劉秋輝，崇元

(中國(guó)人民解放軍91550部隊(duì)，遼寧 大連 116023)

0 引言

態(tài)勢(shì)分析過(guò)程不僅需要了解單平臺(tái)或群平臺(tái)對(duì)象的作戰(zhàn)知識(shí)[1]以及他們的當(dāng)前屬性，更需要從當(dāng)前相關(guān)平臺(tái)間的關(guān)系中推導(dǎo)出有意義的結(jié)論[2]，即形成有關(guān)敵方作戰(zhàn)計(jì)劃、作戰(zhàn)意圖等更高層次的作戰(zhàn)知識(shí)，從而為作戰(zhàn)指揮提供輔助決策。

意圖識(shí)別問(wèn)題按戰(zhàn)場(chǎng)環(huán)境可分為海戰(zhàn)場(chǎng)、陸戰(zhàn)場(chǎng)、空中戰(zhàn)場(chǎng)意圖識(shí)別，按戰(zhàn)爭(zhēng)規(guī)?？煞譃閼?zhàn)略意圖識(shí)別、戰(zhàn)役意圖識(shí)別和戰(zhàn)術(shù)意圖識(shí)別[3-4]。本文將對(duì)目標(biāo)階段性作戰(zhàn)計(jì)劃進(jìn)行分析，進(jìn)而對(duì)目標(biāo)戰(zhàn)術(shù)級(jí)意圖進(jìn)行識(shí)別。

目前關(guān)于作戰(zhàn)計(jì)劃識(shí)別的主要方法是基于邏輯假設(shè)的形式化計(jì)劃識(shí)別推理模型[5-8]，其基本思路是對(duì)計(jì)劃庫(kù)進(jìn)行構(gòu)建，通過(guò)對(duì)歷史戰(zhàn)例、演習(xí)訓(xùn)練的戰(zhàn)場(chǎng)態(tài)勢(shì)數(shù)據(jù)和信息進(jìn)行學(xué)習(xí)、總結(jié)，分析出與觀測(cè)作戰(zhàn)平臺(tái)在某一階段行動(dòng)過(guò)程中從其發(fā)生的戰(zhàn)場(chǎng)事件、行為序列，到其所追求目標(biāo)以及實(shí)現(xiàn)這一目標(biāo)的計(jì)劃過(guò)程所相關(guān)的戰(zhàn)術(shù)規(guī)則，將該規(guī)則存入到計(jì)劃庫(kù)，并在實(shí)際對(duì)抗中將實(shí)時(shí)觀測(cè)的目標(biāo)數(shù)據(jù)與計(jì)劃庫(kù)進(jìn)行匹配，推理出敵方的作戰(zhàn)計(jì)劃。然而，上述方法的推理過(guò)程需要建立一個(gè)自頂向下詳細(xì)分解的敵方計(jì)劃假設(shè)層次結(jié)構(gòu)，但由于博弈問(wèn)題隨著雙方態(tài)勢(shì)的變遷而動(dòng)態(tài)變化，這種結(jié)構(gòu)應(yīng)對(duì)動(dòng)態(tài)態(tài)勢(shì)分析問(wèn)題具有良好的適應(yīng)性。另外，通過(guò)觀察、情報(bào)得到的或已知敵方的各因素都是不完全透明的，所獲取的目標(biāo)數(shù)據(jù)與信息中都可能存在著欺騙、干擾、偽裝等因素，并帶有一定的不確定性[9]。這種低層的不確定性，通過(guò)橫向和縱向向上傳遞就會(huì)帶來(lái)不確定性的集成問(wèn)題[10-11]。因此，計(jì)劃假設(shè)的結(jié)構(gòu)層次是一個(gè)不確定性的集成和傳遞過(guò)程，現(xiàn)只對(duì)計(jì)劃庫(kù)進(jìn)行設(shè)計(jì)將很難滿(mǎn)足高效的識(shí)別要求。

