喬殿峰, 梁 彥,*, 馬超雄, 楊心語(yǔ), 汪 冕, 李建國(guó)

(1. 西北工業(yè)大學(xué)自動(dòng)化學(xué)院, 陜西 西安 710129; 2. 北方自動(dòng)控制技術(shù)研究所, 山西 太原 030006)

0 引 言

多域作戰(zhàn)通過(guò)協(xié)同多個(gè)領(lǐng)域力量協(xié)同作戰(zhàn),避免依賴單一的偵察或打擊方式,產(chǎn)生優(yōu)于各部分總和的整體效果,進(jìn)而創(chuàng)造出單一領(lǐng)域行動(dòng)無(wú)法實(shí)現(xiàn)的作戰(zhàn)效果,已成為未來(lái)戰(zhàn)爭(zhēng)的主要作戰(zhàn)方式。在“環(huán)太平洋-2018”演習(xí)中,美軍多域戰(zhàn)特遣隊(duì)試驗(yàn)部隊(duì)成功地演示了多域作戰(zhàn)方法。為實(shí)現(xiàn)戰(zhàn)場(chǎng)態(tài)勢(shì)占優(yōu),這需要融合所有作戰(zhàn)領(lǐng)域的感知信息,構(gòu)建更為全面的戰(zhàn)場(chǎng)態(tài)勢(shì),幫助決策者理解來(lái)自不同領(lǐng)域的信息關(guān)聯(lián)及其對(duì)聯(lián)合部隊(duì)行動(dòng)的影響,從而改善感知和判斷。2020年,美軍將聯(lián)合全域作戰(zhàn)(joint all domain operations, JADO)和聯(lián)合全域指揮控制(joint all domain command and control, JADC2)納入條令體系,從作戰(zhàn)條令、系統(tǒng)研制、演習(xí)試驗(yàn)等各個(gè)層面積極推進(jìn)JADC2的建設(shè),實(shí)現(xiàn)多域戰(zhàn)從軍種概念上升到聯(lián)合概念的轉(zhuǎn)變。JADO本質(zhì)是一種深度的聯(lián)合作戰(zhàn)思想,堅(jiān)持多軍種深度聯(lián)合作戰(zhàn),加強(qiáng)陸、海、空、天、網(wǎng)、電等全領(lǐng)域的多域協(xié)同與跨域融合,雖然仍然是基于觀察-判斷-決策-行動(dòng)(observation orientation decision action, OODA)理論,但不同于傳統(tǒng)“通過(guò)加速OODA環(huán)以達(dá)到作戰(zhàn)優(yōu)勢(shì)”理念,JADO更側(cè)重于協(xié)同多域作戰(zhàn)力量,融合多域戰(zhàn)場(chǎng)態(tài)勢(shì),建立己方?jīng)Q策優(yōu)勢(shì)。

多域作戰(zhàn)概念不僅極大地改變了作戰(zhàn)體系的對(duì)抗環(huán)境和對(duì)抗方式,對(duì)作戰(zhàn)體系的組成、結(jié)構(gòu)和應(yīng)用也產(chǎn)生了直接的影響,從復(fù)雜場(chǎng)景的特點(diǎn)入手,構(gòu)建合理的作戰(zhàn)流程是順利實(shí)現(xiàn)技術(shù)應(yīng)用的必要條件。例如,多武器資源分配的過(guò)程是將指揮員的意圖轉(zhuǎn)化為聯(lián)合作戰(zhàn)計(jì)劃,必須通過(guò)準(zhǔn)確分析戰(zhàn)場(chǎng)空間信息來(lái)提高態(tài)勢(shì)分析能力。戰(zhàn)場(chǎng)態(tài)勢(shì)分析是指揮員根據(jù)獲得的戰(zhàn)場(chǎng)感知信息進(jìn)行戰(zhàn)場(chǎng)情況分析判斷過(guò)程,是戰(zhàn)場(chǎng)決策的重要條件,是信息優(yōu)勢(shì)轉(zhuǎn)變?yōu)闆Q策優(yōu)勢(shì)的關(guān)鍵因素。群目標(biāo)意圖識(shí)別與預(yù)測(cè)是指對(duì)作戰(zhàn)區(qū)域內(nèi)目標(biāo)作戰(zhàn)集群所要達(dá)到某個(gè)目的或作戰(zhàn)計(jì)劃的自動(dòng)評(píng)估和預(yù)判,是態(tài)勢(shì)分析的重要功能,屬于戰(zhàn)場(chǎng)數(shù)據(jù)融合體系的高層處理部分。

