高曉陽，王 剛

（空軍工程大學防空反導學院，西安 710051）

0 引言

傳統(tǒng)的專家系統(tǒng)、模板技術、多代理規(guī)劃識別、模糊邏輯、遺傳算法和貝葉斯網(wǎng)絡等方法依賴人的經(jīng)驗，缺少對數(shù)據(jù)的深入挖掘處理，面對高對抗、高實時、數(shù)據(jù)爆炸的現(xiàn)代化信息戰(zhàn)場中復雜的戰(zhàn)場態(tài)勢信息，難以形成及時、準確、全面的態(tài)勢處理結果供指揮員指揮決策。因此，亟需尋求新的方法和技術，以應對大數(shù)據(jù)戰(zhàn)場對態(tài)勢感知的要求。

深度學習是人工智能研究熱點領域之一，其在軍事領域應用的研究如火如荼。文獻［4-6］分別將深度學習方法應用實際中，取得了優(yōu)于傳統(tǒng)方法的效果，展示出深度學習方法的巨大優(yōu)勢和廣闊應用前景。本文基于對空天防御態(tài)勢感知面臨的威脅和挑戰(zhàn)，以及未來態(tài)勢感知能力需求的深入分析，提出將深度學習用于戰(zhàn)場事件的特征提取，實現(xiàn)態(tài)勢覺察、理解和預測，為未來空天防御態(tài)勢感知智能化發(fā)展提供了全新的思路。

1 空天防御作戰(zhàn)態(tài)勢感知面臨威脅與挑戰(zhàn)

態(tài)勢感知最初是用于研究飛行員對當前所處飛行狀態(tài)的認識和理解［7］。之后，美軍不斷探索將態(tài)勢感知系統(tǒng)投入戰(zhàn)場使用并不斷進行改善，在美軍C2BMC［8-10］系統(tǒng)中，態(tài)勢感知作為系統(tǒng)的核心功能，提供有關BMDS總體狀態(tài)及其攔截各類威脅的能力的信息，將作戰(zhàn)、情報和后勤信息綜合成一套公共的信息、數(shù)據(jù)和需求，供彈道導彈防御系統(tǒng)共同使用。

在空天防御作戰(zhàn)中，態(tài)勢感知的主要任務是將空天防御戰(zhàn)場中敵方的空襲行動信息進行分析融合處理，形成對當前戰(zhàn)場態(tài)勢的理解，并為各級指揮員呈現(xiàn)出來，為指揮員指揮決策提供依據(jù)。

1.1 空天防御作戰(zhàn)態(tài)勢感知面臨威脅分析

信息化條件下的空天防御態(tài)勢感知面臨著較為嚴峻的威脅。

1）電磁環(huán)境日趨復雜。空天防御作戰(zhàn)中電磁對抗激烈，復雜的電磁環(huán)境對傳感器目標探測、系統(tǒng)目標跟蹤和目標攔截產(chǎn)生了強烈的干擾，使得態(tài)勢感知難以獲取正確、全面、可靠的戰(zhàn)場數(shù)據(jù)信息。

“雙一流”建設背景下，學科建設與發(fā)展成為各高?？蒲泄芾頇C構的重中之重，學校的學科體系調整與建設都以爭創(chuàng)一流學科為目標，圖書館作為學科發(fā)展基礎體系的關鍵要素，文獻資源體系建設要緊跟學科規(guī)劃與發(fā)展的步伐，進一步提升對一流學科建設的支撐力度。因此，健全完善學科電子資源建設與服務體系勢在必行。

2）新型裝備和武器系統(tǒng)性能不斷提高。隨著軍事科技的發(fā)展，臨空超高聲速飛行器、隱身飛機等一系列新型裝備不斷投入戰(zhàn)場使用，空襲目標速度更快、機動性更強，極大壓縮了態(tài)勢感知處理的時間。