針對(duì)以上問(wèn)題，本文從構(gòu)建基于計(jì)劃識(shí)別的目標(biāo)戰(zhàn)術(shù)意圖推理框架入手，將戰(zhàn)場(chǎng)實(shí)時(shí)獲取的目標(biāo)動(dòng)態(tài)作戰(zhàn)知識(shí)作為解釋敵方作戰(zhàn)行動(dòng)過(guò)程(enemy campaign operation action，ECOA)的行動(dòng)要素，并通過(guò)構(gòu)建基于作戰(zhàn)知識(shí)神經(jīng)網(wǎng)絡(luò)(operation knowledge neural network，OKNN)的目標(biāo)行動(dòng)片段集對(duì)ECOA加以描述，同時(shí)建立具有自適應(yīng)實(shí)時(shí)戰(zhàn)場(chǎng)態(tài)勢(shì)的推理機(jī)制，最終得到基于計(jì)劃識(shí)別的階段性戰(zhàn)術(shù)意圖推理結(jié)果。該方法可以提高計(jì)劃識(shí)別模型表達(dá)能力的靈活性，并有效解決了計(jì)劃假設(shè)不確定性的集成與傳遞問(wèn)題。

1 目標(biāo)戰(zhàn)術(shù)意圖推理框架

傳統(tǒng)計(jì)劃識(shí)別方法[5,12]是看作由某種計(jì)劃假設(shè)H，與根據(jù)對(duì)敵方認(rèn)知、理解以及戰(zhàn)場(chǎng)情報(bào)形成有關(guān)敵方計(jì)劃的知識(shí)庫(kù)PL，對(duì)敵軍行動(dòng)觀察O的推導(dǎo)解釋過(guò)程。因此，其主要工作是對(duì)計(jì)劃庫(kù)進(jìn)行組織與設(shè)計(jì)。但由于所觀察的目標(biāo)數(shù)據(jù)與信息常帶有一定的不確定性，致使其在與計(jì)劃庫(kù)匹配時(shí)將造成上述不確定性的累計(jì)疊加，縱使有較好組織與設(shè)計(jì)的計(jì)劃庫(kù)，也往往會(huì)造成計(jì)劃推理的失敗。

作戰(zhàn)過(guò)程中包含大量的不確定性，其來(lái)源包括[13-14]:

(1) 戰(zhàn)場(chǎng)感知的不確定性(如有關(guān)目標(biāo)的戰(zhàn)術(shù)特性與物理特性)；

(2) 關(guān)于敵方戰(zhàn)術(shù)知識(shí)的不確定性(如作戰(zhàn)樣式、規(guī)則等)；

(3) 敵方作戰(zhàn)能力的不確定性。

顯然，傳統(tǒng)計(jì)劃識(shí)別的不確定集成與傳遞問(wèn)題是由戰(zhàn)場(chǎng)感知的目標(biāo)信息不確定性和關(guān)于敵方戰(zhàn)術(shù)知識(shí)的不確定性，以及在與計(jì)劃庫(kù)匹配時(shí)的靜態(tài)推理方法而造成的。這是由于直接使用傳感器獲取的目標(biāo)信息與計(jì)劃庫(kù)匹配時(shí)，需使用目標(biāo)屬性特征與先驗(yàn)敵方戰(zhàn)術(shù)知識(shí)匹配的靜態(tài)推理方法以得到推理過(guò)程的中間以及最終結(jié)果，這種大量依賴(lài)先驗(yàn)知識(shí)的推理過(guò)程將導(dǎo)致證據(jù)不確定性的不斷累積而得不到消減。因此，如何減少證據(jù)輸入的不確定性以及改善靜態(tài)推理過(guò)程所造成的弊端是目前急需解決的問(wèn)題。

