劉子彤 丁國(guó)如 王威 韓路 吳啟暉

1.南京航空航天大學(xué)電子信息工程學(xué)院江蘇南京211106 2.陸軍工程大學(xué)通信工程學(xué)院江蘇南京210007

電子戰(zhàn)作為目前戰(zhàn)場(chǎng)上最重要的作戰(zhàn)方式之一,實(shí)質(zhì)就是敵我雙方為爭(zhēng)奪電磁頻譜的控制權(quán)(即制電磁權(quán))所展開的斗爭(zhēng)[1].隨著信息技術(shù)的不斷發(fā)展,無(wú)人作戰(zhàn)的指揮與控制系統(tǒng)在戰(zhàn)場(chǎng)大環(huán)境下應(yīng)運(yùn)而生.無(wú)人作戰(zhàn)的指揮與控制系統(tǒng)是信息化戰(zhàn)爭(zhēng)中奪取信息優(yōu)勢(shì)、實(shí)施精確打擊以及完成特殊作戰(zhàn)任務(wù)的重要手段之一,正從重心化逐漸向邊緣化發(fā)展[2].

空天領(lǐng)域中的智能關(guān)鍵技術(shù)有智能感知、智能決策、智能控制、智能診斷等技術(shù).在“感知–識(shí)別–決策–行動(dòng)–感知”的閉環(huán)學(xué)習(xí)處理流程中, 對(duì)網(wǎng)絡(luò)拓?fù)涞母兄窃陬l譜感知的基礎(chǔ)上所作出的更高層的語(yǔ)義推理,是實(shí)現(xiàn)智能化感知極為關(guān)鍵的一環(huán).拓?fù)涓兄侵竿ㄟ^(guò)對(duì)目標(biāo)網(wǎng)絡(luò)的頻譜數(shù)據(jù)、通信時(shí)序等信息的感知,推理該網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),從而指導(dǎo)后續(xù)的戰(zhàn)場(chǎng)決策.在戰(zhàn)場(chǎng)上準(zhǔn)確識(shí)別敵方的網(wǎng)絡(luò)拓?fù)?可以了解敵方網(wǎng)絡(luò)的總體情況, 有利于戰(zhàn)略性決策的實(shí)施; 同時(shí)可以在網(wǎng)絡(luò)拓?fù)涞幕A(chǔ)上進(jìn)一步識(shí)別網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)和關(guān)鍵鏈路, 進(jìn)而可以對(duì)其進(jìn)行精準(zhǔn)干擾, 或者輔助戰(zhàn)場(chǎng)資源管理決策.因此, 面向非合作無(wú)線網(wǎng)絡(luò)的拓?fù)涓兄夹g(shù), 是無(wú)人作戰(zhàn)指揮與控制系統(tǒng)中信息感知的關(guān)鍵技術(shù)之一[3?4].

從技術(shù)本身來(lái)看, 以非合作無(wú)線網(wǎng)絡(luò)為對(duì)象必然會(huì)給研究帶來(lái)無(wú)法避免的挑戰(zhàn),如信息獲取困難、感知精度低等.“非合作” 與“合作” 的不同在于: 1)感知節(jié)點(diǎn)所處位置不同.“非合作” 場(chǎng)景下感知節(jié)點(diǎn)位于目標(biāo)網(wǎng)絡(luò)外, “合作” 場(chǎng)景下感知節(jié)點(diǎn)位于目標(biāo)網(wǎng)絡(luò)內(nèi).2)先驗(yàn)信息不同.“合作”場(chǎng)景下可以得到網(wǎng)絡(luò)協(xié)議、流量等多種信息,而“非合作”場(chǎng)景下只能感知到信號(hào)的時(shí)間、發(fā)送節(jié)點(diǎn)等.3)感知目的不同.“合作”場(chǎng)景下推理網(wǎng)絡(luò)拓?fù)涠鄳?yīng)用于網(wǎng)絡(luò)管理或者故障分析;而“非合作”場(chǎng)景下推理拓?fù)涠嘤糜谳o助戰(zhàn)場(chǎng)決策.這些不同導(dǎo)致非合作網(wǎng)絡(luò)拓?fù)涓兄秃献骶W(wǎng)絡(luò)拓?fù)涓兄⒍ㄒ卟煌募夹g(shù)路線, 且更加困難.為了解決這些問(wèn)題,主流的拓?fù)涓兄椒ù蠖嘁蕾囉趯?duì)時(shí)間序列的數(shù)據(jù)挖掘.但此類方法的引入在解決問(wèn)題的同時(shí),又可能會(huì)導(dǎo)致新的問(wèn)題,如數(shù)據(jù)需求量大、感知周期長(zhǎng)等.因此,面向非合作的拓?fù)涓兄夹g(shù)還未成熟,沒(méi)有一種普適性的框架.為了推進(jìn)無(wú)人作戰(zhàn)智慧與控制系統(tǒng)的發(fā)展進(jìn)程, 對(duì)于該技術(shù)的研究變得尤為迫切.

