陸光宇，丁迎迎

(1.海軍裝備部電子部，北京 100841;2.江蘇自動化研究所，江蘇 連云港 222006)

目前有關(guān)對敵作戰(zhàn)意圖識別的理論研究剛剛起步，公開發(fā)表的文獻中，對空中、水面目標(biāo)的意圖識別研究比較廣泛［1-6］，對水下目標(biāo)的意圖識別涉及較少［7］。從戰(zhàn)爭層次上，對敵戰(zhàn)術(shù)意圖識別更加具體，識別的實時性要求也更高，在水下作戰(zhàn)中需求更為強烈。因此，本文主要針對水下平臺的對敵戰(zhàn)術(shù)意圖識別進行探討。

1 意圖識別的一般過程

意圖識別的一般過程為:根據(jù)信息源提供的信息，進行敵作戰(zhàn)意圖特征提取，然后通過一定的識別推理機制，得到對敵作戰(zhàn)意圖的識別結(jié)果。從使用信息角度看，除利用目標(biāo)實時數(shù)據(jù)形成的戰(zhàn)場態(tài)勢外，還涉及多種因素，如敵我雙方采用的戰(zhàn)術(shù)、武器裝備性能、環(huán)境約束等;特征提取和意圖推理是意圖識別的核心，采用不同的推理理論和算法就構(gòu)成不同的識別方法，目前所用方法主要有:模板技術(shù)、證據(jù)理論、專家系統(tǒng)、黑板模型、貝葉斯網(wǎng)絡(luò)技術(shù)等。

2 意圖識別框架建立

建立意圖識別框架是對敵意圖識別的首要任務(wù)。不同的作戰(zhàn)應(yīng)用具有不同的意圖識別層次，通常主要針對敵方作戰(zhàn)平臺承擔(dān)的作戰(zhàn)任務(wù)或即將采取的行為進行考慮，公開文獻中建立的意圖識別框架主要有:{偵察、監(jiān)視、攻擊、突防}［2］;{進攻、防守、撤退}［3］;{反艦作戰(zhàn)、護航運輸、反潛作戰(zhàn)、掃雷作戰(zhàn)}［4］;{巡邏、防空、搜潛、攻擊、規(guī)避}［5］。文獻［1］還提出根據(jù)我方承擔(dān)的任務(wù)不同確定敵戰(zhàn)術(shù)意圖識別內(nèi)容，以海戰(zhàn)場為例，當(dāng)我方承擔(dān)進攻任務(wù)時，則應(yīng)著重識別敵方的主要兵力配置是否發(fā)現(xiàn)我方的進攻企圖等;當(dāng)我方承擔(dān)防御任務(wù)的時候，則應(yīng)著重識別敵方主攻方向，敵方的攻擊方法和發(fā)動攻擊的時間等。

對于水下作戰(zhàn)平臺，對其構(gòu)成威脅的兵力主要有各種反潛兵力，如反潛水面艦艇(編隊)、反潛潛艇、反潛直升機/反潛飛機等。由于水下作戰(zhàn)空間有限、平臺傳感器獲取信息不完備等條件制約，如果根據(jù)作戰(zhàn)平臺擔(dān)負的作戰(zhàn)任務(wù)進行意圖劃分，將增大意圖識別難度。因此，從敵方平臺下一步采取的行動考慮，本文建立的水下平臺意圖識別框架是{攻擊、規(guī)避、巡邏}。

3 意圖特征提取

意圖識別通常建立在意圖特征的有效提取基礎(chǔ)之上。從水下平臺所能獲取的眾多信息中分析提煉，找到最相關(guān)的特征，是意圖識別的關(guān)鍵。通常，意圖識別主要依靠戰(zhàn)場目標(biāo)的機動特征來識別，例如敵方艦艇用于攻擊占位的一系列機動動作，同時，目標(biāo)的身份、編隊組成、傳感器動作及水文環(huán)境等信息的利用也可為意圖識別提供新的依據(jù)。通過綜合各種因素，提取出水下平臺意圖識別的依據(jù)如下。

