范瀚陽(yáng)，高睿源，金興華

（中國(guó)電子科技集團(tuán)第二十八研究所，南京210007）

0 引言

隨著信息化戰(zhàn)爭(zhēng)的發(fā)展，認(rèn)知域的對(duì)抗成為決定戰(zhàn)爭(zhēng)走向的核心和關(guān)鍵［1］，而意圖估計(jì)正是現(xiàn)代作戰(zhàn)指揮決策的核心技術(shù)之一。意圖估計(jì)（Intention estimation）是數(shù)據(jù)融合JDL五級(jí)模型中的二級(jí)融合［2-3］，即態(tài)勢(shì)評(píng)估的重要功能之一。意圖估計(jì)是通過(guò)對(duì)各傳感器的信息指標(biāo)進(jìn)行融合推理，得到敵方的作戰(zhàn)企圖和打算，輔助指揮員進(jìn)行戰(zhàn)場(chǎng)決策，在局部戰(zhàn)爭(zhēng)、反恐和國(guó)家安全維護(hù)等領(lǐng)域均有應(yīng)用。影響意圖估計(jì)［4-5］結(jié)果的因素很多：航速、目標(biāo)身份、高程等。拋開(kāi)雷達(dá)噪聲以及測(cè)量誤差的影響，這些指標(biāo)本身也具有很大的不確定性，如目標(biāo)的航速時(shí)快時(shí)慢，對(duì)于武器強(qiáng)弱的情報(bào)更是模糊易變，隨著這些時(shí)刻跳變的戰(zhàn)場(chǎng)信息不斷輸入到分析系統(tǒng)中，一系列變化的估計(jì)結(jié)果也在不斷輸出，而只有穩(wěn)定的估計(jì)結(jié)果才對(duì)輔助決策具有意義。

匹配濾波、模板及圖解等方法是目前比較成熟的意圖推理方法。文獻(xiàn)［6］運(yùn)用貝葉斯網(wǎng)絡(luò)的方法對(duì)空中目標(biāo)的意圖進(jìn)行推理，將敵方飛機(jī)的大小、航速等指標(biāo)看作隨機(jī)模型，但無(wú)法對(duì)飛機(jī)的火力大小、身份信息等主觀(guān)指標(biāo)進(jìn)行描述；文獻(xiàn)［7］則引入了模糊貝葉斯網(wǎng)絡(luò)，重點(diǎn)對(duì)目標(biāo)的各項(xiàng)指標(biāo)進(jìn)行模糊化，進(jìn)而確定結(jié)點(diǎn)并推理，但無(wú)法推理具有隨機(jī)性的戰(zhàn)場(chǎng)因素。

1 意圖估計(jì)及要素

1.1 戰(zhàn)場(chǎng)目標(biāo)意圖估計(jì)要素

戰(zhàn)場(chǎng)目標(biāo)總是通過(guò)一系列的行為完成其預(yù)設(shè)的戰(zhàn)斗意圖，例如偵察機(jī)通過(guò)在某些指定區(qū)域上方的盤(pán)旋飛行，完成其偵察意圖；坦克等裝甲車(chē)通過(guò)向目標(biāo)區(qū)域行進(jìn)，執(zhí)行攻擊作戰(zhàn)。因此，對(duì)目標(biāo)進(jìn)行意圖分析，即是通過(guò)對(duì)能夠反映目標(biāo)作戰(zhàn)企圖的各項(xiàng)因素的收集及融合推理的過(guò)程。而反映目標(biāo)意圖的戰(zhàn)場(chǎng)因素繁雜，且不同場(chǎng)景下需考慮的因素差異性也很大，需依據(jù)具體場(chǎng)景參照歷史數(shù)據(jù)并咨詢(xún)專(zhuān)家進(jìn)行確定，故本節(jié)重點(diǎn)在于各項(xiàng)因素的描述及推理。依據(jù)機(jī)會(huì)理論［8-9］，可以將戰(zhàn)場(chǎng)因素按照隨機(jī)性和模糊性進(jìn)行劃分。隨機(jī)性即客觀(guān)的不確定性，目標(biāo)航速、高程等實(shí)測(cè)數(shù)據(jù)，由于噪聲誤差等影響呈現(xiàn)一定的概率分布；模糊性表征的是主觀(guān)的不確定性，例如來(lái)襲敵目標(biāo)的規(guī)模大小、所攜帶武器的強(qiáng)弱信息等。因此，本節(jié)研究了將戰(zhàn)場(chǎng)兩種不確定性統(tǒng)一的模型，即混合模型進(jìn)行結(jié)點(diǎn)構(gòu)造，是使用模糊隨機(jī)貝葉斯網(wǎng)絡(luò)進(jìn)行推理的基礎(chǔ)。