3）低成本、飽和式集群戰(zhàn)術再次成為重要發(fā)展方向。現(xiàn)代空襲作戰(zhàn)通常是多種空襲武器的聯(lián)合使用，配合相應的戰(zhàn)術，極大地發(fā)揮武器效能，對空天防御作戰(zhàn)系統(tǒng)產(chǎn)生全方位、多維度、高飽和的壓制性進攻。低成本、飽和式的集群攻擊對防守方的雷達傳感器系統(tǒng)、信息融合處理系統(tǒng)產(chǎn)生巨大的壓力，增加了信息處理的難度。

1.2 空天防御作戰(zhàn)態(tài)勢感知面臨挑戰(zhàn)分析

現(xiàn)代空天防御作戰(zhàn)呈現(xiàn)出高實時性、高對抗性的特點，敵方不斷升級的武器系統(tǒng)、先進的戰(zhàn)術和復雜的電磁環(huán)境使得戰(zhàn)場形勢瞬息萬變、更加復雜，傳統(tǒng)的以指揮經(jīng)驗為主的戰(zhàn)場態(tài)勢感知方式已經(jīng)難以勝任現(xiàn)代空天防御戰(zhàn)場態(tài)勢感知的需求，態(tài)勢感知面臨嚴峻的挑戰(zhàn)。

1.2.1 態(tài)勢感知面臨著超飽和處理能力的挑戰(zhàn)

傳統(tǒng)的態(tài)勢感知方法對戰(zhàn)場實時數(shù)據(jù)處理簡單，同時缺少對歷史數(shù)據(jù)的挖掘處理，處理的數(shù)據(jù)規(guī)模較小且結構單一。信息作戰(zhàn)條件下，空天防御作戰(zhàn)已經(jīng)步入大數(shù)據(jù)時代，相比于傳統(tǒng)戰(zhàn)場，大數(shù)據(jù)時代的空天防御作戰(zhàn)戰(zhàn)場數(shù)據(jù)呈現(xiàn)爆炸式增長，數(shù)據(jù)規(guī)模大、增長快、結構復雜，戰(zhàn)場呈現(xiàn)復雜系統(tǒng)的特點［1，11-12］，相比于抽樣數(shù)據(jù)，對全部的戰(zhàn)場數(shù)據(jù)進行處理，更能全面了解復雜戰(zhàn)場態(tài)勢，發(fā)掘隱藏在原始數(shù)據(jù)中戰(zhàn)爭規(guī)律和本質，能幫助指揮員更加準確更加全面地把握戰(zhàn)場整體態(tài)勢。

1.2.2 態(tài)勢感知面臨高實時性處理能力的挑戰(zhàn)

信息化背景下的空天防御戰(zhàn)場呈現(xiàn)出高實時性、高對抗性的特點。在美軍BMDS系統(tǒng)中，指揮員通過C2BMC系統(tǒng)將傳感器、攔截武器系統(tǒng)聯(lián)網(wǎng)，實現(xiàn)傳感器到射手的一體化，極大地加速了OODA環(huán)的閉合，提高了反導作戰(zhàn)效能，大大改善了防御行動處于完全被動的境地。在空天防御作戰(zhàn)中，態(tài)勢感知需要提高數(shù)據(jù)的處理能力，實現(xiàn)對高實時性動態(tài)數(shù)據(jù)的處理，幫助指揮員及時掌握當前戰(zhàn)場態(tài)勢，將數(shù)據(jù)與信息優(yōu)勢轉換為決策優(yōu)勢，滿足空天防御戰(zhàn)場高實時性、高對抗性的需求。

1.2.3 態(tài)勢感知面臨著高精度處理能力的挑戰(zhàn)

