石釗銘

（武漢市江夏區(qū)藏龍大道709號 武漢 430205）

1 引言

隨著體系化作戰(zhàn)概念的不斷深化，作戰(zhàn)兵力預警范圍不斷擴大，對來襲導彈的干擾手段和能力不斷增強，在對重點目標的大范圍高效打擊過程中，僅依靠單一體系進行目標探測和識別，很容易受到電子對抗與欺騙，以及海雜波、地理氣象環(huán)境等因素的干擾，幾乎無法滿足武器高效打擊需求。隨著衛(wèi)星輔助偵察手段的加入，一定程度上提升了目標探測與識別能力，但因戰(zhàn)場環(huán)境多變性、待打擊目標的復雜性、及彈載和星載信息處理的局限性，仍無法在打擊時間窗口內實現對航母、驅逐艦等目標的高效融合識別以及關鍵部位的精細化檢測。而智能化技術的引入，能夠有效提升作戰(zhàn)系統(tǒng)對敵智能化殺傷的技術水平[1]，因此多體制協(xié)同目標智能識別，作為現代武器高效打擊的關鍵前提，對提升打擊效能具有十分重要的意義。

2 國內外研究概況

在多體制協(xié)同方面，美國海軍于20世紀70年代開始開發(fā)協(xié)同作戰(zhàn)能力（Cooperative Engagement Capability，CEC）[2]。通過專用的視距數據分發(fā)系統(tǒng)（DDS）在作戰(zhàn)編隊的艦艇之間共享雷達未經濾波處理的、低時延、高精度量測數據，由協(xié)同作戰(zhàn)處理器進行目標復合跟蹤與識別處理，形成飛機和導彈的連續(xù)跟蹤航跡。在CEC條件下，所有傳感器資源組成了一個遠、中、近，高、中、低以及不同精度滿足不同需求的傳感器網絡，從而可以有效發(fā)揮各平臺傳感器的優(yōu)勢[3]。俄羅斯20世紀研制并裝備于現代級驅逐艦的米涅拉爾雷達，具有對海協(xié)同探測工作模式，參與協(xié)同工作的雷達可接近10部，它們之間通過專用的微波通信鏈路共享偵聽或主動量測數據，各雷達之間也沒有實現信號級協(xié)同處理。對于處于不同空間的協(xié)作成員，要達到良好的協(xié)作效果，離不開協(xié)同過程中成員之間工作狀態(tài)和意圖的感知。

在目標智能識別方面，美國早在2015年就開始了基于深度學習的目標識別的研究及應用。深度學習分析專家利用降低運行時間復雜性的新識別算法和新移動處理器增加的計算效率，以減少雷達目標識別算法運行時的尺寸、重量和功率（SWAP）。利用較少的訓練數據快速學習識別新的目標是一個重要研究方向。BAE系統(tǒng)公司通過引入機器學習和人工智能技術，用以提升其自動目標瞄準系統(tǒng)的性能。

目前國內在多體制協(xié)同感知架構方面的研究主要集中在態(tài)勢感知方面，例如非結構化感知方法、復雜環(huán)境感知與認識算法、基于生物視覺認知機理的目標識別與環(huán)境建模等[4]。此外，由于深度學習技術的不斷發(fā)展，基于深度學習的態(tài)勢感知與認知技術已成為主要的研究熱點[5]，能夠提高態(tài)勢感知的快速性、準確性和智能化水平。

在目標識別理論研究上距國外水平更近一步，在基于單平臺和單信源的檢測識別已經有了一定的研究基礎，尤其在圖像方面有了較大發(fā)展。但是基于多平臺協(xié)同的目標識別能力還不成熟，面對復雜干擾環(huán)境下的目標檢測識別能力還較為不足，缺乏通過多種印證手段不斷提高識別準確度的能力，目標識別的智能化水平不高。

3 關鍵技術

多體制協(xié)同目標智能識別旨在利用天基節(jié)點、海基節(jié)點、導彈等探測分析平臺，完成對待打擊目標的協(xié)同探測、異構信息關聯與融合、目標檢測識別，為武器打擊提供及時精確可靠的目標信息。一種多體制協(xié)同設想如圖1所示。本文將從協(xié)同探測任務規(guī)劃技術、多傳感器信息融合技術、目標智能識別技術三個方面簡要分析多體制協(xié)同目標智能識別關鍵技術。