目前,群目標(biāo)意圖識(shí)別與預(yù)測(cè)主要在貝葉斯網(wǎng)絡(luò)(Bayesian networks, BN)推理框架下展開(kāi)。貝葉斯推理具有能夠應(yīng)對(duì)傳感數(shù)據(jù)固有的隨機(jī)不確定性和意圖識(shí)別固有的語(yǔ)義模糊性、利用目標(biāo)實(shí)體先驗(yàn)統(tǒng)計(jì)信息、能利用專家的實(shí)體關(guān)系知識(shí)構(gòu)建推理網(wǎng)絡(luò)、支持推理網(wǎng)絡(luò)參數(shù)的再學(xué)習(xí)等優(yōu)點(diǎn)。在黑板上建立的基于BN和模糊邏輯的態(tài)勢(shì)評(píng)估算法能夠評(píng)估每個(gè)威脅的相對(duì)重要性?；谌耗繕?biāo)的態(tài)勢(shì)分析與威脅估計(jì)模型闡述了作戰(zhàn)指揮流程和作戰(zhàn)計(jì)劃的逐層展開(kāi)過(guò)程,印證了群目標(biāo)意圖識(shí)別模型的可行性。將粗糙集理論與計(jì)劃識(shí)別相結(jié)合,基于粗糙集的計(jì)劃識(shí)別方法,能夠應(yīng)對(duì)信息的語(yǔ)義含糊性,具有快速計(jì)劃識(shí)別的優(yōu)點(diǎn)。基于目標(biāo)屬性的態(tài)勢(shì)關(guān)聯(lián)方法指出目標(biāo)的類型、運(yùn)動(dòng)特征以及電磁特性與意圖識(shí)別之間存在邏輯關(guān)聯(lián)?？紤]到不同證據(jù)在態(tài)勢(shì)評(píng)估中的重要性不同,引入證據(jù)權(quán)重系數(shù)的證據(jù)組合方法改進(jìn)了證據(jù)的重要性的計(jì)算。面向“認(rèn)知、預(yù)測(cè)、驗(yàn)證”閉環(huán)的態(tài)勢(shì)評(píng)估的計(jì)劃識(shí)別框架在態(tài)勢(shì)評(píng)估系統(tǒng)中閉環(huán)過(guò)程的具有可描述性和可計(jì)算性。但是，上述方法缺乏對(duì)意圖影響很大的時(shí)間演化關(guān)系的分析,通過(guò)將BN擴(kuò)展到對(duì)時(shí)間演化過(guò)程進(jìn)行表示,動(dòng)態(tài)BN(dynamic BN,DBN)具備了時(shí)序處理能力,不過(guò)DBN網(wǎng)絡(luò)規(guī)模較小,推理任務(wù)相對(duì)單一,僅能推理出作戰(zhàn)實(shí)體的子意圖,無(wú)法直接得到上層群意圖。動(dòng)態(tài)序列BN(dynamic series BN,DSBN)將DBN和序列BN(series BN, SBN)相結(jié)合,先由目標(biāo)屬性推理出行為模式,再由行為模式推理上層意圖,不過(guò)缺乏對(duì)時(shí)間序列上協(xié)同關(guān)系及兵力構(gòu)成方面的梳理,不適合多域作戰(zhàn)的多兵種集群協(xié)作情況。

本文以多域戰(zhàn)下航母編隊(duì)意圖識(shí)別與預(yù)測(cè)為例,給出了集群目標(biāo)意圖推理方案。多域戰(zhàn)群目標(biāo)意圖推理先根據(jù)不同實(shí)體的屬性推理出個(gè)體行為,再結(jié)合作戰(zhàn)實(shí)體的時(shí)序規(guī)則、雙方相對(duì)距離及航向等信息得到同類目標(biāo)元意圖,最后利用實(shí)體序列協(xié)作關(guān)系及編隊(duì)隊(duì)形信息推理出群目標(biāo)總意圖,是一種多層次的識(shí)別過(guò)程,由此本文提出了基于群目標(biāo)狀態(tài)信息、作戰(zhàn)規(guī)則和編隊(duì)隊(duì)形構(gòu)建的多實(shí)體分層BN(multi-entity hierarchical BN,MEHBN)來(lái)動(dòng)態(tài)推理對(duì)方意圖。

1 問(wèn)題描述

不同于傳統(tǒng)的作戰(zhàn)樣式,多域作戰(zhàn)要在聯(lián)合部隊(duì)內(nèi)建立靈活以及具有適應(yīng)性的編隊(duì),通過(guò)改變部隊(duì)部署態(tài)勢(shì)加強(qiáng)對(duì)敵威懾,以航母群為例,如圖1所示,飛機(jī)和艦艇各司其職,協(xié)同完成作戰(zhàn)任務(wù),艦艇編隊(duì)隊(duì)形跟隨作戰(zhàn)任務(wù)變化。多域作戰(zhàn)具有以下特性: 實(shí)體多類,包括航母、驅(qū)逐艦、護(hù)衛(wèi)艦、戰(zhàn)斗機(jī)、干擾機(jī)和預(yù)警機(jī)等;隊(duì)形多變,包括一字橫隊(duì)、楔形隊(duì)形、交錯(cuò)隊(duì)形、縱隊(duì)隊(duì)形等;意圖多樣,包括遠(yuǎn)征、進(jìn)攻、撤退等。

圖1 航母編成示意圖Fig.1 Schematic diagram of aircraft carrier organization

在多域作戰(zhàn)中,指揮員快速、高效、準(zhǔn)確、全面了解戰(zhàn)場(chǎng)態(tài)勢(shì)面臨很大困難。隨著未來(lái)作戰(zhàn)節(jié)奏與進(jìn)程加快,戰(zhàn)場(chǎng)制勝法則是“快吃慢”,如果能夠預(yù)判其下一步或幾步行動(dòng),提前做出反應(yīng),就可以建立作戰(zhàn)優(yōu)勢(shì)。因此,除了準(zhǔn)確推理對(duì)方意圖外,還需要預(yù)測(cè)對(duì)方意圖,進(jìn)行先敵打擊。多域作戰(zhàn)中的群體意圖不能僅從組成單元的行為推斷,只分析局部不可能得出整體性結(jié)果,僅對(duì)局部態(tài)勢(shì)的認(rèn)知進(jìn)行組合、疊加不能得到整體戰(zhàn)場(chǎng)態(tài)勢(shì),多域作戰(zhàn)的整體性要求態(tài)勢(shì)分析更加全面。多域作戰(zhàn)不斷演變的特點(diǎn)使態(tài)勢(shì)要素之間的關(guān)系更加復(fù)雜多變,準(zhǔn)確地理解態(tài)勢(shì)更加困難?，F(xiàn)有的態(tài)勢(shì)分析方法主要存在以下局限:

(1) 與傳統(tǒng)識(shí)別方法僅識(shí)別單一目標(biāo)意圖的多個(gè)模式不同,多域戰(zhàn)群目標(biāo)意圖識(shí)別表現(xiàn)為不同類型實(shí)體意圖在時(shí)序上的協(xié)作,很難直接推理得到;

(2) 由于多域戰(zhàn)場(chǎng)的復(fù)雜性,當(dāng)前態(tài)勢(shì)分析方法很難從大量的戰(zhàn)場(chǎng)數(shù)據(jù)中甄別構(gòu)建BN時(shí)所需要的戰(zhàn)場(chǎng)信息,亟需利用戰(zhàn)場(chǎng)情報(bào)知識(shí)圖譜中的各異構(gòu)信源來(lái)自動(dòng)構(gòu)建意圖推理模型。

2 多域作戰(zhàn)下的群目標(biāo)意圖推理

多域作戰(zhàn)下的群目標(biāo)意圖雖然不能直接觀測(cè),但意圖總是通過(guò)目標(biāo)屬性、行為以及部署表現(xiàn)出來(lái)的。由于作戰(zhàn)任務(wù)隨戰(zhàn)場(chǎng)態(tài)勢(shì)而變化,需要對(duì)多類目標(biāo)意圖進(jìn)行分別識(shí)別,然后綜合推理得到群目標(biāo)的總意圖。

與傳統(tǒng)識(shí)別方法僅識(shí)別一個(gè)意圖下的多模式不同,多域作戰(zhàn)下的意圖識(shí)別需要先辨識(shí)不同類型實(shí)體的個(gè)體行為,再通過(guò)不同個(gè)體在時(shí)序上的行為變化得到元意圖,然后利用實(shí)體序列協(xié)作關(guān)系及編隊(duì)隊(duì)形信息推理出總意圖,是一種多層次的識(shí)別過(guò)程。首先,在綜合目標(biāo)航母編隊(duì)的基本組成、公開(kāi)活動(dòng)、作戰(zhàn)條例等各類信息構(gòu)建的目標(biāo)航母編隊(duì)知識(shí)圖譜基礎(chǔ)上,根據(jù)不同作戰(zhàn)實(shí)體的屬性推理出個(gè)體行為。然后,由個(gè)體行為在時(shí)序上的行為變化得到元意圖。最后,利用實(shí)體序列協(xié)作關(guān)系及編隊(duì)隊(duì)形信息推理出總意圖,是一種多層次的識(shí)別過(guò)程,由此實(shí)現(xiàn)MEHBN的構(gòu)建,完成群目標(biāo)意圖識(shí)別與預(yù)測(cè),為多域作戰(zhàn)下的戰(zhàn)場(chǎng)態(tài)勢(shì)分析提供支撐。據(jù)此構(gòu)建的群目標(biāo)戰(zhàn)術(shù)意圖分層樹(shù)形結(jié)構(gòu)的MEHBN模型如圖2所示。

圖2 MEHBN模型Fig.2 MEHBN model

2.1 基于知識(shí)圖譜的多域作戰(zhàn)數(shù)據(jù)及規(guī)則生成

數(shù)據(jù)來(lái)源方面,在美國(guó)國(guó)防部網(wǎng)站及其他開(kāi)源網(wǎng)站渠道通過(guò)自動(dòng)爬取數(shù)據(jù)、人工整編等方式整理美軍各航母編隊(duì)對(duì)我空海域抵近偵察情況等,積累了美軍航母、各類艦船、偵察機(jī)、戰(zhàn)斗機(jī)、電子作戰(zhàn)飛機(jī)等相關(guān)武器裝備資料。依托OpenKG.CN中文開(kāi)放知識(shí)圖譜平臺(tái)的開(kāi)源軍事武器裝備知識(shí)圖譜,基于軍事實(shí)體關(guān)系抽取、屬性抽取、多源知識(shí)融合等理論和關(guān)鍵技術(shù)研究成果。如圖3所示,課題組搭建了面向空海域管控的知識(shí)圖譜原型系統(tǒng)軟件,最終形成795個(gè)節(jié)點(diǎn)、14 806條邊的知識(shí)圖譜數(shù)據(jù),并隨著跟蹤美軍動(dòng)向數(shù)據(jù)持續(xù)更新,基于上述裝備及歷史航跡數(shù)據(jù)生成本文仿真數(shù)據(jù)。

圖3 多域作戰(zhàn)下知識(shí)圖譜全局可視化界面Fig.3 Global visualization interface of knowledge graph in multi-domain operations

