融合战术与修正物理特征的空中目标战术类型识别*

崇元，李加祥，艾葳，王勃

（海军大连舰艇学院，辽宁大连116018）

融合战术与修正物理特征的空中目标战术类型识别*

崇元，李加祥，艾葳，王勃

（海军大连舰艇学院，辽宁大连116018）

针对敌方飞行器隐身、伪装技术的日趋成熟，致使我方由侦察设备获取的电磁信号严重变形，特别是物理特征在目标类型识别中的作用日趋减弱的现实问题，提出了一种融合目标战术特征修正物理特征证据的目标战术类型识别方法。该方法从目标战术类型识别的军事需求出发，提出对冲突物理特征证据的阶梯式修正规则，以及对冲突证据折扣因子的优化方法，并将修正后的证据重新组合得到识别结果。仿真实例证明该方法在处理目标冲突物理特征证据时具有高准确率的特点。该方法为复杂环境下的目标战术类型识别问题提供一种新的解决思路。

目标战术类型识别，战术特征，物理特征，证据冲突，证据修正

0 引言

对空中目标战术类型的识别是编队防空态势分析的基本内容，也是指挥决策过程的一个重要环节，我方指挥员必须知道来袭目标是谁，才能进行正确的指挥决策工作［1］。

目前关于目标类型识别的理论与方法，主要集中在传感器信号级的研究并利用目标回波、信号特征等物理特征的识别方法，如经典谱分析、小波分析、时频分析等［2］。这些技术手段通常只根据目标的物理特征信息进行识别分类，然而探测设备所获得的目标电磁或声信号经数字化处理后，其物理外观特征往往被隐瞒，同时由于敌方干扰和现代舰艇、飞机均采用了隐身等伪装技术，造成其电磁、声信号严重变形，这使得获得的目标信息通常具有高度的不完全性和不确定性，从而导致分类效果很难令人满意。因此，仅靠技术手段识别目标的类型将难以满足作战指挥的需要，为此又有文献提出将目标战术特征与物理特征相结合的目标类型识别方法［1，3-5］。这些方法虽在一定程度上提高了类型区分的准确性和容错性，但几乎没有考虑前者是否存在干扰、欺骗等行为，并且物理特征在识别过程中的匹配程度要强于战术特征，若将二者同时作为识别算法的输入参数，会导致战术特征在识别过程中的作用不突出，最终导致识别失败。

因此，本文采用DS证据理论以及从修正原始证据的角度，对经证据校验后存在冲突的物理特征证据进行修正，通过建立证据折扣因子的优化模型，对冲突的物理特征证据进行最佳折扣，以提高目标战术类型的识别率。

1 目标战术类型识别的必要性

随着编队防空作战范围的逐步增大，编队所面临的空中目标组成将更加复杂，在编队防空作战范围内，防空作战面临的威胁目标可以分为两大类：飞机和导弹，其划分方法如表1所示［3］。

表1 空中目标类型划分

目前，对空中目标识别的工作大多数都定义为“目标类型”识别，其目的是将如表1中的类型A～F进行区分。由于不同类型的空中目标在作战过程中将呈现出不同的战术特征，以便完成其所执行的战术任务，如执行攻击任务的主战飞机，以及执行侦察任务的支援飞机，其在目标加速度、目标出现距离、目标攻击舷角等战术属性上将有显著差异，因此，若区分表1中的机种类别，利用目标战术特征就可完成识别工作。但随着作战任务的复杂化、具体化需求，战术电子战飞机既可以是专用型号，也可以利用普通战斗机进行改装，加挂电子侦查与干扰吊舱后执行侦查与干扰任务。另外根据传统识别方法只能识别出的A类别支援飞机还包括侦察机与干扰机，若对目标不进行战术类型识别则无法判定其可能执行的战术任务，从而影响我方对抗该目标的压制手段。

综上所述，即使对目标类型作出识别，也很难断定作战平台的战术意图。因此，现有的目标类型识别方法已不能够满足作战指挥的需要，只有对“目标战术类型”进行识别才能为后续指挥决策提供更有意义的情报信息。本文所研究的目标战术类型识别将区别于一般意义上的目标类型识别方法，它是在总结并分析战术行为特点的基础上，融合侦察设备获得的目标物理特征信息，并对其进行适当修正，以实现对目标战术类型进行识别的目的。这一过程给指挥员提供了更为全面、准确的战场态势，是一个由“作战信息”上升为“作战知识”的过程。

