CN109063819A - 基于贝叶斯网络的任务共同体的识别方法 - Google Patents

Abstract

本发明公开了基于贝叶斯网络的任务共同体的识别方法，属于作战分析领域，包括将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，同时随着时间的推进需要不断计算每个空间群对我方目标攻击企图，然后重新划分任务共同体，其中攻击企图评估基于贝叶斯网络实现。本发明提供一种基于贝叶斯网络的任务共同体的识别方法，增强对态势的认知，辅助作战决策。

Description

基于贝叶斯网络的任务共同体的识别方法

技术领域

本发明涉及作战分析领域，尤其是一种任务共同体的识别方法。

背景技术

现代武器的射程和精度不断提高，位于不同地理空间的武器平台可以对相同的目标进行打击。为了增强对态势的认知，辅助作战决策，需要根据武器平台可能打击的目标对武器平台进行识别和区分，可以将这个问题称之为任务共同体识别问题。该问题属于态势认知领域中的目标分群问题。目标群按照从低级到高级包括目标对象群、空间群、任务群。任务共同体可以看作是任务群，任务共同体识别可以看作区分任务群问题。任务群是指多个在战术上相关的空间群形成的群，每个任务群都有一个战术目标，通过多个空间群相互协同作战来实现。

国外许多学者将对目标分群问题进行了研究。Svenson等指出目标分群(Clustering/Grouping of vehicle/original object)是兵力聚合的重要步骤之一，并认为该技术有助于加深指挥员对于战场行为的理解。Schubert等给出了一种基于D-S理论的模板选择方法，使得分群的精度到较大提高。Cantwell等给出了一种基于模板技术的神经网络分群方法。Yu等指出，由于无法事前给出初始k值，目标分群不能采用K-means等常见的聚类算法。国内的研究起步较晚但却取得了大量成果。张松良等为了消除或减少城市作战中灰色情报信息对态势评估中目标分群的影响，提出一种基于Chameleon算法的组合聚类方法，对空间群进行了区分。龙真真等提出一种基于核函数和CNM算法的目标空间分群方法。赵鹏等提出一种基于Agent的态势识别系统战场目标分群方法。李赟等建立用于战场目标分群的OG—Brusselator模型，并且改进了MEC算法。王新为等采用高维空间的相似度函数对对战场目标按层次进行分群。段同乐等提出一种基于二叉树多分类支持向量机(SVM)的目标分群方法。王骁等针对支持向量聚类算法训练样本不稳定问题，提出一种基于数据场的支持向量聚类算法。张绪亮等提出了一种基于改进的K-means算法的陆战场机动目标分群方法。由此可见，目前国内外大部分学者将目标分群问题看作聚类问题，使用了各种聚类方法来解决该问题，但是仅对空间群分群问题进行了研究，对功能群、相互作用群分群问题研究得较少。

发明内容

本发明需要解决的技术问题是提供一种基于贝叶斯网络的任务共同体的识别方法，增强对态势的认知，辅助作战决策。

为解决上述技术问题，本发明所采用的技术方案是：

基于贝叶斯网络的任务共同体的识别方法，将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，同时随着时间的推进需要不断计算每个空间群对我方目标攻击企图，然后重新划分任务共同体，其中攻击企图评估基于贝叶斯网络实现。

本发明技术方案的进一步改进在于：所述攻击企图评估的步骤为：

a，构建贝叶斯网络模型的结构；

b，定义贝叶斯网络的节点属性；

c，确定贝叶斯网络节点的条件概率表；

d，根据贝叶斯网络的结构、节点属性以及节点的条件概率表利用Netica软件构建贝叶斯网络模型，评估攻击企图等级。

本发明技术方案的进一步改进在于：所述贝叶斯网络结构包括目标企图以及影响目标企图的九个因素，九个因素为目标类型、目标航路捷径、目标距离、目标速度、目标高度、目标机动、目标电子干扰、我方目标价值、我方目标易毁性。

本发明技术方案的进一步改进在于：所述步骤b节点属性的描述具体为：目标企图为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ；目标类型为战斗机和导弹，歼击机,歼轰机,轰炸机,强击机等都划分为战斗机，空对地导弹,巡航导弹,反辐射导弹等划分为导弹；目标航路捷径为短、中和长，z≤1.5km时划分为短,1.5km<z≤3km划分为中,z>3km时划分为长；目标距离为近、中、远，其中d≤30km划分为近,30km<d≤90km划分为中,d>90km划分为远；目标速度为超音速、高速和中低速，s≥340m/s时划分为超音速,200m/s<s≤340m/s时划分为高速,s<200m/s时划分为中低速；目标高度为低、中、高，a≤4km时划分为低,4km<a≤10km时划分为中,a>10km时划分为高；目标机动为有机动和无机动；目标电子干扰为有干扰和无干扰；我方目标价值为高、中、低；我方目标易毁性为高、中、低。

