宋翊寧，李 智，張占月

（航天工程大學(xué)，北京 101416）

0 引言

隨著航天技術(shù)的高速發(fā)展，在過去的十年中，空間活動復(fù)雜性急劇增加，太空域力量布局呈現(xiàn)出紛繁復(fù)雜的形勢。同時，由于目前各國對天基力量的依賴性逐步增強(qiáng)，不僅空間目標(biāo)顯著增加，美國等國家對于空間控制能力的不斷嘗試和技術(shù)試驗，使得未來空間資產(chǎn)安全面臨的毀傷風(fēng)險急劇提升，空間環(huán)境難以保持溫和發(fā)展的態(tài)勢。因此，對于空間態(tài)勢的認(rèn)知能力迫切需要提升。在態(tài)勢認(rèn)知中，如何形成有效的態(tài)勢理解是認(rèn)知能力構(gòu)建的基礎(chǔ)和重點，本文主要圍繞如何設(shè)計、構(gòu)建空間態(tài)勢模型來進(jìn)行空間態(tài)勢認(rèn)知能力研究。

目前國內(nèi)外研究機(jī)構(gòu)及學(xué)者在態(tài)勢估計及空間目標(biāo)行為分析上作了大量研究。美國一直為保持其全球軍事大國的科技戰(zhàn)略核心地位而精心布局，投入大量人力物力用于相關(guān)智能研究項目的部署，如2016 年底啟動的CVS（虛擬參謀）項目，旨在通過人工智能技術(shù)為應(yīng)對海量戰(zhàn)場態(tài)勢資源來完成建議、分析、交互，以實現(xiàn)為指揮決策者提供智能化輔助決策的目的；2018 年DARPA 提出的COMPASS項目（collection and monitoring via planning for active situational scenarios），旨在通過博弈論對態(tài)勢估計結(jié)果進(jìn)行決策分析提供技術(shù)支持；在航天領(lǐng)域，同樣于2018 年DARPA 公布的Hallmark 計劃正是上述理念的進(jìn)一步延伸和拓展，Hallmark 計劃旨在尋求通過革命性工具和技術(shù)，來實現(xiàn)對美國太空軍事行動的計劃、評估、執(zhí)行，目前已按計劃形成了其用于空間態(tài)勢感知的虛擬助手（VIRSA），來幫助其日?？臻g活動的指揮及控制決策。

國內(nèi)科研機(jī)構(gòu)也在態(tài)勢理解和空間態(tài)勢感知方面進(jìn)行了廣泛的研究，其中，國防大學(xué)團(tuán)隊近年來一直深耕態(tài)勢認(rèn)知領(lǐng)域的理論體系研究，形成了對于戰(zhàn)場認(rèn)知的全方位理論研究和探索［1-5］；信息工程大學(xué)也對于空間目標(biāo)態(tài)勢進(jìn)行了大量研究，形成了相關(guān)基于本體論建模仿真的空間態(tài)勢分析理論［6-8］。在具體的態(tài)勢估計方法上，主要包括了貝葉斯網(wǎng)絡(luò)、勢力圖、粗糙集等方法［9-10］。以上研究為空間態(tài)勢認(rèn)知方法探索起到了有效的鋪墊和借鑒作用。

在空間態(tài)勢認(rèn)知能力構(gòu)建研究過程中，態(tài)勢理解作為重要的一環(huán)成為空間態(tài)勢認(rèn)知能力構(gòu)建的重中之重。目前對于空間態(tài)勢整體形勢的研究較少，指標(biāo)體系相對簡化，并且缺乏綜合表現(xiàn)空間整體態(tài)勢的相關(guān)量化研究方法，同時對于越來越擁擠且日益復(fù)雜的空間環(huán)境，缺乏對于各個空間要素相互關(guān)聯(lián)、相互影響的網(wǎng)絡(luò)關(guān)系分析。因此，本文通過對空間態(tài)勢要素的圖模型設(shè)計，實現(xiàn)對空間要素相互關(guān)聯(lián)的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的考量，并通過相關(guān)算法實現(xiàn)對空間態(tài)勢理解的目標(biāo)，為后續(xù)空間態(tài)勢認(rèn)知活動提供重要支撐。

1 空間態(tài)勢要素圖模型

目前現(xiàn)有空間要素建模方法主要是以本體論為主，然而，在面對大規(guī)模空間目標(biāo)和要素之間的關(guān)系建模上，本體模型缺乏靈活性、高效性。因此，本文通過圖模型的建模方法，對于空間態(tài)勢相關(guān)要素進(jìn)行建模方法研究。

