閆仲秋，尤 岳，陳 科，黃昱申，柳文明，李亞哲

（1. 中國船舶集團(tuán)有限公司第七一六研究所，江蘇 連云港 222061；2. 海軍研究院，北京 100161；3. 中國人民解放軍91999 部隊(duì)，北京 100038）

0 引言

無人系統(tǒng)是影響未來戰(zhàn)爭制勝的顛覆性技術(shù)，集群化作戰(zhàn)是無人系統(tǒng)的重要發(fā)展方向。隨著水下平臺、探測、通信、導(dǎo)航、動力以及人工智能技術(shù)的快速發(fā)展，傳統(tǒng)的水下無人平臺獨(dú)立作戰(zhàn)、同類平臺簡單協(xié)同的傳統(tǒng)應(yīng)用方式，已難以滿足未來水下攻防作戰(zhàn)的需要。急需開展水下無人集群作戰(zhàn)的作戰(zhàn)概念、作戰(zhàn)理論研究，融合應(yīng)用不同類型水下無人平臺，構(gòu)建具備自組織、自決策能力的自主協(xié)同作戰(zhàn)框架，形成水下無人集群作戰(zhàn)探測優(yōu)勢、決策優(yōu)勢、打擊優(yōu)勢，提升水下無人集群作戰(zhàn)能力。

1 使命任務(wù)引出的需求

美海軍正在構(gòu)建一支新型的水下無人作戰(zhàn)部隊(duì)，各類水下無人作戰(zhàn)平臺計(jì)劃在2025 年達(dá)到2 000 套，屆時水下作戰(zhàn)任務(wù)將更多由無人作戰(zhàn)系統(tǒng)承擔(dān)。水下無人集群由通信中繼型無人潛航器、攻擊型無人潛航器、偵察型無人潛航器、浮/潛標(biāo)、水下固定/移動式傳感器網(wǎng)絡(luò)、水下滑翔機(jī)、預(yù)置武器等組成，集群的主體是無人潛航器，集群的典型作戰(zhàn)樣式主要包括協(xié)同感知行動、協(xié)同干擾行動、協(xié)同誘騙行動、協(xié)同伏擊行動、協(xié)同水面行動、協(xié)同空海行動和集群對抗行動等[1]。

圖1 美海軍無人潛航器及無人艇的布局圖Fig. 1 U.S. Navy UUVs and USVs

分布式偵察與探測系統(tǒng)（CADRE）是協(xié)調(diào)水下無人航行器的異構(gòu)集合的框架，該項(xiàng)目最初用于自主執(zhí)行海底水雷對抗的任務(wù)，CADRE 系統(tǒng)由3 類執(zhí)行不同任務(wù)的UUV 組成，包括通信導(dǎo)航任務(wù)、搜索分類任務(wù)、識別水雷任務(wù)，該3 類UUV通過不同的組合和配置還能夠執(zhí)行海軍需要的多種任務(wù)[2]。

該系統(tǒng)旨在解決美國海軍UUV 總體規(guī)劃中提出的海底搜索和調(diào)查以及通信與導(dǎo)航救援功能，其關(guān)鍵屬性是可擴(kuò)展性和模塊化。CADRE 系統(tǒng)依靠一個自主水下航行器網(wǎng)絡(luò)和水面無人航行器保持高精度導(dǎo)航和定位，多模式通信架構(gòu)在CADRE 系統(tǒng)中起著至關(guān)重要的作用，允許系統(tǒng)中的UUV 彼此之間以及與各種支持平臺保持聯(lián)系[2]。

圖2 構(gòu)成CADRE 系統(tǒng)的3 類UUVFig. 2 Three types of UUVs in CADRE

圖3 CADRE 系統(tǒng)概念圖Fig. 3 Concept of CADRE

自主水下航行器協(xié)同感知控制項(xiàng)目（CO3 AUV）是一個歐盟委員資助的多國合作項(xiàng)目，該項(xiàng)目自2009 年開始并持續(xù)了3 年時間，期間開展了大量的演示驗(yàn)證工作，其目標(biāo)是開發(fā)、實(shí)施和測試用于多UUV 協(xié)同控制的高級認(rèn)知系統(tǒng)，重點(diǎn)投資了3D 感知與繪圖、協(xié)同態(tài)勢感知、導(dǎo)航控制與行為控制等方面，這些方面都主要聚焦于無人集群在水下通信所面臨的挑戰(zhàn)[3]。