1 拓?fù)涓兄夹g(shù)研究現(xiàn)狀

圖1 給出了對(duì)抗場(chǎng)景下拓?fù)涓兄恼w架構(gòu),其中敵方是一個(gè)由無(wú)人機(jī)、戰(zhàn)機(jī)、指揮部和地面作戰(zhàn)平臺(tái)共同構(gòu)成的異構(gòu)通信網(wǎng)絡(luò).己方由偵察機(jī)向敵方作戰(zhàn)平臺(tái)進(jìn)行偵查,并感知通信數(shù)據(jù).然后將感知到的通信數(shù)據(jù)上報(bào)給指揮系統(tǒng), 再由分析系統(tǒng)進(jìn)行拓?fù)渥R(shí)別、關(guān)鍵節(jié)點(diǎn)等高層次語(yǔ)義分析.利用分析結(jié)果制定戰(zhàn)場(chǎng)決策,指揮戰(zhàn)機(jī)進(jìn)行相應(yīng)的戰(zhàn)場(chǎng)行為.

圖1 對(duì)抗場(chǎng)景下的拓?fù)涓兄軜?gòu)Fig.1 The topology sensing architecture in the countermeasure scenario

1.1 國(guó)外現(xiàn)狀

在過(guò)去的幾年中, 通信網(wǎng)絡(luò)拓?fù)涓兄难芯吭趪?guó)外受到了越來(lái)越多的關(guān)注.國(guó)外對(duì)于拓?fù)涓兄夹g(shù)的研究主要可以分為3 類,即基于路由信息交換、基于時(shí)間序列數(shù)據(jù)挖掘、基于圖形信號(hào)處理.

早期的拓?fù)涓兄ぷ髦饕性诤献鞣骄W(wǎng)絡(luò)拓?fù)渥R(shí)別,通過(guò)路由信息交換實(shí)現(xiàn).其主要思想是利用修改網(wǎng)絡(luò)中的基本協(xié)議, 使節(jié)點(diǎn)主動(dòng)將自己的鄰居信息上報(bào)給中心節(jié)點(diǎn)[5?6].隨著網(wǎng)絡(luò)協(xié)議的不斷完善和網(wǎng)絡(luò)安全問(wèn)題的不斷發(fā)展, 近些年來(lái)網(wǎng)絡(luò)斷層掃描問(wèn)題成為了人們研究的重點(diǎn), 它是指假設(shè)內(nèi)部節(jié)點(diǎn)不協(xié)作時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)內(nèi)部鏈路的延遲和丟失率, 而解決此問(wèn)題的第一步就是找到網(wǎng)絡(luò)拓?fù)? 至此合作網(wǎng)絡(luò)拓?fù)涓兄_始向非合作網(wǎng)絡(luò)拓?fù)涓兄葑?研究者們從2013年開始,針對(duì)節(jié)點(diǎn)不協(xié)作的特性,先后提出基于traceroute 的拓?fù)渫茢郲7]、基于虛擬網(wǎng)絡(luò)的拓?fù)渫茢郲8]、基于存儲(chǔ)轉(zhuǎn)發(fā)網(wǎng)絡(luò)的主動(dòng)拓?fù)渫茢郲9]等拓?fù)涓兄椒?都取得了較好效果.

隨著認(rèn)知電子戰(zhàn)的出現(xiàn)和人工智能的飛速發(fā)展,非合作方網(wǎng)絡(luò)拓?fù)涓兄难芯孔罱彩艿搅嗽絹?lái)越多的關(guān)注[10].目前大多數(shù)的此類研究均基于時(shí)間序列數(shù)據(jù)挖掘技術(shù),主要代表的有格蘭杰因果、霍克斯過(guò)程、傳輸熵等等.隨著格蘭杰因果在經(jīng)濟(jì)金融領(lǐng)域取得一系列成果, 開始有研究者嘗試將其應(yīng)用到無(wú)線網(wǎng)絡(luò)因果推斷中來(lái)[11?12].在此基礎(chǔ)上,文獻(xiàn)[13]的作者利用通信等價(jià)的合理假設(shè), 將信息傳輸建模為霍克斯過(guò)程, 然后在文獻(xiàn)[14] 中進(jìn)一步提出了無(wú)圈圖的低代價(jià)路徑算法來(lái)發(fā)現(xiàn)事件鏈.然而,無(wú)論是格蘭杰因果還是霍克斯過(guò)程, 都是從計(jì)量學(xué)中引申過(guò)來(lái)的數(shù)學(xué)模型, 其結(jié)果很大程度上取決于數(shù)據(jù)的分布.為了解決這個(gè)問(wèn)題,傳輸熵開始被提出作為量化下一跳路由鏈路中自動(dòng)重復(fù)請(qǐng)求機(jī)制強(qiáng)度的度量.與其他方法相比, 傳輸熵提供了一種基于信息理論的、無(wú)模型的方法,該方法可在外部可用的數(shù)據(jù)包到達(dá)時(shí)間上運(yùn)行.這使得該方法具有更好的漸近時(shí)間復(fù)雜度, 并且在網(wǎng)絡(luò)拓?fù)渲貥?gòu)性能方面顯示出顯著的改進(jìn)[15].