1.1 空間態(tài)勢因子

要形成對空間態(tài)勢的整體把握和有效理解，需要明確空間力量所包含的各類要素以及空間力量的意義及目標(biāo)。目前，美軍參聯(lián)會發(fā)布的《太空作戰(zhàn)》聯(lián)合條令（JP 3-14，2020-10-26 頒布版）將其天軍核心能力歸納為太空維穩(wěn)能力、力量投送能力、太空機(jī)動及后勤能力、信息傳輸能力和天域感知能力這5 項要素，具體定義如表1 所示。

表1 美軍《太空作戰(zhàn)》條令（JP3-14）對空間核心能力的定義Table 1 The definition of core space capabilities in US‘Space Operations’doctrine（JP3-14）

結(jié)合美軍JP3-14 條令中規(guī)劃設(shè)計的五大太空域核心能力，同時，綜合考慮指揮員輔助決策所需的要素，本文歸納出7 類面向指揮系統(tǒng)的空間態(tài)勢要素因子，定義為：

其中，SSC-Factor 為空間態(tài)勢認(rèn)知要素集；φ1為導(dǎo)航能力因子，表示定位、導(dǎo)航和授時能力要素；φ2為通信能力因子，表示衛(wèi)星通信能力要素；φ3為控制能力因子，表示太空控制能力要素；φ4為感知能力因子，表示空間態(tài)勢感知能力要素；φ5為ISR 能力因子，表示ISR 能力要素；φ6為保障能力因子，表示太空進(jìn)出能力及相應(yīng)保障能力要素；φ7為指揮能力因子，表示指揮控制能力要素。

1.2 雙層空間態(tài)勢圖模型

本文通過自上而下的空間力量拆解分析，以及自下而上的相關(guān)空間力量所依托的設(shè)施設(shè)備實體綜合建模，即分別對于空間能力和相關(guān)設(shè)施設(shè)備實體，構(gòu)建基于空間態(tài)勢要素因子設(shè)計的圖模型，設(shè)計雙層結(jié)構(gòu)的空間態(tài)勢綜合圖模型，包含Layer1 態(tài)勢認(rèn)知層和Layer2 目標(biāo)要素層，Layer2 中的要素個體通過關(guān)系嵌入態(tài)勢因子層，具體模型如下定義：

其中，SSCG 為空間態(tài)勢綜合圖模型；SSGFactor 為空間態(tài)勢要素因子；SSGEntity 為空間態(tài)勢實體；R 為相關(guān)關(guān)系；V 為所有要素節(jié)點的全集；E 為所有表示節(jié)點間關(guān)系的邊集，如圖1 所示。

圖1 雙層結(jié)構(gòu)的空間態(tài)勢圖模型-SSCGFig.1 The two-layer structure of the space situation graph model-SSCG

具體來說，層次1（Layer 1）中主要包括面向整體的態(tài)勢理解的態(tài)勢因子節(jié)點模型，即上文中的SSC-Factor；層次2（Layer 2）中主要包括具體空間能力構(gòu)成主體的設(shè)施設(shè)備，其構(gòu)成的空間態(tài)勢實體要素層模型SSC-Entity，通過簡化設(shè)計得到：

實體集合分別包括衛(wèi)星集合Sat；碎片集合Deb；地面站集合由Stn 共同構(gòu)成。

在SSCG 的雙層結(jié)構(gòu)中，關(guān)系的定義尤為重要，結(jié)合現(xiàn)有空間力量映射關(guān)系，對于關(guān)系集加以定義，定義如表2 所示。

表2 空間態(tài)勢認(rèn)知模型關(guān)系集Table 2 Relation set of space situation cognition model

2 基于圖模型的空間態(tài)勢理解方法

面向空間態(tài)勢認(rèn)知能力構(gòu)建的雙層空間態(tài)勢圖模型在空間實體建模分析的基礎(chǔ)上，還結(jié)合了實體關(guān)系、實體與態(tài)勢映射關(guān)系等進(jìn)行建模研究，在雙層模型上通過定義函數(shù)進(jìn)行量化分析。

2.1 空間節(jié)點能量函數(shù)

對于嵌入在整體空間態(tài)勢圖模型中的單一要素節(jié)點，其所包含的意義和價值不僅僅是其個體的原有價值，還應(yīng)當(dāng)包括其在整體圖模型中的相關(guān)屬性，這也是空間態(tài)勢圖模型與原有空間目標(biāo)本體模型的主要區(qū)別，這里將每個節(jié)點的價值進(jìn)行量化設(shè)計，定義出單一空間態(tài)勢圖模型中要素節(jié)點的能量函數(shù)如下：

