羅 杰，蘇 兵，翟樂育

（國防科技大學(xué)信息通信學(xué)院試驗(yàn)訓(xùn)練基地，陜西 西安 710106）

空中無人通信平臺(tái)是指將通信載荷升空搭載到低空無人平臺(tái)，作為通信接入節(jié)點(diǎn)或中繼節(jié)點(diǎn)，與地面基站形成空地一體的綜合接入系統(tǒng)［1?4］。該系統(tǒng)能夠有效解決當(dāng)前固定、車載通信基站天線架設(shè)高度有限，信號(hào)覆蓋范圍小，且易受地形影響的問題，滿足戰(zhàn)場無線通信保障需求。對(duì)空中無人通信平臺(tái)的作戰(zhàn)效能評(píng)估能夠量化分析裝備運(yùn)用實(shí)效，為合理作戰(zhàn)運(yùn)用提供理論支撐，具有重要意義。目前關(guān)于武器裝備作戰(zhàn)效能評(píng)估的研究成果非常多，常見評(píng)估方法有層次分析法［5］、ADC法［6］、模糊綜合評(píng)判法［7］、灰色評(píng)估法［8］等。這些方法均是通過層層解析的方式構(gòu)建評(píng)估模型，或多或少依賴于專家打分，主觀成分較大；并且對(duì)愈加多樣的武器裝備體系結(jié)構(gòu)和多變的作戰(zhàn)環(huán)境適應(yīng)能力較差，計(jì)算過程繁瑣復(fù)雜。為此，一些學(xué)者提出了擁有更強(qiáng)數(shù)據(jù)處理能力、更好適應(yīng)泛化能力的人工神經(jīng)網(wǎng)絡(luò)效能評(píng)估方法［9?11］，很好地彌補(bǔ)了傳統(tǒng)方法的缺陷。本文構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估模型，旨在取得客觀準(zhǔn)確的評(píng)估結(jié)果。

1 作戰(zhàn)效能評(píng)估指標(biāo)體系

11 空中無人通信平臺(tái)作戰(zhàn)效能影響因素分析

空中無人通信平臺(tái)作戰(zhàn)效能同時(shí)受主觀內(nèi)因和客觀外因的雙重作用，既有系統(tǒng)固有能力的支撐，也有外部因素積極或消極的影響。首先，系統(tǒng)固有能力是空中無人通信平臺(tái)在特定標(biāo)準(zhǔn)和條件下，通過執(zhí)行一組任務(wù)的方法和手段集成，達(dá)到期望效果的本領(lǐng)，是影響作戰(zhàn)效能的根本因素；其次，作戰(zhàn)指揮人員、裝備操作人員、技術(shù)保障人員對(duì)空中無人通信平臺(tái)的規(guī)劃協(xié)同、操作使用、技術(shù)保障等作戰(zhàn)運(yùn)用是影響作戰(zhàn)效能的現(xiàn)實(shí)因素；另外，特殊的作戰(zhàn)環(huán)境，包括地理、氣象、電磁等自然環(huán)境和敵方的軟硬殺傷等對(duì)抗環(huán)境，是影響作戰(zhàn)效能的重要外部因素。綜合分析，可繪制如圖1所示的空中無人通信平臺(tái)作戰(zhàn)效能影響因素關(guān)系圖。

圖1 空中無人通信平臺(tái)作戰(zhàn)效能影響因素關(guān)系圖

12 空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估指標(biāo)體系構(gòu)建

在分析空中無人通信平臺(tái)作戰(zhàn)效能影響因素的基礎(chǔ)上，采取分類、聚合的方法，從系統(tǒng)固有屬性、作戰(zhàn)運(yùn)用、戰(zhàn)場因素3個(gè)層面出發(fā)，設(shè)置系統(tǒng)固有能力、作戰(zhàn)運(yùn)用能力、戰(zhàn)場適應(yīng)能力3個(gè)一級(jí)指標(biāo)，其中，系統(tǒng)固有能力又分解為信息傳輸能力、業(yè)務(wù)支撐能力、體系融合能力，作戰(zhàn)運(yùn)用能力又分規(guī)劃協(xié)同能力、裝備操作能力、技術(shù)保障能力，戰(zhàn)場適應(yīng)能力又分為自然環(huán)境適應(yīng)能力、作戰(zhàn)環(huán)境適應(yīng)能力，各二級(jí)指標(biāo)繼續(xù)分解可得到如圖2所示的指標(biāo)體系。

