姚冬安 張 舒 董曉明 徐文君 田思思

（1.武漢理工大學信息工程學院 武漢 430070）（2.中國艦船研究設計中心 武漢 430064）

1 引言

艦船集成探測系統(tǒng)、動力系統(tǒng)、結構系統(tǒng)等子系統(tǒng)，負責執(zhí)行海上相關作戰(zhàn)任務，艦船運行環(huán)境復雜，包括海洋氣象、海洋水文、海洋地理地質、電磁環(huán)境、海洋物理因素等都可能對水面艦船平臺性能及其搭載的武器裝備性能產生不同程度的影響［1～2］。艦船態(tài)勢感知數據是指在戰(zhàn)場空間內，各類軍事作戰(zhàn)單元及其所處自然環(huán)境要素的各種狀態(tài)數據。態(tài)勢感知數據是構建艦船運行環(huán)境動態(tài)模型的數據基礎。針對艦船海上運行存在覆蓋范圍廣、時間長、艦船運行環(huán)境要素眾多且具有動態(tài)性的特點，態(tài)勢感知數據驅動的艦船運行環(huán)境動態(tài)建模，有利于準確構建艦船執(zhí)行任務時所處的環(huán)境模型，為艦船提供運行環(huán)境態(tài)勢信息感知能力，及時全面掌握艦船運行環(huán)境諸多態(tài)勢信息，減少艦船運行環(huán)境復雜性、動態(tài)性造成的影響，提升艦船任務執(zhí)行能力。

在態(tài)勢感知數據獲取方面。文獻［3］提出了一個通用誤差模型，構建氣候觀測結果特征，利用豐富元數據的多變量冗余信息減少氣候數據記錄（如海表溫度、海洋空氣溫度、濕度、風速和風向等數據）的不確定性。文獻［4］研究了在雜亂、干擾和雷達內部噪聲為特征的同質環(huán)境中對點形目標的自適應雷達檢測。文獻［5］利用經驗模式分解（Empirical Mode Decomposition，EMD）技術探測鐵磁體產生的磁異常，探索了利用磁場進行水下物體探測的可能性。文獻［6］通過融合雷達數據與電子支持措施數據，在目標航跡斷續(xù)的情況下，綜合推理目標融合航跡，提高了態(tài)勢數據感知能力。文獻［7］研究了雷達系統(tǒng)中基于動態(tài)規(guī)劃的檢測前跟蹤算法（TrackbeforeDetect，TBD）實現對起伏目標的檢測，將相位信息應用于TBD 融合過程，以提高雷達檢測性能。文獻［8］根據不同數據源的特點，為GF-4衛(wèi)星數據和自動識別系統(tǒng)異構數據提供了一種航跡級數據融合體系結構，具備更好的海上軍事態(tài)勢感知能力。

在艦船運行環(huán)境建模方面，自20 世紀80 年代起，美國國防部組織相關機構與科研部門聯合開發(fā)并研制了包括海洋環(huán)境模型和綜合環(huán)境模型的JSIMS 環(huán)境模型［9］。在美陸軍仿真系統(tǒng)OneSAF 項目開發(fā)過程中，研究人員對地形公共數據模型架構進行了拓展，開發(fā)了包含整個地球的自然環(huán)境數據模型，其中包括地形地貌環(huán)境模型、海洋模型等［10］。北約地理空間海事工作組在海洋地理信息數據模型S-100 框架的基礎上［11］，制定了軍事疊加層的依賴產品規(guī)范（S-501 至525），探索了海洋戰(zhàn)場環(huán)境的構建。俄羅斯科學院數值數學研究所與俄羅斯水文氣象中心合作開發(fā)了SL-AV20 全球靜壓大氣模型，實現俄羅斯上空20km 分辨率季節(jié)預測和氣候建模測試［12］。文獻［13］提出高分辨率的全球海洋-冰-大氣模型的緊湊建?？蚣埽瑢崿F全球海洋環(huán)境臨近預測與模擬。文獻［14］基于GPU技術，對大型海洋水文環(huán)境進行了可視化研究，可以高效直觀地模擬和顯示海洋環(huán)境因素的特性和變化過程。文獻［15］基于Creator/Vega 仿真平臺，針對不同種類的海洋地理信息，提出不同建模方法，實現了較為逼真的視覺效果。文獻［16］針對艦船運行環(huán)境中海洋地形與運行實體提出建模方法，并對艦船運行視覺效果進行渲染，實現了艦船運行環(huán)境的可視化。文獻［17］利用多維描述層的形式結構，對艦船運行環(huán)境中風浪、漂浮物等進行實時建模仿真與可視化，最終構建出虛擬海洋模型。文獻［18］基于大量復雜的海洋環(huán)境數據，搭建了一個南海海洋環(huán)境數據原型系統(tǒng)，實現了Argo 浮子、海面溫度場、海流場、鹽度、原位調查數據和海洋站的可視化。文獻［19］分析了海洋環(huán)境噪聲對浮標探測范圍的影響，提出浮標布設模型，提高了反潛飛機的搜潛能力。

