍在［0，1］，利用線性差值法，可得到條件概率P（Bi｜Ai）與邏輯參數(shù)hi和事件Bi的非條件概率P（Bi）之間關(guān)系為

影響網(wǎng)形式上可以表示為INs ＝〈V，E，C，B〉，其中G ＝〈V，E〉代表滿足馬爾科夫條件的一個(gè)有向無(wú)環(huán)圖，其中：V表示INs中節(jié)點(diǎn)集，即影響因素；E表示INs中邊的集合，代表節(jié)點(diǎn)間的因果影響；C表示INs中節(jié)點(diǎn)之間影響值集；B表示根節(jié)點(diǎn)的先驗(yàn)概率與非根節(jié)點(diǎn)的基準(zhǔn)概率。

1.2 影響網(wǎng)問(wèn)題分析

利用影響網(wǎng)對(duì)問(wèn)題進(jìn)行分析，即是利用數(shù)組INs ＝〈V，E，C，B〉對(duì)問(wèn)題進(jìn)行求解的過(guò)程，首先是要對(duì)數(shù)組INs＝〈V，E，C，B〉中的各個(gè)要素進(jìn)行計(jì)算和設(shè)置：

明確節(jié)點(diǎn)集即影響因素V ；確立各影響因素之間的因果關(guān)系集E；計(jì)算每個(gè)影響因素的影響值集C；確定根節(jié)點(diǎn)的先驗(yàn)概率與非根節(jié)點(diǎn)的基準(zhǔn)概率。

在對(duì)數(shù)組INs＝〈V，E，C，B〉中的各要素分析后，利用影響值確定聚合正、負(fù)影響值和整體影響值并計(jì)算出子節(jié)點(diǎn)條件概率；最后計(jì)算出子節(jié)點(diǎn)的發(fā)生概率。

具體節(jié)點(diǎn)相關(guān)概率計(jì)算步驟如下：

步驟1 對(duì)問(wèn)題進(jìn)行分析，將問(wèn)題中各要素歸類(lèi)分層，按層級(jí)關(guān)系確立節(jié)點(diǎn)集合V ；

步驟2 確立層內(nèi)各元素之間、層與層之間的因果關(guān)系E；

步驟3 利用CAST 邏輯方法確定每組元素之間的影響值集C，即確定（hi，gi）的值；

步驟4 在專(zhuān)家經(jīng)驗(yàn)和數(shù)據(jù)分析的基礎(chǔ)上，確定根節(jié)點(diǎn)的先驗(yàn)概率與非根節(jié)點(diǎn)的基準(zhǔn)概率；

步驟5 利用影響值（hi，gi），計(jì)算出聚合正影響強(qiáng)度值PI、聚合負(fù)影響強(qiáng)度值NI與整體影響值hn

步驟6 計(jì)算子節(jié)點(diǎn)條件概率P（Bi｜Ai）

式中：P（Bi）——目標(biāo)子節(jié)點(diǎn)B 的基準(zhǔn)概率。

步驟7 利用子節(jié)點(diǎn)Bi的條件概率P（Bi｜Ai）和根節(jié)點(diǎn)的先驗(yàn)概率P（Ai），根據(jù)全概公式和根節(jié)點(diǎn)發(fā)生概率相互獨(dú)立假設(shè)，可得

2 基于INs的戰(zhàn)場(chǎng)空間威脅建模

UAV 航跡規(guī)劃是以各類(lèi)約束為條件，規(guī)劃出滿足任務(wù)需求的飛行軌跡的過(guò)程，是UAV 任務(wù)規(guī)劃的關(guān)鍵技術(shù)之一。隨著UAV 作戰(zhàn)任務(wù)的多樣化，規(guī)劃形式正在從單機(jī)預(yù)先規(guī)劃向多編隊(duì)協(xié)同動(dòng)態(tài)規(guī)劃方向發(fā)展，內(nèi)容呈現(xiàn)多元化、復(fù)雜化趨勢(shì)。這就要求在面對(duì)不確定戰(zhàn)場(chǎng)地形環(huán)境、天氣因素、武器裝備等威脅時(shí)，高效準(zhǔn)確的計(jì)算出最佳航跡。為了解決傳統(tǒng)規(guī)劃方法較繁瑣、計(jì)算復(fù)雜等問(wèn)題，利用INs進(jìn)行戰(zhàn)場(chǎng)空間建模，能夠直觀描述各因素之間關(guān)系，有效提高航跡規(guī)劃效率。