1.2 混合事件與模糊概率

本節(jié)引入混合事件對(duì)戰(zhàn)場(chǎng)目標(biāo)的各項(xiàng)指標(biāo)進(jìn)行描述。

若樣本空間X為Rm連續(xù)的空間：

至此，可使用公式將各戰(zhàn)場(chǎng)因素構(gòu)造為模糊隨機(jī)結(jié)點(diǎn)；而對(duì)于現(xiàn)有的一些戰(zhàn)場(chǎng)因素，若認(rèn)為只含有模糊性或隨機(jī)性，如目標(biāo)的身份信息只用攻擊機(jī)、偵察機(jī)和轟炸機(jī)這樣的隨機(jī)模型進(jìn)行分類(lèi)，可看作混合事件的一種退化描述，依然可以用作模糊隨機(jī)貝葉斯網(wǎng)絡(luò)的結(jié)點(diǎn)，進(jìn)行推理。下面以距離結(jié)點(diǎn)為例，給出結(jié)點(diǎn)構(gòu)造方法示例：

距離信息對(duì)于判斷敵方目標(biāo)意圖起著重要的作用，不論是空戰(zhàn)、海戰(zhàn)還是陸戰(zhàn)場(chǎng)景甚至是空天作戰(zhàn)，敵我距離都是需要參考的重要因素。這里，由于不同場(chǎng)景下距離遠(yuǎn)近的判斷門(mén)限不同，因此，主要考慮敵我距離的變化對(duì)目標(biāo)意圖估計(jì)的影響。那么，分別考慮當(dāng)目標(biāo)距離我方越來(lái)越近、越來(lái)越遠(yuǎn)，以及敵我距離遠(yuǎn)近不斷變化情況。因此，構(gòu)建模糊隨機(jī)貝葉斯網(wǎng)絡(luò)的距離結(jié)點(diǎn)時(shí)，分為（逐漸遠(yuǎn)離，忽遠(yuǎn)忽近，逐漸靠近）3個(gè)子結(jié)點(diǎn)進(jìn)行描述，分別對(duì)應(yīng)3個(gè)模糊子集，使用模糊變量描述。對(duì)于敵我距離的遠(yuǎn)近變化，定義一個(gè)新的變量進(jìn)行表征，即距離變化率：

其隸屬度函數(shù)u（x）如表1所示：

表1 距離變化率隸屬度表

最終，引入距離變化率的模糊概率描述。由于測(cè)量誤差及噪聲等影響，得到的目標(biāo)位置信息呈現(xiàn)概率分布p（x），則其最終模糊概率可由式（5）得到。例如當(dāng)目標(biāo)信息檢測(cè)值換算為距離變化率時(shí)：

2 模糊隨機(jī)貝葉斯網(wǎng)絡(luò)

2.1 結(jié)點(diǎn)推理

為構(gòu)造能夠推理混合事件的貝葉斯網(wǎng)絡(luò)［10-11］，除了需要在對(duì)網(wǎng)絡(luò)的結(jié)點(diǎn)進(jìn)行改造，同時(shí)還需要擴(kuò)展網(wǎng)絡(luò)的推理方法，因?yàn)樨惾~斯網(wǎng)絡(luò)的概率推理顯然無(wú)法滿(mǎn)足混合事件的不確定性推理。由于多個(gè)結(jié)點(diǎn)的復(fù)雜情況都可以歸類(lèi)簡(jiǎn)化為3個(gè)結(jié)點(diǎn)的擴(kuò)展，因此，僅給出簡(jiǎn)單情況的推理過(guò)程作為示例。

