李馮敬， 姚佩陽， 唐 劍， 張杰勇

(空軍工程大學(xué)電訊工程學(xué)院，西安 710077)

0 引言

現(xiàn)代戰(zhàn)爭中，各種反偵察、反干擾等手段的大量使用，戰(zhàn)場信息呈現(xiàn)出不完整性和不確定性，因此如何有效識別敵通信系統(tǒng)中的關(guān)鍵節(jié)點、重要目標(biāo)，并迅速對目標(biāo)的干擾優(yōu)先等級作出評估是目前通信對抗指揮決策中必須要解決的關(guān)鍵問題。當(dāng)前依靠人工智能輔助決策的方式對目標(biāo)干擾優(yōu)先等級的評估成為主流趨勢，而在此基礎(chǔ)上應(yīng)用各種模型算法解決這一問題，可以有效地提高評估的速度和準(zhǔn)確性。

目前，各領(lǐng)域評估問題的研究方法很多，如文獻［1－2］中提出利用神經(jīng)網(wǎng)絡(luò)建立評估模型，并取得了預(yù)期效果。但由于神經(jīng)網(wǎng)絡(luò)本身是一種迭代算法需要對網(wǎng)絡(luò)進行訓(xùn)練，因此難以滿足在實時戰(zhàn)場環(huán)境中對目標(biāo)干擾優(yōu)先等級做出快速評估。貝葉斯網(wǎng)絡(luò)作為一種綜合利用概率論和圖論進行不確定性分析和推理的有效工具，與其他算法相比，不但具有堅實的數(shù)學(xué)理論基礎(chǔ)，同時具有直觀的知識表示形式，能方便快速地處理不確定信息間的因果關(guān)系，且算法簡單，運算量少，收斂性和實時性較好［3－4］，目前已在戰(zhàn)場目標(biāo)識別［5］、態(tài)勢評估［6］和威脅估計［7］等領(lǐng)域廣泛應(yīng)用。由于現(xiàn)代戰(zhàn)場環(huán)境存在大量的不確定性因素，因此對目標(biāo)干擾優(yōu)先等級的評估必定是一個概率行為，而貝葉斯網(wǎng)絡(luò)正是在非完全信息條件下進行不確定性推理的一種有效手段［8］，可用于解決通信對抗目標(biāo)干擾優(yōu)先等級評估的問題。

通過分析通信對抗指揮決策流程，指出目標(biāo)干擾優(yōu)先等級評估在指揮決策中的重要地位，從目標(biāo)信號特征和目標(biāo)行為特征兩個方面聯(lián)合分析影響目標(biāo)干擾優(yōu)先等級的因子，構(gòu)建目標(biāo)干擾優(yōu)先等級評估的貝葉斯模型，以解決通信對抗目標(biāo)干擾優(yōu)先等級評估的問題。

1 通信對抗指揮決策概述

通信對抗指揮決策就是通信對抗指揮員在搜集、處理各種戰(zhàn)場信息的基礎(chǔ)上，對本級如何完成通信對抗任務(wù)進行籌劃并作出決定的活動［9］。為保證決策的科學(xué)有效，通信對抗指揮決策活動要依據(jù)一定的決策準(zhǔn)則、依據(jù)和流程，其基本流程如圖1所示。

圖1 通信對抗指揮決策流程Fig.1 The command decision process of the communication countermeasures

由圖1可以看出，通信對抗目標(biāo)干擾優(yōu)先等級評估是通信對抗指揮決策環(huán)節(jié)中非常重要的組成部分，其意義在于:在先前偵察和戰(zhàn)場實時偵察的基礎(chǔ)上，對當(dāng)前敵情、我情、戰(zhàn)場環(huán)境等情報信息進行分析評估，力圖在廣闊的電磁頻譜空間和作戰(zhàn)區(qū)域挖掘出能大幅度降低敵作戰(zhàn)能力的高價值、高威脅的敵通信系統(tǒng)目標(biāo)，進而制定后續(xù)作戰(zhàn)方案，對敵實施干擾壓制以取得較高的作戰(zhàn)效益［10］。