本发明技术方案的进一步改进在于：根据任务共同体判断公式将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，任务共同体判断公式为其中N为我方目标集合，M为敌方目标集合，L为敌方编群集合，L_l和L_l＇为不同的敌方编群,敌方目标m(m∈M)对我方目标n(n∈N)的在t时刻攻击企图为T^t _mn,T^t _mn∈{Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ}，敌方目标m＇(m＇∈M)对我方目标n(n∈N)在t时刻的攻击企图为T^t _m＇n。

由于采用了上述技术方案，本发明取得的技术进步是：

本发明通过将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，既给出任务共同体的区分标准，同时通过任务共同体的区分，增强对态势的认知，辅助作战决策。同时随着时间的推进，不断计算每个空间群对我方目标攻击企图，然后重新划分任务共同体，实现对态势的认知的实时更新，更具实战意义。

攻击企图评估基于贝叶斯网络实现，符合人类的思维模式，使用图形化的网络模型对军事领域知识进行表达，具有以下优势：

贝叶斯网络符合人类的思维模式，使用图形化的网络模型对军事领域知识进行表达，同时通过具有语义性的推理逻辑对不确定性问题进行求解；

贝叶斯网络有机地融合了领域专家的知识和经验(先验信息)与态势信息(样本数据)，不仅客服了主观因素带来的不利影响，而且减少了样本数据中的噪音；

贝叶斯网络有机地融合了定性、定量分析。它能够在态势信息缺失的情况下根据部分信息推断目标的企图，其基于概率模型和概率计算的推理方式确保了推理结果的可靠性；

贝叶斯网络模型能够描述目标企图连续、累积的变化。

附图说明

图1是本发明任务共同体识别框架；

图2是贝叶斯网络模型的结构；

图3是贝叶斯网络模型；

图4是实施例兵力部署和敌方目标示意图；

图5是实施例贝叶斯网络模型。

具体实施方式

下面结合实施例对本发明做进一步详细说明：

任务共同体是指任务相同的群体，用以识别执行相同任务的敌方兵力部署。以敌方打击我方目标任务为例，在敌方发起打击行动之前，我方并不知道敌方武器平台或者武器企图攻击的我方哪个目标。而敌方武器平台或者武器在攻击我方目标之前，为了提高打击的成功概率，可能还会采取一些动作，进行佯攻、佯动，增加我方判断敌方攻击目标的难度。而在打击我方目标之前，敌方武器平台或者武器对我方目标攻击企图(攻击概率)是不同的，而且随着时间发生变化。所以，我方对敌方武器平台和武器是否属于任务共同体的判断需要用敌方武器平台或者武器对我方目标攻击企图进行划分。

本发明给出一种基于贝叶斯网络的任务共同体的识别方法，将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，同时随着时间的推进需要不断计算每个空间群对我方目标攻击企图，然后重新划分任务共同体，其中攻击企图评估基于贝叶斯网络实现。

假设我方目标集合为N，敌方目标集合为M，敌方编群集合为L。t时刻，敌方目标m(m∈M)对我方目标n(n∈N)的攻击企图为T^t _mn(T^t _mn∈{Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ})。敌方目标对我方目标的最大攻击企图相同则可以将其所属编群划分为同一个任务群。t时刻，敌方空间群l可以划分为任务群

任务共同体的设别框架如图1所示，从中可以看到随着时间推进，需要不断计算每个空间群对我方目标攻击企图，然后根据任务共同体识别公式将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体。

本发明攻击企图评估基于贝叶斯网络实现，采用贝叶斯网络建立敌方目标企图评估模型。该方法可以很好地结合专家知识和基于不确定信息的推理，解决敌方目标企图估计的关键问题，将具有以下优势：