2.1 戰(zhàn)場(chǎng)威脅建模描述

戰(zhàn)場(chǎng)威脅模型用以定量描述UAV 飛行空間中各威脅因素與航跡威脅強(qiáng)度之間的關(guān)系，威脅因素主要分為固有威脅和突發(fā)威脅2大類(lèi)，其中涉及天氣、地形、雷達(dá)、火炮、導(dǎo)彈等。利用對(duì)各航跡威脅強(qiáng)度的分析結(jié)果直觀地反映航跡的優(yōu)劣，以便進(jìn)行航跡選擇。

現(xiàn)代戰(zhàn)爭(zhēng)是以體系對(duì)抗為主，UAV 在飛行途中面對(duì)的不再只是單一的防御手段，而是有一定數(shù)量、有相應(yīng)組織的預(yù)警雷達(dá)、防空導(dǎo)彈、密集陣地火炮等多層次的防空手段。在有效規(guī)避雷達(dá)、火力威脅的同時(shí)，地形與氣象威脅也是要考慮的因素，如圖2 所示。面對(duì)錯(cuò)綜復(fù)雜的情況，UAV 的航跡威脅不能是簡(jiǎn)單的線性疊加，而是需要科學(xué)合理地描述出各個(gè)威脅源對(duì)于UAV 的影響，才能確保航跡規(guī)劃的實(shí)用性。此外，突發(fā)威脅 （比如預(yù)警機(jī)盤(pán)旋偵察、天氣突變等）的出現(xiàn)也會(huì)使問(wèn)題更加的復(fù)雜，在規(guī)劃過(guò)程中存在大量的不確定因素，為了很好的解決此類(lèi)問(wèn)題，下面利用INs對(duì)問(wèn)題進(jìn)行解決。

圖2 威脅區(qū)

2.2 INs威脅建模及求解過(guò)程

基于INs威脅建模首先是要明確建模對(duì)象，在充分分析戰(zhàn)場(chǎng)情況后，定義INs數(shù)組INs＝〈V，E，C，B〉。

（1）確定影響因素V：綜合考慮戰(zhàn)場(chǎng)威脅環(huán)境因素，將威脅定義為固定威脅與突發(fā)威脅2類(lèi)，其中主要考慮4類(lèi)威脅，分別為氣象威脅、地形威脅、雷達(dá)威脅、火力威脅。

1）氣象威脅Vw：氣象威脅主要從氣象種類(lèi)、毀傷強(qiáng)度、作用范圍、持續(xù)時(shí)間、出現(xiàn)頻率、穩(wěn)定程度等來(lái)對(duì)不同天氣情況進(jìn)行分類(lèi)，主要包括：風(fēng)暴、雷電、冰雹、雨雪、強(qiáng)對(duì)流、云層、霧霾、沙塵、溫度等。根據(jù)每種天氣的威脅強(qiáng)度，將氣象威脅等級(jí)分為高中低3級(jí)，高級(jí)即為災(zāi)難性影響天氣，主要包括風(fēng)暴、雷電、冰雹等；中級(jí)即為嚴(yán)重性影響天氣，主要包括雨雪、強(qiáng)對(duì)流層等；低級(jí)即輕微性影響天氣，主要包括云層、霧霾、沙塵、溫度等。

