李寶森 王浩軍 穆仕博

摘要：為了克服傳統(tǒng)推理方法在態(tài)勢表示和態(tài)勢推理方面的不足，本文針對態(tài)勢推理問題，以本體建模儲存態(tài)勢推理所需要的規(guī)則知識，使得戰(zhàn)場邏輯規(guī)則清晰化，易于擴(kuò)展。結(jié)合態(tài)勢本體邏輯，對基于關(guān)系數(shù)據(jù)庫存儲的戰(zhàn)場數(shù)據(jù)進(jìn)行識別、分類，完成態(tài)勢信息從關(guān)系數(shù)據(jù)庫到本體的轉(zhuǎn)化，從而將態(tài)勢推理問題轉(zhuǎn)化為基于本體建模的戰(zhàn)場態(tài)勢推理。該方法充分考慮到了真實戰(zhàn)場情況下的多態(tài)勢要素導(dǎo)致的多屬性決策推理問題，使得推理結(jié)果更加貼近現(xiàn)實，具有較好的實用性。

關(guān)鍵詞：態(tài)勢推理；本體；關(guān)系數(shù)據(jù)庫；多屬性決策

中圖分類號：V11文獻(xiàn)標(biāo)識碼：ADOI：10.19452/j.issn1007-5453.2021.02.012

基金項目：航空科學(xué)基金（2016ZC12020）

傳統(tǒng)的態(tài)勢推理方法大多是建立在戰(zhàn)場規(guī)則知識庫基礎(chǔ)上的屬性匹配[1]，根據(jù)已有的態(tài)勢知識庫，將當(dāng)前戰(zhàn)場觀測的情報數(shù)據(jù)與知識庫逐一匹配搜索[2]，這種方式的態(tài)勢推理在知識庫規(guī)則嚴(yán)格完整時，處理單個目標(biāo)時能夠取得很好的效果[3]。但是這種模板匹配都是對規(guī)則知識庫的嚴(yán)格匹配，真實的戰(zhàn)場情況中態(tài)勢要素往往不能和模板規(guī)則嚴(yán)格匹配，這會導(dǎo)致對目標(biāo)作戰(zhàn)意圖的態(tài)勢推理沒有結(jié)果。而即使推導(dǎo)出相應(yīng)的結(jié)果，也不能給決策者相應(yīng)的置信度概率參考，從而并不能發(fā)揮出有效的作用。除此以外，評估和推理目標(biāo)作戰(zhàn)意圖和眾多態(tài)勢要素相關(guān)，為了能夠?qū)崿F(xiàn)模板的完全匹配，知識庫規(guī)則需要考慮眾多目標(biāo)狀態(tài)因素、目標(biāo)屬性因素、環(huán)境因素和政治背景因素等，這就使得模板匹配的規(guī)則知識庫變得龐大而又復(fù)雜，所以傳統(tǒng)的推理方法難以解決該問題[4]。

世界各國關(guān)于態(tài)勢估計的系統(tǒng)已經(jīng)有數(shù)十種，以專家系統(tǒng)、模板匹配、計劃識別、概率推理等方法來實現(xiàn)[5-12]。美國在態(tài)勢估計系統(tǒng)的研究方面比較成熟，目前已經(jīng)開發(fā)了多個態(tài)勢估計系統(tǒng)。美國利用品質(zhì)因數(shù)技術(shù)開發(fā)的品質(zhì)因素系統(tǒng)，該系統(tǒng)可以對戰(zhàn)場不同實體單元進(jìn)行識別，如戰(zhàn)場中的武器、作戰(zhàn)目標(biāo)等。該系統(tǒng)根據(jù)戰(zhàn)場實體單元的特點進(jìn)行層次劃分，并建立了一個戰(zhàn)場分層的系統(tǒng)結(jié)構(gòu)。戰(zhàn)場情報準(zhǔn)備（IPB）系統(tǒng)是美國軍隊專門開發(fā)的戰(zhàn)場情報準(zhǔn)備系統(tǒng)，該系統(tǒng)通過分析戰(zhàn)場環(huán)境來描述敵人從過去到現(xiàn)在的行動，并對目標(biāo)未來的意圖進(jìn)行預(yù)測。

態(tài)勢估計在國內(nèi)的研究起步比較晚，自20世紀(jì)80年代才有關(guān)于信息融合的報道。1991年海灣戰(zhàn)爭以后，我國開始重視信息融合，對信息融合的研究逐漸興起。目前我國關(guān)于態(tài)勢估計的研究主要以理論為主?？狄t[13]從理論層面對態(tài)勢估計的目標(biāo)意圖識別進(jìn)行了分析，認(rèn)為主要使用基于模板的技術(shù)和人工智能領(lǐng)域的相關(guān)技術(shù)來實現(xiàn)意圖識別，但是沒有就態(tài)勢的具體應(yīng)用進(jìn)行詳細(xì)說明。姚春燕[14]從時間的角度實現(xiàn)態(tài)勢推理，對敵意圖識別看成分類問題并引入概率統(tǒng)計等方法來完成。姚莉[15]建立了分布式的基于人工智能協(xié)作方法的知識模型，使用人工智能領(lǐng)域的智能技術(shù)建立分布式處理方式。此外還有針對高層次的信息融合進(jìn)行了研究，徐從富[16]從神經(jīng)網(wǎng)絡(luò)和黑板結(jié)構(gòu)出發(fā)，建立關(guān)于通信數(shù)據(jù)的融合模型，使用如敵軍裝備水平及作戰(zhàn)行動等來實現(xiàn)態(tài)勢的簡單描述，并建立分層的的態(tài)勢模型。空軍工程大學(xué)王鳳山[17]使用動力學(xué)來描述參戰(zhàn)雙方的作戰(zhàn)力量，建立了防空作戰(zhàn)背景的實戰(zhàn)模型，并使用勢函數(shù)來分析態(tài)勢規(guī)律。中國電子科技集團(tuán)28所針對空軍研發(fā)的專家系統(tǒng)，可以對戰(zhàn)場環(huán)境下的目標(biāo)進(jìn)行國籍、類型以及活動進(jìn)行判斷，并建立了1400余條的高質(zhì)量知識庫系統(tǒng)等。