贝叶斯网络符合人类的思维模式，使用图形化的网络模型对军事领域知识进行表达，同时通过具有语义性的推理逻辑对不确定性问题进行求解；

贝叶斯网络有机地融合了领域专家的知识和经验(先验信息)与态势信息(样本数据)，不仅客服了主观因素带来的不利影响，而且减少了样本数据中的噪音；

贝叶斯网络有机地融合了定性、定量分析。它能够在态势信息缺失的情况下根据部分信息推断目标的企图，其基于概率模型和概率计算的推理方式确保了推理结果的可靠性；

贝叶斯网络模型能够描述目标企图连续、累积的变化。这种时间一致性特征是许多无记忆方法无法实现的。

贝叶斯网络又称为置信度网络、概率网络、信任网络或因果网络，主要由网络结构和条件概率表两部分构成。

(1)网络结构是一个具有N个节点的有向无环图(Directed Acyclic Graph,DAG)，图中的节点是所代表问题的抽象表示；有向边代表所连接节点间相互关系，这种关系通常是一种因果关系。有向图蕴涵了条件独立性的假设，贝叶斯网络规定图中的每个节点V_i条件独立于由V_i的父节点给定的非V_i后代节点构成的任何节点子集。如果用A表示非V_i后代节点构成的任何节点子集，用P_a(V_i)表示V_i的直接父节点，则

P(V_i|A(V_i),P_a(V_i))＝P(V_i|P_a(V_i))(1)；

(2)条件概率表(Conditional Probability Table,CPT)是反映变量之间关联性的局部概率分布集，即概率参数，可以用P(V_i|P_a(V_i))来描述。它表达了节点同其父节点的相关关系，即条件概率。根节点没有条件概率，其为先验概率。

当已知贝叶斯网络结构及其条件概率表时，就可以表达网络中所有节点(变量)的联合概率密度，并可以根据先验概率信息或某些节点的取值计算其后任意节点的概率信息。将条件独立性应用于链规则式可得：

可见，贝叶斯网络可以对变量的联合概率分布进行表达，并且大大简化了变量的联合概率的求解。

本发明攻击企图评估的步骤为：首先构建贝叶斯网络结构，然后定义贝叶斯网络的节点属性，同时确定贝叶斯网络节点的条件概率表，最后根据贝叶斯网络的结构、节点属性以及节点的条件概率表利用Netica软件建立该贝叶斯网络模型，并进行推理得出攻击企图等级。

a，构建贝叶斯网络模型的结构。

空中目标的企图可以通过多种要素来反映，包括目标的类型、航路捷径、距离、速度、高度、战术机动、电子干扰、我方目标的价值和易毁性等。这些因素之间相互影响、相互关联，共同反映了对我方目标的攻击企图程度。

确定对编队实施攻击的企图就是要判定该目标对我方目标进行攻击的概率大小。在实际作战过程中，敌我双方均相互保密，作为防空方只能根据雷达探测信息和平时掌握的敌方信息来进行判断。判断目标攻击企图不是件轻松的事情，对威胁目标进行直接判断风险很大。但是，任何目标，只要它有攻击企图，就一定要向我接近，在接近过程中，目标会表现出一系列具有一定规律性的运动方式和特性。比如，当目标接近我方目标，进入攻击航路时，为保证突击精度通常保持航向不变；轰炸机使用制导武器对我进行轰炸时，为提高轰炸精度，必然需要将高度和速度降低到一定程度等等。这些具有明显的运动特征给我方判定敌攻击企图及作战任务提供了一种可行方法。

(1)目标企图与目标类型。对空中目标的类型识别是作战态势评估的基本内容，其结果是判断目标企图的重要依据。不同类型的目标作战能力不同，对我方的企图也不同。如巡航导弹、空对地导弹等，直奔我方而来，对我方攻击企图明显；歼击机、歼轰机、直升机等，是敌方的主要空中作战平台，可对我方攻击可能性也较大；预警机、侦察机、电子干扰机等，发现距离较远，一般不会直接发起攻击，但其为敌方空袭体系的重要节点，对敌方空袭作用较大。

(2)目标企图与目标航路捷径。目标航路捷径取决于目标航向和方位，是指雷达安装部位或火力单元发射点与目标航路的距离。空中目标对我方目标展开攻击时，通常会朝向目标飞去，其航路捷径较小。在距离较近的情况下，当目标航向直指我方某一目标并在一定时间保持不变时，航路捷径为零，进攻企图极其明显。因此，航路捷径可在一定程度上反映空中目标对我方目标的攻击企图。

(3)目标企图与目标距离。距离一般指空中目标与我方目标的距离，能够反映空中目标对我方目标的攻击企图和防空难易度。空中目标距离越近，其飞临的时间越短，防空武器系统用于进行决策和准备的时间越短，则目标对我攻击企图越大。空中目标执行攻击任务时为达成攻击的突然性，通常在海面目标有效防空武器最大作用范围外。有些情况下，目标也会在防空火力作用范围内使用航弹、火箭弹及其他武器扩大战果。飞机将以低空或超低空飞行，在平飞、俯冲、下滑、爬升、战斗转弯中使用武器。