圖形信號(hào)處理也是拓?fù)涓兄囊环N常見手段.這類拓?fù)涓兄椒ㄖ饕枷胧窍葘⒃紨?shù)據(jù)建模為圖信號(hào),然后通過(guò)稀疏、分塊等網(wǎng)絡(luò)約束, 對(duì)網(wǎng)絡(luò)的拉普拉斯矩陣進(jìn)行推斷,從而得到網(wǎng)絡(luò)拓?fù)鋄16?17].雖然這類研究主要集中在網(wǎng)絡(luò)外拓?fù)渫评? 但這些工作中的方法往往應(yīng)用于神經(jīng)科學(xué)、社會(huì)網(wǎng)絡(luò)等領(lǐng)域.到目前為止, 通信行為與圖形信號(hào)處理之間的映射研究很少,其原因在于通信網(wǎng)絡(luò)本身與神經(jīng)科學(xué)、社會(huì)網(wǎng)絡(luò)的聯(lián)通機(jī)理不一致, 且通信網(wǎng)絡(luò)中的信號(hào)與圖信號(hào)之間沒(méi)有形成對(duì)應(yīng)關(guān)系.

1.2 國(guó)內(nèi)現(xiàn)狀

隨著無(wú)線網(wǎng)絡(luò)的快速發(fā)展, 國(guó)內(nèi)近十年來(lái)也開始逐步掀起拓?fù)涓兄臒岢? 然而和國(guó)外研究不同的是,國(guó)內(nèi)研究的重點(diǎn)放在路由、物聯(lián)網(wǎng)、電網(wǎng)等方面.這與國(guó)內(nèi)配電網(wǎng)的發(fā)展現(xiàn)狀有很大關(guān)系,準(zhǔn)確的網(wǎng)絡(luò)拓?fù)淠Ｐ蛯?duì)于配電系統(tǒng)的分析, 操作和規(guī)劃至關(guān)重要.隨著配電網(wǎng)智能化和自動(dòng)化水平的提高,尤其是智能計(jì)量的實(shí)現(xiàn), 電力公司可以通過(guò)功耗采集系統(tǒng)獲取大量的測(cè)量數(shù)據(jù), 這為低壓配電網(wǎng)中拓?fù)淠Ｐ偷慕⑻峁┝藱C(jī)會(huì).

和國(guó)外相關(guān)研究類似, 國(guó)內(nèi)早期的研究也聚焦于基于路由的拓?fù)涓兄? 以解決多源網(wǎng)絡(luò)層析成像問(wèn)題為主.但是由于基于單協(xié)議的網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)方法存在發(fā)現(xiàn)效率低,網(wǎng)絡(luò)適應(yīng)性差等問(wèn)題,研究工作從單協(xié)議擴(kuò)展到多協(xié)議[18?19].后來(lái)關(guān)于網(wǎng)絡(luò)拓?fù)涞难芯恐饾u向國(guó)家電網(wǎng)方向傾斜, 常用的方法有矩陣分解[20]、智能電表測(cè)量[21]、分支指針矢量[22]、神經(jīng)網(wǎng)絡(luò)[23]、二次空間映射[24]等.國(guó)內(nèi)關(guān)于利用時(shí)間序列數(shù)據(jù)挖掘方法來(lái)進(jìn)行拓?fù)渥R(shí)別起源于2009年,中國(guó)電子科技集團(tuán)公司第三十六研究所的楊紅娃等人在分析拓?fù)渫茢嘣淼幕A(chǔ)上, 給出了拓?fù)渫茢嗌婕暗闹饕P(guān)鍵技術(shù), 提出了基于信源位置聚類的節(jié)點(diǎn)識(shí)別與類型判定方法, 和基于數(shù)據(jù)幀和響應(yīng)幀時(shí)間接續(xù)關(guān)系的鏈路識(shí)別方法, 為國(guó)內(nèi)非合作拓?fù)涓兄该髁朔较騕25].隨后隨機(jī)點(diǎn)過(guò)程理論、動(dòng)態(tài)因果分析等模型也逐漸應(yīng)用到拓?fù)涓兄I(lǐng)域來(lái)[26?27].