本體是一種可以在語義和知識層次上描述知識層次的工具，提供了一種對信息和知識進(jìn)行規(guī)范化描述和建立模型的方法，它完全能夠接受并存儲復(fù)雜的知識庫規(guī)則，而且建立好的專家本體知識庫使得規(guī)則可視化較強(qiáng)，邏輯描述精確且易擴(kuò)充，最終形成一種網(wǎng)絡(luò)狀的推理規(guī)則模型[5]。對于復(fù)雜戰(zhàn)場數(shù)據(jù)處理方便，在結(jié)合對本體知識庫中節(jié)點之間因果關(guān)系概率分配的基礎(chǔ)上，最終可以得到一個數(shù)據(jù)化的推理結(jié)果，完成態(tài)勢推理。

1本體知識建模

1.1本體的構(gòu)建方法

為了構(gòu)建能夠體現(xiàn)戰(zhàn)場態(tài)勢推理的網(wǎng)絡(luò)結(jié)構(gòu)，需要首先完成對戰(zhàn)場態(tài)勢要素的提取以及分析，將其作為本體網(wǎng)絡(luò)中的節(jié)點，然后分析節(jié)點之間的關(guān)系，對本體構(gòu)建的邏輯進(jìn)行專家檢驗，若合理則進(jìn)一步檢查邏輯的完整性，最終使用本體建模工具Protégé完成對本體的構(gòu)建。

（1）戰(zhàn)場關(guān)鍵態(tài)勢要素的分析

為了達(dá)到對戰(zhàn)場目的和行動的精準(zhǔn)描述的目標(biāo)，首先應(yīng)該對戰(zhàn)場相關(guān)的態(tài)勢要素進(jìn)行一定的歸納分析，態(tài)勢要素就是戰(zhàn)場中一些比較重要的數(shù)據(jù)類型的總結(jié)。

（2）態(tài)勢要素間關(guān)系分析

在完成第一步對態(tài)勢要素的分析之后，需要進(jìn)一步考慮各態(tài)勢要素之間的邏輯以及作用關(guān)系，使得戰(zhàn)場層級推理的邏輯清晰化。

（3）本體邏輯及完整性檢驗

在態(tài)勢要素之間關(guān)系確定的基礎(chǔ)上，需要對關(guān)系的邏輯進(jìn)行檢查，確保其合乎專家經(jīng)驗，并且在合理的基礎(chǔ)上盡可能完善邏輯。這是戰(zhàn)場態(tài)勢推理的關(guān)鍵知識規(guī)則，也只是規(guī)則存儲在本體中的重要體現(xiàn)。

1.2確定本體關(guān)鍵態(tài)勢要素

對目標(biāo)的態(tài)勢推理需要考慮戰(zhàn)場上復(fù)雜的環(huán)境，在使用基于本體推理的基礎(chǔ)上，只需要根據(jù)專家經(jīng)驗選取能夠影響目標(biāo)態(tài)勢推理的核心態(tài)勢要素。通常用于進(jìn)行敵方目標(biāo)意圖推理的因素有以下幾種。

（1）目標(biāo)固態(tài)屬性

目標(biāo)固態(tài)屬性主要考慮平臺、目標(biāo)類型等。平臺屬性指對目標(biāo)類型的判斷，在能判斷出目標(biāo)飛機(jī)或者艦船的具體型號時，將具體型號作為目標(biāo)屬性，否則平臺屬性為飛機(jī)或者艦船。

（2）目標(biāo)變化屬性

目標(biāo)變化屬性主要考慮目標(biāo)的高度、速度的狀態(tài)以及經(jīng)緯度、航向角以及持續(xù)時間，確定節(jié)點的速度狀態(tài)（高速度、中速度和低速度）、高度狀態(tài)（低、中和高）、離目標(biāo)距離狀態(tài)（遠(yuǎn)、中和近）、電磁行為狀態(tài)等。

速度和高度是體現(xiàn)目標(biāo)運動屬性最重要的信息之一，同時也可以充分體現(xiàn)目標(biāo)此時的機(jī)動性能，某一目標(biāo)某時刻的意圖往往是和它的速度、高度的運動信息密切相關(guān)，即使是目標(biāo)的固態(tài)屬性相同，也會因為速度高度信息的不同，推理出截然不同的結(jié)果。

而經(jīng)緯度和航向角同樣是重要的動態(tài)屬性，以防空作戰(zhàn)場景為例，敵方目標(biāo)在與我方進(jìn)行空戰(zhàn)之前，必然會在航向角上朝向我方，因此航向角和經(jīng)緯度相對于我們的程度會給態(tài)勢推理提供重要的線索。