近年來，國內(nèi)也致力于水下無人平臺的發(fā)展，水下無人平臺的集群化作戰(zhàn)、有人無人協(xié)同作戰(zhàn)成為未來提升水下攻防作戰(zhàn)能力的有效途徑。水下無人集群通過標(biāo)準(zhǔn)化集成化設(shè)計(jì)，在對水下各類復(fù)雜作戰(zhàn)需求進(jìn)行功能分解和節(jié)點(diǎn)分類基礎(chǔ)上，將廣域分布的各種作戰(zhàn)要素?zé)o縫銜接和智能聚合，實(shí)現(xiàn)了作戰(zhàn)模式由傳統(tǒng)的多功能集中式大型單一平臺向功能分布式小型多平臺的轉(zhuǎn)變[4]，其理論思想為依靠數(shù)量優(yōu)勢轉(zhuǎn)化為質(zhì)量優(yōu)勢，將個體的性能劣勢轉(zhuǎn)化為集群的整體優(yōu)勢。

圖4 CO3 AUV 項(xiàng)目演示驗(yàn)證示意圖Fig. 4 Demonstration of CO3 AUVs

為了保障水下無人平臺集群的作戰(zhàn)效能，需要具備獲取實(shí)時、準(zhǔn)確、統(tǒng)一戰(zhàn)場態(tài)勢的能力。協(xié)同決策、協(xié)同打擊是水下無人集群優(yōu)勢的核心，集群協(xié)同態(tài)勢感知一致性是實(shí)現(xiàn)群體一致性決策和火力聚能打擊的前提。水下無人集群獲取的態(tài)勢信息與戰(zhàn)場真實(shí)態(tài)勢信息的一致性、集群中個體對任務(wù)態(tài)勢理解的一致性、集群預(yù)測的態(tài)勢與真實(shí)態(tài)勢的一致性等將直接影響水下無人集群的協(xié)同決策與協(xié)同打擊預(yù)期效果[5]。實(shí)現(xiàn)無人集群協(xié)同態(tài)勢感知需要進(jìn)行協(xié)同目標(biāo)探測、目標(biāo)識別和融合估計(jì)、協(xié)同態(tài)勢理解與共享，以獲取完整、清晰、準(zhǔn)確的信息。

2 水下無人集群態(tài)勢生成問題分析

由于海洋環(huán)境的特殊性、復(fù)雜性以及未知時變，水下戰(zhàn)場具有顯著的弱聯(lián)通、貧信息等特征，加之戰(zhàn)場環(huán)境的對抗性和動態(tài)性，水下無人集群中個體獲取的態(tài)勢信息存在不確定、不完全、不可靠等特性，集群中的個體對態(tài)勢的認(rèn)知存在差異，甚至謬誤，進(jìn)而導(dǎo)致水下無人集群的態(tài)勢要素表示困難、目標(biāo)綜合識別困難、態(tài)勢推理精確度低以及群體態(tài)勢認(rèn)知[6]困難等問題。

2.1 態(tài)勢要素表示困難

水下無人集群的態(tài)勢要素通常包括敵我實(shí)時數(shù)據(jù)、歷史積累數(shù)據(jù)、海洋環(huán)境數(shù)據(jù)等多類異構(gòu)數(shù)據(jù)，用于態(tài)勢生成的信息融合、事件監(jiān)測、意圖識別、態(tài)勢預(yù)測、威脅評估等實(shí)體描述及領(lǐng)域規(guī)則，具有動態(tài)變化特性和平臺間可交互性[7]。多個平臺的作戰(zhàn)邏輯和信息描述方式存在差異，給態(tài)勢知識的形式化或參數(shù)化表征帶來極大困難，且因水下戰(zhàn)場規(guī)則和方式的快速變化，態(tài)勢要素表示需要一種可變化和可拓展的結(jié)構(gòu)。