信息化空天防御戰(zhàn)場中敵我雙方干擾、欺騙的對抗手段不斷升級，對手通過各種干擾手段、欺騙性戰(zhàn)術行為產(chǎn)生大量蘊含虛假信息的數(shù)據(jù)，從而達到欺騙指揮員，隱藏真實作戰(zhàn)意圖的目的。態(tài)勢感知就是要幫助指揮員撥開“戰(zhàn)爭迷霧”的遮擋，通過對數(shù)據(jù)信息的交叉復現(xiàn)、融合處理，實現(xiàn)對戰(zhàn)場信息的“去偽存真”，為指揮員提供更加真實、更加準確的信息處理結果。

2 空天防御作戰(zhàn)態(tài)勢感知能力需求分析

面對大數(shù)據(jù)時代空天防御戰(zhàn)場中態(tài)勢感知面臨的威脅和挑戰(zhàn)，態(tài)勢感知需要提高歷史數(shù)據(jù)挖掘能力、態(tài)勢處理、敵方作戰(zhàn)意圖和戰(zhàn)場態(tài)勢等多方面的能力，實現(xiàn)對戰(zhàn)場大數(shù)據(jù)深入挖掘分析，全面提高數(shù)據(jù)處理的容量、速度和數(shù)據(jù)處理結果的精度，為指揮員指揮決策提供可靠依據(jù)。

2.1 大容量、多維度歷史數(shù)據(jù)挖掘能力

傳統(tǒng)基于指揮經(jīng)驗的空天防御作戰(zhàn)態(tài)勢感知方法缺乏對歷史數(shù)據(jù)的充分挖掘處理。這種方法主要依賴指揮員經(jīng)驗，難以對戰(zhàn)場有全面客觀的描述。而空天防御戰(zhàn)場中積累的海量歷史數(shù)據(jù)和仿真數(shù)據(jù)提供了不同角度的戰(zhàn)場信息，實現(xiàn)了對戰(zhàn)場整體的反映［13］。通過空天防御戰(zhàn)場大容量、多維度歷史數(shù)據(jù)的挖掘，分析數(shù)據(jù)之間和戰(zhàn)術行動之間的關聯(lián)關系，實現(xiàn)對來襲方作戰(zhàn)規(guī)律的把握和作戰(zhàn)意圖的推理。幫助指揮員實現(xiàn)對當前態(tài)勢正確、全面的理解，為態(tài)勢預測和指揮員指揮決策提供有力支撐。

2.2 高實時性多源信息處理能力

空天防御戰(zhàn)場中，預警衛(wèi)星、無人偵察機、偵察雷達以及各類戰(zhàn)場傳感器源源不斷地向態(tài)勢感知系統(tǒng)傳送海量的高實時性的戰(zhàn)場數(shù)據(jù)和情報信息。這些數(shù)據(jù)和信息結構各異、維度不同，傳達的內容相互交疊、相互補充、相互排斥。通過對空天防御態(tài)勢感知系統(tǒng)對實時多源異構數(shù)據(jù)的融合處理，從不同維度、不同角度對數(shù)據(jù)進行交叉復現(xiàn)，能夠實現(xiàn)對戰(zhàn)場整體態(tài)勢和戰(zhàn)場事件更加真實全面的描述，同時更加準確判斷、剔除虛假信息，提高態(tài)勢感知的處理精度。

2.3 敵方作戰(zhàn)意圖和戰(zhàn)場態(tài)勢預測的能力

態(tài)勢感知最主要的環(huán)節(jié)是對敵方意圖的預測和對戰(zhàn)場整體態(tài)勢的預測。根據(jù)當前來襲方的作戰(zhàn)行動，結合相應的情報信息，對敵方攻擊意圖、作戰(zhàn)計劃等進行合理預測，指揮員能夠更加及時、準確把握當前戰(zhàn)場態(tài)勢，并據(jù)此進行指揮決策，將數(shù)據(jù)優(yōu)勢轉化為決策優(yōu)勢。