綜上，國內外學者在艦船運行環(huán)境模型的構建與可視化方面取得了相關成果，但國內學者尚未對艦船運行環(huán)境動態(tài)建模展開深入的研究，還未形成統(tǒng)一的艦船運行環(huán)境模型數據表達和規(guī)范，未考慮到運行環(huán)境中環(huán)境因素的動態(tài)性，忽略了戰(zhàn)場態(tài)勢感知數據動態(tài)特性對運行環(huán)境模型的相互作用關系。針對上述問題，本文對艦船運行環(huán)境建模開展研究，提出態(tài)勢感知數據驅動的艦船運行環(huán)境模型動態(tài)構建框架，基于海洋氣象水文實時數據構建HYCOM 數值模型，實現海洋氣象水文環(huán)境模型的構建與仿真。

2 艦船運行環(huán)境動態(tài)建?？蚣?/h2>

態(tài)勢感知是艦船運行環(huán)境動態(tài)建模的基礎。通過?；⒋?、岸基、空基、天基等多種探測源對海洋環(huán)境信息與軍事態(tài)勢信息進行探測感知。以洋流數據為例，通過選取合適的坐標系（等密度坐標系、sigma坐標系或z坐標系），對海洋洋流多源數據進行結構化定義，實現對具有垂向混合坐標系的HYCOM數值模擬模式的構建。針對海洋洋流多源數據具有海量、多源、高維度、耦合性、時變性、非線性等特點，利用數據挖掘、數據填補、數據去噪、數據去冗余、數據融合等多種手段實現適用于海洋洋流數據的高效數據清洗，進而實現艦船運行環(huán)境動態(tài)建模，得到動態(tài)艦船運行環(huán)境模型。態(tài)勢感知數據驅動的艦船運行環(huán)境動態(tài)建?？蚣苋鐖D1 所示，包含艦船運行環(huán)境態(tài)勢感知，態(tài)勢感知數據處理與存儲和艦船運行環(huán)境動態(tài)模型。

圖1 艦船運行環(huán)境動態(tài)建?？傮w框架

3 艦船運行環(huán)境動態(tài)建模

3.1 艦船運行環(huán)境態(tài)勢感知

艦船運行環(huán)境態(tài)勢感知數據可分為自然環(huán)境數據與艦船態(tài)勢數據，態(tài)勢數據感知來源海基、岸基、船基、天基、空基等，如圖2 所示。其中，自然環(huán)境數據分為海洋氣象環(huán)境數據，海洋水文環(huán)境數據、海洋聲學信道數據、海洋地理地質環(huán)境數據、海洋物理環(huán)境數據等。艦船態(tài)勢數據包括我軍、敵軍作戰(zhàn)單元、后勤補給單元的類型、數量、部署位置和移動軌跡等。

圖2 態(tài)勢感知數據獲取

在海底地質地貌數據感知方面，通過水面船只、潛艇或潛水器采用回波檢測方法和地理信息系統(tǒng)（Geographic Information System，GIS）技術測量采集當前海域的水深數據。對于水深較淺的沿岸海區(qū)，利用遠程遙感的手段對水深數據進行測量。

