舰艇编队电磁态势预测的动态贝叶斯网络方法

周国祥, 许锦洲, 韦晓萍



舰艇编队电磁态势预测的动态贝叶斯网络方法

周国祥*1, 2, 许锦洲2, 韦晓萍2

(1. 海军蚌埠士官学校 信息技术系, 安徽 蚌埠, 233012; 2. 海军指挥学院 信息系, 江苏 南京, 211800)

对敌舰艇编队进行电磁态势预测是我方指挥员选择电子战作战方法、制定电子战资源分配方案的基础. 引入DBN算法实现电磁态势预测过程中大量不确定、不精确、不完全的知识表示与推理, 在分析舰艇编队电磁攻防事件类型基础上, 依据事件间因果关系构造了舰艇编队电磁态势预测DBN模型, 研究了DBN的推理算法. 理论分析和实验结果表明: 该方法具有较高的预测准确性, 能在一定程度上为指挥员电子战决策提供辅助支持.

舰艇编队; 动态贝叶斯网络; 电磁态势; 态势预测

电磁态势[1]是一定战场空间内敌对双方电磁力量对峙的状态和形势. 在海上信息化作战中, 通过对海战场电磁环境、按时序到达的敌我电磁攻防力量状态、电子战行动等信息的分层处理, 判断敌方电子战目的、计划和意图, 尤其是预测敌下一步可能采取的电子战行动, 对于舰艇编队指挥员选择电子战作战方法和策略、制定电子战资源分配方案等具有重要意义.

国内外关于电磁态势估计方面的文献较少. 从已发表文献来看, 对电磁态势的研究主要集中在战场电磁态势监测与电磁环境复杂度分析、电磁态势感知、电磁态势可视化等方面, 未见公开发表的对海上舰艇编队电磁态势预测方面的研究成果. 电磁态势预测过程中涉及到大量不确定、不精确、不完全的知识和信息, 如何对这些知识和信息进行表示和推理是实现电磁态势预测的关键之所在, 而贝叶斯网络则是解决此类问题的有利工具.

本文提出了基于动态贝叶斯网络的电磁态势预测方法, 它能够综合不同时间片检测到的战场电磁攻防事件, 对敌方下一步电子战行动进行预测, 且有效克服预测过程的主观性, 增强了态势预测的准确性.

1 电磁态势预测问题的推理模式

根据上述分析, 态势预测问题的求解过程可以分为战场事件检测、基于知识的推理和态势预测3个方面.

2 战场电磁攻防事件检测

2.1 战场电磁攻防事件

战场电磁攻防事件是交战双方为达成电子战作战目的所采取的各种军事行动. 作战背景、战场环境不同, 相应的战场电磁事件也不同, 甚至在同一作战环境下, 由于敌方电子战力量部署的变化或战术上的变化也会引起战场电磁事件的变化. 因此对电磁态势有意义的事件不是一成不变的, 而是需要综合考虑具体的作战背景、作战环境等因素.

以保护岛礁作战为例, 由于岛礁远离交战双方国家陆地, 无法得到岸基电子战兵力支援, 双方参战兵力主要有驱护舰编队、预警机、电子战飞机、战斗机、潜艇等. 因此, 敌我双方在电磁攻防方面采取的兵力行动主要有雷达对抗、通信对抗、光电对抗、水声对抗. 由于光电对抗受海洋气象条件影响较大, 潜－舰之间协同复杂, 因此本文仅考虑雷达对抗与通信对抗. 舰艇编队电子战作战过程中, 对电磁态势有意义的事件主要有2类: 与雷达对抗有关的事件, 包括雷达干扰/反干扰、雷达侦察/反侦察、雷达隐身/反隐身、反辐射武器攻击/抗反辐射武器攻击等; 与通信对抗有关的事件, 包括通信干扰/反干扰、通信侦察/反侦察等.

战场电磁攻防事件是敌方为完成其作战任务所采取的序贯电子战行动, 事件在一定程度上反映了电子战力量要完成的作战任务, 通过检测战场敌方序贯电磁攻防事件的发生与否, 可以识别敌电子战作战计划/作战意图. 因此, 进行电磁态势预测, 关键就在于实时检测和分析敌方电磁攻防行动事件序列.

2.2 战场电磁攻防事件检测

上述战场电磁攻防事件可以分为主动和被动2类, 对于敌方采取的主动电磁攻防行动, 如雷达干扰、通信干扰等, 可以根据一级融合输出结果采用模糊逻辑[4]对不精确的语义信息进行处理量化; 而对于敌方实施的被动电磁攻防行动, 如雷达侦察、通信侦察等, 可以通过计算敌方对我舰艇编队辐射的电磁信号截获概率实现. 这里分别以雷达干扰和雷达侦察为例说明战场电磁攻防事件的检测方法.