1.3 拓?fù)涓兄媾R的技術(shù)挑戰(zhàn)

國(guó)內(nèi)外對(duì)于拓?fù)涓兄夹g(shù)的相關(guān)研究如圖2 所示.1)對(duì)于拓?fù)涓兄夹g(shù)的研究還未成體系,其中國(guó)內(nèi)研究尤為明顯,研究場(chǎng)景多樣、研究方法混雜,導(dǎo)致了研究與研究之間參考價(jià)值小, 不利于拓?fù)涓兄夹g(shù)的長(zhǎng)遠(yuǎn)發(fā)展.2) 大多數(shù)研究均以獲取數(shù)據(jù)的完整性、可靠性為基礎(chǔ),沒(méi)有考慮信道衰落可能帶來(lái)的數(shù)據(jù)不完整和不可靠, 這局限了現(xiàn)有算法的適用范圍.3)大多數(shù)研究中涉及到的網(wǎng)絡(luò)規(guī)模較小,節(jié)點(diǎn)數(shù)目較少,當(dāng)研究對(duì)象為大規(guī)模網(wǎng)絡(luò)時(shí),拓?fù)渥R(shí)別的精度普遍不高,進(jìn)一步局限了現(xiàn)有算法的適用范圍.

圖2 拓?fù)涓兄獓?guó)內(nèi)外現(xiàn)狀Fig.2 Research status of topology sensing at home and abroad

結(jié)合研究現(xiàn)狀來(lái)看, 面向非合作方的無(wú)線網(wǎng)絡(luò)拓?fù)涓兄嬖谥艽蟮奶魬?zhàn)[28?30].1)推理非合作方的網(wǎng)絡(luò)拓?fù)浜屯评砑悍骄W(wǎng)絡(luò)拓?fù)洳煌译y度更大.因?yàn)楦兄?jié)點(diǎn)和網(wǎng)絡(luò)節(jié)點(diǎn)不屬于同一個(gè)網(wǎng)絡(luò), 這會(huì)使得可感知的信息非常有限.2) 信息技術(shù)的發(fā)展使得大規(guī)模無(wú)線網(wǎng)絡(luò)越來(lái)越普及, 這要求拓?fù)涓兄夹g(shù)需要達(dá)到極高的精度.然而網(wǎng)絡(luò)規(guī)模大導(dǎo)致單傳感器可能無(wú)法滿足整個(gè)網(wǎng)絡(luò)的信息感知, 環(huán)境的干擾會(huì)使傳感器對(duì)于距離較遠(yuǎn)的節(jié)點(diǎn)變得不敏感, 考慮基于多傳感器的拓?fù)涓兄獑?wèn)題又會(huì)面臨著數(shù)據(jù)融合的難題.3)實(shí)際戰(zhàn)場(chǎng)情況的復(fù)雜多變,要求拓?fù)涓兄夹g(shù)在理論研究的基礎(chǔ)上, 具有更強(qiáng)的工程實(shí)現(xiàn)價(jià)值.如何將拓?fù)涓兄夹g(shù)應(yīng)用于實(shí)際系統(tǒng)是拓?fù)涓兄夹g(shù)面臨的又一難題.

2 拓?fù)涓兄椒ń榻B

以時(shí)間序列數(shù)據(jù)挖掘的拓?fù)涓兄獮槔? 分別介紹格蘭杰因果、霍克斯過(guò)程和傳輸熵3 種方法.這3種方法的根本假設(shè)是相互聯(lián)通的兩個(gè)節(jié)點(diǎn)存在相關(guān)性,它們的初始數(shù)據(jù)均為時(shí)間序列和事件序列,即信號(hào)發(fā)送的時(shí)間和節(jié)點(diǎn)編號(hào).其中,格蘭杰因果和傳輸熵通過(guò)對(duì)節(jié)點(diǎn)兩兩進(jìn)行假設(shè)檢驗(yàn)來(lái)判斷它們是否聯(lián)通, 從而得到整個(gè)鄰接矩陣, 確定網(wǎng)絡(luò)拓?fù)? 而霍克斯過(guò)程則通過(guò)對(duì)通信數(shù)據(jù)進(jìn)行建模, 利用最大似然方法推理鄰接矩陣,確定網(wǎng)絡(luò)拓?fù)?