在海洋氣象水文環(huán)境數據感知方面，通過海洋浮標平臺、遙感衛(wèi)星、氣候觀測站等對海洋溫度、鹽度三維剖面的實時監(jiān)測。利用衛(wèi)星數據通信鏈路，實現實時可控的海洋鹽度、溫度、深度數據采集和傳輸。利用海洋新型雷達遙感探測大范圍海域海浪的波高、波向等數據以及一維二維波譜和海流的流速、流向等數據，從而提供高保真、實時的海洋氣象環(huán)境數據。最后利用netCDF 文件格式對海洋氣象水文數據進行存儲，為海洋氣象水文環(huán)境模型的動態(tài)建模提供數據支撐。

在海洋聲學環(huán)境數據感知方面，利用海洋氣象衛(wèi)星獲取特定海域的海水溫度數據［20］，結合浮漂平臺的鹽度、溫度、深度傳感器組采集的數據，建立特定海域的三維鹽度、溫度剖面圖，實現三維海域溫度、鹽度模型的動態(tài)構建。利用特定海域三維溫鹽環(huán)境模型可以對艦船運行環(huán)境中的水聲信道環(huán)境進行模擬和臨時預報［21］，為構建水下聲學信道模型提供數據基礎。

在海洋物理環(huán)境數據感知方面，包含海洋重力和磁力測量。通過船載高精度重力儀，結合GIS 導航定位技術測量特定海域的重力數據。通過船基拖曳測量可以獲取海洋垂直方向的磁力變化數據。

在艦船態(tài)勢數據感知方面，通過多種探測渠道對軍事態(tài)勢數據進行感知，如軍事衛(wèi)星的雷達探測、紅外成像、高分辨率照相，艦船的雷達、聲吶，潛艇聲吶等。對于水下軍事目標，通過岸基聲吶、雷達、聲吶、反潛直升機等多種探測手段獲取敵方軍事作戰(zhàn)單元實時位置、部署信息與移動軌跡等。

3.2 態(tài)勢感知數據處理與存儲

海域海洋環(huán)境要素數據和艦船態(tài)勢數據存在多源異構特征，其數據處理與存儲框架如圖3 所示。

圖3 態(tài)勢感知數據處理與存儲

在海洋環(huán)境要素數據處理方面，對海洋溫度、降雨量、浪速和浪向等多要素時序感知數據進行多層次分類描述與處理，利用數據挖掘方法獲得當前時刻多要素時序數據組成的海洋環(huán)境與海洋現象之間的關聯關系。對缺失空間數據樣本點，采用動態(tài)插值算法進行插值處理。對缺失的海洋氣象水文數據，基于歷史平均數據進行填補。

在艦船態(tài)勢感知數據處理方面，采用數據填補、數據去噪、數據去冗余、數據清洗、數據融合等多層次數據預處理技術對艦船態(tài)勢感知數據進行預處理，提高數據質量。針對艦船運行過程中產生的非結構化（如雷達掃描、電子偵察圖像）和半結構化數據（聲吶探測文本、運行任務日志）文件存在易重復的問題，通過文件相似性比較算法去除重復冗雜的文件數據。對多源態(tài)勢探測數據，基于PCA變換方法實現數據融合，提取艦船探測系統(tǒng)的多源探測數據在空間和時間上的互補與冗余信息，實現探測對象的信息的統(tǒng)一描述。

在態(tài)勢感知數據存儲方面，采用MySQL 或Oracle 數據庫實現數據持久化存儲，并搭建數據集成化管理平臺。數據集成化管理平臺主要處理兩類數據，一是靜態(tài)數據，包括艦船基礎數據，如：設備類號、裝置種類和設備的物理性質；二是動態(tài)數據，包括艦船運行實時狀態(tài)、動態(tài)環(huán)境、艦船重要設備運行狀態(tài)等。通過建立艦船運行過程異構數據共享訪問機制、提供數據交互接口，實現基于XML 中間文件模式的數據集成化管理和艦船航行過程數據透明訪問和統(tǒng)一管理。實現接入數據模型參數和仿真運行數據模型參數的實時更新，為態(tài)勢感知數據驅動的艦船運行環(huán)境模型提供數據基礎。