圖1 網(wǎng)絡(luò)結(jié)點(diǎn)推理示意圖

那么，當(dāng)網(wǎng)絡(luò)的結(jié)構(gòu)確定后，就可以根據(jù)上述公式分別確定葉子結(jié)點(diǎn)的模糊先驗(yàn)概率，以及各結(jié)點(diǎn)間的條件模糊概率。而進(jìn)行網(wǎng)絡(luò)推理時(shí)，由于使用貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)，即使只獲得部分葉子結(jié)點(diǎn)的數(shù)值，依然可以推動(dòng)網(wǎng)絡(luò)進(jìn)行推理，得到結(jié)果。并且雖然該方法在可能性領(lǐng)域?qū)⒔Y(jié)點(diǎn)由隨機(jī)模型推廣到混合模型，增大了各結(jié)點(diǎn)先驗(yàn)概率，以及結(jié)點(diǎn)間條件模糊概率的計(jì)算復(fù)雜度及量級(jí)，但是大部分的計(jì)算耗費(fèi)在網(wǎng)絡(luò)構(gòu)造訓(xùn)練階段，實(shí)際使用時(shí)推理進(jìn)行意圖分析的過(guò)程計(jì)算量并不大，因此，仍然可以實(shí)時(shí)快速地輸出意圖推理結(jié)果。

2.2 網(wǎng)絡(luò)結(jié)點(diǎn)及結(jié)構(gòu)

雖然意圖估計(jì)的主要研究?jī)?nèi)容是敵方目標(biāo)的態(tài)勢(shì)，但敵我關(guān)系以及環(huán)境特性也是考量的重要指標(biāo)。不同場(chǎng)景下，目標(biāo)指標(biāo)的重要程度不同，例如平原地區(qū)考察地面目標(biāo)的意圖時(shí)，目標(biāo)的高度變化甚小，對(duì)其意圖估計(jì)結(jié)果影響很小，可忽略不計(jì)。而同樣的指標(biāo)在不同場(chǎng)景下的模糊描述閾值也不同，如對(duì)于地面目標(biāo)，當(dāng)其時(shí)速達(dá)到100 km/h，可認(rèn)為隸屬于速度快的范疇，與攻擊意圖耦合較緊；而如果是空中目標(biāo)，這樣的速度則隸屬于速度慢的范疇，與偵察意圖更貼合。因此，不同場(chǎng)景目標(biāo)，應(yīng)當(dāng)對(duì)應(yīng)不同的網(wǎng)絡(luò)結(jié)點(diǎn)及不同的網(wǎng)絡(luò)結(jié)構(gòu)。

以空中目標(biāo)為例，需要考慮的目標(biāo)指標(biāo)很多：首先是目標(biāo)的高度信息，轟炸機(jī)在到達(dá)作戰(zhàn)區(qū)域后，其總是在一定的高度釋放炸彈；其次目標(biāo)的高度變化信息也是重要的指標(biāo)，戰(zhàn)斗機(jī)進(jìn)行作戰(zhàn)時(shí)往往先拉升一定高度占據(jù)太陽(yáng)的方位，再進(jìn)行俯沖，此時(shí)目標(biāo)的高度就會(huì)呈現(xiàn)一定的規(guī)律性，而偵察機(jī)進(jìn)行偵察任務(wù)時(shí)，往往在固定高度盤(pán)旋；目標(biāo)在雷達(dá)照射下的RCS信息表征了目標(biāo)的大小，如其該項(xiàng)指標(biāo)更接近無(wú)人機(jī)大小，則其執(zhí)行轟炸任務(wù)的意圖幾乎為零。因此，咨詢(xún)空戰(zhàn)領(lǐng)域?qū)＜也⒔Y(jié)合歷史數(shù)據(jù)資料，總結(jié)出空中目標(biāo)的意圖估計(jì)主要考慮的因素包括：目標(biāo)的速度、目標(biāo)滯后角、目標(biāo)大?。≧CS）、機(jī)動(dòng)特性及敵我距離等，具體如圖2所示。將這些基本的影響因素作模糊劃分，再根據(jù)其測(cè)定值的概率描述，根據(jù)式（1）～式（3）描述為混合變量，即可確定網(wǎng)絡(luò)葉子結(jié)點(diǎn)。限于篇幅不給出具體數(shù)值，確定方法參見(jiàn)1.2節(jié)距離因素的模糊隨機(jī)描述示例。

