海上防御作战中的空中目标威胁评估技术*

贺文红

(北京西三环中路19号 北京 100841)



海上防御作战中的空中目标威胁评估技术*

贺文红

(北京西三环中路19号 北京 100841)

针对海上防御作战中的空中目标威胁评估问题,本文分析了威胁评估任务特性及评判准则、威胁评估要素提取与选择,探讨了层次分析法、多属性决策法、基于贝叶斯网络法等目标威胁评估方法,为有效打击多个威胁目标提供切实可靠的决策依据。

防御作战; 空中目标; 威胁评估

Class Number E917

1 引言

在海上防御作战中,目标威胁评估是实现防空作战指挥自动化诸环节中极其重要的一环,它是火力分配和战术决策的前提条件[1～2]。目标威胁评估是信息融合中高层次的信息融合处理,即对舰载指控系统所获取的敌或不明目标,综合目标多种特征信息,遵循一定的规则,以定量形式计算对我方的威胁程度系数,给出排序,确定威胁等级。对目标威胁程度的正确判断是制定防御指挥决策的前提和基础。

2 面向海上防御作战的空中目标威胁评估

2.1 威胁评估任务特性

以满足海上舰艇防御作战行动的战术需求为根本目的,以舰载指控系统为运行环境的目标威胁评估,主要具有以下特性:

1) 数据实时性

舰载防御侦察系统利用各类侦察设备捕捉大量信息数据对目标进行监测与跟踪,由于目标的运动性,则需对其获取运动趋向、周围态势等进行实时数据处理与传输,才能确保指控系统及时做出防御决策。

2) 目标类型多样性

目标类型多种多样,侦察设备捕捉到的目标的信息数据是该目标反射的电磁波或声信号,经数字化处理后,目标的物理外观特征被隐瞒了;空中目标采用隐身等伪装技术使被探测的电磁、声信号严重变形,因此,对目标进行威胁评估时不能完全确定其具体类型,只能根据目标的其它参数诸如来袭速度来估计它的类型。

3) 目标攻击方式多样性

目标攻击方式是由其本身属性和采用的战术等因素决定的。来袭目标逐步向多批次、小编队、多方向的连续攻击特性发展,目标攻击方式及策略难以事先预料,我方指控系统必须适应瞬息万变的众多情况,利用最短的时间制定防御措施,合理组织防御武器进行打击摧毁。

2.2 空中目标威胁评估的依据和原则

综合海上舰艇防御作战数据产生的瞬时性、各个模型功能处理的实时性,以及指挥员的思维习惯等方面因素,将来袭空中目标的威胁等级划分为三个等级:Ⅰ级、Ⅱ级、Ⅲ级。Ⅰ级为目标已在我方防线之内、威胁程度较大、防御时间紧迫,应立即对其采取防御措施。Ⅱ级为目标已侵入防线之内、威胁程度适中、防御时间较充分或虽然威胁程度较大,但与Ⅰ级目标相比有足够的防御时间,可立即采取防御措施或继续跟踪监视。Ⅲ级为目标还未侵入或刚侵入防线、威胁程度较小,有充足的防御时间。

空中目标威胁评估的主要依据是上级意图和敌来袭目标的特征,威胁评判准则为:

1) 上级指示的目标始终作为威胁程度最大的目标;

2) 来袭目标航路捷径越小,威胁越大;

3) 目标飞行速度大的目标,其威胁程度也大;

4) 低空目标的威胁程度大于非低空目标的威胁程度;

5) 电子干扰强度越大,威胁越大;

6) 目标飞临的时间越长,目标的威胁程度越小。

2.3 空中目标威胁评估要素提取与选择

在海上防空作战实际中,往往需要用多个要素刻画空袭目标的本质与特征。空袭目标特征一般可由目标类型、距离、速度、高度、数量、方位、意图等多个属性要素来描述。由信息融合识别后的综合态势可以得到目标的类型、速度、航向角、高低角、距离、干扰能力等信息。其中,空中目标的速度、距离、高度决定了目标到达拦截导弹发射区近界的时间;相对方位角决定了来袭目标的航路捷径或航向角;目标类型以及目标运动加速度或高度上是否机动,在一定程度上表明目标的攻击意图。

从空中目标威胁评估的依据和原则可以看出,威胁评估的实质是多属性综合评估,即把多个影响目标威胁程度的属性的统计指标,转化成无量纲的相对评价值,并综合这些评价值以得出一个整体评价。选择目标威胁评估因素时要求所选取的因素各具代表性,能从不同方面反映目标的威胁程度。同时,要求所选取的因素能方便量化,计算误差较小;并且要求所选取的因素能适用于不同类型的目标。