1)目標(biāo)艦艇機動特征

對于水下平臺，在沒有偵察情報支持下，對敵艦艇機動行為的識別是意圖識別的主要方式。如使用武器進行攻擊或防御時，為滿足武器的發(fā)射要求必須進行占位機動;護航艦艇為避免敵潛艇跟蹤，采取定時變向機動等。其中敵艦艇航向、航速的變化直接反映了機動方式，可通過分析計算得到敵水面艦艇的機動類型。通常，選用舷角更能反映目標(biāo)的接近、遠離趨勢，但是本平臺機動會導(dǎo)致目標(biāo)舷角的突變，因此，采用航向和舷角相結(jié)合的方式判斷目標(biāo)的變向機動行為，同時，結(jié)合目標(biāo)變速特征能更好地推斷目標(biāo)的戰(zhàn)術(shù)意圖。

海域原油經(jīng)濟剩余可采儲量為366億噸，占油氣當(dāng)量經(jīng)濟剩余可采儲量的41.6%，主要分布在波斯灣、巴西東部海域、幾內(nèi)亞灣、濱里海、墨西哥灣、北海等區(qū)域；海域天然氣經(jīng)濟剩余可采儲量為60.87萬億立方米，占油氣當(dāng)量經(jīng)濟剩余可采儲量的58.4%，主要分布在波斯灣、澳洲西北海域、莫桑比克海域、南海、地中海、幾內(nèi)亞灣等區(qū)域。波斯灣海域的油氣當(dāng)量經(jīng)濟剩余可采儲量在全球海域油氣資源中占比達到36%，油氣當(dāng)量產(chǎn)量占比達到65.7%。

2)目標(biāo)屬性與類型

民用目標(biāo)通常不會對我方兵力構(gòu)成威脅，而敵方任何作戰(zhàn)目標(biāo)，都對我方有潛在的威脅和攻擊意圖。因此，在屬性方面，所有敵方和不明目標(biāo)都具有攻擊意圖可能。不同類型的艦艇攜帶不同的武器裝備，其戰(zhàn)技性能有差別，適合執(zhí)行的任務(wù)也有區(qū)別。例如航空母艦和運輸艦通常被排除在反潛兵力之外，在兵力緊張時，巡洋艦也可能被用來反潛，但通常也被排除在反潛艦艇之外，敵方在制定作戰(zhàn)計劃時，必將仔細考慮這一點。因此，敵艦艇的類型是識別其戰(zhàn)術(shù)意圖的重要依據(jù)。

3)目標(biāo)編隊特征

敵艦艇編隊遂行作戰(zhàn)任務(wù)時都要采取相應(yīng)的隊形。如防空時和護航時采取的編隊隊形就大不一樣，多架反潛飛機搜索時通常也有一定的搜索方式，因此目標(biāo)作戰(zhàn)隊形是識別其作戰(zhàn)意圖的依據(jù)之一。水下平臺由于態(tài)勢感知能力有限，對水面艦艇編隊的成員組成及隊形識別有很大難度，主要利用自身探測的目標(biāo)方位、航向等信息進行編隊識別，而隊形識別難度較大;在敵情通報等外部通信支持下，水下平臺可以依據(jù)目標(biāo)位置及運動要素進行編隊及隊形識別，但根據(jù)識別出的敵方隊形推斷目標(biāo)的戰(zhàn)術(shù)意圖，需要敵海軍作戰(zhàn)戰(zhàn)術(shù)知識的支持，這類信息的獲取通常較為困難。

4)目標(biāo)主動探測信號特征

敵艦艇或敵反潛直升機/反潛飛機使用主動探測信號進行探測時被我方平臺截獲的特征信息，也是進行意圖識別的依據(jù)。例如艦艇上通常裝備多種不同功能的雷達、聲納，它們的工作頻率、重復(fù)頻率、脈沖寬度、天線掃描方式、脈沖幅度等都不相同，如脈沖寬度變小說明目標(biāo)距離在縮小，威脅程度不斷上升。因此，目標(biāo)使用不同的探測參數(shù)表明敵方在進行不同階段的行動，借此可以推斷其戰(zhàn)術(shù)意圖。