圖5 水下無人集群協(xié)同作戰(zhàn)活動圖Fig. 5 Cooperative operation of underwater drone swarm

2.2 目標(biāo)綜合識別困難

目標(biāo)綜合識別是指對來自多個傳感器的目標(biāo)身份識別信息進(jìn)行綜合，以得到對目標(biāo)身份的聯(lián)合估計(jì)，是支撐水下無人集群態(tài)勢生成的核心內(nèi)容之一[8]。水下無人集群的覆蓋范圍廣、類型多樣，不同海域的海洋環(huán)境差異較大，傳感器探測效能受海洋環(huán)境影響大[9]，水下節(jié)點(diǎn)采集的多源異構(gòu)信息中蘊(yùn)含目標(biāo)的多模態(tài)特征信息，不同平臺傳感器探測到的目標(biāo)數(shù)據(jù)信噪比存在差異、數(shù)據(jù)質(zhì)量參差不齊，為目標(biāo)綜合識別過程帶來了困難。

2.3 態(tài)勢推理精確度低

態(tài)勢推理是指對戰(zhàn)場目標(biāo)和戰(zhàn)場環(huán)境結(jié)合產(chǎn)生的事件和活動進(jìn)行推理，用來解釋當(dāng)前戰(zhàn)場態(tài)勢并判斷目標(biāo)意圖。然而受限于水下低維、大誤差、零碎的探測信息，以及水聲通信延遲和信息分發(fā)障礙導(dǎo)致的數(shù)據(jù)時延大、周期性弱，數(shù)據(jù)具有殘缺性和錯誤性，使得水下態(tài)勢信息模糊度高、不確定性大，造成態(tài)勢推理可信度不高，難以實(shí)現(xiàn)精確態(tài)勢感知。

2.4 群體態(tài)勢認(rèn)知困難

水下無人集群各作戰(zhàn)單元獲取的戰(zhàn)場態(tài)勢及其演變進(jìn)程過于碎片化，需通過信息共享與群體協(xié)作認(rèn)知才能形成全局態(tài)勢，由于不同節(jié)點(diǎn)信息處理模型的差異性，導(dǎo)致對態(tài)勢理解的粒度、置信度等存在較大差異，通過融合實(shí)現(xiàn)水下無人集群態(tài)勢綜合認(rèn)知與統(tǒng)一解釋困難。

3 關(guān)鍵技術(shù)及解決思路

針對水下無人集群態(tài)勢生成過程中的態(tài)勢要素表示、目標(biāo)綜合識別、態(tài)勢推理以及群體態(tài)勢認(rèn)知過程中的問題，分別提出基于知識圖譜的態(tài)勢要素多維度描述方法、不確定信息條件下的多節(jié)點(diǎn)智能融合、基于異構(gòu)信息的目標(biāo)聯(lián)合識別、基于智能模板匹配和貝葉斯網(wǎng)絡(luò)融合的態(tài)勢推理技術(shù)以及基于作戰(zhàn)意圖的傳感器任務(wù)分配技術(shù)。

3.1 基于知識圖譜的態(tài)勢要素多維度描述方法

傳感器獲取的環(huán)境及有關(guān)偵察對象的信息描述，包括信息類型、當(dāng)量（空域、時域、頻域和能量等）、傳播方式及路徑、環(huán)境背景等[10]。其中，目標(biāo)信息可以用截獲的內(nèi)涵、圖像以及目標(biāo)主動輻射或被動散射的各種信號形式表征。

以知識圖譜構(gòu)建與管理利用等為支持手段，自底向上開展水下無人集群態(tài)勢生成要素的研究、定義與提取，采用基于Agent 的活動建模方法，基于戰(zhàn)場規(guī)則研究態(tài)勢要素間的相互關(guān)系，對水下無人集群態(tài)勢生成活動中的要素資源信息內(nèi)部邏輯進(jìn)行深度挖掘關(guān)聯(lián)，綜合元素間的依賴關(guān)系、水下無人集群演進(jìn)對態(tài)勢要素表示架構(gòu)的影響等因素，生成態(tài)勢要素表示的演化路徑，實(shí)現(xiàn)對水下無人集群態(tài)勢生成流程、機(jī)理、效果與戰(zhàn)場環(huán)境信息的多維度動態(tài)描述。