对雷达干扰事件的检测, 可以通过测量雷达接收机上的噪声是否超过给定的阈值来判断. 由于态势预测只需要检测事件发生与否, 因此这里的状态变量均取2值. 设定噪声功率阈值为, 当噪声功率W≤时认为噪声是由海洋气象环境、系统内部噪声造成的, 即不存在雷达干扰; 当噪声功率W＞持续成立时认为存在雷达干扰. 根据分析, 选择正态分布隶属函数划分雷达干扰的模糊子集.

对雷达侦察事件的检测分为2步: 敌方目标截获我雷达信号、识别信号. 本文将截获的含义局限在敌方目标对我雷达信号的发现上, 即前端截获, 并假设敌方雷达接收机对我雷达信号侦察时同时满足能量条件、方位对准条件、频率对准条件和极化对准条件. 对雷达信号的前端截获概率计算的方法为[5]: 令() ={>}为直到时刻尚未截获到信号的概率, 则到(+ Δ)时刻仍未截获到信号的概率为:

(+ Δ)=()[1-q()Δ]. (2)

其中q为敌方雷达侦察接收机对我方雷达信号的接触概率,()为接触条件下雷达侦察接收机对雷达信号的瞬时截获概率密度. 则有:

根据初始条件(0) = 1求得:

故时刻截获信号概率:

当() == const时,

根据我编队装备性能参数及一级融合输出结果, 按式(6)即可计算得到敌雷达侦察系统对我编队雷达信号的截获概率.

3 舰艇编队电磁态势预测模型

3.1 动态贝叶斯网络原理

①假设在有限时间内条件概率变化过程对所有时间一致平稳;

②假设动态概率过程是马尔科夫(Markovian)的, 也就是未来时刻的概率只与当前时刻有关而与过去时刻无关, 即满足:

DBN的基本思想[7]: 对于连续观测值, 首先根据网络中变量的离散状态建立相应的模糊集合, 然后对连续观测值通过模糊分类函数进行模糊分类, 获得连续观测值属于各个模糊集合的隶属度. 因为模糊集和变量的离散状态对应, 因此获得的隶属度就等同于变量的观测值属于各个状态的概率.

3.2 动态贝叶斯网络推理算法

一个具有个隐结点和个观测结点的静态贝叶斯网络, 根据贝叶斯网络的条件独立性假设, 网络的推理即计算[8]:

式(8)中x表示X的一个取值状态,y表示Y的一个取值状态,(Y)表示y的父结点集合. 分母求和符号Σ下的1,2, …,x为隐变量在其状态空间取值的一种组合状态. 分母的含义是对观测变量组合状态和隐变量组合状态的联合分布求和.

将式(8)在时间上进行扩展就得到含有个时间片的离散动态贝叶斯网络. 由于观测值只有一种组合状态, 因此在此观测值下隐变量的分布为:

式(9)中x是X的一种取值状态, 其中第1个下标表示第个时间片, 第2个下标表示该时间片内的第个隐结点.y表示观测变量Y的取值.(Y)表示y的父结点集合. 分母求和符号下的11,21, …, x1;x1,x2,…,x为隐变量的一种取值状态. 分母的含义是对观测变量组合状态和隐变量组合状态的联合分布求和, 实际上是计算确定的观测变量组合状态的分布.

对于离散模糊动态贝叶斯网络, 连续观测值经过模糊分类后, 使得观测变量的组合状态11,12, …,1m;y1,y2,…,y不是一个, 而是多个. 并且11,12, …,1m;y1,y2,…,y处于每一种组合状态的概率都不是1. 需要计算隐变量的11,21, …, x1;x1,x2,…,x的后验分布, 应用概率原理, 需要进行概率加权[9].

因此得到动态贝叶斯网络的推理公式如下:

式(10)中,Yo表示第个时间片内第个观测结点Y的观测状态,(Yo=Y)是Y的连续观测值属于状态y的隶属度.

3.3 电磁态势预测DBN构建

舰艇编队电子战是通过软硬杀伤手段控制电磁频谱或攻击敌方所采取的军事行动, 其实质上是交战双方为争夺作战海区电磁空间的制信息权而进行的战争. 根据电子战作战原则, 敌方可能采取的作战策略有电子进攻(EA)、电子防御(EP)、电子侦察(ES) 3种. 由于电子战装备作用距离有限, 因此敌方在采取作战策略时需要考虑3个主要因素: 与我方电子战力量的距离(Range)、我方电子战力量运动速度(Velocity)及运动方向(Bearing). 如果敌方进行电子进攻, 则可能采取的行动有雷达干扰(Rad_Jam)、雷达反隐身(Rad_CSte)、反辐射武器攻击(Rad_Rad)、通信干扰(Com_Jam)等; 如果敌方进行电子防御, 则可能采取的行动有雷达隐身(Rad_Ste)、雷达反干扰(Rad_CJam)、抗反辐射武器攻击(Rad_CRad)、通信反干扰(Com_CJam)、雷达反侦察(Rad_CSco)、通信反侦察(Com_CSco)等; 如果敌方进行电子侦察, 则可能采取的行动有雷达侦察(Rad_Sco)、通信侦察(Com_Sco)、雷达反隐身(Rad_CSte)、雷达反侦察(Rad_CSco)、通信反侦察(Com_CSco)等.