2 基于貝葉斯網(wǎng)絡(luò)的干擾優(yōu)先等級評估模型

2.1 貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)(Bayesian Networks，BN)也稱為信度網(wǎng)絡(luò)或推理網(wǎng)絡(luò)，是基于概率分析和圖論的一種不確定知識的表示和推理模型［11］。作為圖模型范疇之一，BN是人工智能學(xué)科中處理不確定問題的新興分支，在處理不確定性復(fù)雜問題方面有其獨特的優(yōu)點［12］。

貝葉斯網(wǎng)絡(luò)主要由兩部分構(gòu)成:網(wǎng)絡(luò)結(jié)構(gòu)和條件概率表。一個貝葉斯網(wǎng)絡(luò)可以用一個二元組B=(G，P)表示。其中:1)G=(V，E)是一個網(wǎng)絡(luò)結(jié)構(gòu)，代表一個有向無環(huán)圖，V= {V1，V2，…，Vn}，n≥1為有向無環(huán)圖中的節(jié)點，代表隨機變量，可以是任何問題的抽象，而E=代表有向邊的集合，用來表達各個節(jié)點信息要素之間的關(guān)聯(lián)關(guān)系，通常認(rèn)為有向邊表達了一種因果關(guān)系;2)P代表貝葉斯網(wǎng)絡(luò)中的條件概率表集合，每一個節(jié)點Vi都有一個條件概率表，用來表示節(jié)點Vi與其父節(jié)點Pa(Vi)的關(guān)系表示在父節(jié)點Pa(Vi)發(fā)生的條件下子節(jié)點Vi發(fā)生的概率。沒有任何父節(jié)點的條件概率為其先驗概率［13］。

2.2 目標(biāo)干擾優(yōu)先等級評估的貝葉斯網(wǎng)絡(luò)模型

2.2.1 模型分析

在通信對抗作戰(zhàn)中，依據(jù)目標(biāo)的特征越多，目標(biāo)識別就越準(zhǔn)確，對目標(biāo)的威脅等級評估就越科學(xué)，目標(biāo)的干擾優(yōu)先等級就越容易判斷。模型主要從目標(biāo)行為特征和目標(biāo)信號特征兩個方面聯(lián)合判斷目標(biāo)的威脅等級，進而確定干擾優(yōu)先等級。如圖2表示了干擾優(yōu)先等級評估的過程。

圖2 干擾優(yōu)先等級評估過程Fig.2 The process for evaluating priority level of jamming

由圖2可以看出，對敵通信目標(biāo)意圖威脅的評估是基于對威脅行為的識別，對通信目標(biāo)的身份威脅的評估則主要是基于對目標(biāo)信號特征的分析。

1)基于貝葉斯網(wǎng)絡(luò)的目標(biāo)意圖威脅等級評估模型。

對敵通信目標(biāo)意圖威脅(Act)的分析，主要就是判斷目標(biāo)的作戰(zhàn)行為。模型中主要考慮的敵作戰(zhàn)行為包括:無線電靜默(Mic)、無線電佯動(Pact)、無線電干擾壓制(Dsb)3種行動，其評估模型如圖3所示。

圖3 目標(biāo)意圖威脅等級評估模型Fig.3 The model for evaluating threat level of target's intent

模型中節(jié)點變量的狀態(tài)集合如下:

意圖威脅等級(Act)={高(Hight)，中(Middle)，低(Low)};

無線電靜默(Mic)={無線電靜默真(True)，無線電靜默假(Flase)};

無線電佯動(Pact)={無線電佯動真(True)，無線電佯動假(Flase)};