規(guī)則來(lái)源方面,由于群目標(biāo)的戰(zhàn)術(shù)意圖與群內(nèi)實(shí)體目標(biāo)行為序列在統(tǒng)計(jì)意義上通常表現(xiàn)出一種確定性的關(guān)系,本文將群目標(biāo)特定戰(zhàn)術(shù)意圖下群體內(nèi)各實(shí)體的行為序列進(jìn)行統(tǒng)計(jì)挖掘后,生成與特定戰(zhàn)術(shù)意圖相對(duì)應(yīng)的實(shí)體行為序列模板,構(gòu)建成群目標(biāo)實(shí)體行為序列模板庫(kù)。在作戰(zhàn)過(guò)程中,群目標(biāo)戰(zhàn)術(shù)意圖通常被分解為多個(gè)子群的戰(zhàn)術(shù)任務(wù),而子群的戰(zhàn)術(shù)任務(wù)又分解為多個(gè)實(shí)體的戰(zhàn)術(shù)行動(dòng)。最終由每個(gè)實(shí)體作為自身戰(zhàn)術(shù)行動(dòng)來(lái)實(shí)施,從而實(shí)現(xiàn)群目標(biāo)整體戰(zhàn)術(shù)意圖。以航母戰(zhàn)斗群為例,根據(jù)其所處的空間及任務(wù)階段的不同,本文將敵方航母群目標(biāo)的戰(zhàn)術(shù)意圖空間定義為{遠(yuǎn)征、進(jìn)攻、撤退},每個(gè)作戰(zhàn)任務(wù)都有自己的作戰(zhàn)規(guī)則,都需要群內(nèi)各作戰(zhàn)實(shí)體協(xié)同完成。航母群內(nèi)目標(biāo)實(shí)體包括預(yù)警機(jī)、戰(zhàn)斗機(jī)、電子干擾機(jī)、驅(qū)逐艦、護(hù)衛(wèi)艦等。飛機(jī)類意圖定義為{起飛、巡航、歸隊(duì)},艦艇類意圖定義為{護(hù)航、前出、歸隊(duì)、后撤}。根據(jù)群體內(nèi)各實(shí)體的作戰(zhàn)序列在時(shí)間軸上的協(xié)作,形成航母群實(shí)體目標(biāo)作戰(zhàn)規(guī)則模板。以遠(yuǎn)征意圖為例,如圖4所示,航母群實(shí)體目標(biāo)作戰(zhàn)規(guī)則被構(gòu)建為甘特圖形式。

圖4 遠(yuǎn)征想定下作戰(zhàn)規(guī)則Fig.4 Rules of war under expedition

遠(yuǎn)征作戰(zhàn)規(guī)則由艦艇編隊(duì)變換及預(yù)警機(jī)、驅(qū)逐艦、護(hù)衛(wèi)艦等個(gè)體行為按時(shí)序動(dòng)作來(lái)完成。在0～時(shí)刻,艦艇編隊(duì)保持交錯(cuò)隊(duì)形行駛;在～時(shí)刻,艦艇編隊(duì)按照縱隊(duì)隊(duì)形穿過(guò)海峽;在～時(shí)刻,艦艇編隊(duì)又切換為交錯(cuò)隊(duì)形不變至整個(gè)遠(yuǎn)征周期結(jié)束。預(yù)警機(jī)在整個(gè)遠(yuǎn)征周期內(nèi)依次完成起飛、巡航、歸隊(duì)3個(gè)個(gè)體行為。首先0～時(shí)刻快速起飛,用時(shí)較短;接著～時(shí)刻期間持續(xù)長(zhǎng)時(shí)間巡航,在～時(shí)刻,預(yù)警機(jī)在預(yù)定戰(zhàn)位開(kāi)啟雷達(dá)實(shí)現(xiàn)對(duì)遠(yuǎn)征區(qū)域內(nèi)有威脅目標(biāo)的偵測(cè)任務(wù),監(jiān)視戰(zhàn)場(chǎng)動(dòng)態(tài),并為指揮官提供信息;～時(shí)刻,完成任務(wù),預(yù)警機(jī)歸隊(duì)。護(hù)衛(wèi)艦及驅(qū)逐艦全程意圖保持一致,在0～時(shí)刻,保持護(hù)航狀態(tài);～時(shí)刻,前出完成對(duì)交戰(zhàn)區(qū)域附近的威懾;～時(shí)刻,脫離交戰(zhàn)海域后歸隊(duì);～時(shí)刻,保持護(hù)航狀態(tài)直至到達(dá)目標(biāo)海域。與遠(yuǎn)征意圖類似,進(jìn)攻和撤退意圖想定下的目標(biāo)作戰(zhàn)規(guī)則如圖5和圖6所示。

圖5 進(jìn)攻想定下作戰(zhàn)規(guī)則Fig.5 Rules of war under offensive

圖6 撤退想定下作戰(zhàn)規(guī)則Fig.6 Rules of war under retreat

2.2 編隊(duì)隊(duì)形與場(chǎng)景態(tài)勢(shì)的映射關(guān)系

多種艦艇混合編隊(duì)能夠?qū)崿F(xiàn)艦艇間的優(yōu)勢(shì)互補(bǔ),編隊(duì)隊(duì)形是群目標(biāo)的一個(gè)重要特征,展示了群目標(biāo)的行為,是推理航母戰(zhàn)斗群意圖的重要基礎(chǔ),對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)分析及指揮員決策有重要意義。圖7給出了航母群典型作戰(zhàn)編隊(duì)樣式。為了確定航母戰(zhàn)斗群在不同意圖下的編隊(duì)情況,分析了航母群的典型編隊(duì)隊(duì)形與作戰(zhàn)場(chǎng)景(任務(wù))的映射關(guān)系。

圖7 航母群典型作戰(zhàn)編隊(duì)示意圖Fig.7 Schematic diagram of typical operations formations of aircraft carrier group

編隊(duì)隊(duì)形跟隨場(chǎng)景變化,比如一字橫隊(duì)常用于穿越有潛在危險(xiǎn)的海域,攻防時(shí)適宜于發(fā)射魚(yú)雷和導(dǎo)彈;楔形隊(duì)形常用于防空、小編隊(duì)航渡以及對(duì)敵打擊;交錯(cuò)隊(duì)形常用于艦隊(duì)必須迅速通過(guò)且可能與敵艦遭遇的狹隘海域;縱隊(duì)隊(duì)形常用于艦隊(duì)必須迅速穿越的狹隘海域且不大可能與敵艦相遇,但正面火力較弱。