圖2 空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估指標(biāo)體系

2 BP神經(jīng)網(wǎng)絡(luò)基本原理

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN），是模仿人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，是理論化的人腦神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。自20世紀(jì)40年代被提出后，經(jīng)過了充分的發(fā)展，迄今為止，已有幾十種人工神經(jīng)網(wǎng)絡(luò)類型。其中，BP神經(jīng)網(wǎng)絡(luò)也稱誤差反向傳播神經(jīng)網(wǎng)絡(luò)，是應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)之一，它是由非線性變換單元組成的前饋型神經(jīng)網(wǎng)絡(luò)，擁有神經(jīng)網(wǎng)絡(luò)理論中最精華的部分。

2.1 神經(jīng)元模型

人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元按照大規(guī)模并行的方式通過一定的拓?fù)浣Y(jié)構(gòu)連接而成的網(wǎng)絡(luò)。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本處理單元，基本的神經(jīng)元模型如圖3所示。

圖3 基本神經(jīng)元模型

其中，［x1，x2…xn］為神經(jīng)元的輸入，［w1，w2…wn］為每個(gè)輸入對(duì)應(yīng)的權(quán)值，θ為神經(jīng)元的閾值，f為神經(jīng)元的激活函數(shù)，y為神經(jīng)元的輸出，當(dāng)各輸入加權(quán)求和后達(dá)到閾值時(shí)，激活函數(shù)就會(huì)產(chǎn)生一個(gè)輸出，即

每個(gè)神經(jīng)元的輸出結(jié)果取決于激活函數(shù)f，因此，整個(gè)神經(jīng)網(wǎng)絡(luò)中激活函數(shù)決定收斂效率和非線性能力，常用的激活函數(shù)有線性激活函數(shù)、S型激活函數(shù)、雙S型激活函數(shù)等。

2.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

單一的神經(jīng)元不能實(shí)現(xiàn)復(fù)雜的功能，只有大量神經(jīng)元組成龐大的神經(jīng)網(wǎng)絡(luò)，才能實(shí)現(xiàn)對(duì)復(fù)雜信息的處理與存儲(chǔ)。如果將神經(jīng)元按一定規(guī)則連接起來，并使各神經(jīng)元的連接權(quán)按一定規(guī)則變化，就能產(chǎn)生各種各樣的神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)是一個(gè)多層前饋神經(jīng)網(wǎng)絡(luò)，包含1個(gè)輸入層、1個(gè)輸出層和若干個(gè)隱含層，圖4為只有一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，該網(wǎng)絡(luò)有n個(gè)輸入、m個(gè)輸出，網(wǎng)絡(luò)結(jié)構(gòu)可以表示為［n，r，m］，r為隱含層神經(jīng)元的數(shù)量。

圖4 包含一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

根據(jù)公式（1），可以求出隱含層第s個(gè)神經(jīng)元的輸出hs以及輸出層第k個(gè)神經(jīng)元的輸出yk，分別為：

式中，f1、f2為隱含層和輸出層的激活函數(shù)，wsi、wkj為隱含層第s個(gè)神經(jīng)元第i個(gè)輸入的權(quán)值和輸出層第k個(gè)神經(jīng)元第j個(gè)輸入的權(quán)值，θs、θk為隱含層第s個(gè)神經(jīng)元的閾值和輸出層第k個(gè)神經(jīng)元的閾值。

2.3 網(wǎng)絡(luò)訓(xùn)練過程

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練分為：1）工作信號(hào)正向傳播，輸入信號(hào)經(jīng)過量化和歸一化處理后從輸入層進(jìn)入網(wǎng)絡(luò)，在隱含層進(jìn)行加工和處理，從輸出層輸出信息，這個(gè)過程中網(wǎng)絡(luò)權(quán)值保持不變；2）誤差信號(hào)逆向傳播，如果輸出值與期望值的誤差大于期望誤差，網(wǎng)絡(luò)就轉(zhuǎn)入誤差信號(hào)逆向傳播階段，誤差信號(hào)由輸出端開始逆向傳播，將誤差均分給每一層的神經(jīng)元，使用梯度下降方法調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值后，再進(jìn)行正向傳播，使輸出值和期望值之間的誤差盡可能小，當(dāng)輸出層的誤差滿足設(shè)定的結(jié)束條件時(shí)訓(xùn)練終止，保存得到的權(quán)值與閾值［12-13］。

2.4 基于BP神經(jīng)網(wǎng)絡(luò)作戰(zhàn)效能評(píng)估可行性分析

BP神經(jīng)網(wǎng)絡(luò)因具有特殊的性能，用于空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估具有得天獨(dú)厚的優(yōu)勢，具體可行性分析如下。