2 目标物理特征证据校验及证据折扣优化方法

2.1 目标物理特征校验

作战过程中包含大量的不确定性，作战仿真模型要充分考虑战场不确定的来源与传递过程。其中，目标战术类型识别过程中的不确定性是由于战场感知的不确定（如有关目标的物理特征）输入信息造成的。这些大量不可靠的、自相矛盾的甚至虚假的信息混杂于有用信息中，使得指挥决策变得更加困难，从而影响到作战的进程和结局［2］。但冲突证据也不能够全盘否定，冲突也是一种信息，其中也蕴含着某些有用的信息分量，因此，在目标战术类型识别过程中，对容易引起证据冲突的目标物理特征进行冲突校验，并对校验后能够进行冲突消减的物理特征进行证据折扣优化是非常有必要的。在这里，本文所指的目标物理特征为目标的电磁波响应以及雷达回波信号波等而非目标集合参数的物理模型。

根据作战需要，不同类型的空中目标在作战过程中将呈现出不同的战术特征，而目标战术特征是通过目标机动进行展示的，其不存在伪装、欺骗等要素，因而本文将以目标战术特征作为物理特征校验的参考标准，并给出目标物理特征校验规则：

①分别使用目标战术特征与各项物理特征对目标类型进行识别，得到如表1中的机种类别。

②对目标战术特征以及各项物理特征进行证据质量评价，并与战术特征证据识别结果相比较，将有别于表1中机种类别的某项物理特征且其证据冲突度量大于战术特征证据冲突度量并达到一定阈值Ω1的物理特征直接舍弃。

③对有别于表1中机种类别的某项物理特征且其证据冲突度量大于战术特征证据冲突度量但小于一定阈值Ω1的物理特征进行证据修正。

④对与战术特征证据识别结果同属于一个机种类别下的某项物理特征且其冲突度量大于一定阈值Ω2的证据进行证折扣修正，对于冲突度量小于一定阈值的证据进行保留。

证据冲突的度量以及证据修正方法将在下文中阐述。

2.2 证据理论及证据冲突度量

2.2.1 DS证据理论

设Θ为样本空间，领域内的命题都用Θ的子集表示，2Θ→［0，1］。并设函数m（x），且满足

m（x）称为x的基本概率数，它表示证据支持命题x发生的程度或信任程度。

设m1，m2，…，mn是同一辨识框架Θ上n个不同证据的概率分配函数，则由Dempster合成规则得到正交和m=m1⊕m2⊕…⊕mn的概率分配函数如下式，k为证据间的矛盾因子。

2.2.2 证据可信度

证据的可信度［6-7］与证据间的冲突量密切相关，冲突量越大，证据集的可信度越小；否则反之。而证据的可信度可由证据间距离来衡量，证据距离表示了不同证据整体的差异程度，也即相似程度，因此，若两证据之间的冲突量越小，则证据间距离就越小。当两个证据m1和m2在相同的辨识框架Θ下时，m1和m2的Jousselme距离为［8］

2.2.3 证据识别结果的聚焦度

证据识别结果的聚焦度反应了不同证据所支持目标的一致性和明确性程度，其可用证据间矛盾因子k来衡量。若两证据支持的目标越一致，k就越小，否则反之。由式（1）可得，当n等于2时，有下式成立

因此，可得两证据的矛盾因子k为

2.3 冲突证据修正折扣的组合方法

目前证据冲突消解的方法主要有两种：一是修改证据组合规则的方法；二是修正原始证据，即证据折扣法。其中修改证据组合规则方法将DS理论的组合公式进行改进，这些方法在一定程度上解决了高冲突信息的融合问题，但其组合公式较复杂，计算量大，且在证据冲突较小时融合结果收敛也较慢。而证据折扣法是从修改证据源的角度来消减证据冲突。它是在知道某些不确定因素的先验信息时，将先验信息转化为适当的折扣因子添加到证据的概率分配函数中，并再对概率分配函数进行合成操作［9］。本文采用作战目标的战术特征作为不确定因素的先验信息，对2.1节中物理特征校验后存在冲突的证据进行折扣优化修正，其中将不存在冲突的物理特征保留，并在识别目标战术类型时继续将其作为不确定因素的先验信息；对于不存在没有冲突的物理特征证据时，则采用基于最大后验概率方法建立空中目标战术类型识别模型。