圖1 一種多平臺協(xié)同設想示意圖

3.1 協(xié)同探測任務規(guī)劃技術

在利用導彈打擊目標的任務中，在預警探測階段，通過多探測節(jié)點協(xié)同探測，可拓寬目標探測時空覆蓋范圍，提升目標信息融合精度，提高對目標的復合跟蹤能力和傳感器抗干擾能力，從而增強目標識別效果。

協(xié)同探測任務規(guī)劃技術主要包含探測節(jié)點在搜索、跟蹤過程中的規(guī)劃分配、調度優(yōu)化、組合使用等技術，通過建立傳感器探測特性模型，分析傳感器在不同環(huán)境下執(zhí)行不同任務的效用，形成支撐各探測節(jié)點相互引導和協(xié)同使用的規(guī)則并實現節(jié)點資源合理規(guī)劃和動態(tài)管控。

在執(zhí)行探測節(jié)點的協(xié)同規(guī)劃前，需要根據經驗設定前置協(xié)同準則，以規(guī)則的方式指導系統(tǒng)完成協(xié)同探測智能規(guī)劃的整個過程；智能規(guī)劃是根據當前的任務內容，實際的戰(zhàn)場情況生成協(xié)同探測感知方案下達至各個探測感知節(jié)點；探測感知節(jié)點根據智能規(guī)劃的方案以集中式、分散式或者分布式的方式指揮各自的傳感器完成協(xié)同探測感知的內容，并將執(zhí)行反饋的結果發(fā)送至系統(tǒng)，系統(tǒng)根據結果修正優(yōu)化協(xié)同準則，提升下一次的協(xié)同探測智能規(guī)劃方案的有效性。這一過程如圖2所示。

圖2 協(xié)同探測任務規(guī)劃過程

3.2 多傳感器信息融合技術

與單傳感器相比，多傳感器信息技術在解決探測、跟蹤和目標識別等問題時，能夠通過多傳感器的多維度、多層次信息信息處理，提高系統(tǒng)的實時性、正確性、準確性、魯棒性[6～7]，為后續(xù)識別提供數據基礎。實現多源信息融合與目標的穩(wěn)定跟蹤需要解決的問題主要包括三個，分別是數據配準、數據關聯和數據融合[8]。

近年來，多傳感器融合技術的研究多集中在融合濾波算法領域，充分考慮各傳感器存在的噪聲或不確定性，采用分布式融合濾波的方式，通過設計標準化的接口協(xié)議，提升整個全局濾波效果。主要研究包括貝葉斯一致性濾波、分布式卡爾曼濾波算法等[9]。但在多體制協(xié)同探測過程中的多尺度、大時延的異構信息融合仍然存在目標關聯不正確、融合精度不高、處理不及時的問題。

3.3 目標智能識別技術

目標智能識別技術具備對樣本數據的學習能力，能夠保證識別模型的穩(wěn)健性和演化性[10]，能夠有效降低模型適配產生的拂面影響。目標識別包括特征級識別和決策級識別。其中目標識別特征參數包括空域特征、時域特征、頻域特征、能域特征等。通過目標特征數據庫進行匹配分析解算，利用支持向量機、神經網絡和證據理論等方法的學習或訓練優(yōu)勢，提高目標識別效率。

以卷積神經網絡為主的深度學習技術的發(fā)展大大推動了圖像識別技術的發(fā)展，卷積神經網絡在圖像分類、圖像檢索和物體檢測等領域的表現越來越出色，針對深度學習在海戰(zhàn)場圖像目標識別中應用的研究越來越豐富[11]。小樣本條件下的遷移學習[12]、基于端到端可訓練網絡的目標檢測、基于區(qū)域建議的目標檢測與識別等技術在海戰(zhàn)場圖像識別中的應用提高了目標識別正確率。但深度學習對于處在不同形態(tài)的同一物體以及具有細微差異的物體的區(qū)分能力并不夠。