1）任意輸入-輸出的非線性映射

空中無人通信平臺(tái)作戰(zhàn)效能影響因素眾多，且各因素間存在復(fù)雜的非線性關(guān)系，對(duì)作戰(zhàn)效能的影響方向、影響程度各不相同，多種因素同時(shí)作用時(shí)，關(guān)系更是復(fù)雜難辨，很難用一個(gè)具體的數(shù)學(xué)模型準(zhǔn)確表達(dá)。大部分現(xiàn)有評(píng)估方法無法恰當(dāng)?shù)胤从吃u(píng)估要素間復(fù)雜關(guān)聯(lián)關(guān)系以及作戰(zhàn)過程的不確定性，且應(yīng)用模式單一，無法滿足武器裝備作戰(zhàn)效能評(píng)估日益復(fù)雜且多樣化的應(yīng)用需求。而BP神經(jīng)網(wǎng)絡(luò)在解決復(fù)雜非線性映射問題上有獨(dú)特的優(yōu)勢，在作戰(zhàn)效能評(píng)估時(shí)，將影響作戰(zhàn)效能的各因素作為神經(jīng)網(wǎng)絡(luò)的輸入，作戰(zhàn)效能結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸出，通過對(duì)大量樣本數(shù)據(jù)的訓(xùn)練學(xué)習(xí)，自動(dòng)獲取內(nèi)部各層神經(jīng)元的權(quán)值和閾值，建立作戰(zhàn)效能與其影響因素間的非線性關(guān)系，評(píng)估者并不需要掌握空中無人通信平臺(tái)作戰(zhàn)效能內(nèi)部這個(gè)“黑箱系統(tǒng)”［14］的數(shù)據(jù)轉(zhuǎn)換關(guān)系，只需要輸入待評(píng)估的指標(biāo)數(shù)值，就可得到作戰(zhàn)效能。

2）強(qiáng)大的數(shù)據(jù)處理能力

現(xiàn)代戰(zhàn)爭節(jié)奏快，戰(zhàn)場態(tài)勢瞬息萬變，不確定性越來越大，留給指揮員的反應(yīng)時(shí)間越來越少，這些挑戰(zhàn)要求指揮機(jī)關(guān)必須更準(zhǔn)確、更快速地評(píng)估空中無人通信平臺(tái)在特殊作戰(zhàn)環(huán)境下的作戰(zhàn)效能，為指揮決策提供技術(shù)支撐。而傳統(tǒng)的作戰(zhàn)效能評(píng)估方法需要構(gòu)建模型算法，并通過層層解析，計(jì)算最終評(píng)估結(jié)果，數(shù)據(jù)計(jì)算過程繁瑣復(fù)雜，耗時(shí)耗力；BP神經(jīng)網(wǎng)絡(luò)擁有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，在軟硬件上都容易實(shí)現(xiàn)，能夠快速處理大規(guī)模的數(shù)據(jù)。利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行作戰(zhàn)效能評(píng)估時(shí)，只需要簡單輸入，就能夠迅速得出評(píng)估結(jié)論，省去了復(fù)雜的計(jì)算過程，很好地保證了作戰(zhàn)效能評(píng)估的時(shí)效性。

3）數(shù)據(jù)驅(qū)動(dòng)的客觀性

傳統(tǒng)作戰(zhàn)效能評(píng)估依托模型算法完成，指標(biāo)權(quán)重獲取過度依賴專家經(jīng)驗(yàn)，且模型算法構(gòu)建具有一定的主觀性。隨著戰(zhàn)爭形態(tài)的演變，戰(zhàn)場數(shù)據(jù)信息獲取方式多元，體量不斷增大，為使用人工神經(jīng)網(wǎng)絡(luò)提供了數(shù)據(jù)保障上的便利。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估的主要思想是利用神經(jīng)網(wǎng)絡(luò)算法從海量的數(shù)據(jù)中找出所隱含的信息，即數(shù)據(jù)所具有的趨勢性與規(guī)律性，并依據(jù)這些規(guī)律進(jìn)行預(yù)測評(píng)估，整個(gè)評(píng)估過程靠海量的戰(zhàn)場數(shù)據(jù)驅(qū)動(dòng)，極大地增強(qiáng)了作戰(zhàn)效能評(píng)估的客觀性，能夠很好地指導(dǎo)戰(zhàn)爭決策。