敵方一次階段性作戰(zhàn)行動(dòng)過(guò)程需分解為多個(gè)戰(zhàn)術(shù)行動(dòng)來(lái)完成，不同戰(zhàn)術(shù)行動(dòng)所表達(dá)的戰(zhàn)術(shù)意義是階段性戰(zhàn)術(shù)意圖推理的重要依據(jù)，由于敵方戰(zhàn)術(shù)行動(dòng)分解過(guò)程對(duì)我方幾乎不透明，因此我方態(tài)勢(shì)分析人員往往需要對(duì)所獲取的目標(biāo)數(shù)據(jù)與信息進(jìn)行分析，并解釋目標(biāo)在一次作戰(zhàn)行動(dòng)過(guò)程中所執(zhí)行的戰(zhàn)術(shù)行動(dòng)，才能推理得到敵方在此次行動(dòng)過(guò)程中的作戰(zhàn)意圖。另外，作戰(zhàn)知識(shí)描述的是隱藏在目標(biāo)數(shù)據(jù)與信息之后的戰(zhàn)術(shù)任務(wù)、作戰(zhàn)意圖等關(guān)于作戰(zhàn)行動(dòng)原則方面的內(nèi)容，敵方是不會(huì)“主動(dòng)”提供的，因此，作戰(zhàn)知識(shí)的獲取就是對(duì)敵方作戰(zhàn)過(guò)程中的關(guān)鍵行動(dòng)點(diǎn)進(jìn)行建模，以揭示敵方在某一時(shí)間段內(nèi)所執(zhí)行的子計(jì)劃。對(duì)于一個(gè)特定的戰(zhàn)術(shù)意圖來(lái)說(shuō)，我方態(tài)勢(shì)分析人員可通過(guò)目標(biāo)在作戰(zhàn)過(guò)程中的戰(zhàn)術(shù)行動(dòng)要素，以及對(duì)行動(dòng)要素關(guān)系的分析來(lái)識(shí)別出隱藏在其背后的作戰(zhàn)知識(shí)，這些由作戰(zhàn)知識(shí)反映的子計(jì)劃共同服務(wù)于上級(jí)指派的作戰(zhàn)任務(wù)，其會(huì)在不同程度上反映出敵方的戰(zhàn)術(shù)意圖。

由于作戰(zhàn)知識(shí)可以通過(guò)大量的作戰(zhàn)數(shù)據(jù)與信息，并結(jié)合人工智能方法進(jìn)行實(shí)時(shí)動(dòng)態(tài)挖掘，這一動(dòng)態(tài)挖掘過(guò)程在一定程度上考慮了由于偽裝、欺騙帶來(lái)的證據(jù)不確定性問(wèn)題。同時(shí)，該過(guò)程減少了與計(jì)劃庫(kù)匹配工作的量度，并隨之減少所依賴(lài)的靜態(tài)作戰(zhàn)知識(shí)，以達(dá)到減少不確定性的目的。

本文重新對(duì)計(jì)劃識(shí)別過(guò)程進(jìn)行解釋?zhuān)憾x目標(biāo)數(shù)據(jù)與信息O為觀察集，K為經(jīng)智能獲取方法推理出的隱藏在數(shù)據(jù)與信息之后的目標(biāo)動(dòng)態(tài)作戰(zhàn)知識(shí)集，PL為關(guān)于被觀察目標(biāo)的靜態(tài)知識(shí)計(jì)劃庫(kù)，H為對(duì)敵方目標(biāo)建立的計(jì)劃假設(shè)集，從而可將戰(zhàn)術(shù)意圖識(shí)別看作由H與PL對(duì)由K組成某一階段作戰(zhàn)行動(dòng)過(guò)程C的推導(dǎo)解釋。它將構(gòu)成一個(gè)四元組，并有：

definitiona)Plan-reasoning(PL,K,C)=H，

b)Sequential-logic(K1,K2,…，Kn)=C.