圖2 模糊隨機(jī)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

本文設(shè)計(jì)的簡(jiǎn)單空戰(zhàn)場(chǎng)景模糊隨機(jī)貝葉斯網(wǎng)絡(luò)拓?fù)鋱D如圖2所示。貝葉斯網(wǎng)絡(luò)［12］的拓?fù)浣Y(jié)構(gòu)的確定往往使用海量數(shù)據(jù)的測(cè)試樣本，結(jié)合智能算法進(jìn)行多次迭代得到。這里考慮到戰(zhàn)場(chǎng)環(huán)境的特異性，歷史數(shù)據(jù)較少，復(fù)現(xiàn)性低，而作戰(zhàn)裝備的更新快，因此，難以獲得同裝備場(chǎng)景下充分的歷史數(shù)據(jù)用于網(wǎng)絡(luò)訓(xùn)練與構(gòu)建。故采用過(guò)往數(shù)據(jù)與咨詢(xún)領(lǐng)域?qū)＜蚁嘟Y(jié)合的方法，參考了文獻(xiàn)［13-15］等，給出了初始拓?fù)潢P(guān)系，并在咨詢(xún)相關(guān)專(zhuān)家后，進(jìn)行了調(diào)整，如增加了RCS結(jié)點(diǎn)以及調(diào)整了結(jié)點(diǎn)間關(guān)系等，最終形成了圖2所示的網(wǎng)絡(luò)拓?fù)鋱D。

依據(jù)現(xiàn)有的少量過(guò)往真實(shí)數(shù)據(jù)，利用重點(diǎn)實(shí)驗(yàn)室現(xiàn)有模擬器，給定意圖進(jìn)行場(chǎng)景模擬，記錄場(chǎng)景下各指標(biāo)數(shù)據(jù)作為樣本數(shù)據(jù)進(jìn)行訓(xùn)練，進(jìn)而得到訓(xùn)練成熟的網(wǎng)絡(luò)，如表2所示。這里限于篇幅，僅給出部分樣本數(shù)據(jù)作為示例。

這樣，隨著場(chǎng)景不斷深入，各傳感器不斷得到目標(biāo)的各項(xiàng)指標(biāo)信息，將其分別轉(zhuǎn)換即計(jì)算其各結(jié)點(diǎn)模糊先驗(yàn)概率，輸入到圖2所示的網(wǎng)絡(luò)中，即可推理得到一系列目標(biāo)在不同時(shí)段的意圖輸出。

3 仿真分析

為驗(yàn)證模糊隨機(jī)貝葉斯網(wǎng)絡(luò)進(jìn)行意圖估計(jì)的有效性及穩(wěn)定性，本文根據(jù)文獻(xiàn)的研究結(jié)果，結(jié)合專(zhuān)家的指導(dǎo)，在Matlab平臺(tái)下，利用貝葉斯網(wǎng)絡(luò)工具箱（Bayesian Network Toolbox，BNT）為基礎(chǔ)，建立了目標(biāo)意圖模糊隨機(jī)貝葉斯網(wǎng)絡(luò)模型，并結(jié)合多種場(chǎng)景進(jìn)行了驗(yàn)證，這里給出一個(gè)場(chǎng)景作為示例。

圖3 戰(zhàn)場(chǎng)想定示意圖

如圖3（a）所示，假設(shè)我方有基地A和基地B分別在（6 000，1 000，0）和（7 000，5 000，0）位置，考慮敵方有一批空中目標(biāo)向我方靠近，作攻擊態(tài)勢(shì)并作出相應(yīng)機(jī)動(dòng)隱藏意圖：

1）0 s～9 s，目標(biāo)在6 000 m高度向我方勻速飛來(lái)；

表2 距離變化率隸屬度表

2）9 s～30 s，目標(biāo)為躲避我方巡航機(jī)作迷惑性機(jī)動(dòng)，向左上方緊急機(jī)動(dòng)；

3）30 s～45 s，目標(biāo)回到正常航行高度，向我方繼續(xù)移動(dòng)，作攻擊態(tài)勢(shì)；

為模擬真實(shí)的測(cè)量誤差及噪聲影響，對(duì)目標(biāo)的軌跡加上隨機(jī)噪聲作為測(cè)試樣本，如圖3（b）所示。驗(yàn)證使用2.2節(jié)所述的模糊隨機(jī)貝葉斯網(wǎng)絡(luò)進(jìn)行推理，得到的目標(biāo)意圖估計(jì)結(jié)果如圖4所示。

圖4 目標(biāo)意圖估計(jì)仿真結(jié)果圖

由圖4可見(jiàn)，在多個(gè)觀(guān)測(cè)點(diǎn)，本文算法均能作出準(zhǔn)確有效的意圖估計(jì)，而在b-c-d航段，由于目標(biāo)觀(guān)測(cè)軌跡較短且目標(biāo)當(dāng)前機(jī)動(dòng)未完成，故作出攻擊基地B及偵察的預(yù)測(cè)，也符合其當(dāng)時(shí)態(tài)勢(shì)趨勢(shì)；而當(dāng)目標(biāo)意圖清晰后，在航跡的d-e-f段，亦即目標(biāo)欺騙性機(jī)動(dòng)的后半段，本算法即能作出正確穩(wěn)定的意圖估計(jì)。