無線電干擾壓制(Dsb)={無線電干擾壓制真(True)，無線電干擾壓制假(Flase)}。

2)基于貝葉斯網(wǎng)絡(luò)的目標(biāo)身份威脅等級評估模型。

敵通信目標(biāo)識別的問題主要是通過目標(biāo)信號的特征識別來確定目標(biāo)本身的重要程度，而不考慮該敵目標(biāo)是什么型號的電臺，是什么屬性的通信網(wǎng)(專)等問題。由于不同的信號都會在時域、頻域、空域中表現(xiàn)出不同的特征［9］，因此主要考慮的目標(biāo)信號特征包括:信號出聯(lián)時間(時域)、頻段、信號源方向(空域)，其評估模型如圖4所示。

圖4 目標(biāo)身份威脅等級評估模型Fig.4 The model evaluating threat level of target's identity

模型中各節(jié)點變量的狀態(tài)集合如下:

目標(biāo)身份威脅等級(Sgb)={高(Hight)，中(Middle)，低(Low)};

出聯(lián)時間(Tm)={新出聯(lián)(New)，出聯(lián)較久(Past)};

頻段(Sb)={戰(zhàn)時頻段(Wb)，平時頻段(Pb)};信號來源區(qū)域(Scz)={作戰(zhàn)主要區(qū)域(Mz)，作戰(zhàn)次要區(qū)域(Sz)，敵后方區(qū)域(Bz)}。

根據(jù)上述分析，在模型設(shè)計中主要立足于戰(zhàn)場敵通信目標(biāo)信號表現(xiàn)出來的，且易被我方通信偵察設(shè)備獲取的信號時域、頻域和地域特征，而不過多關(guān)注通信信號的細微特征。在通信對抗行動中，時效性要求特別高，往往新出聯(lián)的電臺干擾價值最大，隨著干擾壓制時間的延長，其干擾價值就越來越小，因此，偵察到的新信號應(yīng)優(yōu)先干擾［9］。對于頻域特征，通過戰(zhàn)場全面?zhèn)刹炫c重點偵察相結(jié)合的方法，同時結(jié)合平時偵察的情況，就可以確定哪些信號是平時經(jīng)常出現(xiàn)的，沒用的，哪些信號是戰(zhàn)時出現(xiàn)的，是有用的。

3)基于貝葉斯網(wǎng)絡(luò)的目標(biāo)干擾優(yōu)先等級評估模型。

通過對干擾優(yōu)先等級評估過程以及上述貝葉斯模型的分析，根據(jù)網(wǎng)絡(luò)各節(jié)點的因果影響關(guān)系，建立目標(biāo)干擾優(yōu)先等級模型，如圖5所示。

圖5 干擾優(yōu)先等級評估模型Fig.5 The model for evaluating priority level of jamming

根結(jié)點目標(biāo)干擾優(yōu)先等級(PRI)={高(Hight)，中(Middle)，低(Low)}。在整個模型中，把目標(biāo)干擾優(yōu)先等級、目標(biāo)意圖威脅等級、目標(biāo)身份威脅等級看作原因，偵察到的各種數(shù)據(jù)及事件看作結(jié)果。目標(biāo)干擾優(yōu)先等級評估從獲取的戰(zhàn)場情報信息開始，在獲取戰(zhàn)場情報信息后，結(jié)果對原因的影響可以通過評估模型向后傳播來更新，更新后的評估結(jié)果則又通過前向推理來預(yù)測事件的發(fā)生;當(dāng)有新的戰(zhàn)場信息輸入時，又開始下一輪等級評估。可以看出，這種目標(biāo)干擾優(yōu)先等級評估模型較好地將軍事專家的知識隱含在該貝葉斯網(wǎng)絡(luò)節(jié)點之間的因果關(guān)系中。