2.3 基于MEHBN的群意圖推理

為了識(shí)別與預(yù)測(cè)敵方群目標(biāo)戰(zhàn)術(shù)意圖,首先定義敵方群目標(biāo)的戰(zhàn)術(shù)意圖狀態(tài)空間,群目標(biāo)的戰(zhàn)術(shù)意圖是一段時(shí)間內(nèi)敵所有作戰(zhàn)行動(dòng)的最終目的。針對(duì)這類意圖識(shí)別過(guò)程,即先由原始證據(jù)推理得到元意圖,再層層序列推理得到總意圖。

由于群目標(biāo)的戰(zhàn)術(shù)意圖能夠分解為多個(gè)群內(nèi)作戰(zhàn)實(shí)體的戰(zhàn)術(shù)行動(dòng)。因此,群目標(biāo)戰(zhàn)術(shù)意圖的識(shí)別與預(yù)測(cè)首先需要對(duì)群內(nèi)實(shí)體的行為進(jìn)行識(shí)別,進(jìn)而在群內(nèi)實(shí)體行為識(shí)別結(jié)果基礎(chǔ)上,充分考慮群目標(biāo)戰(zhàn)術(shù)意圖與群內(nèi)實(shí)體協(xié)作關(guān)系的確定性關(guān)聯(lián)關(guān)系,實(shí)現(xiàn)群目標(biāo)戰(zhàn)術(shù)意圖的識(shí)別與預(yù)測(cè)。如圖2所示,本文將航母群目標(biāo)實(shí)體分為飛機(jī)編隊(duì)和艦艇編隊(duì)。在群目標(biāo)戰(zhàn)術(shù)意圖推理過(guò)程中,同時(shí)考慮雙方之間的相對(duì)距離。

網(wǎng)絡(luò)的第1層為群目標(biāo)總意圖節(jié)點(diǎn);第2層為群內(nèi)實(shí)體目標(biāo)的元意圖節(jié)點(diǎn)、編隊(duì)隊(duì)形和協(xié)作關(guān)系節(jié)點(diǎn);第3層為群內(nèi)實(shí)體目標(biāo)的行為節(jié)點(diǎn)、雙方高距離節(jié)點(diǎn)和航向節(jié)點(diǎn);第4層為群內(nèi)實(shí)體目標(biāo)的運(yùn)動(dòng)學(xué)信息和事件信息。該MEHBN推理網(wǎng)絡(luò)結(jié)構(gòu)由DBN和SBN相結(jié)合構(gòu)成。本文將群內(nèi)實(shí)體分為飛機(jī)類實(shí)體及艦艇類實(shí)體,分別對(duì)其設(shè)計(jì)貝葉斯網(wǎng)絡(luò)模型。

(1) 飛機(jī)類實(shí)體貝葉斯分析模型拓?fù)錁?gòu)建

飛機(jī)類實(shí)體包括預(yù)警機(jī)、戰(zhàn)斗機(jī)和干擾機(jī),其BN模型如圖8所示。影響飛機(jī)行為的特征變量有:釋放干擾、高度、速度、航向、雷達(dá)狀態(tài)、發(fā)射導(dǎo)彈、敵我距離、電磁靜默、開(kāi)機(jī)等,相應(yīng)特征變量的狀態(tài)空間語(yǔ)義劃分如表1所示。

圖8 飛機(jī)類實(shí)體貝葉斯分析模型拓?fù)銯ig.8 Bayesian analysis model topology of aircraft entity

表1 飛機(jī)類實(shí)體BN節(jié)點(diǎn)狀態(tài)空間Table 1 BN node state space of aircraft entity

(2) 艦艇類實(shí)體貝葉斯分析模型拓?fù)錁?gòu)建

艦艇類實(shí)體包括驅(qū)逐艦和護(hù)衛(wèi)艦。其貝葉斯網(wǎng)絡(luò)模型如圖9所示。與艦艇類實(shí)體行為相關(guān)的特征變量包括:敵我距離、速度、航向、電磁靜默開(kāi)機(jī)等,相應(yīng)特征變量狀態(tài)空間語(yǔ)義劃分如表2所示。

圖9 艦艇類實(shí)體貝葉斯分析模型拓?fù)銯ig.9 Bayesian analysis model topology of ship entity

表2 艦艇類實(shí)體行為BN節(jié)點(diǎn)狀態(tài)空間Table 2 BN node state space of ship entity behavior

(3) 飛機(jī)類實(shí)體意圖多模構(gòu)建

飛機(jī)類實(shí)體意圖包括起飛、巡航和歸隊(duì)。以預(yù)警機(jī)為例,根據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)以及專家經(jīng)驗(yàn):對(duì)于敵方空中目標(biāo)行為,一般以低空爬升開(kāi)始,后續(xù)行為為中空巡航,這樣的行為序列的元意圖為起飛。類似的,中空巡航→高空巡航的元意圖為巡航,中空巡航→掉頭+中空巡航的元意圖為歸隊(duì)。根據(jù)預(yù)警機(jī)行為動(dòng)態(tài)轉(zhuǎn)換關(guān)系,構(gòu)建如圖10所示的預(yù)警機(jī)行為轉(zhuǎn)移概率示意圖。以此類推,也可構(gòu)建戰(zhàn)斗機(jī)和干擾機(jī)的行為轉(zhuǎn)移概率。

圖10 預(yù)警機(jī)實(shí)體行為轉(zhuǎn)移概率Fig.10 Transition probability of warning aircraft entity behaviors