(4)目标企图与目标速度。空中目标的飞行速度直接影响防空武器对其杀伤的概率。目标速度越快，穿过防空武器杀伤区的时间越短，对其拦截次数越少，对我攻击的企图越明显；反之企图则小。从理论上来说，空战格斗或攻击目标任务都提倡大速度接近目标；中小型的战斗机或攻击机相比大型轰炸机和运输机来说具有更好的机动性能；战斗机的飞行速度一般均小于334m/s，有外挂时的机动能力不大于6g；运输机和轰炸机的飞行速度一般在165-235m/s，机动能力小于2g。

(5)目标企图与目标高度。武器平台类目标为了对我方目标实施精确打击，在施放炸弹或导弹之前都会降低飞行高度，飞入进攻航路。因此，目标高度也是判定目标攻击企图的一个重要指标。

(6)目标企图与目标机动。通常目标会采取一定的机动方式，降低防空武器跟踪制导设备的跟踪精度和跟踪稳定性，延长我方反应时间，影响我方作战配合效率，以提高突防概率和生存概率。机动方式通常有两种：一种是反射击机动，当目标发现防空武器系统制导雷达跟踪后实施机动，目的是通过航向、速度和高度的剧烈变化，降低防空武器制导精度；另一种是反指挥机动，即在防空武器发射之前进行的战术机动，迅速改变对我方空袭态势，误导、拖延或扰乱防空指控中心、火控系统的目标跟踪、目标分配、目标指示，达到突防的目的。

(7)目标企图与目标电子干扰。信息化条件下，电子干扰是对抗双方经常采用的手段之一。施放电子干扰的目的，主要是干扰搜索雷达，影响雷达对目标的探测，使其不能得到目标的精确信息；干扰防空导弹武器系统中的目标跟踪雷达，使其不能对目标进行有效的跟踪；干扰防空导弹上的电子设备，使导弹失灵、失控，降低命中目标概率。是否采用电子干扰也是判断目标攻击企图的一个重要的因素。

(8)目标企图与我方目标价值。我方目标职能使命各不相同，重要性和抗毁伤能力也不相同，且分布在一个广阔区域内。因此，在对空中目标进行威胁评估时，需要考虑我方目标各自重要程度，即我方目标价值。

(9)目标企图与我方目标易毁性。不同的目标类型，对我方目标的毁伤能力不尽相同。根据毁伤最大化原则，空中目标进行攻击时，通常首选易于毁伤的我方目标。因此我方目标易毁性也是判定目标进攻意图的指标之一。

上述分析表明，目标企图与目标的类型、航路捷径、距离、高度、速度、战术机动、电子干扰、我方目标价值、我方目标易毁性都存在依存关系。因此，目标企图评估的贝叶斯网络模型的结构包括目标企图以及影响目标企图的9个因素，如图2所示，接下来需要确定目标企图以及9个影响因素下边对应着节点属性以及条件概率。

b，定义贝叶斯网络的节点属性。

对贝叶斯网络的节点属性进行描述，具体如表1所示。

表1节点属性描述

c，确定贝叶斯网络节点的条件概率表。

确定贝叶斯网络节点的条件概率表，通常采用专家法，利用领域专家知识直接得到条件概率表，如表2所示。

表2企图评估条件概率表

d，根据贝叶斯网络的结构、节点属性以及节点的条件概率表利用Netica软件构建评估攻击企图等级的贝叶斯网络模型。

Netica软件是一种贝叶斯网络的分析工具，将步骤a、b和c中确定的贝叶斯网络结构、节点属性以及条件概率表借助Netica软件便可形成贝叶斯网络模型，并进行推理得出攻击企图等级。

利用Netica软件可以很轻松地构建评估攻击企图等级的贝叶斯网络模型。1)新建贝叶斯网络模型文件。2)建立根节点。在软件工具栏点击“Add Nature Node”，然后点击文档空白处。插入节点后，选择节点点击右键，在弹出右键菜单中选择“Property”，弹出属性对话框。3)建立子节点。在软件工具栏点击“Add Nature Node”，然后点击文档空白处。插入节点后，选择节点点击右键，在弹出右键菜单中选择“Property”，弹出属性对话框。按照该方法插入所有节点，并按照表1设置其属性。4)设置各个节点的条件概率表。首先，设置根节点的先验概率表。选择根节点点击右键，在弹出右键菜单中选择“Table”，弹出属性对话框，进行设置。各个攻击企图等级的先验概率都是0.2。然后，按照同样方式设置子节点条件概率表，条件概率具体取值如表2所示。“我方目标价值”节点的条件概率表进行设置，最终模型如图3所示。