4 發(fā)展建議

針對海戰(zhàn)場武器高效打擊信息保障需求，結合當前國內外多體制協(xié)同目標智能識別關鍵技術的研究和發(fā)展情況，提出以下發(fā)展建議。

4.1 發(fā)展彈-星-艦三位一體跨域協(xié)同感知架構設計技術

受海戰(zhàn)場態(tài)勢感知信息獲取能力及處理時效性所限，僅僅憑借單一手段難以實現對重點目標的準確識別與選擇性攻擊。充分發(fā)揮彈載探測器、天基衛(wèi)星和?；灤脚_各體制下信息處理優(yōu)勢，提升多平臺協(xié)同感知節(jié)點規(guī)劃效能，研究綜合各平臺的高效協(xié)同態(tài)勢自主感知技術，建立主動（雷達、SAR）與被動（紅外、可見光）等多平臺探測傳感器聯合引導機制，實現預警探測-搜索識別-末端引導的全鏈路信息保障與快速處理能力。

4.2 發(fā)展跨域多尺度多源異構信息關聯技術

針對海戰(zhàn)場目標識別面臨的類型多、分布廣、機動性強，以及主被動傳感器數據定位精度差異大，異構平臺數據獲取目標信息時空不同步等問題，開展多源異構數據（包括星載/彈載/艦載等不同平臺的各類傳感器獲取的目標圖像、姿態(tài)、位置及特征數據）的目標關聯技術研究。其包括多源異構數據的統(tǒng)一表示，大時延異構數據時空對準，多源信息自適應快速關聯等多個方面的研究。

4.3 發(fā)展智能目標抗干擾檢測識別技術

待打擊目標類型復雜多樣性，目標所處背景地形地貌復雜多變，成像天候時相及視點變化，偽裝、干擾及對抗手段多變等復雜成像影響因素，增加了目標識別的難度。尤其是干擾對抗手段，其具有不同時機、干擾空間分布和不同頻段干擾等時空譜特性。被動探測雷達雖然探測距離遠，抗干擾能力強，但是如果對方雷達不開機也無法進行探測；前視雷達雖然具有相對穩(wěn)定的強散射點特征，但易受箔條、角反射器以及電子干擾影響；紅外成像易受光照、煙霧、陰影以及背景局部變化等干擾?；谛?艦-彈協(xié)同多模探測，通過對不同信息源成像與融合以及分析復雜場景目標和背景成像特性、結合圖像信息與非圖像信息融合、星基與彈基多源影像信息聯合檢測、彈載多模傳感器融合等多種多源手段，降低環(huán)境與人為干擾，提升目標的檢測識別能力。

4.4 發(fā)展精細化目標辨識和關鍵部位識別技術

大中型艦船編隊中目標類型多，不同類型艦船（如航母、驅逐艦、護衛(wèi)艦、補給艦、登陸艦等）承擔不同的作戰(zhàn)任務，對艦船目標細分類是構建海戰(zhàn)場態(tài)勢圖的基礎，也為特定目標的精準打擊提供重要指示信息。同時，為了實現目標高效毀傷，對艦船目標識別不僅限于船體自身，還需具備關鍵部位的精確識別與跟蹤能力，節(jié)省打擊成本，提高作戰(zhàn)效率。同時隨著少樣本對象識別算法的不斷發(fā)展，識別的準確率也在不斷提高，但是目前由于圖像拍攝工具和條件的原因，使得測試遙感樣本的分辨率很難于訓練樣本數據的分辨率保持一致，對于大多數少樣本算法來說，這一情況將直接導致新能的大幅下降，可充分利用衛(wèi)星圖像具有范圍廣、干擾較少的特點，著力發(fā)展少樣本條件下的目標類型辨識與關鍵部位識別技術研究。

5 結語

隨著武器性能的不斷提高，對目標識別準確性、實時性、精確性的要求也越來越高，同時隨著各種新的技術平臺的加入，豐富了識別的手段，同時提高了識別技術的復雜度。多體制協(xié)同目標智能識別技術，在立體化作戰(zhàn)的框架下，將艦船、衛(wèi)星、導彈有機結合起來，利用衛(wèi)星偵察系統(tǒng)、艦船分析系統(tǒng)、導彈識別系統(tǒng)，形成一套基于“偵-查-打”的、完整的、抗干擾能力強的、自主性高的智能打擊模式，為導彈完成大范圍、高精度、高效能武器打擊提供準確、清晰、連續(xù)的戰(zhàn)場態(tài)勢，對提高復雜環(huán)境下大范圍打擊態(tài)勢感知的抗干擾能力和目標態(tài)勢信息的準確性，具有重大的戰(zhàn)略意義。