速度狀態(tài)、高度狀態(tài)則主要是對目標(biāo)速度高度的模糊化處理，通過選定的隸屬度函數(shù)和目標(biāo)不同類型對應(yīng)的速度范圍，將目標(biāo)的速度進(jìn)行模糊化處理。

目標(biāo)距離狀態(tài)作為動態(tài)屬性，考慮到敵方若要發(fā)動攻擊，一定會先調(diào)整位置使得雷達(dá)能夠探測到我方，因此雙方之間的距離狀態(tài)在一定程度上可以反映我們所要推理的目的。

電磁行為主要考慮電磁裝備、武器裝備、通信裝備，確定節(jié)點為電磁開關(guān)狀態(tài)（探察設(shè)備開關(guān)、保障設(shè)備開關(guān)以及武器裝備開關(guān)）；電磁設(shè)備屬性可以統(tǒng)稱為輻射源屬性，以飛機(jī)目標(biāo)為例，在飛機(jī)從航母起飛、空中攔截、返航的過程中都有對應(yīng)的輻射源開關(guān)，因此，輻射源屬性也可以作為目標(biāo)態(tài)勢推理的重要來源。

（3）目標(biāo)軍事屬性

目標(biāo)軍事屬性首要判別的是在軍事活動的活躍區(qū)域、重要的軍事范圍，確定節(jié)點為軍事區(qū)域狀態(tài)，以及目標(biāo)的戰(zhàn)場、歷史、文化、經(jīng)濟(jì)和政治知識。

（4）戰(zhàn)役級態(tài)勢推理要素

戰(zhàn)役級態(tài)勢推理要素是態(tài)勢推理的終點，也就是前面幾種態(tài)勢要素的邏輯組合會共同推理出這一級的態(tài)勢推理要素，圖1中列出了越界、攻擊、巡邏、偵察、轉(zhuǎn)場這幾種態(tài)勢推理結(jié)果。本文主要考慮偵察、巡邏、攻擊這三種態(tài)勢要素。

1.3基于本體表示態(tài)勢推理邏輯

通過構(gòu)建的本體態(tài)勢要素中的普通態(tài)勢要素和最終的戰(zhàn)役級態(tài)勢推理要素，構(gòu)建出偵察、巡邏和攻擊這三種模式的本體推理邏輯判斷，將三種本體邏輯連接起來就是最終的本體態(tài)勢推理邏輯。

（1）偵察模式

這種模式是敵方為了收集我方的軍事戰(zhàn)斗數(shù)據(jù)所進(jìn)行的偵察與探察。在這種模式下，當(dāng)目標(biāo)被捕獲之后，通過目標(biāo)基礎(chǔ)運動態(tài)勢要素可以得到目標(biāo)是否以固定航向在做非機(jī)動飛行，再根據(jù)目標(biāo)的距離狀態(tài)我們可以得到飛機(jī)是否再進(jìn)行偵察或者是其他行狀態(tài)。最終再以目標(biāo)電磁設(shè)備屬性作為輔助的態(tài)勢要素，最終確定目標(biāo)是否再進(jìn)行偵察。

（2）巡邏模式

巡邏是指為了避免被攻擊的警戒行為。這種模式下的飛機(jī)一般會將火控雷達(dá)關(guān)閉，只開啟用于巡邏的設(shè)備，而且在固定區(qū)域以固定航線進(jìn)行飛行。

（3）攻擊模式

攻擊是敵方目標(biāo)正式對我們發(fā)起進(jìn)攻的行為模式，這種情況的飛機(jī)的輻射源會將指定型號的火控雷達(dá)打開，飛機(jī)進(jìn)行戰(zhàn)術(shù)機(jī)動行為，飛機(jī)速度和高度會因為攻擊的飛機(jī)型號與飛機(jī)前一個狀態(tài)發(fā)生明顯變化。

2戰(zhàn)場關(guān)系數(shù)據(jù)庫到本體的轉(zhuǎn)換

將知識規(guī)則存儲到了本體中，但是只有本體中的推理邏輯不能進(jìn)行戰(zhàn)場態(tài)勢推理。因此需要對戰(zhàn)場數(shù)據(jù)進(jìn)行快速識別、組織和分類，將其轉(zhuǎn)換為有關(guān)聯(lián)的戰(zhàn)場關(guān)系數(shù)據(jù)庫，在此基礎(chǔ)上，再結(jié)合我們的本體推理邏輯，實現(xiàn)實時數(shù)據(jù)庫到本體模型的轉(zhuǎn)化，從而擁有了進(jìn)一步戰(zhàn)場態(tài)勢推理的基礎(chǔ)。

2.1構(gòu)建戰(zhàn)場關(guān)系數(shù)據(jù)庫

2.1.1戰(zhàn)場數(shù)據(jù)庫的預(yù)處理

原始的戰(zhàn)場數(shù)據(jù)比較復(fù)雜。可以直接獲取的數(shù)據(jù)，如靜態(tài)數(shù)據(jù)目標(biāo)型號、屬性和動態(tài)數(shù)據(jù)目標(biāo)經(jīng)緯度、高度、速度等。直接數(shù)據(jù)經(jīng)過處理可以得到間接數(shù)據(jù)（如速度的加減速狀態(tài)、高度的升降狀態(tài)等）。數(shù)據(jù)的分類結(jié)構(gòu)如圖2所示。