3.2 不確定信息條件下多節(jié)點(diǎn)智能融合技術(shù)

水下傳感器監(jiān)視與跟蹤的方式是多樣化的，其探測區(qū)域可能重疊，并且采樣以及傳感器種類可能不同，每個傳感器已對原始的目標(biāo)量測進(jìn)行了預(yù)處理形成了局部航跡，這些特點(diǎn)決定了水下多傳感器信息的不確定性，其航跡融合處理有別于岸、艦傳統(tǒng)的航跡處理方法[11]，融合處理過程需要對所有傳感器的局部航跡進(jìn)行空間、時間上的對準(zhǔn)，相關(guān)互聯(lián)，最終進(jìn)行融合，形成全局意義下的高精度航跡。

針對UUV、浮/潛標(biāo)、水下固定/移動式傳感器網(wǎng)絡(luò)、水下滑翔機(jī)、預(yù)置武器等體系內(nèi)各類節(jié)點(diǎn)探測/觀測信息，分析信息在時間、空間維度等方面存在的不連續(xù)、欠冗余、不一致等特性，建立自適應(yīng)分層信息融合處理結(jié)構(gòu)，滿足多節(jié)點(diǎn)彈性接入需求，針對信號級/特征級/數(shù)據(jù)級協(xié)同信息的具體變化，研究基于前后向估計(jì)的多節(jié)點(diǎn)多目標(biāo)智能關(guān)聯(lián)與融合處理、分布式節(jié)點(diǎn)探測目標(biāo)時空協(xié)同定位、多目標(biāo)運(yùn)動要素解算等技術(shù)，適應(yīng)失序、大誤差等水中苛刻情況，形成連續(xù)精煉的目標(biāo)航跡。

3.3 基于異構(gòu)信息的目標(biāo)聯(lián)合識別技術(shù)

常用的目標(biāo)特征信息包括目標(biāo)的屬性、類型、信號幅度、輻射源參數(shù)信息等，一般地說目標(biāo)的屬性、類型的確定依賴于目標(biāo)的信號幅度、輻射源信息。異構(gòu)信息的目標(biāo)關(guān)聯(lián)識別基礎(chǔ)是提取異類特征矢量的共性特征，如位置與運(yùn)動參數(shù)等，進(jìn)行自動關(guān)聯(lián)處理，對不能自動關(guān)聯(lián)的異類特征，進(jìn)行特征的預(yù)處理與整合。

構(gòu)建混合式目標(biāo)綜合識別體系結(jié)構(gòu)，開展水下無人集群的網(wǎng)內(nèi)一致性身份認(rèn)證處理，充分利用岸?？仗斓韧獠慷嘣辞閳笮畔?，同時利用深度網(wǎng)絡(luò)深化對敵方目標(biāo)的個體識別，基于信息預(yù)設(shè)及先驗(yàn)知識特征篩選，完成水中目標(biāo)自主印證識別與打擊目標(biāo)確認(rèn)，建立多維異構(gòu)的目標(biāo)特征關(guān)聯(lián)度計(jì)算方法庫，根據(jù)特征信息的不同選用合適的關(guān)聯(lián)度計(jì)算方法。

3.4 基于智能模板匹配和貝葉斯網(wǎng)絡(luò)融合的態(tài)勢推理技術(shù)