其中，dij為節(jié)點Vi和Vj的距離函數(shù)值，可以簡化定義為圖模型中的最短路徑長度（單源路徑即采用Dijkstra 算法用于定義最短路徑算法），σ 為影響因子，是自定義來控制節(jié)點能量范圍的超參數(shù)；mj為節(jié)點質(zhì)量，是節(jié)點獨立的價值度量，是基于本文在相關(guān)空間態(tài)勢知識獲取研究成果中，闡述的多源異構(gòu)空間態(tài)勢知識獲取框架SSC-KA 中通過嵌入表示，最終將獲取的開源信息、公開軌道數(shù)據(jù)、OCS 數(shù)據(jù)、RCS 數(shù)據(jù)等信息綜合降維嵌入到低維空間（如一維數(shù)組或二維矩陣），通過低維來表示該節(jié)點的所有特征信息（若嵌入一維數(shù)組，則數(shù)據(jù)值可以直接作為質(zhì)量；若嵌入二維空間，則通過范數(shù)選擇來實現(xiàn)質(zhì)量定義，例如可以選擇歐式距離定義其距原點的距離來表示其質(zhì)量）。其中，對于同一星座中的衛(wèi)星，若將星座整體作為一個力量單元，則同一星座中的個體衛(wèi)星節(jié)點價值滿足星座整體價值權(quán)重的歸一化條件，即

則節(jié)點能量函數(shù)可以轉(zhuǎn)換為：

2.2 空間實體關(guān)系函數(shù)

以往在空間目標(biāo)基于本體論的建模研究中，往往缺乏對于空間目標(biāo)之間關(guān)系的研究，一部分原因和挑戰(zhàn)也是由于空間目標(biāo)形成極具復(fù)雜性的合作與非合作并存的目標(biāo)網(wǎng)絡(luò)，特別是由于重點研究對象往往是非合作目標(biāo)，其關(guān)系鏈接屬性就更加難以量化和推理研究。本文設(shè)計的雙層空間態(tài)勢圖模型結(jié)構(gòu)中，由于層級內(nèi)部實體邏輯間的顯著區(qū)別，存在有向鏈接和無向鏈接，故分層次進(jìn)行定義和研究。

1）對于Γ1，通過綜合運用定量定性分析，采用專家調(diào)查法，獲得專家對于空間態(tài)勢各種能力和任務(wù)的影響力認(rèn)定，再通過專家信用度進(jìn)行加成，通過基于注意力機(jī)制的一致性檢驗算法（算法模型如圖2 所示）可以得到各個態(tài)勢因子相互關(guān)聯(lián)影響的鄰接矩陣，其網(wǎng)絡(luò)如圖3 所示。陣r 和相互關(guān)聯(lián)程度矩陣I 為：

圖2 通過注意力機(jī)制優(yōu)化專家打分模型Fig.2 The expert scoring model based on the optimization of attention mechanism由此可知生成的空間態(tài)勢因子圖模型鄰接矩

圖3 空間態(tài)勢因子相對連接圖模型Fig.3 Relative connection diagram model of space situation factors

2）對于Γ2，關(guān)系的設(shè)計主要以現(xiàn)實空間環(huán)境實際為依托，由于Layer2 中以空間目標(biāo)、相關(guān)地面設(shè)施設(shè)備、指揮所等相關(guān)實體構(gòu)成，如下頁圖4 所示，因此，Layer2 中的關(guān)系函數(shù)定義以實體關(guān)系為依托進(jìn)行設(shè)計，這里通?？紤]為合作目標(biāo)間的相互關(guān)系和非合作目標(biāo)的相互關(guān)系。對于合作目標(biāo)間的相互關(guān)系，以空間實體實際活動規(guī)律進(jìn)行量化設(shè)計，對于具有通信鏈接、指控消息上傳與下發(fā)、星座協(xié)同等合作關(guān)系，以及非合作目標(biāo)之間的關(guān)系，通過感知系統(tǒng)所獲取的數(shù)據(jù)進(jìn)行數(shù)據(jù)反演，形成對于相關(guān)關(guān)系的量化計算和表示。定義及實例如式（8）所示：

圖4 空間態(tài)勢要素實體關(guān)系概念圖Fig.4 Conceptual diagram of entity relationship of space situation elements

Ci，Cj節(jié)點v 的特征屬性集，在空間態(tài)勢知識獲取部分的研究中已明確，即在空間態(tài)勢知識獲取SSC-KA 框架下，通過深度學(xué)習(xí)特征工程計算得到的節(jié)點隸屬機(jī)構(gòu)屬性上的特征集，并由來確定vi，vj兩點的相關(guān)屬性差異。其中，Dij為vi，vj兩個節(jié)點在三維地理空間中的距離度量函數(shù)，因此，對于合作目標(biāo)而言，關(guān)系值在非負(fù)數(shù)區(qū)間，而對于非合作目標(biāo)，其關(guān)系值在非正數(shù)區(qū)間。