现以一个实施例来对本发明进行具体的说明：

以联合作战为作战背景，对其战场态势进行处理，兵力部署及敌方目标位置如图4所示，我方目标的信息如表3所示。

表3我方目标信息

敌方航母编队、空军基地、导弹基地使用各种类型导弹和战斗机对我方目标(指挥所、舰队、港口、机场、地面部队)实施全方位攻击，假设t时刻探测到的目标数量为10个，目标信息如表4所示。

表4敌方目标信息

根据本文所提出的贝叶斯网络模型，利用Netica软件建立该贝叶斯网络模型，并进行推理。以目标1对指挥所企图推理为例，图5中给出了推理输入条件和结果。敌方目标对我方目标的攻击企图等级如表5所示。

表5目标对我方目标的攻击企图等级

根据表5以及2中任务共同体区分方法，可以对敌方编队进行区分，具体如表6所示。例如，对于我方指挥所，敌方目标1-4(巡航导弹)对指挥所攻击企图等级最大，而敌方目标1-4都来自于空间群1(如表4所示)，所以空间群1构成了一个任务共同体，其最可能打击的目标是指挥所。对于我方舰队，敌方目标5、6(地地导弹)对舰队攻击企图等级最大，而敌方目标5、6都来自于空间群2(如表4所示)，所以空间群2构成了一个任务共同体，其最可能打击的目标是舰队。

表6任务共同体识别

从表中可以看出，敌方编队行动相对独立，每个编队都是独立的任务共同体。注意，这只是时刻t时的任务共同体的一个划分。随着时间的推移，敌方目标对我方目标攻击意图的变化，任务共同体划分也会相应的变化。时刻t任务共同体的划分是对时刻t态势的一种认识。

Claims (5)

1.基于贝叶斯网络的任务共同体的识别方法，其特征在于：将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，同时随着时间的推进需要不断计算每个空间群对我方目标攻击企图，然后重新划分任务共同体，其中攻击企图评估基于贝叶斯网络实现。

2.根据权利要求1所述的基于贝叶斯网络的任务共同体的识别方法，其特征在于：所述攻击企图评估的步骤为：

a，构建贝叶斯网络模型的结构；

b，定义贝叶斯网络的节点属性；

c，确定贝叶斯网络节点的条件概率表；

d，根据贝叶斯网络模型的结构、节点属性以及节点的条件概率表利用Netica软件构建贝叶斯网络模型，评估攻击企图等级。

3.根据权利要求2所述的基于贝叶斯网络的任务共同体的识别方法，其特征在于：所述贝叶斯网络结构包括目标企图以及影响目标企图的九个因素，九个因素为目标类型、目标航路捷径、目标距离、目标速度、目标高度、目标机动、目标电子干扰、我方目标价值、我方目标易毁性。

4.根据权利要求3所述的基于贝叶斯网络的任务共同体的识别方法，其特征在于：所述步骤b节点属性的描述具体为：目标企图为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ；目标类型为战斗机和导弹，歼击机,歼轰机,轰炸机,强击机等都划分为战斗机，空对地导弹,巡航导弹,反辐射导弹等划分为导弹；目标航路捷径为短、中和长，z≤1.5km时划分为短,1.5km<z≤3km划分为中,z>3km时划分为长；目标距离为近、中、远，其中d≤30km划分为近,30km<d≤90km划分为中,d>90km划分为远；目标速度为超音速、高速和中低速，s≥340m/s时划分为超音速,200m/s<s≤340m/s时划分为高速,s<200m/s时划分为中低速；目标高度为低、中、高，a≤4km时划分为低,4km<a≤10km时划分为中,a>10km时划分为高；目标机动为有机动和无机动；目标电子干扰为有干扰和无干扰；我方目标价值为高、中、低；我方目标易毁性为高、中、低。

5.根据权利要求1所述的基于贝叶斯网络的任务共同体的识别方法，其特征在于：根据任务共同体判断公式将对我方目标攻击企图相同的敌方空间群化为同一个任务共同体，任务共同体判断公式为 其中N为我方目标集合，M为敌方目标集合，L为敌方编群集合，L_l和L_l＇为不同的敌方编群,敌方目标m(m∈M)对我方目标n(n∈N)的在t时刻攻击企图为T^t _mn,T^t _mn∈{Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ}，敌方目标m＇(m＇∈M)对我方目标n(n∈N)在t时刻的攻击企图为T^t _m＇n。