2.1.2建立戰(zhàn)場關(guān)系數(shù)據(jù)庫

在對原始戰(zhàn)場數(shù)據(jù)進(jìn)行了分類和預(yù)處理后，以本體中的目標(biāo)固有屬性為參考，對數(shù)據(jù)進(jìn)行合理的組織描述，通過以下幾步完成關(guān)系數(shù)據(jù)庫的建立。

（1）明確目標(biāo)的所有類型

在明確戰(zhàn)場上所有目標(biāo)類型基礎(chǔ)上，可以建立出一張含有所有目標(biāo)類型的總表（見表1）。

（2）明確所有目標(biāo)的屬性

對于目標(biāo)類型的總表中列出的目標(biāo)，需要對每個目標(biāo)的屬性進(jìn)行確定（見表2）。

（3）最終目標(biāo)表結(jié)構(gòu)確定

完成了屬性分析后，根據(jù)每個目標(biāo)所擁有的屬性，建立對應(yīng)的目標(biāo)表，以戰(zhàn)斗機(jī)為例，其表結(jié)構(gòu)，如行為屬性目標(biāo)表，包含類、屬性、實例、關(guān)系等字段。主要包含飛機(jī)標(biāo)識號、型號、經(jīng)度、緯度、高度、速度、升高狀態(tài)、雷達(dá)工作模式、記錄時間等字段。

（4）目標(biāo)關(guān)聯(lián)表

目標(biāo)關(guān)聯(lián)表表達(dá)目標(biāo)之間的關(guān)系，對應(yīng)于本體中概念及屬性間的關(guān)系。以飛機(jī)和機(jī)場間的關(guān)系為例，其表結(jié)構(gòu)包含飛機(jī)標(biāo)識號和機(jī)場標(biāo)識號。

2.2數(shù)據(jù)庫到本體的轉(zhuǎn)換

在完成了基于態(tài)勢要素的戰(zhàn)場本體構(gòu)建和基于數(shù)據(jù)分類的戰(zhàn)場數(shù)據(jù)庫構(gòu)建后，需要將關(guān)系數(shù)據(jù)庫實例化到態(tài)勢估計領(lǐng)域本體。根據(jù)數(shù)據(jù)庫和專家本體知識庫的特性，可以得到數(shù)據(jù)庫到本體的語義映射和轉(zhuǎn)換原則：（1）數(shù)據(jù)庫目標(biāo)表到本體的轉(zhuǎn)換，將一個目標(biāo)表名轉(zhuǎn)換為一個本體類或一個本體關(guān)系；（2）數(shù)據(jù)庫表中字段到本體的轉(zhuǎn)換，將目標(biāo)表中字段轉(zhuǎn)換為本體屬性或本體關(guān)系；（3）數(shù)據(jù)庫表中記錄到本體的轉(zhuǎn)換，將目標(biāo)表中記錄轉(zhuǎn)換為一個本體實例；（4）數(shù)據(jù)庫表中外鍵到本體的轉(zhuǎn)換，將目標(biāo)表中外鍵轉(zhuǎn)換為一個本體關(guān)系；（5）數(shù)據(jù)庫表中主鍵到本體的轉(zhuǎn)換，將目標(biāo)表中主鍵轉(zhuǎn)換為一個本體屬性或與其他目標(biāo)表之間的本體關(guān)系。

通過以上對戰(zhàn)場關(guān)系數(shù)據(jù)庫的實體識別，屬性識別以及關(guān)系識別，將關(guān)系數(shù)據(jù)庫轉(zhuǎn)化為給具有語義信息的態(tài)勢領(lǐng)域的本體模型。

綜上，在完成了本體知識庫的建立和戰(zhàn)場關(guān)系數(shù)據(jù)庫到本體模型的轉(zhuǎn)換后，可以將戰(zhàn)場關(guān)系數(shù)據(jù)庫轉(zhuǎn)化的本體實例整合到專家本體知識庫中。專家知識庫負(fù)責(zé)整體推理結(jié)構(gòu)和邏輯的完整性，而本體實例負(fù)責(zé)與專家知識庫的實際信息匹配，為最終的態(tài)勢推理計算提供好數(shù)據(jù)完整性支持和邏輯推理支持。

3戰(zhàn)場態(tài)勢推理及試驗仿真

在完成了態(tài)勢推理的底層數(shù)據(jù)與態(tài)勢推理邏輯保障后，本節(jié)將實現(xiàn)對當(dāng)前戰(zhàn)場態(tài)勢的實時計算感知和理解。

3.1分配專家概率及計算推理

根據(jù)本體專家知識庫的態(tài)勢推理邏輯，針對目標(biāo)的非戰(zhàn)役級態(tài)勢推理要素和戰(zhàn)役級態(tài)勢推理元素之間存在明顯的因果關(guān)系，如圖3所示，頂層為最終所要的態(tài)勢推理的最終結(jié)果，而底層為目標(biāo)固態(tài)屬性、行為動態(tài)屬性等基本態(tài)勢要素。

可以得知，除底層態(tài)勢要素的每一個節(jié)點，都是由多個節(jié)點共同推理出的，直至推理出最終態(tài)勢。因此針對推理出的每一個節(jié)點，可以給推導(dǎo)出它的所有節(jié)點都賦給一個和為1的概率，這個概率一般是由專家給出。

將分配好的概率存入本體邏輯結(jié)構(gòu)中，導(dǎo)入實例化的關(guān)系數(shù)據(jù)庫，推理并進(jìn)行計算，最終戰(zhàn)役級態(tài)勢概率值最大的態(tài)勢節(jié)點即為我們所推理出的最終態(tài)勢。