2.2.2 節(jié)點條件概率

條件概率矩陣是網(wǎng)絡(luò)結(jié)構(gòu)中關(guān)聯(lián)節(jié)點之間的因果關(guān)系，是一種專家知識。在對有限樣本數(shù)據(jù)反復(fù)驗證的基礎(chǔ)上，通過對通信對抗戰(zhàn)術(shù)行為的分析，結(jié)合專業(yè)知識，給出如表1～表3所示的條件概率矩陣。

表1 節(jié)點條件概率矩陣aTable 1 Condition probability matrix a of node

表2 節(jié)點條件概率矩陣bTable 2 Condition probability matrix b of node

表3 節(jié)點條件概率矩陣cTable 3 Condition probability matrix c of node

2.2.3 模型推理流程

目標(biāo)干擾優(yōu)先等級評估模型的貝葉斯網(wǎng)絡(luò)推理過程如圖6所示。

Step1 初始化網(wǎng)絡(luò)。輸入先驗信息π，觸發(fā)網(wǎng)絡(luò)節(jié)點更新，初始化評估系統(tǒng)。

Step2 觸發(fā)網(wǎng)絡(luò)推理。當(dāng)獲取到新的戰(zhàn)場信息λ時，網(wǎng)絡(luò)結(jié)構(gòu)的葉節(jié)點信息更新，觸發(fā)網(wǎng)絡(luò)推理，通過貝葉斯公式，得到節(jié)點置信度即后驗概率PBel，從而更新整個網(wǎng)絡(luò)節(jié)點狀態(tài)的概率分布。如果有新的目標(biāo)信息獲取則把更新后的后驗概率分布作為下一次推理的先驗分布;如果沒有新的目標(biāo)信息獲取則進入下一步。

Step3 統(tǒng)計輸出結(jié)果。獲取根節(jié)點(PRI)狀態(tài)的概率分布情況，根據(jù)判決規(guī)則，將最大后驗概率判定為優(yōu)先干擾的通信目標(biāo)，即

式中:i=1，2，3分別代表目標(biāo)Tj干擾優(yōu)先等級“高”、“中”、“低”;P(Tji)是目標(biāo)Tj干擾優(yōu)先等級為i的先驗概率;是當(dāng)目標(biāo)Tj在干擾等級為i時特定的觀測S的觀測條件概率，α為歸一化因子，保證所有的后驗概率之和為1。如果先驗信息未知，則對目標(biāo)Tj干擾優(yōu)先等級i的先驗概率進行平均分配。

圖6 目標(biāo)干擾優(yōu)先等級評估推理過程Fig.6 Inference process for evaluating priority level of target jamming

3 仿真驗證

采用Norsys軟件公司的貝葉斯網(wǎng)絡(luò)工具平臺Netica對目標(biāo)干擾優(yōu)先等級評估模型進行仿真驗證。

場景1 假設(shè)在一次敵我戰(zhàn)斗中，由于我通信偵察部隊沒有對敵進行任何預(yù)先偵察，設(shè)定某一目標(biāo)干擾優(yōu)先等級的可能性相近，即威脅源的干擾優(yōu)先等級先驗信息 πPRI=(0.33，0.34，0.33)。這反映了通信對抗指揮員由于戰(zhàn)場信息匱乏導(dǎo)致對目標(biāo)干擾優(yōu)先等級可能性估計不充分，認(rèn)為各種情況的可能性相近。