2）地形威脅Vg：UAV 飛行中經(jīng)常采用低空飛行，利用地形優(yōu)勢(shì)來(lái)規(guī)避雷達(dá)探測(cè)和火力打擊。地形威脅可分為禁飛區(qū)與可飛區(qū)2種，禁飛區(qū)指不可飛越地形，包括山峰等；可飛區(qū)指可穿越地形，包括峽谷、盆地、丘陵、叢林等，禁飛區(qū)對(duì)UAV 的威脅是致命的。這里只考慮可飛區(qū)，將可飛區(qū)威脅分為高低2 級(jí)，高級(jí)即為高概率撞毀地形，主要包括峽谷、叢林等；低級(jí)即為低概率撞毀地形，主要包括盆地、丘陵等。

3）雷達(dá)威脅Vr：雷達(dá)作為現(xiàn)代防空體統(tǒng)中的關(guān)鍵部分，是進(jìn)行目標(biāo)探測(cè)、跟蹤、精確武器指導(dǎo)的靈魂，雷達(dá)利用UAV 的RCS（雷達(dá)散射截面）反射波變化來(lái)探測(cè)目標(biāo)位置。雷達(dá)作用范圍較大，但相比其它威脅其威脅度較低。

4）火力威脅Vf：火力威脅主要包括防空導(dǎo)彈和密集火炮陣地：防空導(dǎo)彈主要用于摧毀中遠(yuǎn)距離目標(biāo)及高空目標(biāo)；密集火炮陣地主要用于摧毀近距離和低空目標(biāo)。在雷達(dá)探測(cè)并鎖定目標(biāo)之后，一旦進(jìn)入有效的火力射程范圍，目標(biāo)將會(huì)以一定概率被擊毀，這種毀傷一般是毀滅性的。在各種防空手段中，火力威脅一般處于最后階段。

本文中固定威脅主要考慮氣象、地形、雷達(dá)、火力威脅；突發(fā)威脅主要考慮雷達(dá)、火力威脅。

（2）確定影響因素關(guān)系E：將INs分為4層：效果層、中間層、影響層、基礎(chǔ)層。

1）效果層表示總威脅度Vt；

2）中間層表示2類(lèi)威脅，包括固定威脅Vi和突發(fā)威脅Ve；

3）影響層表示威脅直接要素，主要考慮氣象威脅Vw、地形威脅Vg、雷達(dá)威脅Vr、火力威脅Vf這4種因素；

4）基礎(chǔ)層表示威脅的根本因素，氣象威脅下的基礎(chǔ)層定義為高中低3級(jí)，分別為Vw1，Vw2，Vw3；地形威脅下的基礎(chǔ)層定義為高概率損毀與低概率損毀2 級(jí)，分別為Vg1，Vg2；雷達(dá)威脅下的基礎(chǔ)層定義一種探測(cè)雷達(dá)Vr1；火力威脅下的基礎(chǔ)層定義為防空導(dǎo)彈與密集火炮，分別為Vf1，Vf2。

INs的4個(gè)層次之間、各層元素之間具有很強(qiáng)的因果關(guān)系，可以將不同的因果關(guān)系按層級(jí)分為〈Efirst，Esecond，Ethird〉3種：

Efirst表示效果層與中間層的因果關(guān)系。｛Vi，Ve｝∈Vt。

Esecond表示影響層與中間層的因果關(guān)系，包括｛Vw，Vg，Vr，Vf｝∈i｛Vi，Ve｝。

Ethird表示基礎(chǔ)層與影響層的因果關(guān)系，其中包含｛Vw1，Vw2，Vw3｝∈Vw， ｛Vg1，Vg2｝∈Vg，Vr1∈Vr，｛Vf1，Vf2｝∈Vf。

（3）確定影響值集C：利用CAST 邏輯方法，根據(jù)每種因素在對(duì)UAV 正常飛行中影響程度的大小，確定每組元素的影響值（hi，gi）的值。本文只對(duì)促進(jìn)事件發(fā)生的影響值進(jìn)行分析，為方便分析，將gi值設(shè)為0，hi值根據(jù)影響強(qiáng)弱進(jìn)行設(shè)定。