2.1 格蘭杰因果

格蘭杰因果是由Granger 于1969年所提出的一種基于預(yù)測(cè)的因果關(guān)系[31], 主要應(yīng)用于金融學(xué)和計(jì)量學(xué).它的主要思想是如果在序列X已知的情況下,序列Y的先驗(yàn)知識(shí)有利于對(duì)下一時(shí)刻X狀態(tài)的預(yù)測(cè),那么就說(shuō)Y格蘭杰引起X,反之則說(shuō)Y不是X的格蘭杰原因.具體來(lái)說(shuō),格蘭杰因果可以用以下假設(shè)檢驗(yàn)描述[11?12]:

其中,X[n]表示X的第n個(gè)狀態(tài),a,b,c是線性擬合的系數(shù), ε,η 是兩個(gè)假設(shè)的擬合誤差,k表示模型的階數(shù), 一般用AIC 或BIC 準(zhǔn)則進(jìn)行估計(jì).零假設(shè)H0表示Y不能格蘭杰引起X, 而備擇假設(shè)H1則表示Y可以格蘭杰引起X, 其關(guān)鍵在于比較兩者的預(yù)測(cè)誤差.分別計(jì)算兩個(gè)假設(shè)的殘差, 即這里常用的檢驗(yàn)方法為F 檢驗(yàn),檢驗(yàn)統(tǒng)計(jì)量為

其中,d1=k,d2=T?2k?1 .例如設(shè)置閾值為α=0.05,則判斷接受哪種假設(shè)的依據(jù)為

對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)兩兩進(jìn)行格蘭杰因果檢驗(yàn), 選擇H1的兩個(gè)節(jié)點(diǎn)相互聯(lián)通,鄰接矩陣相應(yīng)位置為1;選擇H0的兩個(gè)節(jié)點(diǎn)相互不聯(lián)通,鄰接矩陣相應(yīng)位置為0,從而得到網(wǎng)絡(luò)拓?fù)?

2.2 霍克斯過(guò)程

霍克斯過(guò)程就是對(duì)過(guò)去事件的自回歸依賴的點(diǎn)過(guò)程,是一種特殊的泊松分布.它的主要思想是某事件在任何時(shí)刻的速率是過(guò)程中最近發(fā)生的事件的函數(shù),是時(shí)間序列預(yù)測(cè)法的一種[13?14].在多維霍克斯過(guò)程中, 某一個(gè)子過(guò)程的傳輸速率不僅受其自身行為的影響,還會(huì)受其他子過(guò)程行為的影響.可以利用多維霍克斯過(guò)程來(lái)建模無(wú)線網(wǎng)絡(luò)中的通信過(guò)程, 將網(wǎng)絡(luò)中每一次信息傳輸當(dāng)作一個(gè)子過(guò)程.對(duì)于有N個(gè)子過(guò)程的進(jìn)程,根據(jù)公式可得第i個(gè)子過(guò)程的條件密度函數(shù)為

式中:Kj表示第j個(gè)子過(guò)程中的事件集; μi表示第i個(gè)子過(guò)程的基礎(chǔ)速率,我們認(rèn)為它是不隨時(shí)間變化的;Aij表示第i個(gè)子過(guò)程對(duì)第j個(gè)子過(guò)程的響應(yīng)程度,Aij=0 表示第j個(gè)子過(guò)程發(fā)生對(duì)第i個(gè)子過(guò)程無(wú)影響,Aij>0 表示第j個(gè)子過(guò)程發(fā)生會(huì)導(dǎo)致第i個(gè)子過(guò)程發(fā)生概率的臨時(shí)增加, 同時(shí)Aij越大,表示影響越大,此時(shí)稱A為鄰接矩陣.

此時(shí), 整個(gè)問(wèn)題的關(guān)鍵就是如何通過(guò)事件序列和時(shí)間序列推測(cè)出鄰接矩陣A, 只要得到了鄰接矩陣,也就得到了網(wǎng)絡(luò)的拓?fù)?使用最大似然估計(jì)的方法來(lái)確定μi和Ai j, 在時(shí)間t∈[0,T]內(nèi),第i個(gè)進(jìn)程的負(fù)對(duì)數(shù)似然函數(shù)為

對(duì)于多維霍克斯過(guò)程中的子過(guò)程, 負(fù)對(duì)數(shù)似然是式(5)在所有N個(gè)子過(guò)程中的求和:

解式(6)即可得到鄰接矩陣.

2.3 傳輸熵

傳輸熵是由T.Schreiber 在2000年提出[32],它的主要思想仿照了信息熵理論, 用熵的概念來(lái)量化兩組時(shí)間序列的因果關(guān)系,在生物科學(xué)中應(yīng)用廣泛,近些年開始有學(xué)者將傳輸熵應(yīng)用于拓?fù)涓兄?它被定義為兩個(gè)時(shí)間序列的條件互信息,即在序列B的第1到n?1 個(gè)狀態(tài)已知的情況下, 序列A的第1 到n?1個(gè)狀態(tài)與序列B的第n個(gè)狀態(tài)的互信息,用數(shù)學(xué)表示如下[15]:

其中,An和En分別代表序列A和序列B的第n個(gè)狀態(tài),和分別代表序列A和序列B的前n?1 個(gè)狀態(tài).互信息越大, 說(shuō)明兩者的相關(guān)性越強(qiáng), 類比互信息的概念來(lái)理解傳輸熵,傳輸熵越大,說(shuō)明從另一序列中得到的關(guān)于該序列的信息越多, 也就是說(shuō)明它們?cè)较嚓P(guān).