(4) 艦艇類實(shí)體意圖多模構(gòu)建

艦艇類實(shí)體行動(dòng)包括護(hù)航、前出和歸隊(duì)。以驅(qū)逐艦為例,根據(jù)歷史數(shù)據(jù)統(tǒng)計(jì)以及專家經(jīng)驗(yàn):對(duì)于敵方艦艇目標(biāo)行為,一般以勻速航向行為開(kāi)始,后續(xù)行為為勻速航行、駛出隊(duì)伍+加速航行和掉頭+加速航行,他們分別對(duì)應(yīng)的元意圖為護(hù)航、前出和歸隊(duì)。根據(jù)驅(qū)逐艦行為動(dòng)態(tài)轉(zhuǎn)換關(guān)系,構(gòu)建如圖11所示的驅(qū)逐艦行為轉(zhuǎn)移概率示意圖。以此類推,也可構(gòu)建護(hù)衛(wèi)艦的行為轉(zhuǎn)移概率。

圖11 驅(qū)逐艦行為轉(zhuǎn)移概率Fig.11 Transition probability of destroyer behaviors

戰(zhàn)場(chǎng)群目標(biāo)意圖識(shí)別旨在利用戰(zhàn)場(chǎng)各種傳感器獲取到的戰(zhàn)場(chǎng)信息,結(jié)合軍事知識(shí)以及作戰(zhàn)動(dòng)機(jī),對(duì)敵方群目標(biāo)的戰(zhàn)術(shù)意圖進(jìn)行推斷。意圖預(yù)測(cè)則是在目標(biāo)意圖識(shí)別的基礎(chǔ)之上,結(jié)合歷史經(jīng)驗(yàn)等信息,對(duì)敵目標(biāo)的下一步意圖進(jìn)行預(yù)判。

首先,針對(duì)敵方個(gè)體目標(biāo)運(yùn)動(dòng)及裝備的運(yùn)行狀態(tài),采用BN推理方法,完成實(shí)體目標(biāo)從傳感器數(shù)據(jù)到行為的映射。其次,考慮到敵方群目標(biāo)的戰(zhàn)術(shù)意圖與群內(nèi)實(shí)體目標(biāo)行為序列在統(tǒng)計(jì)意義上通常表現(xiàn)出一種確定性的關(guān)系。本文將群目標(biāo)特定戰(zhàn)術(shù)意圖下群體內(nèi)各實(shí)體的個(gè)體行為序列進(jìn)行統(tǒng)計(jì)挖掘后,抽取與特定戰(zhàn)術(shù)意圖相對(duì)應(yīng)的實(shí)體作戰(zhàn)規(guī)則,結(jié)合所構(gòu)建的分層BN推理模型,實(shí)現(xiàn)從群內(nèi)實(shí)體行為模式到群體意圖的推理映射。

在群目標(biāo)意圖預(yù)測(cè)過(guò)程中,首先根據(jù)群目標(biāo)戰(zhàn)術(shù)意圖的識(shí)別結(jié)果,從實(shí)體規(guī)則庫(kù)中提取出實(shí)體個(gè)體行為轉(zhuǎn)移概率,并結(jié)合當(dāng)前實(shí)體意圖識(shí)別結(jié)果,對(duì)實(shí)體的下一步行為進(jìn)行預(yù)測(cè)。然后,結(jié)合所構(gòu)建的分層BN推理模型,實(shí)現(xiàn)對(duì)群目標(biāo)戰(zhàn)術(shù)意圖的預(yù)測(cè)。

對(duì)于MEHBN模型的下半部分DBN,Ge()表示推理結(jié)果(總意圖信度);Pa()表示意圖的父節(jié)點(diǎn)(父意圖信度);Ch()表示意圖的子節(jié)點(diǎn)(狀態(tài)空間變量),則

Ge()=(|Pa()Ch())

為了推理群目標(biāo)意圖,父節(jié)點(diǎn)的意圖是未知的,因此Pa()未知,只能通過(guò)狀態(tài)空間變量Ch()來(lái)推理意圖,則

(1)

式中：()表示意圖的先驗(yàn)概率,默認(rèn)取值為意圖狀態(tài)的均等分布;(Ch()|)()表示從意圖的狀態(tài)空間得到的信息;為歸一化因子。

在個(gè)體行為DBN中,狀態(tài)空間變量的父節(jié)點(diǎn)為前一時(shí)刻節(jié)點(diǎn)對(duì)應(yīng)的狀態(tài)空間變量,給定在任意時(shí)刻初始元意圖為均等分布,則

(2)

式中：∈為狀態(tài)空間變量由轉(zhuǎn)移到的概率,為目標(biāo)狀態(tài)空間變量沿時(shí)間軸的狀態(tài)轉(zhuǎn)移概率矩陣,由先驗(yàn)知識(shí)已知。因此,根據(jù)充足的證據(jù)基于DBN推理得到各元意圖,即MEHBN模型上半部分SBN的葉節(jié)點(diǎn)。

對(duì)于MEHBN模型上半部分SBN,總意圖分為元意圖,,…,的推理。由于,,…,是實(shí)現(xiàn)總意圖的元意圖實(shí)現(xiàn)序列,與DBN中元意圖互相獨(dú)立,在SBN推理部分的元意圖是一個(gè)序列。此時(shí),一個(gè)父節(jié)點(diǎn)的狀態(tài)等同于其對(duì)應(yīng)的子節(jié)點(diǎn)序列,由于序列概率中的子序列是沿時(shí)間動(dòng)態(tài)演化的狀態(tài)序列,滿足馬爾可夫性,即節(jié)點(diǎn)序列,,…,滿足：

(|1:-1)=(|-1)

(3)

式中：1:-1表示由到的序列。因此,節(jié)點(diǎn)序列呈現(xiàn)特定規(guī)律,,…,的概率為

(,,…,)=()()…()=

()(|)…(|-1)(-1)=

相應(yīng)父節(jié)點(diǎn)的狀態(tài)信度()為對(duì)應(yīng)子節(jié)點(diǎn)呈現(xiàn)某種特定規(guī)律的序列的信度,則