3 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

3.1 網(wǎng)絡(luò)結(jié)構(gòu)確定

3.2 作戰(zhàn)效能評(píng)估流程

利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估時(shí)，按照收集準(zhǔn)備樣本數(shù)據(jù)、依據(jù)指標(biāo)體系構(gòu)建網(wǎng)絡(luò)、利用訓(xùn)練樣本訓(xùn)練網(wǎng)絡(luò)、利用檢驗(yàn)樣本驗(yàn)證網(wǎng)絡(luò)、使用新的數(shù)據(jù)進(jìn)行作戰(zhàn)效能評(píng)估的流程進(jìn)行，如圖5所示。

4 實(shí)例評(píng)估分析

4.1 確定訓(xùn)練樣本和檢驗(yàn)樣本

本文以某型空中無人通信平臺(tái)執(zhí)行專項(xiàng)任務(wù)為評(píng)估實(shí)例，收集整理了30組末端指標(biāo)數(shù)據(jù)，利用模糊綜合評(píng)判法計(jì)算對(duì)應(yīng)的作戰(zhàn)效能作為期望值，具體不再贅述。將前20組數(shù)據(jù)作為訓(xùn)練樣本，用來訓(xùn)練構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)；后10組作為檢驗(yàn)樣本，用來驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)的可行性。部分樣本數(shù)據(jù)如表1所示。

表1 部分樣本數(shù)據(jù)

4.2 確定神經(jīng)網(wǎng)絡(luò)參數(shù)

本文調(diào)用Matlab中神經(jīng)網(wǎng)絡(luò)工具箱（Neural Network Toolbox，NNbox）進(jìn)行編程，設(shè)定BP神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)如下：神經(jīng)網(wǎng)絡(luò)中輸入層和隱含層神經(jīng)元的激活函數(shù)均設(shè)定為正切S型激活函數(shù)tansig，輸出層采用線性激活函數(shù)purelin；網(wǎng)絡(luò)訓(xùn)練時(shí)采用基本梯度下降算法traingd；最大訓(xùn)練次數(shù)為105，均方差精度為10－5，學(xué)習(xí)效率為0.05。

4.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

應(yīng)用訓(xùn)練樣本在Matlab上編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練結(jié)果發(fā)現(xiàn)，該BP神經(jīng)網(wǎng)絡(luò)模型經(jīng)過1378次迭代誤差下降到10－5，實(shí)現(xiàn)了預(yù)定的訓(xùn)練目標(biāo)，圖6為訓(xùn)練樣本誤差迭代圖。

圖6 訓(xùn)練樣本迭代誤差圖

4.4 樣本檢驗(yàn)及分析

利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，對(duì)10組檢驗(yàn)數(shù)據(jù)進(jìn)行仿真計(jì)算，得到的作戰(zhàn)效能評(píng)估值與期望值對(duì)比如圖7所示。

圖7 檢驗(yàn)樣本評(píng)估結(jié)果

仿真結(jié)果表明：利用BP神經(jīng)網(wǎng)絡(luò)得出的評(píng)估值與期望值基本擬合，誤差在0.5以內(nèi)，說明利用此模型進(jìn)行作戰(zhàn)效能評(píng)估是有效的，模型構(gòu)建符合預(yù)期。在進(jìn)行新的評(píng)估時(shí)，只需要將指標(biāo)數(shù)值輸入BP神經(jīng)網(wǎng)絡(luò)就能計(jì)算出作戰(zhàn)效能評(píng)估結(jié)果。

5 結(jié)束語

本文使用Matlab編程BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)空中無人通信平臺(tái)作戰(zhàn)效能評(píng)估，較好地克服傳統(tǒng)評(píng)估方法主觀性太強(qiáng)的弊端。本次仿真實(shí)驗(yàn)中利用的模糊綜合評(píng)判法的評(píng)估結(jié)論經(jīng)過了多次驗(yàn)證，較為接近真實(shí)值，以此作為期望值僅是為了驗(yàn)證模型的可行性，并不影響評(píng)估模型的客觀性，在實(shí)際應(yīng)用時(shí)要通過實(shí)地采集裝備作戰(zhàn)效能數(shù)據(jù)作為期望值進(jìn)行網(wǎng)絡(luò)訓(xùn)練；其次，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要大量精確的樣本數(shù)據(jù)，才能保證精確度，本文選取的樣本數(shù)量較少，在一定程度上降低了評(píng)估模型的精確度；另外，本神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值并沒有限定，采取隨機(jī)賦予的方式，造成了網(wǎng)絡(luò)收斂速度較慢，下一步要在解決這些問題上加強(qiáng)研究，以期構(gòu)建更加的精確、實(shí)用的BP神經(jīng)網(wǎng)絡(luò)作戰(zhàn)效能評(píng)估模型。