3 基于深度學習的空天防御作戰(zhàn)態(tài)勢感知體系架構

信息化條件下的空天防御作戰(zhàn)態(tài)勢感知面臨嚴峻的挑戰(zhàn)，對態(tài)勢感知的能力提出了更高的要求。大數(shù)據(jù)時代下的空天防御戰(zhàn)場，亟需具備自學習、自適應能力的智能化態(tài)勢感知系統(tǒng)的支持。以深度學習為代表的人工智能方法所展現(xiàn)出的在軍事領域的應用潛能，為空天防御作戰(zhàn)態(tài)勢感知的研究提供了新的思路。

3.1 深度學習基本原理與分析

深度學習的本質［14-18］是含有多個隱層的人工神經(jīng)網(wǎng)絡。深度學習強調“端對端”的學習，通過層級連接對原始數(shù)據(jù)進行學習，逐層抽取學習特征，實現(xiàn)對信息的非線性處理，完成對原始數(shù)據(jù)的表示學習。深度學習采用無監(jiān)督逐層訓練的方法，避免了梯度彌散問題和陷入局部最優(yōu)的問題。

深度學習的突出優(yōu)勢是對大數(shù)據(jù)的自主特征提取和聚類分析。深度學習的優(yōu)勢在實際應用中取得了很好的效果。其中最具代表性的AlphaGO［19-22］采用的核心技術是深度學習。通過深度學習對棋局特征進行提取和分析，實現(xiàn)對棋局整體態(tài)勢的把握和對對手下一步行動的預測。

空天防御態(tài)勢感知的實質是對戰(zhàn)場整體態(tài)勢的感知和預測。嘗試將深度學習用于態(tài)勢感知之中，通過深度學習對空天防御戰(zhàn)場事件特征進行提取，實現(xiàn)對戰(zhàn)場態(tài)勢的認知和理解。

3.2 基于深度學習的態(tài)勢感知體系架構

結合深度學習的原理和優(yōu)勢，根據(jù)空天防御態(tài)勢感知任務和能力需求，構建基于深度學習的態(tài)勢感知體系架構，如下頁圖3所示?；谏疃葘W習的態(tài)勢感知體系架構主要分為線下學習和在線學習、對抗兩部分。

線下學習。首先對空天防御作戰(zhàn)態(tài)勢感知樣本數(shù)據(jù)庫進行挖掘處理，提取空天防御戰(zhàn)場問題特征，挖掘戰(zhàn)場作戰(zhàn)行為模型，形成作戰(zhàn)行為模式庫，通過對作戰(zhàn)行為的時空特性分析，了解戰(zhàn)場作戰(zhàn)行為，實現(xiàn)對戰(zhàn)場規(guī)律和規(guī)則的認知掌握。在此基礎上，進行戰(zhàn)場的仿真推演，通過深度學習自我博弈、和指揮員的博弈，對博弈結果進行評價認知，實現(xiàn)深度學習模型的自我學習、升級。

在線學習、對抗。在實戰(zhàn)對抗中，基于深度學習的態(tài)勢感知模型通過各類傳感器獲得實時戰(zhàn)場數(shù)據(jù)，通過對數(shù)據(jù)的特征提取、聚類分析，實現(xiàn)對戰(zhàn)場事件的認知理解，在實際對抗中，結合模式匹配和行為關聯(lián)分析，根據(jù)戰(zhàn)場規(guī)律和作戰(zhàn)條令，對敵方的攻擊意圖預測、戰(zhàn)場態(tài)勢預測、威脅判斷，提出防御作戰(zhàn)方案，并對防御方案進行仿真推演，評價各個方案可能對態(tài)勢產(chǎn)生的影響，進行方案調整。同時完成了對態(tài)勢感知模型的更新。最后由指揮員進行選擇決策。在線學習、對抗的整個過程中，各個處理環(huán)節(jié)的處理結果均是可視化地呈現(xiàn)給指揮員，便于指揮員更加清晰、全面把握戰(zhàn)場態(tài)勢。