()=(,,…,)=

式中：()表示在相關(guān)規(guī)則下時(shí)刻意圖狀態(tài)的概率;(+1|)表示滿足馬爾可夫條件下發(fā)生后繼續(xù)發(fā)生+1的概率,即意圖的轉(zhuǎn)移概率。此處，假設(shè)元意圖序列,,…,的狀態(tài)轉(zhuǎn)移概率已知,多層意圖分解的情況以此類推,最終推理得到群目標(biāo)意圖。

3 實(shí)驗(yàn)驗(yàn)證

3.1 多域作戰(zhàn)下場(chǎng)景想定

本文將MEHBN模型應(yīng)用于軍事上的群目標(biāo)意圖推理,并以多域作戰(zhàn)下航母戰(zhàn)斗群奪島作戰(zhàn)想定為例驗(yàn)證所提算法的有效性。具體的作戰(zhàn)想定如表3所示。

表3 多域作戰(zhàn)下的航母群作戰(zhàn)想定Table 3 Scenarios for aircraft carrier group operations in multi-domain operations

在實(shí)際作戰(zhàn)過(guò)程中,實(shí)體作戰(zhàn)樣式動(dòng)態(tài)且多變,實(shí)體行為的變化趨勢(shì)與實(shí)際戰(zhàn)場(chǎng)情況緊密相關(guān),群意圖是群內(nèi)作戰(zhàn)實(shí)體通過(guò)一系列戰(zhàn)術(shù)活動(dòng)來(lái)達(dá)到最終的作戰(zhàn)目的。因此,需要根據(jù)作戰(zhàn)實(shí)體的歷史數(shù)據(jù)來(lái)設(shè)計(jì)實(shí)體行為轉(zhuǎn)移概率,形成航母群目標(biāo)典型元意圖的狀態(tài)先驗(yàn)概率表如表4和表5所示。

表4 預(yù)警機(jī)狀態(tài)-元意圖關(guān)系表Table 4 Relationship table between the state of warning aircraft and the meta-intention

表5 驅(qū)逐艦狀態(tài)-元意圖關(guān)系表Table 5 Relationship table between the state of destroyer and the meta-intention

本文使用準(zhǔn)確率Acc和均方根誤差RMSE來(lái)驗(yàn)證算法的有效性,Acc和RMSE的定義為

3.2 群目標(biāo)意圖識(shí)別

本文算法輸入為根據(jù)美航母群典型想定生成仿真數(shù)據(jù),0～90時(shí)刻、90～180時(shí)刻、180～270時(shí)刻分別為遠(yuǎn)征、進(jìn)攻以及撤退的仿真數(shù)據(jù)。利用如圖2所示的MEHBN模型“自下而上”推理得到群意圖,首先根據(jù)群目標(biāo)的狀態(tài)信息推理得到當(dāng)前時(shí)刻的每個(gè)作戰(zhàn)實(shí)體的元意圖,再利用作戰(zhàn)實(shí)體的時(shí)序規(guī)則、實(shí)體在序列上的協(xié)作關(guān)系及編隊(duì)隊(duì)形推理出群目標(biāo)總意圖。

如圖12所示,遠(yuǎn)征、進(jìn)攻及撤退的意圖識(shí)別結(jié)果分別在第19、101及185時(shí)刻超過(guò)設(shè)定閾值(意圖識(shí)別結(jié)果正確的閾值概率設(shè)為60%),在整個(gè)多域作戰(zhàn)想定下的意圖識(shí)別過(guò)程中,識(shí)別準(zhǔn)確占比為87.78%。值得注意的是,在0～19時(shí)刻,由于數(shù)據(jù)積累不足,識(shí)別結(jié)果未能達(dá)到輸出閾值,故按推理錯(cuò)誤判定。此外,在遠(yuǎn)征切換為進(jìn)攻及進(jìn)攻切換為撤退時(shí),由于意圖是一個(gè)緩慢變換的過(guò)程,其識(shí)別結(jié)果也會(huì)存在一段誤判區(qū),隨著數(shù)據(jù)的增加,識(shí)別結(jié)果越來(lái)越準(zhǔn)確。由于識(shí)別準(zhǔn)確占比與閾值的大小相關(guān),閾值取值根據(jù)應(yīng)用背景來(lái)設(shè)定。

圖12 基于MEHBN的航母群意圖識(shí)別結(jié)果Fig.12 Intention recognition result of aircraft carrier group based on MEHBN

為了更好地說(shuō)明本文算法的創(chuàng)新性,經(jīng)典的推理算法——模糊邏輯,被用來(lái)推理群目標(biāo)的意圖,如圖13所示,模糊邏輯算法在去模糊化之后得到的結(jié)果是“非黑即白”的,且無(wú)法給出具體意圖的概率信息,因此,推理結(jié)果為非0即1。此時(shí)的意圖推理結(jié)果與閾值設(shè)定無(wú)關(guān),模糊邏輯在整個(gè)多域作戰(zhàn)想定下的意圖識(shí)別過(guò)程中,識(shí)別準(zhǔn)確占比為7778%。由于模糊邏輯算法無(wú)法進(jìn)行意圖預(yù)測(cè),此處僅展示了意圖推理結(jié)果。

圖13 基于模糊邏輯的航母群意圖識(shí)別結(jié)果Fig.13 Intention recognition result of aircraft carrier group based on fuzzy logic

3.3 群目標(biāo)意圖預(yù)測(cè)