輸入先驗信息后，整個網(wǎng)絡(luò)其他節(jié)點信息得到初始更新，網(wǎng)絡(luò)進入等待狀態(tài)如圖7所示。

圖7 系統(tǒng)等待狀態(tài)Fig.7 Latency state of the system

隨著通信偵察行動的開展，網(wǎng)絡(luò)各節(jié)點得到新的情報信息，節(jié)點狀態(tài)概率分布發(fā)生變化，隨之觸發(fā)網(wǎng)絡(luò)推理，最終獲取根結(jié)點狀態(tài)的概率分布情況，完成對目標(biāo)干擾優(yōu)先等級的一次判斷。表4為部分仿真結(jié)果。由第1組數(shù)據(jù)可以看出，當(dāng)敵對我方采取通信干擾壓制行為，且偵察到目標(biāo)信號來源于作戰(zhàn)主要方向并且為新出聯(lián)的戰(zhàn)時頻段時，系統(tǒng)評估結(jié)果為“高”的概率高于其他;第2組數(shù)據(jù)表示當(dāng)前目標(biāo)信號特征的各狀態(tài)概率基本接近，目標(biāo)干擾壓制行為概率雖然較高，但系統(tǒng)評估的結(jié)果卻與第1組結(jié)果差距較大，干擾優(yōu)先等級為“中”的概率高于其他兩種狀態(tài)。

表4 仿真結(jié)果1Table 4 Simulating result 1

場景2 假設(shè)在一次敵我戰(zhàn)斗中，我通信偵察部隊提前進入預(yù)定的集結(jié)地域，組織開展戰(zhàn)前的預(yù)先偵察行動，熟悉戰(zhàn)區(qū)電磁環(huán)境，通過通信偵察和測向定位，初步了解了主要作戰(zhàn)方向上敵通信對抗部隊的部署，以及部分電臺、通信專網(wǎng)信號在時域、頻域、空域上的特征，初步確定了某一目標(biāo)的干擾優(yōu)先級 πPRI=(0.7，0.2，0.1)。輸入先驗信息后，網(wǎng)絡(luò)得到初始化，進入等待狀態(tài)，如圖8所示。

圖8 系統(tǒng)等待狀態(tài)Fig.8 Latency state of the system

通過比較圖7與圖8可以看出，當(dāng)先驗信息發(fā)生變化時，網(wǎng)絡(luò)各節(jié)點的初始狀態(tài)概率也將發(fā)生變化。

假定敵我雙方戰(zhàn)斗正式打響后，我方主要通信偵察力量對預(yù)先的目標(biāo)采取分頻控守的方法，進一步確定相關(guān)目標(biāo)信號在時域、頻域、地域上的特性，以及敵目標(biāo)的作戰(zhàn)行為，即網(wǎng)絡(luò)部分節(jié)點狀態(tài)信息得到更新，最終獲得根結(jié)點狀態(tài)的概率分布，完成對干擾優(yōu)先等級的一次實時評估。

表5 仿真結(jié)果2Table 5 Simulating result 2

由表5可以看出，在敵對我采取通信干擾壓制行為時，偵察到目標(biāo)信號來源于作戰(zhàn)主要方向并且為新出聯(lián)的戰(zhàn)時頻段，系統(tǒng)評估結(jié)果為“高”的概率是0.862，遠遠高于表4中0.562“高”的概率;同樣第2組數(shù)據(jù)在所有節(jié)點輸入狀態(tài)相同的情況下，系統(tǒng)評估結(jié)果表示干擾等級為“高”的概率是0.700，遠遠高于表4中0.369“高”的概率。

通過兩組仿真結(jié)果的比較，可以看出先驗信息π的變化對評估結(jié)果的明顯影響。相同的子節(jié)點輸入相同的狀態(tài)信息λ，由于先驗信息π不同，評估結(jié)果截然不同。結(jié)合假設(shè)的仿真場景，可以看出先驗信息對后期評估結(jié)果有著直接影響，因此在通信對抗行動中，通信偵察部隊先期對目標(biāo)偵察探測是非常必要的。

同時結(jié)合算法，可以從算法的初始化和運行兩個階段來理解先驗信息。在算法的初始化階段，為了算法的啟動，根據(jù)通信對抗指揮員的預(yù)期判斷或戰(zhàn)場情報的預(yù)期偵察結(jié)果設(shè)定先驗信息;在算法的運行階段，先驗信息認(rèn)為是上一次系統(tǒng)評估的結(jié)果。

