朱波，方立恭，張小東

(海軍大連艦艇學(xué)院a．研究生管理大隊;b．導(dǎo)彈與艦炮系，遼寧 大連 116018)

0 引言

在現(xiàn)代防空作戰(zhàn)中，對空中目標(biāo)的作戰(zhàn)意圖進(jìn)行識別不僅是戰(zhàn)場態(tài)勢評估的主要目的，更是防空作戰(zhàn)指揮決策的重要基礎(chǔ)。隨著空中威脅的日益嚴(yán)峻，單純依靠指揮員的作戰(zhàn)經(jīng)驗對空襲目標(biāo)的作戰(zhàn)意圖進(jìn)行識別已經(jīng)難以適應(yīng)防空作戰(zhàn)高強(qiáng)度、快節(jié)奏的要求，如何利用先進(jìn)的數(shù)據(jù)融合技術(shù)輔助指揮員識別敵方的作戰(zhàn)意圖，已經(jīng)成為目前戰(zhàn)場態(tài)勢評估迫切需要解決的問題［1－3］。

1 目標(biāo)意圖識別問題概述

1．1 目標(biāo)意圖識別的定義

目標(biāo)意圖即目標(biāo)試圖完成的任務(wù)或目標(biāo)為達(dá)到某種作戰(zhàn)目的而采取的一系列作戰(zhàn)行動和計劃。目標(biāo)意圖并不能被直接觀測，通過各種探測手段，能直接觀測到的只是目標(biāo)的特定作戰(zhàn)行動或目標(biāo)狀態(tài)的改變，而這些活動則反映了目標(biāo)的作戰(zhàn)意圖［4］。對敵作戰(zhàn)意圖的識別就是在戰(zhàn)場環(huán)境下對各種信息源得到的信息進(jìn)行分析，從而對敵方的作戰(zhàn)設(shè)想、作戰(zhàn)方式、作戰(zhàn)計劃以及要達(dá)到的目標(biāo)進(jìn)行的判斷和解釋［5］。

1．2 基于事件的目標(biāo)意圖識別

由于目標(biāo)意圖總會在一定程度上通過目標(biāo)的行動和狀態(tài)表露出來，因此對目標(biāo)的意圖識別可以從以下幾個方面考慮:

(1)目標(biāo)的運(yùn)動狀態(tài);

(2)戰(zhàn)場上發(fā)生的事件;

(3)敵作戰(zhàn)條令及戰(zhàn)術(shù)原則。

可以說，目標(biāo)意圖總是和某些事件相關(guān)聯(lián)，反之，通過發(fā)生的事件也可以推理出相應(yīng)的目標(biāo)意圖，而這正是意圖識別的基礎(chǔ)。在防空作戰(zhàn)中，敵目標(biāo)在作戰(zhàn)過程中會不斷出現(xiàn)加(減)速、拐彎、爬升、俯沖、雷達(dá)開(關(guān))機(jī)等行為變化，這些行為都可能反映目標(biāo)實際的作戰(zhàn)意圖，將這些行為稱之為事件。在這些事件中，有些可以被直接探測，稱為原子事件;而另外一些則是由其他具有時間或因果關(guān)系的事件聚合而成的，這些事件不能被直接探測，稱之為復(fù)合事件。

為研究方便，本文對原子事件進(jìn)行了分類定義。根據(jù)事件表達(dá)內(nèi)容的不同，原子事件可分為過程事件、狀態(tài)改變事件和實體關(guān)系事件。過程事件反映的是實體屬性在一定時間間隔內(nèi)的變化量，如目標(biāo)加(減)速、拐彎、爬高、俯沖等，以目標(biāo)加(減)速事件為例，當(dāng)目標(biāo)速度在相鄰探測時間間隔內(nèi)的變化值超過規(guī)定的判別門限時，即判定事件發(fā)生，過程事件與時間相關(guān)，具有一定的連續(xù)性;與過程事件不同，狀態(tài)改變事件反映的是實體狀態(tài)瞬時的變化，如目標(biāo)出現(xiàn)、消失、干擾源開(關(guān))機(jī)、雷達(dá)開(關(guān))機(jī)等，狀態(tài)改變事件不受時間積累的影響，即與目標(biāo)之前的狀態(tài)無關(guān);實體關(guān)系事件反映的是目標(biāo)與我方實體之間的關(guān)系，如目標(biāo)進(jìn)入我防空武器射擊區(qū)域、我方實體位于敵導(dǎo)彈發(fā)射角內(nèi)等。