本文算法輸入為根據(jù)美航母群典型想定生成仿真數(shù)據(jù),0～90時(shí)刻、90～180時(shí)刻、180～270時(shí)刻分別為遠(yuǎn)征、進(jìn)攻以及撤退的仿真數(shù)據(jù)。如圖14所示,預(yù)測(cè)1拍后的航母群意圖時(shí),遠(yuǎn)征、進(jìn)攻及撤退的意圖預(yù)測(cè)結(jié)果分別在第13、100及186時(shí)刻超過(guò)設(shè)定閾值(意圖預(yù)測(cè)結(jié)果正確的閾值概率設(shè)為60%),在整個(gè)多域作戰(zhàn)想定下的意圖預(yù)測(cè)過(guò)程中,預(yù)測(cè)準(zhǔn)確占比為86.30%。預(yù)測(cè)4拍和8拍的意圖結(jié)果如圖15和圖16所示,在整個(gè)多域作戰(zhàn)想定下的意圖預(yù)測(cè)過(guò)程中,預(yù)測(cè)準(zhǔn)確占比分別為80.37%和72.59%。隨著預(yù)測(cè)時(shí)間的增加,準(zhǔn)確率逐漸下降,這是由于預(yù)測(cè)準(zhǔn)確率會(huì)隨著預(yù)測(cè)時(shí)間范圍的增長(zhǎng)降低,本文給出的預(yù)測(cè)概率輸出閾值為06(可依據(jù)具體應(yīng)用而定),小于閾值時(shí)不輸出結(jié)果。本文根據(jù)測(cè)試發(fā)現(xiàn)預(yù)測(cè)時(shí)間范圍不大于8拍時(shí)預(yù)測(cè)結(jié)果的概率大于閾值,能夠準(zhǔn)確輸出預(yù)測(cè)結(jié)果。然而,當(dāng)預(yù)測(cè)時(shí)間范圍為9拍時(shí),預(yù)測(cè)結(jié)果的概率小于閾值,無(wú)法輸出結(jié)果。

圖14 基于MEHBN的航母群意圖預(yù)測(cè)1拍結(jié)果Fig.14 Intention prediction result of aircraft carrier group based on MEHBN in one step

圖15 基于MEHBN的航母群意圖預(yù)測(cè)4拍結(jié)果Fig.15 Intention prediction result of aircraft carrier group based on MEHBN in four steps

圖16 基于MEHBN的航母群意圖預(yù)測(cè)8拍結(jié)果Fig.16 Intention prediction result of aircraft carrier group based on MEHBN in eight steps

如表6所示,本文算法在識(shí)別和預(yù)測(cè)情況下準(zhǔn)確率和RMSE兩個(gè)指標(biāo)均優(yōu)于模糊邏輯算法。表7所示為算法運(yùn)行100次的平均單次運(yùn)行時(shí)間統(tǒng)計(jì)結(jié)果,可以看出在進(jìn)行意圖推理時(shí),本文算法與模糊邏輯算法的運(yùn)行時(shí)間基本持平,但是模糊邏輯算法無(wú)法進(jìn)行意圖預(yù)測(cè)。整體來(lái)說(shuō),本文算法對(duì)比模糊邏輯算法能夠在幾乎相同運(yùn)行時(shí)間下得到更準(zhǔn)確的推理結(jié)果。

表6 性能指標(biāo)對(duì)比分析Table 6 Comparative analysis of performance indicators

表7 推理和預(yù)測(cè)單次運(yùn)行時(shí)間Table 7 Inference and prediction single run time s

4 結(jié)束語(yǔ)

針對(duì)多域作戰(zhàn)因素復(fù)雜多變,不僅體現(xiàn)在目標(biāo)實(shí)體空間運(yùn)動(dòng)及屬性上,也體現(xiàn)在戰(zhàn)術(shù)意圖上。在綜合群目標(biāo)的基本組成、公開(kāi)活動(dòng)、作戰(zhàn)條例等各類信息的知識(shí)圖譜基礎(chǔ)上,提出了一種基于群目標(biāo)狀態(tài)信息、作戰(zhàn)規(guī)則和編隊(duì)隊(duì)形構(gòu)建的MEHBN來(lái)動(dòng)態(tài)推理敵方意圖。首先通過(guò)目標(biāo)狀態(tài)和事件信息推理出目標(biāo)作戰(zhàn)實(shí)體行為,再利用作戰(zhàn)實(shí)體的時(shí)序規(guī)則、雙方相對(duì)距離及航向信息推理出目標(biāo)元意圖,在此基礎(chǔ)上結(jié)合實(shí)體序列協(xié)作關(guān)系及編隊(duì)隊(duì)形信息推理出群目標(biāo)總意圖。最后,典型想定的仿真結(jié)果表明本文所提算法的推理結(jié)果符合實(shí)際,證明該模型對(duì)實(shí)現(xiàn)群意圖識(shí)別與預(yù)測(cè)有較好的能力。

本文研究了多域作戰(zhàn)下的群目標(biāo)意圖識(shí)別與預(yù)測(cè),但還有很多問(wèn)題值得進(jìn)一步研究和完善,后續(xù)的研究工作可以從以下兩個(gè)方面展開(kāi):

(1) 戰(zhàn)場(chǎng)搜集到的數(shù)據(jù)大多是航跡情報(bào),需要進(jìn)行時(shí)空配準(zhǔn)及數(shù)據(jù)清洗,得到有用的戰(zhàn)場(chǎng)態(tài)勢(shì)信息；

(2) 戰(zhàn)場(chǎng)態(tài)勢(shì)日益復(fù)雜,戰(zhàn)場(chǎng)對(duì)抗愈發(fā)體現(xiàn)為體系間的博弈攻防,這導(dǎo)致目標(biāo)意圖的隱蔽性更強(qiáng),與雙方體系能力和兵力配置的關(guān)聯(lián)性更加緊密,需要研究博弈對(duì)抗環(huán)境下目標(biāo)意圖識(shí)別方法。