3.3 艦船運行環(huán)境建模

針對復雜、動態(tài)的艦船運行環(huán)境模型，研究其推演機制與演變規(guī)則，基于自然環(huán)境數據構建軍事作戰(zhàn)單元模型，構建艦船運行環(huán)境模型，技術路線如圖4所示。

圖4 艦船運行環(huán)境建模技術路線

針對海洋地質地貌模型，主要有數據模型與數值模擬的方式。海洋數據模型是將探測得到的多波束數據通過預處理得到水深數據進行分區(qū)插值填補、區(qū)域建模最后拼接處理，生成整體海底地形模型［16］。基于快速拉格朗日數值模擬構建海洋地質地貌模型，首先將構建模擬對象的最基本幾何單元定義成微小的多面體（如四面體、立方體等），以適應不同模擬對象幾何外形的精度需要。其次利用劃分算法生成多面體單元堆積形成的海底地形模型，同時利用多項式趨勢面分析法，擬合出與地質層空間變化趨勢分布一致的空間曲面，最終建立艦船運行環(huán)境模型中的海洋地質地貌模型，所構建的模型具有較高的精確度。

針對海洋水聲信道模型，利用海洋聲速剖面分布受海水溫度、鹽度影響的特性，建立實時聲速剖面估計［22］。由射線理論推導聲線軌跡的函數方程，建立海洋水下聲通道的簡化射線模型。在此基礎上，針對水聲信道的多普雷頻移現象，構建出針對多普勒時變頻移特性的海洋水聲信道簡化模型［23］。

針對海洋物理環(huán)境模型，海洋物理環(huán)境主要指重力環(huán)境與磁場環(huán)境。利用探測衛(wèi)星的重力數據推算高精度靜態(tài)海洋重力場模型［24］。按照建模區(qū)域，磁場環(huán)境模型分為全球磁場環(huán)境模型與區(qū)域磁場環(huán)境模型。全局磁場環(huán)境模型通過采集全球磁測數據，借助高斯球諧分析法來模擬具有低空間分辨率的全球磁場環(huán)境模型。由于全球模型具有空間分辨率低且無法擬合海洋環(huán)境中磁場隨深度變化的特征，以及地表磁場的異常分布，因此不適用于艦船運行環(huán)境中地磁場建模。針對現有區(qū)域磁場環(huán)境建模方法沒有考慮磁場強度在艦船運行環(huán)境中垂直方向的變化問題，國內種洋等［25］應用三維Taylor 多項式的方法，將海洋磁力測量結果數據與相應的磁測點深度數據結合，構建了一個高精度且符合海域磁場在垂直方向變化特征的海洋磁場環(huán)境模型。

針對海洋氣象水文模型，通過建立海洋HYCOM 數值模型對海洋氣象水文環(huán)境進行實時模擬，如圖5 所示，其中，設置域為太平洋海域，設置解析度為2048*1024，時間幀為3h。構建HYCOM后，需要對多源洋流數據進行幀識別、轉碼與融合等操作，生成固定格式數據幀并保存為可供讀取的文件（格式可為.csv，.txt，.nc 等）。通過數據同化將來自衛(wèi)星的表面觀測數據結合起來，利用HYCOM 模型的動態(tài)插值技術，可以準確地對三維海洋狀態(tài)進行實時模擬與臨近預報［26］。