3）對于Γ3，主要根據(jù)空間實體所對應(yīng)的空間態(tài)勢因子，空間實體的基本屬性會包含其對應(yīng)的空間能力信息，其中，碎片信息和其他國別或機(jī)構(gòu)的空間實體一樣，通過獲取到的空間態(tài)勢知識，形成其空間能力信息對應(yīng)的空間態(tài)勢因子的映射，Γ3關(guān)系是所有系統(tǒng)考慮范圍內(nèi)的實體至空間態(tài)勢因子的映射集合。

3 應(yīng)用舉例

基于前面提出的空間態(tài)勢圖模型方法進(jìn)行進(jìn)一步應(yīng)用展示，搭建了配置為雙2080Ti 顯卡，8 核Intel i7 3.6 GHz 處理器，64 GB 內(nèi)存和Ubuntu20.04系統(tǒng)的實驗環(huán)境，通過Pytorch 框架在Pytorch-geometric 平臺上完成模型搭建及算法實驗，以驗證雙層機(jī)構(gòu)空間態(tài)勢圖模型，可以有效幫助完成和解決空間態(tài)勢理解方面的任務(wù)和問題。

3.1 空間實體威脅分析

在對空間態(tài)勢進(jìn)行態(tài)勢理解的活動中，首要問題是單一空間實體所面臨的對于空間其他實體之間的關(guān)系，即基于空間態(tài)勢圖模型可以簡化為如圖5 所示的邏輯模型。

要實現(xiàn)對于空間實體的威脅分析，DARPA 目前是以單一目標(biāo)攻擊代價作為主要甚至唯一指標(biāo)進(jìn)行量化計算，然而由于應(yīng)急發(fā)射或快速補(bǔ)網(wǎng)發(fā)射能力的顯著提升，以及空間力量體系基于“彈性”需求在頂層設(shè)計中的不斷優(yōu)化，各國對于空間高價值目標(biāo)的毀傷影響分析是復(fù)雜的。因此，本文立足未來空間體系架構(gòu)不斷優(yōu)化的趨勢，設(shè)計四重因素的綜合態(tài)勢影響代價函數(shù)：

即對于空間實體節(jié)點vi態(tài)勢影響代價函數(shù)為成本函數(shù)H（vi）、耗能函數(shù)P（i→j）、破壞勢能函數(shù)B（vj）、彈性指數(shù)函數(shù)R（vi）的相對函數(shù)的加權(quán)求和函數(shù)。具體影響因素等級評分標(biāo)準(zhǔn)設(shè)置如下頁表3所示。

表3 空間實體節(jié)點態(tài)勢影響因素等級評分標(biāo)準(zhǔn)Table 3 Grading standards for influencing factors of the situation of space entity nodes

表4 鄰接節(jié)點態(tài)勢影響等級分析值Table 4 The analysis values of influencing levels of the situation of the adjacent nodes

由于GEO 軌道資源的特殊性和重要性，使其成為空間態(tài)勢感知最重要和最具影響力的實體群體。這里假定節(jié)點1，2 為我方空間衛(wèi)星實體（其中1 為重要衛(wèi)星，2 為商用衛(wèi)星星座中的一枚），通過計算空間距離后初步篩選出節(jié)點3（美國GSSAP-2 衛(wèi)星，官方命名為USA254，隸屬美國航天部隊空間控制中隊，NORAD 編號為40100），節(jié)點4（美國AEHF-4 衛(wèi)星，官方命名為USA288，隸屬美國航天部隊，NORAD 編號為43651），節(jié)點5（俄羅斯Yamal-601 衛(wèi)星，官方命名為Yamal-601，隸屬俄羅斯天然氣工業(yè)公司Gazprom 的航天系統(tǒng)，NORAD編號為44307），這里為方便展示，僅將4 個權(quán)重系數(shù)簡化設(shè)計為：μ=0.15，υ=0.35，?=0.32，θ=0.18。