以上描述反映了基于作戰(zhàn)知識(shí)進(jìn)行階段性戰(zhàn)術(shù)意圖識(shí)別的實(shí)質(zhì)，其中目標(biāo)動(dòng)態(tài)作戰(zhàn)知識(shí)集K反映了一個(gè)對(duì)偵察獲得的目標(biāo)數(shù)據(jù)進(jìn)行逐層深入理解，逐步得到指揮員所需要的隱含在作戰(zhàn)信息之后的作戰(zhàn)知識(shí)，即從獲取底層作戰(zhàn)知識(shí)逐步上升到獲取高層作戰(zhàn)知識(shí)的邏輯結(jié)構(gòu)。在此基礎(chǔ)上，可以展開(kāi)對(duì)不同層次作戰(zhàn)知識(shí)的有效組織與整合，建立動(dòng)態(tài)作戰(zhàn)知識(shí)庫(kù)，為實(shí)際戰(zhàn)術(shù)意圖識(shí)別奠定邏輯基礎(chǔ)。

2 目標(biāo)戰(zhàn)術(shù)意圖識(shí)別模型

2.1 基于OKNN的目標(biāo)行動(dòng)片段

對(duì)敵方作戰(zhàn)行動(dòng)過(guò)程進(jìn)行描述時(shí)，需要涉及到分布的戰(zhàn)場(chǎng)資源和各作戰(zhàn)平臺(tái)，其要識(shí)別的不僅包括某個(gè)作戰(zhàn)平臺(tái)的類(lèi)型、所執(zhí)行的戰(zhàn)術(shù)任務(wù)，更重要的是通過(guò)多個(gè)作戰(zhàn)平臺(tái)的行為和戰(zhàn)術(shù)特征判斷來(lái)襲目標(biāo)是否形成了具有一定戰(zhàn)術(shù)意義的空間群、以及多個(gè)空間群之間是否存在相互協(xié)同、配合模式。以上各要素都?xì)w屬于作戰(zhàn)知識(shí)范疇,并構(gòu)成敵方階段性戰(zhàn)術(shù)意圖這一更高層次作戰(zhàn)知識(shí)推理的必要條件。

人工神經(jīng)網(wǎng)絡(luò)具有并行信息處理、分布信息存儲(chǔ)以及信息處理單元的互連特性。依據(jù)以上特點(diǎn)，本文將神經(jīng)網(wǎng)絡(luò)應(yīng)用到敵方戰(zhàn)術(shù)意圖的推理當(dāng)中，不同戰(zhàn)術(shù)平臺(tái)與戰(zhàn)術(shù)群的作戰(zhàn)信息與作戰(zhàn)知識(shí)可并行處理以增強(qiáng)模型推理的靈活性，另外根據(jù)作戰(zhàn)平臺(tái)與空間任務(wù)群、空間任務(wù)群與相互作用群之間的依賴(lài)關(guān)系及其各自階段性意圖遞推結(jié)果，可最終融合推導(dǎo)出敵方的作戰(zhàn)意圖，其階段性信息處理單元相互連接，前者為后者的必要條件。

為此，本文在逐步得到關(guān)于作戰(zhàn)行動(dòng)原則方面的動(dòng)態(tài)作戰(zhàn)知識(shí)后，以作戰(zhàn)知識(shí)神經(jīng)網(wǎng)絡(luò)(OKNN)表示目標(biāo)平臺(tái)行動(dòng)片段的形式作為意圖推理的證據(jù)基元，如圖1所示，以適應(yīng)戰(zhàn)場(chǎng)態(tài)勢(shì)動(dòng)態(tài)性變遷問(wèn)題，在一定程度上可減少意圖識(shí)別過(guò)程中不確定因素的集成與傳遞。

圖1 描述目標(biāo)作戰(zhàn)知識(shí)行動(dòng)片段的神經(jīng)網(wǎng)絡(luò)模型Fig.1 Targets action frags based on neural network

定義：一個(gè)目標(biāo)作戰(zhàn)知識(shí)神經(jīng)網(wǎng)絡(luò)(OKNN)可形式化定義為一個(gè)四元組ONF=，有限集合C表示為網(wǎng)絡(luò)結(jié)構(gòu)，即行動(dòng)過(guò)程片段；有限集合I為輸入項(xiàng)，表示實(shí)時(shí)獲取的目標(biāo)信息及作戰(zhàn)知識(shí)；R表示計(jì)劃庫(kù)中基于OKNN實(shí)體片段意圖推理的規(guī)則，即神經(jīng)網(wǎng)絡(luò)中根據(jù)經(jīng)驗(yàn)知識(shí)得到的權(quán)值向量；G表示目標(biāo)階段性意圖空間分布。