復(fù)合事件是由其他事件關(guān)聯(lián)得到的，其組成可以是原子事件，也可以是復(fù)合事件，從這個意義上說，復(fù)合事件是具有層次性的。舉例來說，在防空作戰(zhàn)中，敵飛機(jī)對我進(jìn)行導(dǎo)彈攻擊可以看作是目標(biāo)意圖的一種，其本身就是一個復(fù)合事件，與之關(guān)聯(lián)的子事件至少應(yīng)包含敵導(dǎo)彈滿足發(fā)射條件和敵雷達(dá)鎖定我目標(biāo)2個復(fù)合事件，同樣，作為子事件，敵導(dǎo)彈滿足發(fā)射條件也是由若干事件關(guān)聯(lián)得到的，其中應(yīng)包含我實體位于敵導(dǎo)彈發(fā)射角內(nèi)和我實體在敵導(dǎo)彈射程內(nèi)這2個原子事件?？梢?，無論是原子事件還是復(fù)合事件都不是互相孤立的，它們之間存在著時間和因果關(guān)系，事件關(guān)聯(lián)的目的就是利用事件之間的關(guān)系將低層次的原子事件逐步聚合成高層次的復(fù)合事件，而目標(biāo)意圖識別就是在事件關(guān)聯(lián)的基礎(chǔ)上，從原子事件(證據(jù))出發(fā)，逐層推理，最終得到代表目標(biāo)意圖的復(fù)合事件(結(jié)論)的過程。

2 空中目標(biāo)意圖識別的貝葉斯網(wǎng)絡(luò)模型

2．1 貝葉斯網(wǎng)絡(luò)的構(gòu)成

貝葉斯網(wǎng)絡(luò)(Bayesian networks，BN)是概率論和圖論相結(jié)合的產(chǎn)物，作為一種知識表示和概率推理的框架，貝葉斯網(wǎng)絡(luò)在具有不確定性的推理和決策問題中得到了廣泛的應(yīng)用［6］。貝葉斯網(wǎng)絡(luò)主要由兩部分構(gòu)成，分別對應(yīng)問題領(lǐng)域的定性描述和定量描述:一部分為有向無環(huán)圖(directed acyclic graph，DAG)，通常稱為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，它由若干個節(jié)點(diǎn)和連接節(jié)點(diǎn)的有向弧組成，節(jié)點(diǎn)與知識領(lǐng)域的隨機(jī)變量一一對應(yīng)，有向弧表示變量間的因果關(guān)系，弧的指向代表因果影響的方向性(由父節(jié)點(diǎn)指向子節(jié)點(diǎn));另一部分為反映變量之間關(guān)聯(lián)性的局部概率分布，通常稱為條件概率表(conditional probability table，CPT)，表中的概率值表示子節(jié)點(diǎn)與其父節(jié)點(diǎn)之間的關(guān)聯(lián)強(qiáng)度或置信度［7－8］。圖1顯示的是一個簡單而典型的貝葉斯網(wǎng)絡(luò)模型。

圖1 Bayesian網(wǎng)示例Fig．1 Sample of Bayesian network

2．2 貝葉斯網(wǎng)絡(luò)的構(gòu)建

構(gòu)建空中目標(biāo)意圖識別的貝葉斯網(wǎng)絡(luò)模型，需要經(jīng)過以下3個步驟:

(1)確定節(jié)點(diǎn)及節(jié)點(diǎn)狀態(tài)

對于空中目標(biāo)意圖識別來說，節(jié)點(diǎn)代表的就是防空作戰(zhàn)中可能發(fā)生的事件。在現(xiàn)實中，事件的發(fā)生常常具有多種情況，相應(yīng)的，網(wǎng)絡(luò)中的節(jié)點(diǎn)也可以有多個狀態(tài)，這些狀態(tài)之間彼此獨(dú)立，每個都代表了一種假設(shè)。舉例來說，如果將“敵飛機(jī)對我地面目標(biāo)的攻擊方式”作為意圖識別的頂層事件，那么它對應(yīng)的節(jié)點(diǎn)就可能包含“使用導(dǎo)彈攻擊”和“使用投彈方式攻擊”2種狀態(tài)。

(2)確定節(jié)點(diǎn)關(guān)系

在確定了節(jié)點(diǎn)事件之后，接下來需要明確的是各個節(jié)點(diǎn)事件之間的因果關(guān)系。這些關(guān)系用有向弧表示。例如，當(dāng)敵飛機(jī)意圖對我進(jìn)行投彈攻擊(記為事件X)時，通常會先進(jìn)行俯沖(記為事件Y)，基于這種影響關(guān)系，如果將前者作為“原因”，那后者就是“結(jié)果”，兩者之間的關(guān)系可以用有向弧X→Y表示。