3 空中目标威胁评估方法

现代海上作战环境越来越复杂,且目标类型多种多样,包括歼击机、预警机、侦察机、反舰导弹、反辐射导弹、制导炸弹等。对敌方来袭的空中目标威胁程度判断的准确与否,直接影响到对空目标的抗击次序和防空火力的分配,进而影响到舰艇防空作战效能。目前对威胁评估的研究方法很多,主要有:到达时间判定法、线性加权判定法、层次分析法[3]、变权理论法[4]、属性分析法[5]、主成分分析法[6]、基于贝叶斯法[7]等。下面分析当前应用的主要威胁评估方法。

3.1 层次分析法

层次分析法(Analytic Hierachy Process,AHP)对所有来袭目标进行威胁估计的结果以威胁系数的形式来体现来袭目标威胁系数。使用AHP法进行威胁评估,步骤如下:

1) 层次结构模型的确定

首先构造出一个有层次的结构模型,上一层次的元素作为准则对下一层次有关元素起支配作用。从层次分析法的角度,这些层次可以分为三类。目标层:只有一个元素。准则层:包含为实现目标所涉及的中间环节。它可以由若干个层次组成,包括所需考虑的准则、子准则。方案层:包括为实现目标可供选择的各种决策方案等。一个敌空中目标可以看作一个备选方案,例如飞机、导弹,方案集由空中所有目标构成。图1为空中目标威胁等级层次结构模型示例。

图1 空中目标威胁等级层次结构模型示例

2) 权值的确定

在建立层次结构以后,上下层次之间的隶属关系就被确定了。为了比较各属性的重要性,采取两两比较的方法建立成对比较矩阵,进行相对重要程度的赋值,aij表示属性i的权ωi和属性j的权ωj之比的近似值aij=ωi/ωj,n个属性之间比较的结果构成判断矩阵A=(aij)n×n。按G.A. Miller的九级量化理论,目标重要性判断矩阵A中元素aij的取值为1:同等重要;3:略微重要;5:相当重要;7:明显重要;9:绝对重要;2、4、6、8:两个相邻判断的中间值。

采用本征向量法求解判断矩阵的最大本征值和本征向量。由判断矩阵的定义得Aω=nω,即(A-nI)ω=0。I是单位矩阵,如果属性重要性判断矩阵A中的值估计准确,该式左边严格等于n维0向量;如果A的估计不够准确,则A中元素的小的摄动意味着本征值的小的摄动,从而有Aω=λmaxω,λmax是矩阵A的最大本征值。由该式可以求得本征向量即权向量ω=[ω1,ω2,ω3,…,ωn]T。

在用本征向量法确定权时,可以用λmax来度量A中各元素aij(i,j=1,2,…,n)估计的一致性。为此引入一致性指标CI,CI=(λmax-n)/(n-1)。CI与n阶矩阵的随机指标RI之比称为一致性比率CR,CR=CI/RI。比率CR可用来判断矩阵A能否被接受。若CR>0.1,说明A中各元素aij的估计一致性太差,应重新估计。若CR<0.1,则可认为A中各元素aij的估计基本一致,这时可以用Aω=λmaxω求得ω作为n个属性的权。

3) 威胁评估与排序

AHP法主要存在两个方面的问题:一是构建成对比较矩阵过于繁琐。在敌方空袭目标较多的情况下,要将所有目标的所有判定属性成对比较、精确量化,工作量很大。若模型的结构层次较多,则工作量还会大幅增加。二是在判断矩阵不可能具备绝对一致性的情况下,选择和制定符合次序一致性要求的量纲难以把握。

3.2 多属性决策法

多属性决策理论综合考虑了目标威胁中的多个因素,把目标威胁度评估问题转化为多属性决策问题[8～9]。逼近于理想排序法(TOPSIS)借助多属性问题的最优方案(理想解)和最劣方案(负理想解)给方案集中的各方案排序。在n维空间中,基于归一化后的原始数据矩阵,将方案集中的各备选方案与理想解和负理想解的距离进行比较,求出各方案的综合评价指数,也就是目标威胁度。

假设空中目标个数为M={1,2,…,m},威胁因素个数为N={1,2,…,n}。

采用TOPSIS法对来袭目标进行威胁排序,步骤如下:

1) 构造原始决策矩阵A=(aij)m×n,aij是第i个目标的第j个属性的值。采用向量规范法对其进行处理,构成规范决策矩阵U=(uij)m×n;

2) 构造加权的规范决策矩阵S,矩阵元素sij为

sij=ωjuij,i∈M,j∈N

式中ωj为目标中第j个属性的权重。

3) 确定理想解S+和负理想解S-:

其中I1为效益型指标的下标集,I2为成本型指标的下标集。

4) 计算每个方案到理想解与负理想解的Euclid距离:

6) 排列方案的优先序

TOPSIS法一般采用主观赋权法确定目标属性指标的权重,有很大的主观性和盲目性,而属性指标权重的合理性直接决定了目标威胁评估的准确性,则解决方案是利用主客观相结合的赋权法[10]对TOPSIS法进行改进和应用。