在基于作戰(zhàn)知識(shí)神經(jīng)網(wǎng)絡(luò)(OKNN)邏輯中，階段性戰(zhàn)術(shù)意圖表示為OKNN實(shí)體行動(dòng)片段(ONFrags)的證據(jù)組合集合，一個(gè)實(shí)體片段以多平臺(tái)或單平臺(tái)組成的空間任務(wù)群，以及由空間任務(wù)群構(gòu)成的相互作用群為神經(jīng)網(wǎng)絡(luò)模塊單位，表示在給定作戰(zhàn)知識(shí)和網(wǎng)絡(luò)經(jīng)驗(yàn)權(quán)值下的階段性戰(zhàn)術(shù)意圖概率分布。實(shí)體片段反映了識(shí)別階段性戰(zhàn)術(shù)意圖所需要的作戰(zhàn)知識(shí)與作戰(zhàn)信息，每個(gè)神經(jīng)網(wǎng)絡(luò)片段將作為一個(gè)戰(zhàn)術(shù)意圖識(shí)別的推理證據(jù)。

以目標(biāo)群為單位的OKNN實(shí)體片段形成了多平臺(tái)作戰(zhàn)知識(shí)表示的一個(gè)單元，作戰(zhàn)知識(shí)通過(guò)動(dòng)態(tài)實(shí)時(shí)挖掘，并通過(guò)一組OKNN實(shí)體片段來(lái)不斷更新敵方在某一階段作戰(zhàn)過(guò)程中的意圖空間分布。這為由于輸入信息的不確定性以及靜態(tài)推理造成的不確定性集成問(wèn)題提供了一種可行的解決途徑，同時(shí)在對(duì)某一階段作戰(zhàn)行動(dòng)過(guò)程的推導(dǎo)解釋中，該實(shí)體片段便于匹配上下文語(yǔ)境，通用性較強(qiáng)。

以空間任務(wù)群以及相互作用群為單位，采用OKNN表示的目標(biāo)平臺(tái)行動(dòng)片段的網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 基于OKNN的目標(biāo)群實(shí)體片段結(jié)構(gòu)Fig.2 Structure of target group frags based on OKNN

當(dāng)構(gòu)建完成上述以目標(biāo)群為單位的基于OKNN的平臺(tái)目標(biāo)行動(dòng)片段后，則還需建立該領(lǐng)域內(nèi)的計(jì)劃庫(kù)PL，才能對(duì)敵方階段性戰(zhàn)術(shù)意圖的空間分布進(jìn)行求解。根據(jù)第1節(jié)中對(duì)目標(biāo)戰(zhàn)術(shù)意圖推理框架的描述，計(jì)劃庫(kù)同樣需采用以O(shè)KNN結(jié)構(gòu)表示的目標(biāo)行動(dòng)片段進(jìn)行描述，該計(jì)劃庫(kù)將包含達(dá)成敵方作戰(zhàn)意圖的作戰(zhàn)計(jì)劃，以及實(shí)現(xiàn)該計(jì)劃的完整OKNN片段的行動(dòng)序列。構(gòu)建計(jì)劃庫(kù)中OKNN目標(biāo)行動(dòng)片段的關(guān)鍵在于求解經(jīng)訓(xùn)練得到的目標(biāo)行為先驗(yàn)規(guī)則V和W，該規(guī)則按網(wǎng)絡(luò)各層2種學(xué)習(xí)規(guī)則訓(xùn)練好之后存入到計(jì)劃庫(kù)中，由于篇幅限制，計(jì)劃庫(kù)中目標(biāo)OKNN訓(xùn)練過(guò)程將不展開(kāi)描述。