為驗(yàn)證本文算法在穩(wěn)健性方面的優(yōu)勢(shì)，以圖3戰(zhàn)場(chǎng)想定為基礎(chǔ)，圖2所示各結(jié)點(diǎn)及其關(guān)系為基礎(chǔ)，構(gòu)造簡(jiǎn)單貝葉斯網(wǎng)絡(luò)進(jìn)行推理，其結(jié)點(diǎn)只具有隨機(jī)性。如考慮距離指標(biāo)時(shí)，僅將目標(biāo)實(shí)時(shí)距離作為輸入。最終得到的針對(duì)圖3場(chǎng)景的估計(jì)結(jié)果如表3所示：

表3 意圖估計(jì)結(jié)果比較表

從表中可見(jiàn)，普通的貝葉斯網(wǎng)絡(luò)輸出結(jié)果是不斷變化的，無(wú)法采用。并且在該小型場(chǎng)景的尾期，目標(biāo)的欺騙性機(jī)動(dòng)已經(jīng)完結(jié)，意圖明顯，該方法的輸出結(jié)果仍在跳變，甚至作出錯(cuò)誤的目標(biāo)意圖估計(jì)。

這是因?yàn)槠胀ǖ呢惾~斯網(wǎng)絡(luò)使用簡(jiǎn)單的隨機(jī)模型進(jìn)行推理，對(duì)于戰(zhàn)場(chǎng)的模糊變量難以描述。當(dāng)獲得一個(gè)指標(biāo)觀(guān)測(cè)值需要輸入網(wǎng)絡(luò)時(shí)，使用硬性門(mén)限進(jìn)行判決，當(dāng)某一指標(biāo)接近門(mén)限值時(shí)，則易被歸入錯(cuò)誤的分類(lèi)，導(dǎo)致推理出現(xiàn)巨大誤差。而模糊隨機(jī)貝葉斯網(wǎng)絡(luò)使用的混合事件模型，規(guī)避了這一問(wèn)題；同時(shí)，并未使用模糊隨機(jī)變量的形式，還使得觀(guān)測(cè)誤差及噪聲造成意圖結(jié)果波動(dòng)，如在航跡f-g段，目標(biāo)的欺騙機(jī)動(dòng)已完成，攻擊基地A的意圖明顯，但是受到噪聲的影響，使得目標(biāo)的實(shí)時(shí)航向及速度等即時(shí)信息發(fā)生波動(dòng)，從而造成普通貝葉斯網(wǎng)絡(luò)的意圖估計(jì)結(jié)果產(chǎn)生偏差，且在多個(gè)意圖估計(jì)結(jié)果間跳變，并不穩(wěn)定。

為驗(yàn)證本文算法，通過(guò)增加敵我目標(biāo)個(gè)數(shù)、增加我方空中目標(biāo)，以及各目標(biāo)間距離分布等方法構(gòu)造了不同場(chǎng)景，在類(lèi)似場(chǎng)景下修改目標(biāo)速度、高程等指標(biāo)的方法，進(jìn)行了多次實(shí)驗(yàn)驗(yàn)證。綜合結(jié)果表明，當(dāng)目標(biāo)的意圖穩(wěn)定后，本文算法均能給出類(lèi)似上例的穩(wěn)定正確的意圖估計(jì)結(jié)果。綜上所述，本文算法既能弱化噪聲的影響，又能夠完備地描述戰(zhàn)場(chǎng)各因素，隨著戰(zhàn)場(chǎng)信息逐步輸入，輸出穩(wěn)健的推理結(jié)果。

4 結(jié)論

有效穩(wěn)健的意圖估計(jì)結(jié)果能夠作為輔助決策的參考，本文研究了利用模糊隨機(jī)貝葉斯網(wǎng)絡(luò)的方法提高意圖估計(jì)，并通過(guò)空戰(zhàn)場(chǎng)景的仿真，對(duì)該方法進(jìn)行了驗(yàn)證。本文方法通過(guò)定義描述戰(zhàn)場(chǎng)因素的混合事件模型，構(gòu)造網(wǎng)絡(luò)結(jié)點(diǎn)，進(jìn)而推理輸出的目標(biāo)作戰(zhàn)企圖估計(jì)結(jié)果在穩(wěn)健性方面有很大優(yōu)勢(shì)，提高了意圖推理結(jié)果在實(shí)際輔助決策過(guò)程中的可參考性。