從理論上講, 兩個(gè)節(jié)點(diǎn)的傳輸熵為0, 則說(shuō)明兩個(gè)序列相互獨(dú)立;然而,兩個(gè)節(jié)點(diǎn)的傳輸熵不為0,卻不能說(shuō)明兩個(gè)節(jié)點(diǎn)相互通信.因?yàn)殚g接連接的兩個(gè)節(jié)點(diǎn)在時(shí)序上也能表現(xiàn)出一定的相關(guān)性.因此,利用傳輸熵進(jìn)行拓?fù)涓兄某Ｓ米鞣ㄊ? 先兩兩計(jì)算該網(wǎng)絡(luò)的所有傳輸熵, 將對(duì)應(yīng)的值填充在鄰接矩陣中,然后再對(duì)該矩陣進(jìn)行顯著性檢驗(yàn), 例如設(shè)置一定的閾值,然后得到最終的拓?fù)?

3 拓?fù)涓兄到y(tǒng)設(shè)計(jì)

3.1 系統(tǒng)設(shè)計(jì)總體架構(gòu)

以軟硬件系統(tǒng)為例, 具體說(shuō)明拓?fù)涓兄夹g(shù)在實(shí)際系統(tǒng)中的應(yīng)用.拓?fù)涓兄能浻布Y(jié)構(gòu)如圖3所示, 其中, 包含了接收機(jī)、輻射源識(shí)別模塊、數(shù)據(jù)存儲(chǔ)模塊、拓?fù)涓兄K、網(wǎng)絡(luò)規(guī)律分析模塊、戰(zhàn)場(chǎng)決策模塊,共同構(gòu)成了OODA 環(huán)路.

圖3 拓?fù)涓兄浻布到y(tǒng)圖Fig.3 Hardware and software system of topology sensing

具體來(lái)說(shuō), 接收機(jī)主要負(fù)責(zé)檢測(cè)目標(biāo)網(wǎng)絡(luò)的信號(hào)參數(shù),如信號(hào)發(fā)送的時(shí)間、信號(hào)功率、信號(hào)持續(xù)時(shí)間等.其中關(guān)鍵技術(shù)在于信號(hào)的有效檢測(cè),即如何設(shè)置自適應(yīng)檢測(cè)門限來(lái)對(duì)不同信號(hào)進(jìn)行識(shí)別, 這一步是后續(xù)步驟的基礎(chǔ)和前提.

隨后, 數(shù)據(jù)進(jìn)入輻射源識(shí)別模塊用于進(jìn)行輻射源唯一標(biāo)識(shí), 也就是根據(jù)信號(hào)的主要特征對(duì)信號(hào)進(jìn)行分類, 識(shí)別其輻射源, 從而進(jìn)行編號(hào).其中關(guān)鍵技術(shù)在于輻射源的開集識(shí)別, 即在輻射源列表未知的情況下給輻射源編號(hào), 目前解決此類問(wèn)題通常使用深度學(xué)習(xí)方法,輻射源識(shí)別是否準(zhǔn)確,是后續(xù)拓?fù)涓兄欠駵?zhǔn)確的關(guān)鍵.

信號(hào)檢測(cè)和輻射源識(shí)別之后的數(shù)據(jù)需要在數(shù)據(jù)存儲(chǔ)模塊進(jìn)行緩存.以基于時(shí)間序列數(shù)據(jù)挖掘的拓?fù)涓兄椒槔? 進(jìn)行拓?fù)涓兄臄?shù)據(jù)需要進(jìn)行一定時(shí)間的積累.因此,數(shù)據(jù)存儲(chǔ)模塊作為數(shù)據(jù)的緩沖區(qū), 對(duì)前面一段時(shí)間的數(shù)據(jù)進(jìn)行存儲(chǔ)、管理和顯示.其中關(guān)鍵技術(shù)在于時(shí)間窗的自適應(yīng)選取, 即如何判斷存儲(chǔ)數(shù)據(jù)足夠進(jìn)行拓?fù)涓兄? 這對(duì)后續(xù)拓?fù)涓兄臏?zhǔn)確率有很大影響.