(3)節(jié)點(diǎn)概率分配

概率分配包括兩部分內(nèi)容:對沒有父節(jié)點(diǎn)的頂層事件指定先驗概率;對有父節(jié)點(diǎn)的事件指定條件概率，如圖1所示。需要說明的是，對于有多個狀態(tài)的節(jié)點(diǎn)，其概率分布應(yīng)包含該事件處于相應(yīng)狀態(tài)集合中每個狀態(tài)的概率值。節(jié)點(diǎn)概率通常在網(wǎng)絡(luò)初始化時由防空作戰(zhàn)專家根據(jù)經(jīng)驗指定，這一過程使貝葉斯網(wǎng)絡(luò)模型從一開始就包含了相關(guān)的領(lǐng)域知識。

2．3 基于貝葉斯網(wǎng)絡(luò)的目標(biāo)意圖識別

在利用貝葉斯網(wǎng)絡(luò)進(jìn)行問題求解時，那些值已確定的變量構(gòu)成的集合稱為證據(jù)D，需要求解的變量集合稱為假設(shè)X，基于貝葉斯網(wǎng)絡(luò)的目標(biāo)意圖識別就是求解給定證據(jù)(已發(fā)生的戰(zhàn)場事件)的條件下假設(shè)變量(目標(biāo)意圖)的后驗概率P(X|D)［9］。

設(shè)防空作戰(zhàn)中敵目標(biāo)可能的作戰(zhàn)意圖為A1，A2，…，Am，當(dāng)探測到戰(zhàn)場事件B時，利用貝葉斯條件概率公式，可得目標(biāo)意圖的后驗概率［10］為

式中:P(Ai)為目標(biāo)意圖的先驗概率;P(B|Ai)為條件概率，先驗概率和條件概率都是由防空專家根據(jù)經(jīng)驗預(yù)先指定的。

假如在探測到事件B時，又得到一個事件C，則此時目標(biāo)意圖的后驗概率為

實際上，在進(jìn)行目標(biāo)意圖識別時，僅僅根據(jù)經(jīng)驗確定事件B和C同時發(fā)生的先驗概率P(B∩C|Ai)是非常困難的。為了簡化計算，可以假設(shè)戰(zhàn)場事件之間是相互獨(dú)立的，通過對目標(biāo)意圖識別問題進(jìn)行分析可知，大部分戰(zhàn)場事件都應(yīng)該是相互獨(dú)立的(如“敵飛機(jī)爬高”和“敵飛機(jī)俯沖”)，這一點(diǎn)也可以在構(gòu)建網(wǎng)絡(luò)過程中通過指定節(jié)點(diǎn)事件來實現(xiàn)。

根據(jù)概率公式，B，C相互獨(dú)立，可得

推廣到一般情況:當(dāng)探測到的戰(zhàn)場事件分別為B1，B2，…，Bn時，可得目標(biāo)意圖的后驗概率為

在網(wǎng)絡(luò)初始化時，目標(biāo)意圖和戰(zhàn)場事件的置信度都是預(yù)先給定的，當(dāng)檢測到新的戰(zhàn)場事件后，事件(證據(jù))對目標(biāo)意圖(假設(shè))的影響可通過貝葉斯后向傳播來更新，直到目標(biāo)意圖中的某個假設(shè)(節(jié)點(diǎn)狀態(tài))的置信度超過了預(yù)先設(shè)定的閾值，則判定該目標(biāo)意圖成立。目標(biāo)意圖識別是一個動態(tài)的、按時序處理的過程，其識別可信度隨時間的增長而提高。

3 應(yīng)用示例

3．1 貝葉斯網(wǎng)絡(luò)建模

考慮這樣一個想定:敵飛機(jī)進(jìn)攻我地面目標(biāo)，其進(jìn)攻意圖分為“投彈攻擊”和“使用導(dǎo)彈攻擊”2個狀態(tài)，與之相關(guān)聯(lián)的事件分別是敵飛機(jī)的機(jī)動方式、雷達(dá)工作狀態(tài)以及敵飛機(jī)與我方目標(biāo)的位置關(guān)系。根據(jù)想定，可以建立圖2所示的目標(biāo)意圖識別的貝葉斯網(wǎng)絡(luò)。

圖2 目標(biāo)意圖識別的貝葉斯網(wǎng)絡(luò)模型Fig．2 Bayesian network model of target’s intention assessment

為了體現(xiàn)復(fù)合事件和原子事件的層次關(guān)系，圖中分別用了2種節(jié)點(diǎn)進(jìn)行表示:復(fù)合事件用圓形節(jié)點(diǎn)表示，原子事件用方形節(jié)點(diǎn)表示。另外需要說明的是，本例的主要目的在于方法研究，因此模型經(jīng)過了適當(dāng)?shù)暮喕?，并沒有對所有與目標(biāo)意圖有關(guān)的事件進(jìn)行窮舉。