5)作戰(zhàn)海域的水文氣象條件

作戰(zhàn)海域的水文氣象條件是目標(biāo)采取作戰(zhàn)行動必須考慮的因素。由于武器打擊對水文氣象都有相應(yīng)的要求，如風(fēng)力、海況、水深、聲梯等，在一定的水文氣象條件下，敵方只能遂行與之相適應(yīng)的作戰(zhàn)任務(wù)。因此，作戰(zhàn)海域的水文氣象條件也是判斷其作戰(zhàn)意圖的依據(jù)之一。

4 意圖識別方法

4.1 傳統(tǒng)方法

意圖識別本質(zhì)上屬于模式識別的范疇，可供使用的技術(shù)有很多，通過對軍事應(yīng)用中不同方法的概括總結(jié)，主要分為以下三大類。

1)基于模板匹配的方法 在事先有模板庫的情況下，通過將待識別的多個意圖特征與模板庫中的特征進行匹配，最匹配的那個模板對應(yīng)的意圖即為識別結(jié)果;還可以先將模板庫中特征進行聚類，然后將待識別特征與聚類中心進行比較，最接近的類所代表的意圖即為識別結(jié)果。這類方法較為簡單，適合工程應(yīng)用，但意圖模板庫的建立和維護難度較大。

2)基于特征分布的方法 通過對特征分布規(guī)律進行分析，獲得各特征轉(zhuǎn)化為各類意圖隸屬度的方法，可以是離散的取值，也可以是連續(xù)的概率分布曲線;然后采用各種加權(quán)綜合的方法進行多特征的綜合，如加權(quán)平均、DS證據(jù)理論、模糊綜合方法等技術(shù)，得到對各類意圖總的隸屬度;最后進行判決輸出。這類方法實現(xiàn)簡單，概率分布相對較易獲取，但當(dāng)多個特征對應(yīng)意圖相互沖突時決策結(jié)果的合理性值得商榷。

3)基于知識推理的智能方法 通過將多個意圖特征直接輸入分類系統(tǒng)，利用智能方法的推理能力直接得到意圖識別結(jié)果，目前主要有神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、黑板模型等方法。但是這類方法需要利用大量樣本集對分類系統(tǒng)進行訓(xùn)練，同時識別結(jié)果受分類系統(tǒng)的泛化能力影響較大，算法用于工程實踐時會面臨一些問題。

意圖識別的其它方法還有貝葉斯網(wǎng)絡(luò)、基于代理的規(guī)劃識別等。其中，貝葉斯網(wǎng)絡(luò)技術(shù)是一種識別敵作戰(zhàn)意圖的理論上較完美的方法，但使用中需要建立各種作戰(zhàn)意圖的先驗概率和作戰(zhàn)意圖、分意圖及觀測證據(jù)間的聯(lián)合概率表，而這種先驗概率和聯(lián)合概率表通常戰(zhàn)術(shù)專家是很難給出的。

4.2 水下平臺意圖識別方法

本文給出一種結(jié)合事件檢測和特征參數(shù)識別的水下平臺意圖識別方法。由于在水下作戰(zhàn)過程中，目標(biāo)事件的檢測結(jié)果對意圖識別關(guān)系重大，直接決定了目標(biāo)是否發(fā)現(xiàn)我方平臺，進而是否對我采取動作;而利用目標(biāo)特征參數(shù)(如速度、距離、舷角等)轉(zhuǎn)化成意圖隸屬度進行識別則能反應(yīng)目標(biāo)意圖的連續(xù)變化趨勢，與當(dāng)前作戰(zhàn)態(tài)勢緊密相關(guān)。但前者是離散數(shù)據(jù)，后者是連續(xù)數(shù)據(jù)，如何將這兩種情況綜合利用，使得意圖識別結(jié)果既反應(yīng)態(tài)勢變化又含有一定的作戰(zhàn)意義呢?