3.2仿真結(jié)果

在完成了邊的概率分配后，設(shè)計相應(yīng)的劇情并生成對應(yīng)的仿真數(shù)據(jù)存入關(guān)系數(shù)據(jù)庫，得到如下仿真結(jié)果。

（1）偵察模式及巡邏模式

仿真劇情：捕捉到敵方飛機(jī)后，發(fā)現(xiàn)敵方飛機(jī)航向角為飛向我方關(guān)鍵區(qū)域，并對我方實施偵察行為，我方飛機(jī)正常巡邏，偵察行為實施結(jié)束后，敵方飛機(jī)按照固定航向進(jìn)入日常巡邏模式，如圖4所示。

經(jīng)過本體態(tài)勢網(wǎng)絡(luò)計算推理，可以得到兩種模式的最終概率，見表3和表4。

（2）攻擊模式

仿真劇情：捕捉到敵方飛機(jī)后，發(fā)現(xiàn)敵方飛機(jī)迅速靠近我方，我方飛機(jī)根據(jù)指令起飛，對敵方飛機(jī)進(jìn)行阻擊，如圖5所示。

經(jīng)過本體態(tài)勢網(wǎng)絡(luò)計算推理，可以得到攻擊模式的最終概率，見表5。

由以上三種模式的計算結(jié)果可知，最大概率所對應(yīng)的戰(zhàn)役模式剛好符合實際情況，態(tài)勢推理正確。

4智能化態(tài)勢技術(shù)研究

4.1 LSTM智能態(tài)勢推理算法

基于長短時記憶網(wǎng)絡(luò)（long short-term memory networks， LSTM）的智能態(tài)勢推理算法利用了LSTM算法在具有時間序列的數(shù)據(jù)上分析優(yōu)勢，將戰(zhàn)場編碼后作為LSTM的輸入，通過對時間軸上的數(shù)據(jù)進(jìn)行關(guān)聯(lián)推理，輸出目標(biāo)意圖的結(jié)果。

本文建立基于模板匹配和LSTM智能算法組合的態(tài)勢推理算法，將其稱為基于組合智能的態(tài)勢推理算法，充分利用兩者優(yōu)勢進(jìn)行融合。

如圖6所示，基于組合智能的態(tài)勢推理模型由三個部分組成：LSTM網(wǎng)絡(luò)推理算法模塊、模板匹配算法模塊和推理結(jié)果校正模塊。該模型將LSTM推理結(jié)果和模板匹配結(jié)果相互校正，并更新歷史數(shù)據(jù)和補充作戰(zhàn)經(jīng)驗，從而改進(jìn)推理結(jié)果。

4.2基于組合智能的態(tài)勢推理算法流程

上節(jié)給出了基于組合智能的態(tài)勢推理模型，該模型由三個部分組成，其中的LSTM推理模塊和模板匹配模塊在前面均已說明。推理結(jié)果校正模塊主要作用是對兩個推理模型的結(jié)果進(jìn)行比較，當(dāng)結(jié)果出現(xiàn)不合理的時候解決沖突，給出最佳的推理結(jié)果，并改進(jìn)LSTM模型和模板匹配模型。

定義模板匹配輸出結(jié)果的匹配度為matchT，輸出結(jié)果為rT，匹配度閾值為LimtT；定義LSTM推理輸出結(jié)果的最大概率為Pmax，輸出結(jié)果為rLSTM（輸出結(jié)果為概率最大對應(yīng)的結(jié)果），概率閾值為LimtP；組合智能態(tài)勢推理的輸出結(jié)果為Result。給出推理結(jié)果校正規(guī)則見表6。

考慮了LSTM推理和模板匹配結(jié)果的各種情況：當(dāng)兩個模型的結(jié)果一致且可信度比較高時直接輸出結(jié)果；當(dāng)兩個模型結(jié)果不一致時取可信度較高的結(jié)果，并且更新可信度低的模型，即將新的數(shù)據(jù)重新訓(xùn)練LSMT模型或擴(kuò)展模板規(guī)則庫；當(dāng)兩個模型的結(jié)果可信度都比較低時取模板匹配的結(jié)果，并同時更新兩個模型。因為模板匹配是將當(dāng)前戰(zhàn)場數(shù)據(jù)與通過歷史經(jīng)驗建立的規(guī)則庫進(jìn)行匹配，因此該規(guī)則庫的可靠性較高得到的結(jié)果比較符合實際。而LSTM是通過不斷的學(xué)習(xí)和訓(xùn)練模型從而輸出結(jié)果，存在一定的不確定性，因此當(dāng)兩個模型的結(jié)果發(fā)生沖突時選擇模板匹配的結(jié)果更符合實際情況。

因此，基于組合模型的態(tài)勢推理算法處理流程圖如圖7所示。具體流程為：（1）獲取戰(zhàn)場觀測數(shù)據(jù)并作為組合模型的輸入；（2）對輸入數(shù)據(jù)進(jìn)行處理，如剔除無用信息、數(shù)據(jù)編碼、事件檢測等；（3）分別使用LSTM網(wǎng)絡(luò)算法和模板匹配算法進(jìn)行態(tài)勢推理；（4）分別對LSTM網(wǎng)絡(luò)算法和模板匹配算法輸出結(jié)果進(jìn)行分析，以確定它們是否滿足輸出閾值要求；（5）根據(jù)表6的規(guī)則來處理沖突結(jié)果：當(dāng)LSMT算法輸出結(jié)果不滿足條件時，補充LSTM算法的訓(xùn)練樣本對其重新訓(xùn)練；當(dāng)模板匹配輸出不滿足條件時，補充態(tài)勢模板庫；（6）根據(jù)表6中定義的輸出結(jié)果輸出算法的最終結(jié)果。