3．2 節(jié)點(diǎn)概率分配

在進(jìn)行節(jié)點(diǎn)概率分配時，除代表目標(biāo)意圖的節(jié)點(diǎn)以外，其他事件節(jié)點(diǎn)可以只考慮2個離散狀態(tài)，即真和假。在對網(wǎng)絡(luò)進(jìn)行初始化時，需由防空專家指定每個節(jié)點(diǎn)的條件概率表，本例假定敵目標(biāo)攻擊意圖的先驗概率為:敵對我進(jìn)行投彈攻擊和使用導(dǎo)彈向我攻擊的概率均為0．5。其余節(jié)點(diǎn)的條件概率可按相同方法依次指定，分配結(jié)果見表1。

3．3 目標(biāo)意圖識別

假設(shè)在防空作戰(zhàn)中，我傳感器探測到以下事件:敵飛機(jī)爬高、敵雷達(dá)開機(jī)、我方目標(biāo)在敵雷達(dá)探測范圍內(nèi)、我方目標(biāo)在敵導(dǎo)彈射程內(nèi)且敵位于我方導(dǎo)彈發(fā)射區(qū)近界之外。利用貝葉斯網(wǎng)絡(luò)推理工具Bayesialab計算得到的敵目標(biāo)意圖的后驗概率如圖3所示。

結(jié)果表明，當(dāng)檢測到敵飛機(jī)爬高、雷達(dá)開機(jī)等戰(zhàn)場事件后，敵方使用導(dǎo)彈向我攻擊的置信度變?yōu)?9．17%，相比證據(jù)輸入前明顯增大了。

表1 目標(biāo)意圖識別的條件概率Table 1 Conditional probability of target’s intention assessment

圖3 仿真結(jié)果Fig．3 Result of simulation

4 結(jié)束語

貝葉斯網(wǎng)絡(luò)使用圖形化的模型對領(lǐng)域知識進(jìn)行表達(dá)，同時通過具有語義性的推理邏輯對問題進(jìn)行求解，作為一種推理模型，貝葉斯網(wǎng)絡(luò)在處理不確定性信息方面具有優(yōu)勢，因而能夠很好的滿足目標(biāo)意圖識別的需求。本文提出的基于貝葉斯網(wǎng)絡(luò)的空中目標(biāo)意圖識別方法具有很強(qiáng)的可操作性，將其應(yīng)用到實踐中，可以大大提高防空作戰(zhàn)指揮決策的自動化程度，因此具有十分重要的意義。

［1］ HATAKEYA N，F(xiàn)URUTA K．Bayesian Network Modeling of Operator’s Intent Inference［C］∥New Orleans，USA:IEEE 7th Human Factors Meeting，2002:55－60．

［2］ GORODETSKY V，KARSAEV O，KOTENKO I．Multiagent Information Fusion:Methodology，Architecture and Software Tool for Learning of Object and Situation Assessment［C］∥San Diego，CA，USA:Proceedings of the 7th International Conference on Information Fusion，2004:346－353．

［3］ BALL B，SANTOS E，BROWN S．Making Adversary Decision Modeling Tractable with Intent Inference and Information Fusion［C］∥Sevilla，Spain:Proceedings of the 11th Conference on Computer Generated Forces and Behavioral Representation，2002:535－541．

［4］ NGUYEN T，HEUER P．Automated Intent Assessment Simulation Environment［C］∥ Las Vegas:Proceedings of Information，Decision and Control，2002:395－400．

［5］ 王端龍，吳曉鋒，冷畫屏．對敵戰(zhàn)場意圖識別的若干問題［J］．艦船電子工程，2004，24(6):4－8．

［6］ 王三民，王寶樹．貝葉斯網(wǎng)絡(luò)在戰(zhàn)術(shù)態(tài)勢評估中的應(yīng)用［J］．系統(tǒng)工程與電子技術(shù)，2004，26(11):84－87，143．

［7］ 史忠植．知識發(fā)現(xiàn)［M］．北京:清華大學(xué)出版社，2002．

［8］ 張連文，郭海鵬．貝葉斯網(wǎng)引論［M］．北京:科學(xué)出版社，2006:34－35．

［9］ 吳霽．態(tài)勢評估關(guān)鍵技術(shù)的研究［D］．西安:西安電子科技大學(xué)，1996．

［10］ 肖秦琨，高嵩，高曉光．動態(tài)貝葉斯網(wǎng)絡(luò)推理學(xué)習(xí)理論及應(yīng)用［M］．北京:國防工業(yè)出版社，2007．