傳統(tǒng)的模板匹配態(tài)勢推理算法關(guān)注戰(zhàn)場中目標(biāo)行為和態(tài)勢模式之間的相關(guān)關(guān)系，采用深度網(wǎng)絡(luò)、根據(jù)歷史經(jīng)驗(yàn)和專家知識訓(xùn)練生成自適應(yīng)的智能模板匹配模型，可以有效降低態(tài)勢推理的算法復(fù)雜度，但無法解決水下無人集群作戰(zhàn)中戰(zhàn)場數(shù)據(jù)和態(tài)勢模式的不確定性[12]。因此，采用基于貝葉斯網(wǎng)絡(luò)的計(jì)劃識別方法，建立相應(yīng)的貝葉斯網(wǎng)絡(luò)模型，包括2 部分內(nèi)容：水下無人集群網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)造和網(wǎng)絡(luò)參數(shù)（條件概率參數(shù)）的確定，形成網(wǎng)絡(luò)節(jié)點(diǎn)間的相互解析關(guān)系。

在進(jìn)行貝葉斯網(wǎng)絡(luò)推理的過程中，將獲得的態(tài)勢要素信息作為證據(jù)，對相應(yīng)的貝葉斯網(wǎng)絡(luò)進(jìn)行實(shí)例化，即將該態(tài)勢要素信息作為某個節(jié)點(diǎn)的證據(jù)信息，并與貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行匹配，匹配的主要依據(jù)是該態(tài)勢要素的類型與網(wǎng)絡(luò)節(jié)點(diǎn)所表示的態(tài)勢知識類型，如：獲得的“魚雷攻擊”戰(zhàn)場事件與某貝葉斯網(wǎng)絡(luò)模型中的表示武器攻擊事件的節(jié)點(diǎn)間的匹配。該方法理論上能夠利用智能模板匹配結(jié)果修正貝葉斯推理中的不確定性問題，并利用貝葉斯網(wǎng)絡(luò)對智能模板匹配中的弱信息進(jìn)行補(bǔ)償，以此有效改進(jìn)水下無人集群戰(zhàn)場態(tài)勢推理精度低問題。

3.5 基于作戰(zhàn)意圖的傳感器任務(wù)分配技術(shù)

傳統(tǒng)自頂向下的命令式傳感器管控和任務(wù)分配方法，無法滿足水下長時延、低帶寬、不連續(xù)通信條件下，廣域分布的探測節(jié)點(diǎn)面向作戰(zhàn)目標(biāo)的協(xié)同探測需求，加上水下無人集群內(nèi)探測節(jié)點(diǎn)動態(tài)變化，水下無人集群的探測資源難以實(shí)現(xiàn)有效的靈活管控。

開展機(jī)動、固定、分布式傳感器的元素特性、運(yùn)行機(jī)理、任務(wù)運(yùn)籌、控制約束等理論體系和模型方案研究，構(gòu)建面向作戰(zhàn)意圖的傳感器管控和任務(wù)分配孿生系統(tǒng)，具備在時間、空間和功能上進(jìn)行傳感器優(yōu)化協(xié)同訓(xùn)練與評估能力，在虛擬空間將傳感器組織與作戰(zhàn)意圖進(jìn)行智能化映射，形成分布式、自適應(yīng)的策略庫和策略優(yōu)選算法，具備在傳感器平臺物理實(shí)體的快速部署能力，并采用數(shù)字信息素等無人集群分布式協(xié)同方法，逐步實(shí)現(xiàn)水下分布式傳感器面向作戰(zhàn)意圖的任務(wù)自分配、資源自優(yōu)化。

4 結(jié)束語

在以信息為主導(dǎo)的水下無人集群作戰(zhàn)活動中，作戰(zhàn)海域廣闊、環(huán)境復(fù)雜多變、戰(zhàn)場信息不完整等給水下無人集群協(xié)同態(tài)勢生成帶來極大挑戰(zhàn)。本文分析了水下無人集群態(tài)勢生成的必要性以及主要困難，并針對性提出了相應(yīng)的技術(shù)路線和解決思路，但水下無人集群態(tài)勢生成僅依靠上述技術(shù)仍無法解決水下無人集群作戰(zhàn)中戰(zhàn)場態(tài)勢透明問題，還需要結(jié)合水下無人集群作戰(zhàn)概念研究，從體系運(yùn)用的角度牽引水下無人集群體系設(shè)計(jì)與相關(guān)技術(shù)發(fā)展，持續(xù)推進(jìn)水下無人集群的作戰(zhàn)效能提升。