圖5 HYCOM數值模式構建流程

針對艦船態(tài)勢感知模型。通過態(tài)勢感知數據對作戰(zhàn)單元的位置信息、狀態(tài)信息、部署信息進行實時可視化。同時需要考慮艦船運行環(huán)境中自然環(huán)境要素對軍事單元運行能力的影響，有效量化海戰(zhàn)場環(huán)境要素與作戰(zhàn)單元間的影響關系。其中，運行能力包括對敵偵查探測能力，運行系統(tǒng)性能，以及數據通信系統(tǒng)性能和指揮控制系統(tǒng)性能；自然環(huán)境要素包括風速、氣壓、氣溫、海溫、降雨量、海浪、海底地形地貌等艦船運行環(huán)境因素。

4 典型案例

基于上述技術路線，本文選取艦船運行環(huán)境中動態(tài)性較強的海洋氣象水文模型建模進行案例分析，構建海洋水文氣象實時可視化模型，其動態(tài)建?？蚣苋鐖D6 所示。首先從海洋洋流信息數據庫中獲取多源海洋洋流數據（平均海平面壓力、地表溫度、海平面2m比濕、總降水、凈表面長波、凈表面短波、10 m 風速等）。其次，基于Fortran 語言讀取多源海洋洋流感知數據（.D 文件），并構建HYCOM數值模式對洋流數據進行解析，生成形式為［時間，經度，緯度，數據］的數據幀。

圖6 海洋氣象水文模型動態(tài)建?？蚣?/p>

最后，基于Python語言獲得多源海洋洋流信息文件，利用Seabron 庫和全球陸地/海洋分布，繪制海洋水文氣象模型實時可視化效果圖，如圖7 所示。圖7（a）為海洋風速在全球的分布情況，風速越高，熱力圖中顏色越紅，由圖可見太平洋海域，當日風速較為平穩(wěn)，而南極圈附近，海洋風速較高，風速分布與洋流走向較為契合，符合海洋風速分布的基本特征。海洋風速是海平面浪高估計的重要參數，是艦船運行環(huán)境效能評估的重要參數。圖7（b）中，海平面2m 空氣溫度赤道最高，向兩極遞減，可以觀察到太平洋東部溫度略低于西部，這體現了海平面2m空氣溫度分布與海洋洋流、季風間的聯系：日本暖流將赤道的熱量運輸到中國領海，受西風帶影響，加利福尼亞寒流在太平洋東部帶來低溫。海洋凈表面短波數據如圖7（c）所示，紫外線以太陽直射點為中心向四周擴散，其中太陽直射點的紫外線強度最大并向四周遞減。海平面比濕度分布情況如圖7（d）所示，其中赤道比濕度最高，并向兩極遞減，分布情況與海平面2m空氣溫度分布相似。

圖7 海洋水文氣象實時可視化模型

基于多源洋流實時數據，實現可視化模型的實時更新與渲染（每3 小時），如選取某天海洋凈表面短波數據，如圖8 所示，在一天不同的時間段內，隨著太陽直射點的移動，海洋凈表面短波的峰值點隨之移動，體現了海洋水文氣象實時可視化模型的實時性。

圖8 可視化模型實時渲染效果

5 結語

艦船運行環(huán)境動態(tài)復雜，態(tài)勢感知信息繁多，因此艦船運行環(huán)境模型需要有實時呈現當前環(huán)境，及時處理多源異構態(tài)勢信息的能力，本文對態(tài)勢感知數據驅動的艦船運行環(huán)境動態(tài)建模，能夠實時處理態(tài)勢感知數據，模擬當前運行所處的海洋環(huán)境，可有效輔助指揮人員結合艦船運行環(huán)境態(tài)勢信息對于所執(zhí)行任務做出最優(yōu)決策。在未來研究工作中，需要進一步規(guī)范不同艦船運行環(huán)境要素信息的數據格式與編碼，并采用易于拓展的數據編碼，制定統(tǒng)一的模型規(guī)范以構建不同類型的環(huán)境模型，以及制定統(tǒng)一的態(tài)勢感知數據接口實現態(tài)勢感知數據的實時接入。同時考慮到艦船運行環(huán)境模型對艦船運行效能的影響，需要將動態(tài)環(huán)境模型與軍事態(tài)勢模型相疊加，從而進一步對艦船運行環(huán)境模型進行動態(tài)模擬仿真與臨近預測。