2.2 模型的運(yùn)行與推理

然而，世界上沒(méi)有兩場(chǎng)完全一樣的戰(zhàn)爭(zhēng)，雖然通過(guò)將敵方一次作戰(zhàn)行動(dòng)過(guò)程進(jìn)行分解，形成若干個(gè)以O(shè)KNN片段為組織形式的戰(zhàn)術(shù)行動(dòng)，可以在一定程度上解決敵方作戰(zhàn)行動(dòng)過(guò)程的動(dòng)態(tài)構(gòu)建問(wèn)題，但要想使得模型的推理過(guò)程不斷動(dòng)態(tài)適應(yīng)實(shí)時(shí)戰(zhàn)場(chǎng)態(tài)勢(shì)變化需求，就還需從改變傳統(tǒng)的在與計(jì)劃庫(kù)中知識(shí)組織模式的固化推理機(jī)制入手，對(duì)有反饋的態(tài)勢(shì)分析過(guò)程進(jìn)行建模才可從根本上解釋動(dòng)態(tài)計(jì)劃識(shí)別過(guò)程的本質(zhì)。

由于網(wǎng)絡(luò)片段可以匹配存在一定范圍內(nèi)偏差的戰(zhàn)場(chǎng)態(tài)勢(shì)輸入信息，因此使用以上計(jì)劃庫(kù)中固定模式的推理規(guī)則V和W，也將得出適應(yīng)于此次輸入信息的戰(zhàn)術(shù)意圖概率分配導(dǎo)向。但為追求意圖推理的客觀性，滿(mǎn)足匹配條件的偏差值需在適度范圍內(nèi)，偏差值越小，則匹配條件越苛刻，并容易出現(xiàn)實(shí)時(shí)行動(dòng)片段無(wú)法從計(jì)劃庫(kù)中匹配計(jì)劃片段的現(xiàn)象；但偏差值越大，平臺(tái)行動(dòng)片段雖然容易匹配，但所匹配的計(jì)劃庫(kù)中實(shí)體片段已不能對(duì)實(shí)時(shí)戰(zhàn)場(chǎng)態(tài)勢(shì)進(jìn)行有效描述，因而利用該計(jì)劃庫(kù)中片段進(jìn)行推理的結(jié)果將會(huì)向其真實(shí)意圖結(jié)果偏離。造成以上現(xiàn)象的原因是沒(méi)有形成自適應(yīng)于本次作戰(zhàn)行動(dòng)過(guò)程的推理規(guī)則。

為此，本文利用神經(jīng)網(wǎng)絡(luò)的誤差反饋推理機(jī)制，將實(shí)時(shí)的階段性戰(zhàn)術(shù)意圖概率分配結(jié)果向量U(t)作為期望輸出，而將計(jì)劃庫(kù)中選用的基于OKNN片段的樣本輸出向量結(jié)果dp作為實(shí)際輸出，用以修正各單元權(quán)值向量。那么網(wǎng)絡(luò)兩層誤差信號(hào)為

(1)

(2)

(3)

(4)

戰(zhàn)場(chǎng)態(tài)勢(shì)隨著時(shí)間的推移，逐漸有新信息的輸入，并得到新的行動(dòng)片段推理規(guī)則，同時(shí)OKNN平臺(tái)行動(dòng)片段的階段性戰(zhàn)術(shù)意圖推理規(guī)則可逐漸適應(yīng)本次作戰(zhàn)行動(dòng)，而不始終依賴(lài)計(jì)劃庫(kù)中的模板規(guī)則。