（4）確定影響概率B：在專(zhuān)家經(jīng)驗(yàn)和數(shù)據(jù)分析的基礎(chǔ)上，確定根節(jié)點(diǎn)的先驗(yàn)概率與非根節(jié)點(diǎn)的基準(zhǔn)概率，先驗(yàn)概率表示的是根節(jié)點(diǎn)在任務(wù)初始階段發(fā)生的概率，基準(zhǔn)概率表示的是子節(jié)點(diǎn)在任務(wù)初始階段達(dá)成效果的概率。在威脅空間建模問(wèn)題中，根據(jù)各種威脅在任務(wù)初始階段的發(fā)生為等可能事件，不隨著其它事件的出現(xiàn)變化，因此將基礎(chǔ)層中節(jié)點(diǎn)的先驗(yàn)概率設(shè)為0.5，即為每種威脅出現(xiàn)與不出現(xiàn)的概率相等；根據(jù)各種專(zhuān)家經(jīng)驗(yàn)和數(shù)據(jù)分析結(jié)果對(duì)各子節(jié)點(diǎn)在任務(wù)初始階段達(dá)成的效果概率進(jìn)行分析，擬定影響層中節(jié)點(diǎn)的基準(zhǔn)概率為0.3，中間層節(jié)點(diǎn)的基準(zhǔn)概率為0.4，效果層中節(jié)點(diǎn)的基準(zhǔn)概率為0.3。

（5）確定正負(fù)影響強(qiáng)度與整體影響值：將影響值（hi，gi）代入式 （3）～式 （5），計(jì)算出聚合正影響強(qiáng)度值PI、聚合負(fù)影響強(qiáng)度值NI與整體影響值hn。

（6）確定條件概率：利用式 （6）確定各個(gè)子節(jié)點(diǎn)的條件概率P（Vi｜Vj）。

（7）確定效果層元素發(fā)生概率：利用式 （7）計(jì)算得出效果層VT的發(fā)生概率，即威脅概率。

綜合上述過(guò)程，可以得到INs模型，如圖3所示。

圖3 INs模型

3 案例仿真分析

在一場(chǎng)戰(zhàn)役中，UAV 編隊(duì)要執(zhí)行一次緊急遠(yuǎn)程目標(biāo)偵察任務(wù)，為了保證任務(wù)完成時(shí)間，要對(duì)敵方威脅區(qū)進(jìn)行突防。突防時(shí)所遇威脅可能是預(yù)先規(guī)劃方案中的單一威脅或多重威脅，也可能是各種突發(fā)威脅。以下假設(shè)2種威脅區(qū)域，分別對(duì)這2種威脅區(qū)域進(jìn)行分析計(jì)算：（設(shè)A、B、C、D 分別代表天氣威脅、地形威脅、雷達(dá)威脅、火力威脅）

假設(shè)局部威脅環(huán)境如圖4所示：在區(qū)域一中，A1區(qū)與B1、C1、D1這3 種威脅區(qū)重合，C1區(qū)與D1區(qū)重合，其中A1、B1、C、D1分別代表雨雪、盆地、預(yù)警雷達(dá)、防空導(dǎo)彈威脅；在區(qū)域二中，A2區(qū)與B2、C、D2這3種威脅區(qū)重合，B2、D2區(qū)分別與C區(qū)重合，其中A2、B2、C、D2分別代表沙塵、峽谷、雷達(dá)、火炮威脅。此處威脅區(qū)既可以指代固定威脅也可指代突發(fā)威脅。

圖4 局部威脅環(huán)境

對(duì)于各個(gè)威脅區(qū)屬性的假設(shè)見(jiàn)表1。

表1 威脅區(qū)參數(shù)