4 基于深度學習的空天防御態(tài)勢感知的關鍵技能分析

4.1 深度學習數(shù)據(jù)樣本集構建技術

深度學習是由數(shù)據(jù)驅動的，以數(shù)據(jù)本身的客觀規(guī)律為基礎，對數(shù)據(jù)進行表示學習。深度學習輸入數(shù)據(jù)的質量決定了輸出結果的合理性。因此，需要構建完備合理的數(shù)據(jù)集。

用于基于深度學習的態(tài)勢感知模型學習的數(shù)據(jù)獲取主要有3種途徑：一是從空天防御實戰(zhàn)或演習中通過各類傳感器獲得的真實戰(zhàn)場數(shù)據(jù)；二是通過人在回路的仿真推演中生成的仿真數(shù)據(jù)；三是軍事專家針對空天防御戰(zhàn)場中態(tài)勢感知特定研究問題，利用作戰(zhàn)模擬系統(tǒng)生成的數(shù)據(jù)樣本。對數(shù)據(jù)的收集強調時間、維度、類型等范圍的全面拓展。力求構建多樣化、多維化、多源化的空天防御戰(zhàn)場數(shù)據(jù)集。

4.2 自適應態(tài)勢感知模型構建技術

空天防御戰(zhàn)場具有高實時性、高對抗性和不確定性等特點，基于深度學習的態(tài)勢感知模型需要具有在不確定環(huán)境和不完備信息條件下的自適應能力，實現(xiàn)意圖預測、威脅判斷、效果評估等戰(zhàn)場態(tài)勢的特征認知、理解和推理［23］幫助指揮員撥開“戰(zhàn)爭迷霧”。

一是利用大樣本數(shù)據(jù)集深入挖掘作戰(zhàn)行為模式，理解不同作戰(zhàn)行為在時空尺度上的關聯(lián)關系，實現(xiàn)對作戰(zhàn)行為認知和意圖預測技術的突破。二是通過加入注意力機制，結合增強學習［24，26］、遷移學習、對抗網(wǎng)絡等學習方法，優(yōu)化復雜環(huán)境下的博弈策略，增強戰(zhàn)場特征理解的魯棒性。三是結合超實時仿真技術，模擬態(tài)勢感知過程，提高模型的泛化能力。通過3種渠道，提升深度學習模型在復雜環(huán)境下的自適應能力，提高認知、預測、推理的合理性。

4.3 態(tài)勢感知人機協(xié)同智能交互技術

基于深度學習的態(tài)勢感知模型就如同指揮員的“外腦”，人機協(xié)同智能交互技術就是實現(xiàn)人腦和“外腦”的有效交流。

指揮員通常是依據(jù)經(jīng)驗式思維模式進行指揮控制。實現(xiàn)人機高效交互，需要實現(xiàn)計算機對人腦關于演化規(guī)律和行為模式描述的模擬，例如，構建作戰(zhàn)行為模式庫，采用神經(jīng)圖靈機和注意力機制等。

深度學習是對戰(zhàn)場關鍵信息特征的自主抽取和聚類分析，但是戰(zhàn)場特征數(shù)據(jù)復雜多樣，并且基于深度學習的態(tài)勢感知模型還要實現(xiàn)對意圖預測、威脅判斷、防御評估、效果評估的表示。因此，需要形成可量化、統(tǒng)一的知識表示，既能夠實現(xiàn)對不同模態(tài)數(shù)據(jù)之間的知識共享，又能夠客觀、準確地反映對抗、整體、動態(tài)的體系效能，便于指揮員理解。

5 結論

空天防御態(tài)勢感知智能化是未來戰(zhàn)爭發(fā)展的必然趨勢。面對當前態(tài)勢感知面臨的嚴峻威脅和挑戰(zhàn)，本文基于未來空天防御態(tài)勢感知能力需求，提出了將深度學習用于態(tài)勢感知中，構建了基于深度學習的態(tài)勢感知體系架構，并分析了應用中的關鍵技術，為未來空天防御態(tài)勢感知智能化的發(fā)展提供了一種新的思路。