设表1中目标类型A～F为辨识框架Θ中元素，将所有目标战术特征证据与目标物理特征证据分别计算其对Θ中元素的概率分配函数，并将战术特征证据的分配概率作为先验信息按照2.1节中规则对物理特征进行校验与证据修正。设m1，m2，…，mN为辨识框架Θ上N个证据的基本概率分配数，令ai表示物理特征证据mi对目标类型A～F的折扣，则用ai修正后的新的物理特征证据的概率分配为

利用折扣因子ai修正后的物理特征能够适应战术特征对目标类型的识别结果，但其还不能够对目标战术类型进行模式分类。而要想对目标战术类型继续识别，则需要对目标物理特征证据进行继续修正，本文将分为以下两种情况分析并计算物理特征证据的基本概率分配函数：

①在对目标物理特征校验后，若存在不需要修正的物理特征时，则将其作为接下来目标战术类型识别的先验信息，继续对利用折扣因子ai修正后的物理特征证据进行折扣修正，则用bi修正后的新证据为：

因此，有证据mi对目标战术类型的概率分配为：

②在对物理特征校验后，若寻找不到不需要修正的物理特征时，利用贝叶斯条件概率公式计算证据mi对目标战术类型Y的后验概率，则证据mi对目标战术类型的概率分配

式中，Ci为物理特征证据；P（Y）为目标战术类型的先验概率；P（Ci|Y）为条件概率，先验概率和条件概率由防空专家根据经验预先指定。

本方法的重点是计算折扣因子ai与bi，那么问题将转换为如何确定a=（a1，a2，…，aN）及b=（b1，b2，…，bM）才能使修正后的证据融合结果的可靠性增大，为此本文建立了一种冲突证据折扣优化方法，求解方法见第3节。

3 冲突证据折扣优化模型

优化问题的关键是建立模型的目标函数及约束条件。本文对冲突证据折扣优化的目的是提高证据集的可信度以及证据识别结果的聚焦度。以上两者的共同提高，文献［8］已给出了证明。因此，本文可建立关于证据可信度及识别结果聚焦度的，冲突证据折扣优化目标函数如下

3.1 用于识别目标类型的折扣因子ai

3.2 用于识别目标战术类型的折扣因子bi

由于以上建立的目标函数是非线性的，因此，可利用遗传算法或神经网络等方法对该目标函数进行求解。将求解后的折扣因子分别带入式（5）和式（6）中计算折扣后物理特征证据的基本概率数，并将修正后证据带入式（1）重新融合得到组合证据对辨识框架中各命题的信任度。

4 仿真实例

仿真想定：假设在编队中程拦截线距离以内，近程拦截线以外发现某一批次空中目标，经过传感器探测和预处理分别得到它们的战术特征和物理特征信息，将目标战术与物理特征分别构造证据mass函数，所得证据概率分配函数值如表2所示。辨识框架Θ中元素为（A1：侦察机、A2：干扰机、B1：歼击机、B2：轰炸机）。

表2 目标战术与物理特征证据的基本置信度列表

对该批目标的物理特征证据进行校验，设Ω1、Ω2分别为物理特征证据的概率分配函数相对于战术特征证据的60%与25%。因此，该目标的m物1特征证据将直接舍弃，而m物2、m物3、m物6物理证据需要修正，m物4、m物5两项物理证据则不需要修正，可作为接下来目标战术类型识别的先验信息。根据式（2）、式（4）、式（5）、式（9）可建立用于识别目标类型折扣因子ai的目标函数为

同理，可得物理特征证据m3、m6的折扣因子目标函数。其中，m战（A）、m战（B）由目标战术特征证据的概率分配函数做正交和计算为0.060 6、0.939 4。

根据式（2）、式（4）、式（6）、式（10）可建立用于识别目标战术类型折扣因子bi的目标函数为

同理，可得物理特征证据m3、m6的折扣因子目标函数。其中m物（A）、m物（B）由物理特征证据的概率分配函数m4与m5做正交和计算为0.0521、0.0161、0.782 9、0.148 9。