在數(shù)據(jù)滿足拓?fù)涓兄獢?shù)據(jù)量的最低需求時(shí), 開始進(jìn)行拓?fù)涓兄?拓?fù)涓兄K的關(guān)鍵技術(shù)在于如何判斷兩個(gè)節(jié)點(diǎn)具有相關(guān)性, 從而得到網(wǎng)絡(luò)的鄰接矩陣, 其在第2 節(jié)已詳細(xì)介紹, 此處不再贅述.拓?fù)涓兄蔷W(wǎng)絡(luò)規(guī)律分析模塊的基礎(chǔ)和前提.

在進(jìn)行拓?fù)涓兄? 得到目標(biāo)網(wǎng)絡(luò)的聯(lián)通矩陣,依據(jù)該聯(lián)通關(guān)系,網(wǎng)絡(luò)規(guī)律分析模塊能夠?qū)W(wǎng)絡(luò)的更高層次語(yǔ)義信息進(jìn)行后續(xù)挖掘, 包括網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)、關(guān)鍵鏈路、常用通信頻率等,從而輔助完成某些戰(zhàn)場(chǎng)決策.其關(guān)鍵技術(shù)在于關(guān)鍵節(jié)點(diǎn)識(shí)別和關(guān)鍵鏈路識(shí)別.目前關(guān)鍵節(jié)點(diǎn)識(shí)別通常利用節(jié)點(diǎn)局部特征如度、介數(shù)等對(duì)節(jié)點(diǎn)進(jìn)行排序,從而得到關(guān)鍵節(jié)點(diǎn);而關(guān)鍵鏈路識(shí)別目前沒(méi)有較為有效的方法,因?yàn)閷⑿盘?hào)精準(zhǔn)匹配收發(fā)節(jié)點(diǎn)是非常困難的.

在這一系列的通信規(guī)律的基礎(chǔ)上, 對(duì)戰(zhàn)場(chǎng)非合作網(wǎng)絡(luò)的整體情況進(jìn)行大致把握和簡(jiǎn)要評(píng)估, 從而輔助制定正確的戰(zhàn)場(chǎng)決策, 該決策可能包含資源配置、干擾打擊、戰(zhàn)略部署等.戰(zhàn)場(chǎng)決策的制定同時(shí)作用于接收機(jī)的布置,如接收機(jī)的數(shù)量、位置、作用頻段等等,從而更好地捕捉網(wǎng)絡(luò)信號(hào),為拓?fù)涓兄獧z測(cè)到更有用的信息.

3.2 系統(tǒng)設(shè)計(jì)關(guān)鍵技術(shù)

拓?fù)涓兄到y(tǒng)各個(gè)模塊的關(guān)系如圖4 所示.其中有3 個(gè)關(guān)鍵技術(shù)需要特別注意.1)建立已識(shí)別節(jié)點(diǎn)集合.這樣可以把開集輻射源識(shí)別問(wèn)題轉(zhuǎn)化為閉集輻射源識(shí)別問(wèn)題,有利于提高輻射源識(shí)別準(zhǔn)確率,從而提高拓?fù)涓兄獪?zhǔn)確率.2)選擇合適的數(shù)據(jù)量.數(shù)據(jù)量的大小取決于目標(biāo)網(wǎng)絡(luò)的節(jié)點(diǎn)個(gè)數(shù)、通信頻次等,根據(jù)相關(guān)先驗(yàn)信息設(shè)計(jì)自適應(yīng)時(shí)間窗,是今后研究時(shí)變拓?fù)涞幕A(chǔ)和前提.3)確定戰(zhàn)場(chǎng)決策依據(jù).根據(jù)不同的任務(wù)導(dǎo)向,影響決策的物理量也不相同,因此,選擇合適的戰(zhàn)場(chǎng)決策依據(jù),才能作出正確的戰(zhàn)場(chǎng)決策,從而成為制勝的關(guān)鍵.

圖4 拓?fù)涓兄到y(tǒng)各模塊關(guān)系和關(guān)鍵技術(shù)Fig.4 Relationship and key technologies of topology sensing system module

4 拓?fù)涓兄夹g(shù)發(fā)展趨勢(shì)

戰(zhàn)場(chǎng)上的指揮與控制有賴于有效可靠的拓?fù)涓兄夹g(shù).通過(guò)獲取對(duì)方通信數(shù)據(jù)推斷網(wǎng)絡(luò)拓?fù)?具體有以下幾個(gè)重要價(jià)值.1) 有利于戰(zhàn)場(chǎng)有限資源的合理分配.戰(zhàn)場(chǎng)偵查設(shè)備的布置、調(diào)度等都是建立在深入了解對(duì)方網(wǎng)絡(luò)的聯(lián)通關(guān)系的基礎(chǔ)之上的.2) 有利于戰(zhàn)場(chǎng)高效快速干擾.通過(guò)網(wǎng)絡(luò)拓?fù)?結(jié)合通信數(shù)據(jù),可以分析對(duì)方某個(gè)通信網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)和關(guān)鍵鏈路,從而進(jìn)行精準(zhǔn)干擾或打擊,提高戰(zhàn)場(chǎng)決策效率,事半功倍.縱觀國(guó)內(nèi)外對(duì)于拓?fù)涓兄南嚓P(guān)研究,可以發(fā)現(xiàn)以下趨勢(shì).