對于水下平臺，目前檢測到的事件主要包括目標(biāo)聲納有無主動探測脈沖，目標(biāo)有無機動(變向、變速)等。當(dāng)檢測到這些事件后，根據(jù)事件檢測結(jié)果利用模糊理論計算其對特征參數(shù)識別結(jié)果的可信度，然后計算各特征參數(shù)對意圖的隸屬度，最后將多個特征參數(shù)識別結(jié)果進行綜合，并對識別結(jié)果進行可信度加權(quán)，得到最終的意圖識別結(jié)果。

具體的可信度計算方法為:針對意圖框架中的類別，如攻擊意圖，根據(jù)模糊理論，利用軍事專家經(jīng)驗總結(jié)出多條模糊推理“If-Then”規(guī)則，這些模糊推理規(guī)則實現(xiàn)了把事件檢測結(jié)果和專家經(jīng)驗信息映射為識別結(jié)果的可信度。本文針對意圖識別問題總結(jié)出的模糊推理規(guī)則如表1所示。

表1 識別結(jié)果可信度的模糊推理規(guī)則

表1主要使用了3個事件，在實際應(yīng)用中可以根據(jù)所在系統(tǒng)的事件檢測能力進行補充，同時每個事件的檢測結(jié)果可以根據(jù)事件檢測能力進行細分，如加速事件還可再細分為緩慢加速、突然加速等，從而使得獲取的識別可信度準(zhǔn)確反映目標(biāo)行為所包含的意圖。

使用該方法針對典型態(tài)勢仿真得到的目標(biāo)攻擊意圖曲線如圖1所示。系統(tǒng)在第12分鐘多時檢測到目標(biāo)機動并向我平臺接近，利用表1推理得到的可信度增大，計算得到的目標(biāo)攻擊意圖隸屬度明顯增強，之后其值隨著態(tài)勢變化實時改變，較好反映了整個過程目標(biāo)攻擊意圖的變化趨勢。

圖1 目標(biāo)意圖識別仿真結(jié)果

5 結(jié)束語

本文針對水下平臺意圖特征的識別問題，應(yīng)結(jié)合具體戰(zhàn)術(shù)應(yīng)用構(gòu)建相應(yīng)的意圖模板庫、特征分布曲線或樣本集，只有意圖識別賴以使用的戰(zhàn)術(shù)知識建立得較為完備，才能提高意圖識別的準(zhǔn)確度，從而為水下作戰(zhàn)提供有用的戰(zhàn)術(shù)指導(dǎo)。

［1］王端龍，吳曉鋒，冷畫屏.對敵戰(zhàn)場意圖識別的若干問題［J］.艦船電子工程，2004，24(6):4-9.

［2］張肅，程啟月，解瑤，等.不確定空情信息條件下的意圖識別方法［J］.空軍工程大學(xué)學(xué)報(自然科學(xué)版)，2008，9(3):50-53.

［3］馬靜.貝葉斯網(wǎng)絡(luò)的戰(zhàn)場作戰(zhàn)意圖評估方法［J］.西安工業(yè)大學(xué)學(xué)報，2010，30(4):397-401.

［4］冷畫屏，吳曉鋒，胡劍光，等.海上目標(biāo)戰(zhàn)術(shù)意圖序貫識別技術(shù)研究［J］.系統(tǒng)工程與電子技術(shù)，2008，30(3):462-465.

［5］牛曉博，趙虎，張玉冊.基于決策樹的海戰(zhàn)場艦艇意圖識別［J］.兵工自動化，2010，29(6):44-46.

［6］孫亮，于雷，鄒德鵬.Dempster-Shafer證據(jù)理論在目標(biāo)意圖預(yù)測中的應(yīng)用［J］.電光與控制，2008，15(3):33-36.

［7］吳文龍，黃文斌，劉劍.潛艇對水面艦艇編隊攻擊意圖推理研究［J］.火力與指揮控制，2010，35(9):101-105.

［8］N.Hatakeya，K.Furuta.Bayesian Network Modeling of Operator's Intent Inference［J］.IEEE 7thHuman Factors Meeting，2002:55-60.