本文采用遗传算法对各目标函数进行寻优计算，并取10次平均值得最后计算结果。折扣因子计算结果如表3所示。

表3 最优化折扣因子参数表

根据式（5）对证据进行目标类型识别框架下的第1次折扣修正，根据式（6）、式（7）对证据进行目标战术类型识别框架下的第2次修正，并利用Dempster规则对折扣后的证据进行重新组合，得到最后融合结果，如表4所示。

表4 目标战术类型识别结果

从证据组合结果中可以确定，该空中目标为B1，即识别结果为歼击机。从仿真过程可以看出，本文所建立的目标战术类型识别模型，不仅可以充分利用目标的战术特征区分目标类型结果，而且综合考虑了目标物理特征证据作为目标战术类型区分的依据，并在基于目标类型识别的基础上对冲突的物理特征证据进行了折扣修正，可使得识别结果不受敌方伪装、干扰等因素影响。

5 结论

针对现代空中目标的作战特点以及传统目标类型识别存在的问题，本文对空中目标类型的下级分支，即目标战术类型的识别工作进行了研究。由于目标物理特征证据存在欺骗、伪装的这一问题在当前作战中已不可避免，本文基于目标战术特征可校验物理特征的这一特点，提出了一种对目标冲突物理特征校验并进行证据修正的战术类型识别方法。仿真结果表明，该方法可以克服复杂电磁环境下，输入信息的不确定性问题，以达到提高传感器证据对目标战术类型识别结果的基本概率数的目的。

［1］徐永杰，李登峰.基于动态直觉模糊淘汰选择的目标类型识别［J］.电光与控制，2010，17（9）：9-12.

［2］丛蓉.作战指挥决策支持系统目标融合识别研究［D］.大连：大连理工大学，2010.

［3］董奎义，王子明.基于粗糙集与神经网络方法的空袭目标类型识别模型研究［J］.电光与控制，2011，18（1）：10-13.

［4］丛蓉，王秀坤.融合粗糙集和DS方法的空中目标类型识别算法［J］.控制与决策，2008，23（8）：915-919.

［5］史红权，徐永杰.直觉模糊多特征融合目标类型识别模型［J］.舰船科学技术，2012，34（1）：95-98.

［6］陈雁飞，夏学知.基于试探折扣修正的证据组合方法［J］.电子学报，2014，42（4）：756-765.

［7］金宏斌，蓝江桥.一种有效融合高冲突证据的目标身份识别方法［J］.装备指挥技术学院学报，2011，22（1）：88-92.

［8］JOUSSELME A L，GRENIER D，BOSSE E.A new distance between two bodies of evidence［J］.Information Fusion，2001，2（2）：91-101.

［9］邢清华，刘付显.基于证据折扣优化的冲突证据组合方法［J］.系统工程与电子技术，2009，31（5）：1158-1161.

Aerial Target Tactics Recognition Integrated with Targets Tactical and Amendatory Physics Characteristics

CHONG Yuan，LI Jia-xiang，AI Wei，WANG Bo
（Dalian Naval Academy，Dalian 116018，China）

In view of the enemy aircraft camouflage technology becomes more mature，it gives rise to electromagnetic acoustic signal serious deformation，especially the effect of physical characteristics having a diminished role.To dissolve the problem，an aerial target tactics recognition integrated with targets tactical and amendatory physics characteristics is proposed.This method put forward a stepwise amendatory rules and an optimized method of discount factor for conflict physics evidence.Then，it combined the amendatory evidences to get recognition result.The example shows that this method has the characteristics of high accuracy in the treatment of target conflict physics evidence.It provides a new solution for aerial target tactics recognition under the complicated environment.

targettacticsrecognition，tacticalcharacteristics，physicscharacteristics，evidence conflict，evidence amendment

TN959

A

1002-0640（2016）12-0150-05

2015-11-15

2015-12-23

军内重点科研基金；中国博士后科学基金资助项目（2014M562557）

崇元（1988-），女，江苏南京人，在读博士研究生。研究方向：海战场态势分析。