1)拓?fù)涓兄姆椒◤穆酚蓞f(xié)議、電網(wǎng)向統(tǒng)計(jì)學(xué)習(xí)、人工智能遷移.

隨著認(rèn)知電子戰(zhàn)的發(fā)展, 拓?fù)涓兄膶?duì)象從合作網(wǎng)絡(luò)逐漸向非合作網(wǎng)絡(luò)演變.在這種情況下,傳統(tǒng)的路由協(xié)議、電網(wǎng)等拓?fù)涓兄姆椒ㄐ枰罅康木W(wǎng)絡(luò)信息作為支持,例如網(wǎng)絡(luò)流量、網(wǎng)絡(luò)協(xié)議等.然而,在復(fù)雜的戰(zhàn)場(chǎng)環(huán)境下, 得知這些網(wǎng)絡(luò)內(nèi)部信息是極為不現(xiàn)實(shí)的, 這就要求拓?fù)涓兄娜蝿?wù)是需要從有限的監(jiān)測(cè)信息中學(xué)習(xí)網(wǎng)絡(luò)拓?fù)? 而統(tǒng)計(jì)學(xué)習(xí)和人工智能無(wú)疑是最好的選擇.

2)拓?fù)涓兄膱?chǎng)景從簡(jiǎn)單、小規(guī)模場(chǎng)景向復(fù)雜、大規(guī)模場(chǎng)景遷移.

無(wú)人機(jī)在戰(zhàn)場(chǎng)環(huán)境中被廣泛應(yīng)用, 直接導(dǎo)致了作戰(zhàn)網(wǎng)絡(luò)規(guī)模的迅速擴(kuò)大.戰(zhàn)場(chǎng)環(huán)境從單一的同構(gòu)網(wǎng)絡(luò)向有著多種作戰(zhàn)設(shè)備的復(fù)雜異構(gòu)網(wǎng)絡(luò)轉(zhuǎn)變.與之對(duì)應(yīng), 拓?fù)涓兄夹g(shù)的應(yīng)用場(chǎng)景也將會(huì)隨著戰(zhàn)場(chǎng)環(huán)境的步伐轉(zhuǎn)變, 力求解決大規(guī)模網(wǎng)絡(luò)的拓?fù)涓兄獑?wèn)題.

3)拓?fù)涓兄耐負(fù)錉顟B(tài)從時(shí)不變靜態(tài)向時(shí)變動(dòng)態(tài)遷移.

網(wǎng)絡(luò)拓?fù)湓谡鎸?shí)環(huán)境下并不是一成不變的, 隨著任務(wù)的變化、隊(duì)形的變化等會(huì)呈現(xiàn)出隨時(shí)間變化的動(dòng)態(tài)趨勢(shì).在過(guò)去的研究中,人們?yōu)榱撕?jiǎn)化問(wèn)題而忽略了這種變化,而現(xiàn)在隨著研究的深入,如何把握這種動(dòng)態(tài)的臨界值,并在線跟蹤這種動(dòng)態(tài),將逐漸成為人們接下來(lái)研究的重點(diǎn).

5 結(jié)論

本文探討了在無(wú)人作戰(zhàn)指揮與控制的大環(huán)境下面向非合作無(wú)線網(wǎng)絡(luò)的拓?fù)涓兄獑?wèn)題, 概括了拓?fù)涓兄芯康膰?guó)內(nèi)外現(xiàn)狀、所面臨的挑戰(zhàn)、常用方法、系統(tǒng)設(shè)計(jì)以及發(fā)展趨勢(shì)等.在如今越來(lái)越復(fù)雜的戰(zhàn)場(chǎng)環(huán)境下, 僅感知數(shù)據(jù)而不識(shí)別網(wǎng)絡(luò)整體結(jié)構(gòu)會(huì)使得戰(zhàn)場(chǎng)決策出現(xiàn)偏差,不足以支撐無(wú)人作戰(zhàn).只有掌握了對(duì)方網(wǎng)絡(luò)整體結(jié)構(gòu)和聯(lián)通關(guān)系, 才能在整體把握的基礎(chǔ)上進(jìn)行局部深層次偵察, 從而實(shí)現(xiàn)精準(zhǔn)快速的戰(zhàn)場(chǎng)決策.