4.3試驗仿真及分析

通過試驗仿真，分析目標(biāo)在不同時刻的態(tài)勢模式以及與模板的相似度。

圖8是截取了目標(biāo)在30個仿真周期內(nèi)的態(tài)勢匹配值，在仿真初期目標(biāo)的偵察態(tài)勢比較明顯，而且追蹤的相似度也比較高。隨著仿真的繼續(xù)，目標(biāo)偵察態(tài)勢相似度逐漸下降，目標(biāo)轉(zhuǎn)向攻擊態(tài)勢，并且隨著攻擊態(tài)勢的相似度逐漸升高，其他態(tài)勢模式相似度在降低。在仿真過程中，目標(biāo)不存在集結(jié)態(tài)勢。

圖9截取了65個仿真周期的目標(biāo)態(tài)勢變化，目標(biāo)在不同仿真時刻的態(tài)勢如圖所示，在第45個仿真周期時目標(biāo)的攻擊態(tài)勢達(dá)到了100%。

將仿真期間一個群內(nèi)的4個目標(biāo)在不同仿真周期內(nèi)的態(tài)勢模式進(jìn)行了統(tǒng)計（見表7），4個目標(biāo)的態(tài)勢在不同時刻的態(tài)勢模式保持一致。

表7內(nèi)所列目標(biāo)在仿真周期內(nèi)分別經(jīng)歷了態(tài)勢為：集結(jié)、巡航、偵察、追蹤、攻擊、巡航等，根據(jù)態(tài)勢的變化過程來看，目標(biāo)執(zhí)行了一個作戰(zhàn)周期的作戰(zhàn)任務(wù)。

為了驗證模板匹配算法對戰(zhàn)場態(tài)勢推理的應(yīng)用，試驗以空中目標(biāo)作戰(zhàn)為背景，對態(tài)勢推理進(jìn)行了可視化仿真，試驗配置了16個不同的目標(biāo)。并對相同類型的目標(biāo)用同一種顏色表示，其中紅色目標(biāo)表示戰(zhàn)斗機(jī)，黃色表示轟炸機(jī)，藍(lán)色表示偵察機(jī)，黑色表示預(yù)警機(jī)，航跡顏色與類型顏色相對應(yīng)。

圖10中將三個目標(biāo)劃分為兩個群，分別為04和05號，其中04號群為一個單目標(biāo)，正在執(zhí)行偵察任務(wù)，05號群有兩個目標(biāo)同時執(zhí)行偵察任務(wù)。

圖11中包含了6架戰(zhàn)斗機(jī)目標(biāo)，經(jīng)模板匹配得到的態(tài)勢模式為聚集。

圖12中有5個目標(biāo)，其中左邊編號為01的群兩個目標(biāo)處于追蹤模式，右邊的三個戰(zhàn)斗機(jī)目標(biāo)在執(zhí)行攻擊任務(wù)。

圖13中的兩個黃色目標(biāo)為轟炸機(jī)，它們被劃分為同一個目標(biāo)群（群編號為05），經(jīng)過模板匹配對它們的態(tài)勢模式進(jìn)行推理后得到的結(jié)果為巡航模式。

試驗設(shè)置了10組仿真數(shù)據(jù)，分別進(jìn)行模板匹配算法驗證，統(tǒng)計結(jié)果見表8。

4.4基于LSTM試驗仿真及分析

試驗設(shè)置場景包括12個目標(biāo)從不同的地方出發(fā)執(zhí)行任務(wù)，實現(xiàn)態(tài)勢推理，試驗設(shè)置了6種態(tài)勢模式，分別為攻擊、追蹤、聚集、偵察、巡邏、未知。表9為12個目標(biāo)的配置，分為戰(zhàn)斗機(jī)、偵察機(jī)、轟炸機(jī)、預(yù)警機(jī)和民航飛機(jī)5種目標(biāo)類型。

圖14是目標(biāo)的初始化顯示，包含目標(biāo)位置、航跡、編號以及態(tài)勢模式等。

界面中將相同類型的目標(biāo)用同一種顏色表示，其中紅色目標(biāo)表示戰(zhàn)斗機(jī)，黃色表示轟炸機(jī)，藍(lán)色表示偵察機(jī)，綠色表示民航飛機(jī)，航跡顏色與類型顏色相對應(yīng)。

在仿真開始階段，各個目標(biāo)單獨為一個群，即存在12個目標(biāo)群，且無法判斷態(tài)勢模式，所以初始態(tài)勢模式為未知。各個目標(biāo)旁邊標(biāo)注了該目標(biāo)的目標(biāo)編號和群編號以及目標(biāo)態(tài)勢模式。如圖14所示部分目標(biāo)的信息表示，GroupID為群編號，TargetID為目標(biāo)編號，Model表示態(tài)勢模式。

在圖15中，隨著目標(biāo)的運動狀態(tài)在不斷的變化，目標(biāo)的群組關(guān)系也在不斷變化，此時只有6個群，在分群后只對于同一個群內(nèi)的目標(biāo)只進(jìn)行信息表示。結(jié)果如圖15所示。