3.3 基于贝叶斯网络法

由于威胁评估的输入数据和知识库数据都含有不确定性,基于概率知识表达的贝叶斯网络已成为人工智能中非精确知识表达与推理领域近十几年来的研究的热点。

目标威胁评估贝叶斯网络推理过程如图2所示。首先对目标特征提取并对获取的目标特征进行选择,根据目标特征之间的关联关系建立威胁估计贝叶斯网络模型,然后用指定的先验概率和条件概率对网络进行初始化,当检测到新的证据属性信息时,即网络的叶节点信息更新,则触发网络推理,通过贝叶斯推理计算得到后验概率,从而更新整个网络节点状态的概率分布,更新后的后验概率分布则作为下一次推理的先验分布,最后获取观测节点状态的概率分布情况,根据判决规则得到目标的威胁判断结果,再根据威胁程度对目标的优先级进行排序,输出目标威胁排序表。

图2 目标威胁评估贝叶斯网络推理

基于贝叶斯网络的目标威胁估计就是求解给定证据D(目标状态、战场事件)的条件下变量X(目标威胁程度)的后验概率P(X/D)。

对于贝叶斯网络,假设某个节点X有m个子节点(Y1,Y2,…,Ym)和n个父节点(Z1,Z2,…,Zn)。以单个节点为中心,从子节点得到诊断信息λ,从父节点得到因果信息π,然后计算本节点的后验概率分布Bel,λ和π,并触发相邻节点进行更新,其更新过程如下:

1) 更新自身的后验概率:

Bel(x)=αλ(x)π(x)

2) 自底向上更新:λX(z)=λ(x)MX|Z;

威胁评估从检测事件的发生开始,在检测到事件后,事件对威胁态势的影响可以通过贝叶斯逻辑向后传播来更新,更新后的态势则又通过前向推理来预测事件的发生;当有新的证据输入时,又开始下一轮威胁评估。

贝叶斯网络的优点是知识的表示和推理有严格的数学基础,基于该模型的算法具有信息时间累积能力。但是它也有不足之处,如缺乏对目标属性假设类型的总体描述能力即未必能把所有假设都列全,以及无法将多层属性测量置于同一概率空间中进行处理等。

4 结语

本文对面向海上防御作战的空中目标威胁评估技术进行了研究,分析了目标威胁评估任务特性、准则,对空中目标威胁评估要素的提取与选择,探讨了威胁评估方法,如层次分析法、多属性决策法、基于贝叶斯网络法等,用于解决空中目标威胁评估与排序问题,为有效打击多个威胁目标提供切实可靠的决策依据。空中目标性能与作战样式不断发展,目标威胁评估技术应不断探索求新,为提高舰载指控系统智能化水平需要对现有方法做持续改进。

[1] 张多林,吕辉,王刚.防空指挥自动化指挥控制系统[M].西安:西北工业大学出版社,2006.

[2] 谭安胜.水面舰艇编队作战运筹分析[M].北京:国防工业出版社,2009.

[3] 尹高扬,周绍磊,张文广.舰艇对来袭反舰导弹威胁评估算法[J].兵工自动化,2011,30(12):1-4.

[4] 曹可劲,江汉,赵宗贵.一种基于变权理论的空中目标威胁估计方法[J].解放军理工大学学报(自然科学版),2006,7(15):32-35.

[5] 王猛,章新华,夏志军.基于属性分析的威胁评估技术研究[J].系统工程与电子技术,2005,27(5):848-851.

[6] 洪利华,罗均平,刘已斌.基于主成分分析法的目标威胁评估[J].指挥控制与仿真,2006,28(2):49-52.

[7] 朱波,方立恭,金钊.基于贝叶斯网络的空中目标威胁估计方法[J].指挥控制与仿真,2011,33(4):29-32.

[8] 曲长文,何友,马强.应用多属性决策的威胁评估方法[J].系统工程与电子技术,2000,22(5):26-29.

[9] 雷肖剑,朱悦萌,谭乐祖.混合多类型属性威胁评估模型构建[J].舰船电子工程,2014,34(2):27-30.

[10] 张涛,周中良,苟新禹,等.基于信息熵和TOPSIS法的目标威胁评估及排序[J].电光与控制,2012,19(11):35-38.

Techniques of Aerial Targets Threat Assessment in Sea Self-defense Battle

HE Wenhong

(No. 19 Central Road Xisanhuan, Beijing 100841)

In view of aerial targets threat assessment in sea self-defense battle, threat assessment characteristics and evaluation criterion, together with threat factor extraction and selection are analyzed in this paper, and targets threat assessment methods such as AHP, multiple attribute decision making and Bayesian networks are discussed. The results of threat assessment can be used as reasonable and credible proof for decision making to effectively destroy threat targets.

self-defense battle, aerial target, threat assessment

2014年12月6日,

2015年1月27日

贺文红,男,高级工程师,研究方向:指控系统。

E917

10.3969/j.issn1672-9730.2015.06.008