模型將實(shí)時(shí)獲取的敵方作戰(zhàn)知識(shí)描述為單平臺(tái)或多平臺(tái)的目標(biāo)群OKNN實(shí)體片段，節(jié)點(diǎn)為帶參數(shù)的隨機(jī)向量，如圖2所示。當(dāng)發(fā)現(xiàn)空中有敵方目標(biāo)時(shí)，我方態(tài)勢(shì)分析人員實(shí)時(shí)動(dòng)態(tài)獲取單平臺(tái)戰(zhàn)術(shù)類(lèi)型、平臺(tái)執(zhí)行戰(zhàn)術(shù)任務(wù)等作戰(zhàn)知識(shí)，并結(jié)合平臺(tái)作戰(zhàn)信息共同作為推理依據(jù)，用以揭示敵方目標(biāo)進(jìn)行集群作戰(zhàn)時(shí)所形成的空間任務(wù)群以及相互作用群等高層次作戰(zhàn)知識(shí)。將目標(biāo)所形成的空間任務(wù)群以及相互作用群作為網(wǎng)絡(luò)單元構(gòu)建OKNN實(shí)體片段，并實(shí)例化網(wǎng)絡(luò)片段輸入項(xiàng)的隨機(jī)變量進(jìn)行階段性戰(zhàn)術(shù)意圖推理。按照時(shí)序邏輯關(guān)系，每個(gè)OKNN實(shí)體片段將作為階段性戰(zhàn)術(shù)意圖識(shí)別的推理證據(jù)，意圖空間的分布結(jié)果取決于計(jì)劃庫(kù)中目標(biāo)OKNN行動(dòng)片段的訓(xùn)練權(quán)值V和W，該權(quán)值通過(guò)證據(jù)更新來(lái)訓(xùn)練修正。階段性作戰(zhàn)意圖識(shí)別過(guò)程可以描述如下，算法流程如圖3所示。

圖3 基于OKNN的戰(zhàn)術(shù)意圖識(shí)別算法流程 Fig.3 Algorithm flow of tactical intention recognition based on OKNN

(1) 構(gòu)建計(jì)劃庫(kù)中基于OKNN的目標(biāo)行動(dòng)片段，以及訓(xùn)練該片段的目標(biāo)行動(dòng)規(guī)則；

(2) 實(shí)時(shí)構(gòu)建由單平臺(tái)及多平臺(tái)構(gòu)成目標(biāo)群的OKNN實(shí)體片段，并作為階段性戰(zhàn)術(shù)意圖識(shí)別的輸入證據(jù)；

(3) 檢索計(jì)劃庫(kù)中的目標(biāo)平臺(tái)行動(dòng)片段，并匹配實(shí)時(shí)動(dòng)態(tài)構(gòu)建的行動(dòng)片段；

(4) 按照證據(jù)的時(shí)序關(guān)系，將匹配成功的目標(biāo)行動(dòng)片段的網(wǎng)絡(luò)權(quán)值作為推理規(guī)則，并建立具有自適應(yīng)實(shí)時(shí)戰(zhàn)場(chǎng)態(tài)勢(shì)的推理機(jī)制，對(duì)目標(biāo)戰(zhàn)術(shù)意圖進(jìn)行識(shí)別。

3 實(shí)例分析

假設(shè)通過(guò)目標(biāo)提取，發(fā)現(xiàn)敵方有11個(gè)戰(zhàn)斗目標(biāo)，需要指揮員階段性給出敵方進(jìn)攻、防御或監(jiān)視戰(zhàn)術(shù)意圖。以戰(zhàn)場(chǎng)中探測(cè)到的平臺(tái)參數(shù)信息以及作戰(zhàn)知識(shí)為證據(jù)進(jìn)行推理，該場(chǎng)景中敵方的階段性戰(zhàn)術(shù)意圖識(shí)別過(guò)程如下：

(1) 獲取事件1：識(shí)別作戰(zhàn)平臺(tái)類(lèi)型、執(zhí)行的戰(zhàn)術(shù)任務(wù)等作戰(zhàn)知識(shí)。目標(biāo)觀測(cè)數(shù)據(jù)以及經(jīng)知識(shí)發(fā)現(xiàn)技術(shù)實(shí)時(shí)獲取的單平臺(tái)和多平臺(tái)作戰(zhàn)知識(shí)如表1所示。其中，戰(zhàn)術(shù)任務(wù)對(duì)應(yīng)關(guān)系為(偵察=1，干擾=2，攻擊=3，護(hù)航=4)。敵方作戰(zhàn)平臺(tái)所執(zhí)行的戰(zhàn)術(shù)任務(wù)識(shí)別方法見(jiàn)文獻(xiàn)[15]。