以下利用2.2節(jié)中所提到的INs求解步驟對(duì)各種可能遇到的威脅組合進(jìn)行威脅概率計(jì)算，得到威脅概率值見(jiàn)表2。

表2 各組合威脅概率值

表2中數(shù)據(jù)表明，UAV 在穿越威脅區(qū)時(shí)，對(duì)于不同天氣、地形、雷達(dá)、火力威脅區(qū)組合，威脅的概率值有明顯差異。威脅概率值的大小，直觀的表示出了所選航跡的威脅強(qiáng)度大小，在不考慮其它因素的情況下，UAV 飛行優(yōu)先選擇威脅概率值小的航跡。利用此方法進(jìn)行威脅概率求解分析，可以為UAV 的航跡最優(yōu)選擇提供科學(xué)的理論依據(jù)。

利用INs進(jìn)行威脅估計(jì)相比貝葉斯網(wǎng)絡(luò)，有以下優(yōu)勢(shì)：

（1）INs提供了一種有效表示航跡威脅情況的框架，各節(jié)點(diǎn)利用因果強(qiáng)度邏輯參數(shù)表示相互間的關(guān)系，相比貝葉斯網(wǎng)絡(luò)指定的參數(shù)個(gè)數(shù)大大減少，能夠更直觀明確地描述各威脅源與各條航線威脅度之間的關(guān)系；

（2）由于戰(zhàn)場(chǎng)環(huán)境具有不確定性，因此可能出現(xiàn)的情況較多。利用貝葉斯網(wǎng)絡(luò)進(jìn)行威脅分析時(shí)，其計(jì)算的復(fù)雜度隨著環(huán)境因素?cái)?shù)目的增長(zhǎng)呈指數(shù)倍增加，而用INs對(duì)某一條航跡的威脅概率進(jìn)行求解時(shí)，只需激活所求航跡上的節(jié)點(diǎn)，其余節(jié)點(diǎn)處于非激活狀態(tài)，相比貝葉斯網(wǎng)絡(luò)降低了計(jì)算的復(fù)雜度，提高了問(wèn)題求解的效率。

4 結(jié)束語(yǔ)

針對(duì)UAV 航跡規(guī)劃對(duì)航跡威脅強(qiáng)度的要求，以及戰(zhàn)場(chǎng)環(huán)境復(fù)雜，不確定因素多的特點(diǎn)，本文提出了一種基于INs的戰(zhàn)場(chǎng)威脅強(qiáng)度評(píng)估建模方法。首先利用INs求解思路對(duì)戰(zhàn)場(chǎng)環(huán)境中基本情況進(jìn)行分析，建立INs關(guān)系結(jié)構(gòu)圖，利用CAST 邏輯參數(shù)法對(duì)各個(gè)因素間關(guān)系進(jìn)行表示，求解出所選航跡的威脅概率值，最后針對(duì)具體威脅區(qū)域案例，對(duì)不同威脅區(qū)威脅情況進(jìn)行了計(jì)算與分析。利用INs法進(jìn)行戰(zhàn)場(chǎng)威脅強(qiáng)度評(píng)估建模，能夠直觀清晰的表示出各因素之間的邏輯關(guān)系，能夠簡(jiǎn)便有效的計(jì)算出威脅區(qū)域的威脅概率值，降低了問(wèn)題的復(fù)雜度，提高了問(wèn)題求解的時(shí)效性，為航跡的選擇提供了有效的科學(xué)指導(dǎo)依據(jù)。

［1］YE Wen，F(xiàn)AN Hongda，ZHU Aihong.Mission planning for unmanned aerial vehicles ［M］.Beijing：National Defence Industry Press，2011 （in Chinese）. ［葉文，范紅達(dá)，朱愛(ài)紅.無(wú)人飛行器任務(wù)規(guī)劃 ［M］.北京：國(guó)防工業(yè)出版社，2011.］

