APP下载

基于EWM-BN的空中来袭目标威胁评估∗

2020-10-30

舰船电子工程 2020年9期
关键词:静态定量矩阵

(火箭军工程大学 西安 710025)

1 引言

目前国内外对威胁评估(Threat Assessment,TA)都展开了一定研究,常用的方法主要有多属性决策[1~2]、神经网络[3~5]、贝叶斯网络[6~7]、模糊理论[8~9]等。来袭目标威胁评估即要考虑定量因素,又要考虑定性因素。本文采用一种并行处理的思路:基于EWM对定量指标进行处理,减少定量指标权重向量的确定中主观因素的影响;基于BN对定性指标进行处理,充分利用BN对不确定性问题进行推理的优势;合理选择合适的线性加权因子,得出综合威胁度。

2 威胁评估指标分析

2.1 指标选取

来袭目标的威胁程度受多种因素的影响,获取影响因素的信息越多,对于其威胁程度的评估越准确,但是在实际作战过程中,敌我双方基于战场生存的需要开展空地电子战等各种斗争,我方能获取的来袭目标信息量十分有限,而且防空作战对于评估的实时性要求比较高,因此需要综合考虑我方雷达性能和侦查手段,科学选取敌方来袭兵器的威胁评估指标,构建合理的指标评估体系。对于评估指标的选取,目前尚未统一意见,本文综合参考文献[10~11],主要选取目标类型、作战意图、干扰能力、作战能力、速度、高度、进入角、距离8个指标。

2.2 指标处理

指标处理主要是对定量指标的处理,由于雷达提供的定量指标的量纲、数量级等都存在较大差异,应该对各项定量指标进行无量纲处理,主要是采用隶属度函数将各属性值处理成区间[0,1]内的实数。具体方法如下:

1)速度:随着来袭目标飞行速度的加快,其对我方保卫目标的威胁程度就越大,反之则其对我方保卫目标的威胁程度越小。目前,武装直升机的飞行速度一般不超过0.2Ma,而战斗机的飞行速度可达3 Ma左右,加之雷达跟踪发现敌机的性能以及武器装备的性能有限,为了更科学地对不同类型目标的速度进行归一化处理,将速度大于3Ma的数值量化为1,将速度小于0.2Ma的数值量化为0.2,其余数值选择上升型的隶属度函数,表示为

其中,速度v的单位为km。

2)高度:来袭目标飞行高度越低,更利于其隐蔽突防,其威胁度就越大,因此选用降半正态分布函数作为隶属度函数进行归一化处理。当目标高度小于1km时,其隐蔽突防和规避机动的能力非常强,设定此时其对应隶属度值为1,因此隶属度函数表示为

其中,高度h单位为km。

3)进入角:进入角是以来袭目标和我方保卫目标连线为基准,与来袭目标飞行方向形成的夹角,顺时针方向为正,逆时针方向为负,其取值处于[-180°,180°]范围。当取值在[-90°,90°]范围内时,进入角绝对值越小,对我方保卫目标威胁度也越大;当取值超出[-90°,90°]范围,取值为0。因此选取中间型函数作为隶属度函数,表示形式为

其中,进入角单位为°。

4)距离:来袭目标距离我方保卫目标的距离越近,其对我保卫目标威胁度更大,此选用下降型函数作为隶属度函数进行归一化处理。当来袭目标距离小于10km时,其对我方保卫目标的威胁是致命的,此时其对应隶属度值为1,因此隶属度函数表示为

其中,距离r的单位为km。

3 基于EWM-BN的威胁评估方法

3.1 构建评估模型

基于EWM-BN的来袭目标威胁评估方法主要采取的是并行处理的思路,具体实现方法为:基于EWM对来袭目标的各定量指标构成的目标属性矩阵进行处理,确定在动态威胁度计算中各定量指标的权重系数,得出目标动态威胁度;构建静态威胁度和来袭目标各定性指标BN网络,推理得出目标静态威胁度;根据实际情况选择合适的线性加权系数,对动态威胁度和静态威胁度进行加权得到综合威胁度,根据需要对来袭目标进行威胁度排名。威胁评估框图如图1所示。