表1 目標(biāo)信息參數(shù)以及作戰(zhàn)知識(shí)Table 1 Targets information parameters and operational knowledge

(2) 獲取事件2：識(shí)別空間任務(wù)群，并給出群平均參數(shù)，如表2所示。

(3) 獲取事件3：識(shí)別相互作用群。本文將相互作用群定義為，具有協(xié)同增益作用效果的空間任務(wù)群。這里的協(xié)同增益效果主要體現(xiàn)在目標(biāo)群的戰(zhàn)術(shù)任務(wù)以及通信情況是否存在相互協(xié)同、配合的模式。另外，目標(biāo)群的空間位置、進(jìn)攻方向等也將增添相互作用群的戰(zhàn)術(shù)狀態(tài)判別依據(jù)。相互作用群的判別可以提供給指揮員更深層次上的戰(zhàn)場(chǎng)態(tài)勢(shì)內(nèi)容。表2中群集合{{1，2，3，4}與{5，6，7，8}}是2個(gè)相互作用群?？臻g任務(wù)群以及相互作用群的識(shí)別方法見(jiàn)文獻(xiàn)[16]。

表2 空間任務(wù)群參數(shù)表Table 2 Parameters of space task group

現(xiàn)假定已建立計(jì)劃庫(kù)中由單平臺(tái)或多平臺(tái)所組成目標(biāo)群的OKNN實(shí)體片段意圖推理規(guī)則，將關(guān)于單平臺(tái)作戰(zhàn)知識(shí)的空間任務(wù)群1～8以及相互作用群{1，2，3，4}與{5，6，7，8}分別構(gòu)建OKNN實(shí)體片段，動(dòng)態(tài)構(gòu)建的實(shí)體片段將作為推理證據(jù)與計(jì)劃庫(kù)中靜態(tài)OKNN實(shí)體片段匹配，所得的融合階段性戰(zhàn)術(shù)意圖空間分布如表3所示。其中，證據(jù)m1～m8為空間群1～8在辨識(shí)框架上的概率分配函數(shù)，m9，m10為相互作用群1，2的概率分配函數(shù)。

從表3可知，當(dāng)輸入證據(jù)為空間群實(shí)體片段時(shí)，融合階段性戰(zhàn)術(shù)意圖A1的可信度為0.390 0，而A3的可信度也有達(dá)到0.307 0，但隨著相互作用群實(shí)體片段證據(jù)m9與m10的加入，戰(zhàn)術(shù)意圖A1的可信度可達(dá)到0.765 5，而A3的可信度也驟降到0.113 0，根據(jù)判決規(guī)則可判定敵方本次作戰(zhàn)的戰(zhàn)術(shù)企圖為A1，即敵方可能對(duì)我發(fā)起進(jìn)攻，這與實(shí)際情況是相符的。

4 結(jié)束語(yǔ)

由于軍事問(wèn)題本身的動(dòng)態(tài)性和復(fù)雜性，使得計(jì)劃識(shí)別過(guò)程充滿(mǎn)了大量的不確定性，并導(dǎo)致了動(dòng)態(tài)不確定性的集成與傳遞問(wèn)題。本文采用基于作戰(zhàn)知識(shí)的神經(jīng)網(wǎng)絡(luò)來(lái)表示戰(zhàn)術(shù)意圖識(shí)別問(wèn)題，并以空中目標(biāo)群為單位，通過(guò)實(shí)時(shí)動(dòng)態(tài)構(gòu)建OKNN實(shí)體片段進(jìn)行戰(zhàn)術(shù)意圖推理，該方法可減少不確定性的集成與傳遞并增強(qiáng)模型推理的靈活性和語(yǔ)義表達(dá)能力。但由于雙方對(duì)抗階段時(shí)間緊迫，考慮模型推理的實(shí)時(shí)性并預(yù)測(cè)敵軍將來(lái)的可能作戰(zhàn)行動(dòng)是下一步研究工作的重點(diǎn)。