在圖16中，該時刻的6號、7號、11號三個目標(biāo)被劃分為一個群（GroupID=4），且經(jīng)過推理后得到這三個目標(biāo)的態(tài)勢為集結(jié)模式；群編號為3的兩個目標(biāo)4號、5號處于巡航模式；9號目標(biāo)是民航飛機(jī)，為一個單目標(biāo)群；3號目標(biāo)由于和其他目標(biāo)的距離和方向相差較大，也被劃分為一個單獨的目標(biāo)群，該目標(biāo)處于追蹤模式。

在圖17中，兩架偵察機(jī)和一架預(yù)警機(jī)劃分為一個群，這三個目標(biāo)在進(jìn)行執(zhí)行偵察任務(wù)。大部分目標(biāo)都集結(jié)在一起，該時刻將所有目標(biāo)劃分為4個群組，航跡信息清楚地描述了各個目標(biāo)的運動過程。其中1號群包含了所有的戰(zhàn)斗機(jī)和轟炸機(jī)以及一架偵察機(jī)，推理結(jié)果表明這8個目標(biāo)處于攻擊態(tài)勢，如圖18所示。左邊的偵察機(jī)和預(yù)警機(jī)已經(jīng)分開，劃分為了兩個群，此外，偵察機(jī)群（GroupID=04）在執(zhí)行追蹤任務(wù)，預(yù)警機(jī)群（GroupID=02）執(zhí)行偵察任務(wù)。

圖19和圖20是偵察機(jī)、預(yù)警機(jī)和民航飛機(jī)的態(tài)勢，其中兩架偵察機(jī)為一個群組（GroupID=04），預(yù)警機(jī)和民航飛機(jī)分別單獨成為一個群組（GroupID=02和GroupID=03）。

通過對10組仿真數(shù)據(jù)進(jìn)行驗證，計算不同推理模型的平均準(zhǔn)確率和推理時間（見表10）。其中組合智能模型提高了態(tài)勢推理的準(zhǔn)確性，并且推理時間合理，滿足戰(zhàn)場環(huán)境的實時性要求。

上述仿真將當(dāng)前時刻目標(biāo)的屬性、運動特征等要素，通過模型的推理得到了最終的態(tài)勢模式，可視化仿真動態(tài)描述了不同目標(biāo)的運動狀態(tài)、目標(biāo)之間的群組關(guān)系以及目標(biāo)態(tài)勢的變化過程，將戰(zhàn)場環(huán)境轉(zhuǎn)化為戰(zhàn)場態(tài)勢圖，方便指揮員快速準(zhǔn)確地理解戰(zhàn)場態(tài)勢，從而采取正確的戰(zhàn)術(shù)決策。

5結(jié)束語

本文基于專家本體知識庫進(jìn)行戰(zhàn)場任務(wù)態(tài)勢推理，針對戰(zhàn)場多變的環(huán)境，通過關(guān)鍵態(tài)勢要素和典型的態(tài)勢模式，構(gòu)建出用于戰(zhàn)場態(tài)勢推理的專家本體網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)能夠通過將實時的戰(zhàn)場數(shù)據(jù)轉(zhuǎn)化為本體實例并與其進(jìn)行推理交互和匹配，最終將計算所得的最大推理概率所代表的任務(wù)推理作為最終的推理結(jié)果，從而正確的戰(zhàn)場態(tài)勢推理。另外，本文建立基于模板匹配和LSTM智能算法組合的態(tài)勢推理算法，將其稱為基于組合智能的態(tài)勢推理算法，充分利用兩者優(yōu)勢進(jìn)行融合，并對算法進(jìn)行仿真得出其實際運行效率對比。

參考文獻(xiàn)

[1]張明遠(yuǎn).多源數(shù)據(jù)融合系統(tǒng)中態(tài)勢評估技術(shù)的研究[D].西安：西安電子科技大學(xué)，2004. Zhang Mingyuan. Research on situation assessment technology in multi-source data fusion system [D]. Xian： Xian University of Electronic Science and Technology， 2004.（in Chinese）

[2]柴慧敏.態(tài)勢估計中的關(guān)鍵技術(shù)研究[D].西安：西安電子科技大學(xué)，2009. Chai Huimin. Research on key technologies in situation assessment[D]. Xian： Xian University of Electronic Science and Technology， 2009.（in Chinese）

[3]Endsley M R. Toward a theory of situation awareness in dynamic systems[J]. The Journal of the Human Factors and Ergonomics Society，1995，37（1）：32-64.

[4]Daum F. Handbook of multisensor data fusion[J]. IEEE Signal Processing Magazine，2002，19（2）：94-94.

[5]韓占朋，王玉惠，程聰.態(tài)勢估計方法研究綜述[J].航空兵器， 2013（1）：14-19. Han Zhanpeng， Wang Yuhui， Cheng Cong. Overview of situation assessment method research [J]. Aviation Weapons， 2013 （1）： 14-19.（in Chinese）

[6]葛順.基于規(guī)則發(fā)現(xiàn)和貝葉斯推理的戰(zhàn)術(shù)意圖識別技術(shù)[D].哈爾濱：哈爾濱工程大學(xué)，2015. Ge Shun. Tactical intention recognition technology based on rule discovery and Bayesian reasoning [D]. Harbin： Harbin Engineering University， 2015.（in Chinese）