從仿真結(jié)果可以看出，評估模型不僅綜合了最新的戰(zhàn)場實時信息，而且還考慮了前一階段的歷史評估結(jié)果，具有信息的累積性，因此能夠?qū)δ繕?biāo)干擾優(yōu)先等級進行實時合理的評估。

4 結(jié)論

文中針對通信對抗指揮決策中干擾優(yōu)先等級評估問題，提出了采取貝葉斯網(wǎng)絡(luò)進行評估的方法，分析了影響干擾優(yōu)先等級評估的主要因素，并建立相應(yīng)的貝葉斯網(wǎng)絡(luò)模型。設(shè)定兩種場景進行仿真驗證，結(jié)果表明貝葉斯網(wǎng)絡(luò)是一種進行不確定分析和推理的有效方法，基于該模型的評估系統(tǒng)可以有效綜合當(dāng)前信息和歷史信息，具有信息的累積能力，能較好地解決通信對抗中目標(biāo)干擾優(yōu)先等級實時評估的問題。但由于復(fù)雜戰(zhàn)場環(huán)境下影響通信對抗目標(biāo)干擾優(yōu)先等級評估的因素眾多，因此如何更加全面分析影響因素，研究不同因素之間的影響關(guān)系，構(gòu)建更加合理的模型結(jié)構(gòu)將是下一步工作的重點。

［1］ BRENAN K E，CAMPBELL S L，PETZOLD L R.Nemerical solution of initial value problem in differetial-algebraic equations［M］.2nd ed.New York，USA:SIAM，1996.

［2］ CASH J，CONSIDINE S.An MEBDF code for stiff initial value problems［J］.Acm Trans Math Software(S0098-3500)，1992，18(2):142-155.

［3］ 王福軍，梅衛(wèi)，王春平，等.基于戰(zhàn)術(shù)意圖的空中目標(biāo)機動態(tài)勢估計［J］.電光與控制，2009，16(2):51-55.

［4］ 稅薇，葛艷，韓玉.基于貝葉斯網(wǎng)絡(luò)的火力威脅等級評估算法［J］.系統(tǒng)仿真學(xué)報，2009，21(15):4625-4628.

［5］ GOSLIGA P V，JANSEN H.A Bayesian network for combat identfication［J］.RTO-MP-IST-040，2004(3):1-11.

［6］ 楊永剛，寇應(yīng)展，楊杰，等.基于貝葉斯網(wǎng)絡(luò)的態(tài)勢估計模型研究［J］.科學(xué)技術(shù)與工程，2007，24(12):6434-6436.

［7］ 王朔，周少平，黃教尼.基于貝葉斯網(wǎng)絡(luò)的威脅識別［J］.計算機工程與設(shè)計，2006，18(9):3442-3446.

［8］ RUSSEL S，NORVIG P.Artificial intelligence:A modern approach［M］.Englewood Cliffs New Jersey:Prentice Hall，1995.

［9］ 李新生，單琳鋒.高技術(shù)條件下通信對抗指揮決策［M］.北京:解放軍出版社，1999.

［10］ 張鑒，黃健，石銳.通信電子戰(zhàn)目標(biāo)選擇問題研究［J］.通信對抗，2006(2):37-40.

［11］ 孫兆林，楊宏文，胡衛(wèi)東.基于貝葉斯網(wǎng)絡(luò)的態(tài)勢評估方法［J］.計算機應(yīng)用，2005，25(4):745-747.

［12］ 肖秦琨，高嵩，高曉光.動態(tài)貝葉斯網(wǎng)絡(luò)推理與學(xué)習(xí)理論［M］.北京:國防工業(yè)出版社，2007.

［13］ 王朔.基于貝葉斯網(wǎng)絡(luò)的艦艇導(dǎo)彈防御系統(tǒng)決策模型算法研究［D］.長沙:國防科學(xué)技術(shù)大學(xué)，2005:12-40.