图1 基于EWM-BN的威胁评估框架

3.2 基于EWM的动态威胁评估

熵原本是一热力学概念,最先由C.E.Shannon引入信息论,称之为信息熵。在信息论中,如果某个指标的熵值越小,说明其指标值变异程度越大,提供的信息量越多,在综合评价中该指标起的作用就越大,其权重就越大。因此,基于EWM的动态威胁评估客观性更强[13],能够更好地解释得到的结果。其具体评估步骤如下[13]:

1)将获得的定量指标进行隶属度处理后,构造来袭目标的动态威胁度属性矩阵A=(aij)m×n,aij为动态威胁度第i个目标在第j个指标下的隶属度。

2)对动态威胁度属性矩阵A进行归一化处理,得到归一化属性矩阵B=(bij)m×n,其中,则各属性熵值可以表示为

3)计算各定量属性权值,其权值表示为

4)构造权重矩阵,根据属性矩阵与权重矩阵计算出各目标的动态威胁度TDm。

3.3 基于BN的静态威胁评估

来袭目标静态威胁评估共包含四个定性指标,即目标类型、作战意图、干扰能力、作战能力,构建静态威胁评估模型如图2。

图2 静态威胁度评估模型

图2中各节点状态如下:

1)静态威胁度(Static Threat Degree,TDs):根据程度大小区分为高、中、低。

2)目标类型(Type,T):主要区分为大型机、小型机、直升机。

3)作战意图(Operational Intention,OI):主要区分为轰炸、攻击、侦查。

4)干扰能力(Interference Ability,IA):主要区分为强、中、弱。

5)作战能力(Combat Capability,CC):主要区分为强、中、弱。

构建好评估模型后,需要进行参数学习。参数的获得主要有样本学习和专家经验两种途径,本文采用专家经验进行学习获得相应节点的条件概率表。根节点静态威胁度预先无法获得任何信息,先验概率可表示为P(TDs)=(0.33,0.34,0.33)。条件概率表如表1。

构建好贝叶斯网络后,主要利用贝叶斯推理公式得到静态威胁度各状态的概率值P(高,中,低),公式如下:

定义静态威胁度各状态(高,中,低)的期望值为(0.9,0.5,0.1),则可求得静态威胁度的值:

3.4 综合威胁度计算

用加权因子δ表示动态威胁度在综合威胁度中的权重,则(1-δ)表示静态威胁度的权重,对两者进行线性加权即可得到综合威胁度,公式如下:

若δ>0.5则表示综合威胁度的评估过程中定量指标比较重要,反之,则定性指标比较重要,本文取δ=0.5。

表1 静态威胁度评估节点条件概率表

表2 来袭目标属性参数

4 仿真分析

假设在某次防空作战中,某一时刻我方侦察系统获得来袭目标的属性参数如表2所示。本方法在Matlab2014a和Netica 5.18软件下运行,计算可得各来袭目标的威胁度,如表3所示。

由结果可知,空中来袭综合威胁度排序为:目标4>目标2>目标3>目标6>目标5>目标1>目标8>目标7。在动态威胁度分析中,根据定量指标权向量可知,来袭目标速度越快、距离越近、攻击意图越明显(进入角越小),则威胁度越大;而在静态威胁度分析中,来袭目标作战意图和类型对威胁度的影响相对比较重要,符合战场实际情况和先验知识。因此,根据动态威胁度和静态威胁度的偏好情况,选取合适的加权因子,通过线性加权可以得出的综合威胁度更加科学合理。

表3 来袭目标的威胁度评估

5 结语

来袭目标威胁评估即要考虑定量因素,又要考虑定性因素。本文采用一种并行处理的思路:基于EWM对定量指标进行处理,减少定量指标权重向量的确定中主观因素的影响;基于BN对定性指标进行处理,充分利用BN对不确定性问题进行推理的优势;合理选择合适的线性加权因子,得出综合威胁度。最后通过仿真实验,得出结果符合战场实际情况和先验知识,验证了基于EWM-BN开展来袭目标威胁评估切实可行。

猜你喜欢

静态定量矩阵
有机物官能团的定量关系在解题中的应用
最新进展!中老铁路开始静态验收
静态随机存储器在轨自检算法
动得多,还要坐得少——评WHO《身体活动与静态行为指南》
定量管理在型号软件研制中的应用
猜猜他是谁
多项式理论在矩阵求逆中的应用
形成初步定量思维。做好初高中化学衔接学习
矩阵
矩阵