[7]陶景，于淼.聯(lián)合作戰(zhàn)籌劃中的態(tài)勢評估[J].國防科技，2018， 39（4）：119-122. Tao Jing， Yu Miao. Situation assessment in joint operation planning [J]. National Defense Science and Technology， 2018， 39 （4）： 119-122.（in Chinese）

[8]孟賀.一種基于智能計算的態(tài)勢推理方法研究[D].西安：西安電子科技大學(xué)，2017. Meng He. Research on situation reasoning method based on IntelligentComputing[D].Xian：XianUniversityof Electronic Science and technology， 2017.（in Chinese）

[9]王熠，邱雷，袁慎芳.基于ADALINE網(wǎng)絡(luò)的導(dǎo)波載荷影響補償方法[J].航空科學(xué)技術(shù)， 2020， 31（1）：17-24. Wang Yi， Qiu Lei， Yuan Shenfang. Guided wave load effect compensation method based on ADALINE network [J]. Aeronautical Science & Technology， 2020， 31 （1）： 17-24.（in Chinese）

[10]李偉生，王寶樹.實現(xiàn)態(tài)勢估計的一種模板匹配算法[J].計算機(jī)科學(xué)， 2006， 33（5）：229-230. Li Weisheng， Wang Baoshu. A template matching algorithm for situation assessment [J]. Computer Science， 2006， 33 （5）： 229-230.（in Chinese）

[11]徐琳，宋萬強(qiáng).基于動態(tài)網(wǎng)格的多體分離計算技術(shù)研究[J].航空科學(xué)技術(shù)， 2019， 30（2）：11-17. Xu Lin， Song Wanqiang. Research on multi-body separation based on dynamic grid[J]. Aeronautical Science & Technology， 2019， 30 （2）： 11-17.（in Chinese）

[12]馬博平，王剛，葉坤，等.基于RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法的超聲速Licher雙翼優(yōu)化設(shè)計研究[J].航空科學(xué)技術(shù)， 2019， 30（9）：73-80. Ma Boping， Wang Gang， Ye Kun， et al. Optimization design of supersonic licher wing based on RBF neural network and genetic algorithm [J]. Aeronautical Science & Technology， 2019， 30 （9）： 73-80.（in Chinese）

[13]康耀紅.數(shù)據(jù)融合理論與應(yīng)用[M].2版.西安：西安科大出版社， 2006. Kang Yaohong. Data fusion theory and application [M]. 2nd Edition. Xian：Xian University of Science and Technology Press， 2006.（in Chinese）

[14]姚春燕，郁文賢，莊釗文.態(tài)勢估計中一種基于貝葉斯估計的統(tǒng)計時間推理方法[J].火力與指揮控制， 1999，24（1）：48-52. Yao Chunyan， Yu Wenxian， Zhuang Zhaowen. A statistical time reasoning method based on Bayesian estimation in situation assessment [J]. Firepower and command control， 1999，24（1）：48-52.（in Chinese）

[15]姚莉，龔勇，王長纓，等.一種基于BDI Agent的復(fù)雜系統(tǒng)設(shè)計建模方法[J].小型微型計算機(jī)系統(tǒng)， 2005（4）：133-138. Yao Li， Gong Yong， Wang Changying， et al. A modeling method for complex system design based on BDI Agent [J]. Minicomputer System， 2005 （4）： 133-138.（in Chinese）

[16]徐從富，耿衛(wèi)東，潘云鶴.面向數(shù)據(jù)融合的DS方法綜述[J].電子學(xué)報， 2001，29（3）：393-396. Xu Congfu， Geng Weidong， Pan Yunhe. A survey of DS method for data fusion [J]. Acta Electronica Sinica， 2001，29（3）： 393-396.（in Chinese）

[17]商長安，劉志杰，王鳳山.系統(tǒng)動力學(xué)防空戰(zhàn)場信息戰(zhàn)模型[J].火力與指揮控制， 2005（6）：10-12. Shang Changan， Liu Zhijie， Wang Fengshan. System dynamics airdefensebattlefieldinformationwarfaremodel[J]. Firepower and Command Control， 2005 （6）： 10-12.（in Chinese）

（責(zé)任編輯王為）

作者簡介

李寶森（1973-）男，碩士，研究員。主要研究方向：雷達(dá)系統(tǒng)設(shè)計、微波設(shè)計。

Tel：13937998086

王浩軍（1977-）男，碩士，高級工程師。主要研究方向：雷達(dá)接收機(jī)設(shè)計、微波設(shè)計。

Tel：15038522006

E-mail：chinacommwhj@21cn.com

Situation Reasoning Based on Ontology Modeling

Li Baosen1，Wang Haojun1，*，Mu Shibo2

1. China Air-to-Air Missile Academy，Luoyang 471009，China 2. Military Deputy Bureau in China Air-to-Air Missile Academy，Luogang 471009，China

Abstract： In order to overcome the shortcomings of traditional reasoning methods in situational representation and situational reasoning， this paper aims at situational reasoning， and uses ontology modeling to store the knowledge of the rules needed for situational reasoning， making the battlefield logic rules clear and easy to expand. Combining situational ontology logic， it can identify and classify battlefield data stored based on relational databases， and complete the transformation of situational information from relational database to ontology， thereby transforming situational reasoning problems into battlefield situational reasoning based on ontology modeling. This method fully takes into account the multi-attribute decision-making reasoning problem caused by the multi-situation factors in the real battlefield situation， making the reasoning result closer to reality and has better practicability.

Key Words： situational reasoning； ontology； relational database； multi-attribute decision making