基于上述分析, 选择敌方在电磁攻防行动中考虑的主要因素、作战策略、可能的事件作为贝叶斯网络结点, 依据结点间关系, 采用因果分析法从上向下建立舰艇编队电磁态势预测贝叶斯网络见图1.

图1 舰艇编队电磁态势预测DBN

3.4 网络结点状态空间

在进行态势预测时, 贝叶斯网络中各结点的状态空间为: 距离(Range) = {适中(Medium), 远(Far)}; 速度(Veloci-ty) = {适中(Medium), 快(Fast)}; 方位(Bearing) = {临近(Near), 背离(Deviation)}[10]; 网络中其余结点均取是(True)、否(False)二值.

4 仿真验证与结果分析

下面以一个示例来说明使用DBN进行态势预测的过程. 想定以蓝方企图占领红方拥有主权的岛礁为背景, 红蓝双方在远离各自国家陆地的开阔海域进行电磁攻防作战, 电磁攻防主要在雷达对抗与通信对抗领域展开, 涉及雷达对抗侦察/反侦察、雷达干扰/反干扰、通信反侦察、通信抗干扰等方面. 想定设定3个时间片, 每个时间片代表红蓝双方进行的电磁攻防行动.

1时刻: 蓝方预警机发现红方舰艇编队、预警机, 使用电子干扰机对红方预警机雷达实施干扰; 红方预警机受到2级噪声干扰, 采取频率捷变等抗干扰措施后干扰降至1级.

2时刻: 蓝方对红方实施通信干扰致使红方电子侦察飞机与编队通信中断, 同时蓝方对红方实施通信侦察; 红方电子侦察机与舰艇编队间通信中断, 采用新的通信信道和通信手段后通信畅通, 并采取了通信反侦察措施.

3时刻: 蓝方对红方舰艇编队警戒雷达实施强烈干扰; 红方舰艇编队警戒雷达遭干扰, 采用侦察雷达探测敌方辐射源信号后, 可建航且航迹连续, 完全掌握战场电磁态势, 同时发现蓝方一辐射源目标朝舰艇高速逼近.

由于3个时间片内红蓝双方均实施了电磁攻防对抗行动. 为显示各时刻战场电磁态势情况, 这里将贝叶斯网络初始状态设为事件步1, 3个时间片按电磁攻防事件划分为事件步2～7. 将网络参数输入图1的态势预测DBN, 初始网络状态下蓝方全局作战意图、可能采取的电磁攻防行动概率见图2.

初始状态下蓝方实施电子进攻和电子防御的概率均接近于0.5, 实施电子侦察的概率(0.602 844)较高, 网络初始状态下对蓝方全局作战意图的预测结果是合理的. 这主要是因为电子战并不只是存在于战争时期, 在和平时期, 双方的侦察活动一天也没有停止过[11].

图2 初始网络状态下预测蓝方作战意图.

对网络初始状态下预测的蓝方下一步行动按发生概率进行排序, 分别是: 雷达侦察(0.645 678), 雷达干扰(0.566 415), 通信侦察(0.544 048), 通信干扰(0.519 596), 反辐射攻击(0.475 324).

图3 各事件步对蓝方作战行动的预测.

将蓝方在事件步(= 2, 4, 6)实施的电子战行动作为证据输入态势预测DBN, 即可得到对蓝方在+ 1时刻可能实施电子战行动的预测. 根据网络推理, 各事件步对蓝方下一步电子战行动预测结果见图3.

事件步2后预测的蓝方下一步行动按发生概率进行排序为: 通信干扰(0.733 815), 通信侦察(0.718 921), 雷达干扰(0.681 957), 雷达侦察(0.632 485), 反辐射攻击(0.605 842); 事件步4后预测的蓝方下一步行动按发生概率进行排序为: 雷达干扰(0.809 521), 通信侦察(0.796 428), 反辐射攻击(0.792 689), 雷达侦察(0.752 891), 通信干扰(0.751 238); 事件步6后预测的蓝方下一步行动按发生概率进行排序为: 反辐射攻击(0.926 833), 通信侦察(0.906 244), 雷达干扰(0.853 021), 雷达侦察(0.816 472), 通信干扰(0.803 483).

蓝方可能采取的电子战行动随时间置信度不断提高, 各事件步对蓝方下一步行动的预测曲线见图4.