通過計算結(jié)果可知，節(jié)點3 對我方空間實體具有較大的威脅，節(jié)點4、節(jié)點5 次之；而節(jié)點1 和節(jié)點2 相比，同一實體對節(jié)點1 的影響高于節(jié)點2；這一計算結(jié)果與實際情況一致，這是由于GSSAP-2 具有較高靈活機(jī)動性，并且可能對高軌目標(biāo)具有偵察能力。因此，可以看出，雖然節(jié)點2 屬于商業(yè)用途，但GSSAP-2 對其的影響程度要比其他商業(yè)衛(wèi)星高。而AEHF-4 先進(jìn)極高頻系列衛(wèi)星雖然隸屬軍用，但其燃料主要用于其工作及壽命，不會依靠消耗自身燃料來靠近節(jié)點1 和節(jié)點2。因此，其對于節(jié)點1 和節(jié)點2 的直接影響均較低，但其對于信息支援等力量發(fā)揮具有重要作用；影響最低的節(jié)點5 屬于較小的活動實體，其商業(yè)用途及載荷性為主要原因。

3.2 空間態(tài)勢因子重要性分析

由于高軌目標(biāo)重要性，將GEO 區(qū)域的空間態(tài)勢按設(shè)計模型進(jìn)行空間態(tài)勢理解分析，通過對2021年12 月31 日的GEO 目標(biāo)軌道數(shù)據(jù)進(jìn)行Pearson算法計算（超參數(shù)選擇為M=200，seed=150）形成初步分析構(gòu)成基本圖模型，如下頁圖6 所示。

圖6 Geo 可獲取空間信息構(gòu)建的態(tài)勢圖模型Fig.5 The constructed space situation graph model from geo-information available

在此基礎(chǔ)上采用上一節(jié)的空間態(tài)勢因子鄰接矩陣和相互關(guān)聯(lián)矩陣進(jìn)行加權(quán)映射計算，可以得到態(tài)勢因子相關(guān)性分析結(jié)果，如圖7 所示，通過結(jié)論可以看出對于彈性稍微脆弱的星座或空間能力，需要嚴(yán)重依靠空間保障系統(tǒng)（Support 因子）的能力（其中主要依靠空間保障系統(tǒng)中的運輸能力，通過應(yīng)急發(fā)射和快速補(bǔ)網(wǎng)來完成系統(tǒng)效能降級的應(yīng)急舉措）；而對于具有強(qiáng)烈主動行為意愿及能力的空間控制系統(tǒng)（Control 因子）同指控系統(tǒng)（Command 因子）具有高度相關(guān)性（主要由于其命令流程導(dǎo)致）；常規(guī)服務(wù)能力（包括通信能力Communication 因子、導(dǎo)航能力GPS 因子）通常與各相關(guān)地基設(shè)施設(shè)備存在相互影響關(guān)系；信息支援能力（包括SSA 因子和ISR 因子）由于具有戰(zhàn)略價值，因此，也同各因子具有相對穩(wěn)定的影響關(guān)系。

圖7 態(tài)勢因子相關(guān)影響性分析圖Fig.7 Correlation analysis diagram of situation factors

4 結(jié)論

在傳統(tǒng)空間態(tài)勢感知方面的研究中，通常圍繞單一空間目標(biāo)或事件進(jìn)行反復(fù)推理分析，得出相應(yīng)目標(biāo)或事件的理解信息，然而隨著商業(yè)航天批量化、模塊化衛(wèi)星生產(chǎn)技術(shù)的成熟，以及空中發(fā)射、批量發(fā)射等新研航天器運輸技術(shù)的顛覆性變革，未來空間領(lǐng)域?qū)臄?shù)量上產(chǎn)生巨大變化，在Starlink、Oneweb 等巨量星座都擠占近地軌道空間后，如基于傳統(tǒng)本體建模方法，只能通過構(gòu)建碰撞事件本體，再將軌道計算結(jié)果輸入進(jìn)事件本體初始化設(shè)置，這一步驟消耗大量時間，同時損失了部分整體態(tài)勢系統(tǒng)復(fù)雜性信息。因此，避免在態(tài)勢系統(tǒng)綜合應(yīng)用上損失過多的時效性和魯棒性，本文提出的圖模型可以在這一方向提供有效的解決思路。

本文通過在SSC-KA 框架形成空間態(tài)勢知識獲取能力的基礎(chǔ)上，設(shè)計構(gòu)建了雙層空間態(tài)勢理解結(jié)構(gòu)，形成包含空間實體、實體關(guān)系以及映射關(guān)系的空間態(tài)勢圖模型，通過圖模型理論對于空間態(tài)勢進(jìn)行量化計算，并通過空間目標(biāo)威脅分析和空間態(tài)勢因子影響分析，證明了圖模型的整體設(shè)計及算法在空間態(tài)勢認(rèn)知能力構(gòu)建上的可行性和有效性，為下一步對于空間態(tài)勢認(rèn)知的深層次知識推理算法奠定了基礎(chǔ)。