［2］WANG Xiaoyi，LIU Zaiwen，HOU Chaozhen，et al.Method of object threat assessment based on fuzzy MADM ［J］.Control and Decision，2007，22 （8）：859－863 （in Chinese）.［王小藝，劉載文，侯朝楨，等.基于模糊多屬性決策的目標(biāo)威脅估計(jì)方法 ［J］.控制與決策，2007，22 （8）：859－863.］

［3］WANG Gaige，GUO Lihong，DUAN Hong，et al.Target threat assessment using glowworm swarm optimization and BP neural network［J］.Journal of Jilin University：Eng and Technol Ed，2013（4）：1064－1069（in Chinese）.［王改革，郭立紅，段紅，等.基于螢火蟲(chóng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的目標(biāo)威脅估計(jì) ［J］.吉林大學(xué)學(xué)報(bào)：工學(xué)版，2013 （4）：1064－1069.］

［4］DU Jiyong，ZHANG Fengming，YANG Ji，et al.Assessment of air defense threat based on fuzzy theory ［J］.Fire Control ＆Command Control，2012，37 （10）：89－92 （in Chinese）.［杜繼永，張鳳鳴，楊驥，等.基于模糊理論的防空系統(tǒng)威脅評(píng)估方法 ［J］.火力與指揮控制，2012，37 （10）：89－92.］

［5］XIONG Jie，LIU Xiangwei，LI Jun.Situation assessment algorithm based on Bayesian network ［J］.Modern Defence Technology，2009，37 （5）：73－76 （in Chinese）. ［熊杰，劉相偉，李俊.基于貝葉斯網(wǎng)絡(luò)的態(tài)勢(shì)評(píng)估算法研究 ［J］.現(xiàn)代防御技術(shù)，2009，37 （5）：73－76.］

［6］ZHAO Jianjun，WANG Yi，YANG Libin，et al.Air defense threat assessment based on dynamic Bayesian network ［J］.Computer Technology and Development，2012，22 （11）：138－140 （in Chinese）.［趙建軍，王毅，楊利斌，等.基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的防空作戰(zhàn)威脅估計(jì) ［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2012，22 （11）：138－140.］

［7］LI Man，F(xiàn)ENG Xinxi.Threat identification based on Bayesian networks［J］.Modern Defence Technology，2009，37 （5）：10－13 （in Chinese）.［李曼，馮新喜.基于貝葉斯網(wǎng)絡(luò)的威脅識(shí)別 ［J］.現(xiàn)代防御技術(shù)，2009，37 （5）：10－13.］

［8］SU Weipeng，HAO Yongsheng，ZHA Xiaoxiao.Applied research of Bayesian net in air intelligence target threat assessment［J］.International Electronic Elements，2013，21 （7）：84－87 （in Chinese）.［蘇偉朋，郝永生，查瀟瀟.貝葉斯網(wǎng)絡(luò)在空情目標(biāo)威脅評(píng)估中的應(yīng)用研究［J］.電子設(shè)計(jì)工程，2013，21（7）：84－87.］

［9］ZHANG Jieyong，YAO Peiyang，SUN Peng.Modeling of COA problem of C2organization based on dynamic influence nets［J］.Computer Science，2012，39 （5）：95－98 （in Chinese）.［張杰勇，姚佩陽(yáng)，孫鵬.基于動(dòng)態(tài)影響網(wǎng)的C2組織COA 問(wèn)題建模 ［J］.計(jì)算機(jī)科學(xué)，2012，39 （5）：95－98.］

［10］Zaidi AK，Papantoni TP.Theory of influence networks［J］.Journal of Intelligent ＆ Robotic Systems，2010，60 （3－4）：457－491.

［11］YANG Cuirong，WANG Mingzhe，LIAO Jingjing.Department of control science and engineering ［J］.Journal of Applied Sciences，2010，28 （6）：639－645 （in Chinese）.［楊翠蓉，王明哲，廖晶靜.用影響網(wǎng)分析復(fù)雜系統(tǒng)關(guān)鍵事件 ［J］.應(yīng)用科學(xué)學(xué)報(bào)，2010，28 （6）：639－645.］