通过态势预测贝叶斯网络的推理可以看出: ①由于交战双方在电子战过程中所采取的作战行动具有保密性和不确定性, 因此在进行态势预测时, 从红方视角无法确定蓝方下一步将采取何种电子战行动, 但DBN推理可以给出蓝方所有可能采取的电子战行动概率, 依据该行动概率可以对蓝方下一步电子战行动进行排序, 指挥员根据该排序结果并结合自身对战场态势的把握和理解, 即可制定作战指挥决策; ②从推理结果可以看出, 随着红方对战场电磁态势的理解, 以及检测到的蓝方序贯电子战行动, 红方对蓝方电子战意图以及可能实施的作战行动预测的置信度不断增大, 这也符合态势估计问题的实际情况; ③从想定中蓝方采取的电子战行动来看, 红方采用态势预测贝叶斯网络较好实现了对蓝方作战行动的预测, 预测准确性较高, 这也直接说明了所构建态势预测贝叶斯网络模型的正确性与合理性.

图4 各事件步对蓝方下一步行动的预测曲线

5 结束语

本文应用DBN解决舰艇编队电磁态势预测问题, 仿真结果证明了该方法是行之有效的. 该方法结合领域专家和知识库中的知识建立电磁态势预测DBN, 将检测到的战场电磁攻防事件作为证据输入态势预测DBN, 经过网络推理可以得到敌方下一步采取电子战行动的概率, 对敌下一步行动按概率进行排序最终即可预测敌方可能采取的行动. 因此, 将DBN应用于态势预测具有实际意义, 同时也为后续电磁威胁估计的研究打下了良好基础.

[1] 杨富民, 万刚, 李锋. 复杂战场电磁态势三维可视化研究[J]. 测绘工程, 2012, 21(2): 35—38.

[2] Martin E.Liggins, David L.Hall,and James Llinas. Handbook of Multisensor Data Fusion, Second Edition: Theory and Practice. Washington DC, NY: CRC Press, 2008: 450—452.

[3] Mica R Endsley. Toward a Theory of Situation Awareness in Dynamic Systems[J]. Human Factors Journal, 1995, 37(1): 32—64.

[4] 熊加遥, 王睿, 廖阳, 等. 基于可信度理论的一种态势估计方法[J]. 现代防御技术, 2011, 39(2): 79—82.

[5] 邵国培, 曹志耀, 何俊, 等. 电子对抗作战效能分析[M]. 北京: 解放军出版社, 1998: 75—77.

[6] 肖秦琨, 高嵩, 高晓光. 动态贝叶斯网络推理学习理论及应用[M]. 北京: 国防工业出版社, 2007: 10.

[7] 李冯敬, 姚佩阳, 田晓飞, 等. 动态贝叶斯网络在通信对抗目标选择中的应用[J]. 电光与控制, 2012, 19(8): 63—69.

[8] 邸若海, 高晓光. 模糊离散动态贝叶斯网络的目标威胁等级评估[J]. 火力与指挥控制, 2012, 37(4): 14—17.

[9] 柴慧敏, 王宝树. 动态贝叶斯网络在战术态势估计中的应用[J]. 计算机应用研究, 2011, 28(6): 2151—2153, 2160.

[10] 张波. 基于模糊动态贝叶斯网络的辐射源威胁估计[J]. 计算机工程与应用, 2010, 46(12): 242—244, 248.

[11] 张锡祥, 刘永坚, 王国宏. 和平时期电子战技术与应用(雷达对抗篇)[M]. 北京: 电子工业出版社, 2005: 153.

Method of dynamic bayesian network for warship formation electromagnetic situation forecast

ZHOU GuoXiang1, 2, XU JinZhou2, WEI XiaoPing2

(1.Department of Information Technology, Bengbu Naval Petty Officer Academy, Bengbu 233012, China; 2.Information Department, Navy Command College, Nanjing 211800, China)

Electromagnetic situation forecast of enemy’s warship formation is an important base for our commander elect electronic warfare operational methods and resource allocation. In order to deal with uncertain imprecise incomplete knowledge representation and reasoning in the process of electromagnetic situation forecast, DBN method is proposed. Based on analyzing electronic warfare events of warship formation, DBN for electromagnetic situation forecast was established by causality between electronic warfare events, and the reasoning algorithm of DBN was researched. Theoretical analysis and experimental results show that this method has preferably forecast veracity, can provide reference for warship formation command’s decision-making in electronic warfare.

warship formation; dynamic bayesian network; electromagnetic situation; situation forecast

10.3969/j.issn.1672-6146.2014.03.017

TP 391.9

1672-6146(2014)03-0073-06

email: chanjuan0924@163.com.

2014-04-08

2012年全军军事类研究生资助课题(2012JY002-456)

(责任编校:刘刚毅)