基于无人机的舰船对海上快速小目标取证能力评估

回亚立，王光源，毛世超 ，3

（1.辽宁海警第二支队司令部，辽宁丹东118000；2.海军航空大学，山东烟台264001；3.92852部队，浙江宁波315033）

随着世界全球化发展与国际战略环境的不断变化，对我国的海上安全、海洋权益和国家利益带来了一系列新的影响。我国面临的海洋主权与海洋安全的诸多威胁，中远海区对国家的经济与贸易安全等带来的诸多挑战，特别是我国近海和中远海部分热点水域，如亚丁湾等重要能源战略通道，面临着一些小型快速船艇的非法海上活动和安全威胁，这类目标神出鬼没，具有预警时间短、机动速度快、识别取证难的特点，是目前非战争军事行动中遇到的新课题。为此，我国正在探讨以海警、海军等多方力量协同开展行动，海警主要承担沿海水域的非作战行动，海军则以中远海为主。无人机具有成本低、体积小、用途广泛、消费比高、零伤亡等特点，广泛应用于空中侦察、搜索、监视、警戒、通信中继、打击等战斗和保障活动[1]。随着无人机技术的快速发展应用，对现有舰船平台加装舰载无人机将是提升舰船识别与取证海上快速机动小目标的有效手段[2]。因此，针对无人机对海上快速小目标的取证效能开展评估研究，将为后续的海上非战争行动提供有效的决策支撑。

1 无人机对海上快速小目标取证能力评估指标体系

舰载无人机对海上快速小目标取证是一个复杂的、系统的使用过程，通常要根据获取可疑目标情报、敌我双方态势、气象环境等信息确定出动的无人机型号、数量及其配置的载荷，对可疑目标展开侦察搜索、跟踪监视、识别与信息处理等行动[3]。对海上快速小目标取证能力包括舰船指控能力、平台出动能力、平台载荷能力、搜索跟踪能力以及信息处理能力。因此，其效能评估是典型的涉及多指标体系和多属性的复杂问题。

1）舰船指控能力。主要由舰载导航系统、无人机起飞和降落系统、无人机操作员、舰载导航系统、无人机航路规划及任务规划和分配等部分组成。舰面指控系统作为无人机的指控中心，须综合考虑各方情报资料及舰载无人机的性能状况，对无人机的任务、航路进行规划。无人机飞行员等相关工作人员负责无人机的发射、回收以及对任务飞行中的无人机及载荷进行操控，对无人机传回的遥测数据、图像信息进行处理[4-6]。

2）平台出动能力。无人机对海上可疑快速小目标取证能力很大程度上取决于无人机平台的出动能力。平台出动能力主要取决于无人机在紧急出动、高峰出动、持续出动[7]3种出动状态下的架次率，执行任务的可用度，架次任务的完成能力，以及载舰的维修保障能力和无人机的环境适应能力。

3）平台载荷能力。无人机可携带的用于海上监视取证的装备主要有光学照相机、电视摄像机、红外扫描仪、前视红外设备以及激光雷达等[8]。随着多/超光谱、焦平面阵列、高清电视等关键技术的不断发展，图像采集设备的体积更小、质量更轻、功耗更低、灵敏度更高、寿命更长、使用维护更简便，且采集图像的质量和分辨率有显著提升，使无人机在复杂的海上环境中对可疑目标进行监视取证的能力得到了很大提升。

4）搜索跟踪能力。无人机对海搜索方式的选择，应根据目标散布区域大小、任务的紧迫程度、编队舰载无人机数量和当时的战场环境等因素综合考虑。基本的搜索方式有纵飞推扫、纵飞侧扫、纵飞横扫、扇扫和环扫。而其跟踪能力主要由无人机的机动方式、飞行方式、飞行高度以及续航能力共同决定。

5）信息处理能力。无人机在取证过程中，对载荷获得的图像等信息进行即时处理和目标识别。数据控制模块控制有效信息储存及发送，根据需要可以设置无人机与指挥舰之间上、下行通信链路的带宽。指挥舰对无人机传送来的数据信息进行图像处理、目标识别，并提供战术辅助决策。

定义评估指标集合U={Ui,i=1,2,…,5} ；一级评估指标，其中，Uij为二级指标[9-10]。无人机对海上快速小目标的取证能力评估指标体系如图1所示。

图1 无人机对海上快速小目标取证能力评估指标体系Fig.1 Evaluation index system for evidence capability of unmanned aerial vehicles for fast-small targets at sea

2 取证能力评估模型

针对舰船利用无人机对海上快速小目标取证能力构建的复杂指标体系，采用层次分析法构建评估模型对取证效能开展研究。

2.1 指标权重判断矩阵

根据无人机对海上快速小目标取证能力评估指标体系，邀请经验丰富的专家应用1～9的比较标度法，分别对第2层、第3层指标的重要性进行交叉比较[11-12]。表1为评分标准及含义，判断矩阵为：

式中，aij为第i项指标与第j项指标的比值。

表1 评分标准及含义Tab.1 Scoring criteria and meaning

2.2 评估指标权重

由于指标体系中下级指标对上级指标的影响程度不同，为加强可比性并尽量消除专家打分对评估指标权重的主观性影响，使评估的结果更合理。本文采用熵值法确定评估指标的权重[13]，计算模型如下。

1）采用熵权法确定A中各指标的权重，第i个子指标的熵为：

2）第i个子指标的权重为：

2.3 构造评估样本矩阵

根据舰船、无人机平台和可用载荷、相关工作人员及保障设备的情况，邀请p位相关领域的专家依据表2制定的评估准则对图1所建立的取证能力评估指标体系进行评估打分[14]。

表2 评估准则Tab.2 Evaluation criteria

本文以构造第1层指标U的评估样本矩阵为例，第j名专家对U的下级指标Ui的评分结果记为dij，构造出U的评估样本矩阵：

2.4 取证能力的灰色系统评估模型

1）确定评估灰类。评估灰类是一个用来比较的类别或概念，主要包括灰数和灰数对应的白化权函数[15]。灰数通常是在某个区间内取值而不知其确切值的数，用“⊗”来表示。白化权函数是用来定量描述一个评估指标在取值范围内隶属于某一灰类的可能性或偏爱程度。根据表2的评价准则设定评价灰类等级为4级，其序号用k(k=1,2,3,4）表示，各级灰类对应的灰数如表3所示。

表3 各级灰类灰数对应表Tab.3 Gray number correspondence table of grades

各灰类对应的灰数和白化权函数[16]如下。

第一级灰类(k=1)。令灰数⊗1∈[0,9,∞)，则相应的白化权函数为：

第二级灰类(k=2 )，令灰数⊗2∈[0,7,14]，则相应的白化权函数为：

第三级灰类(k=3) ，令灰数⊗3∈[0,5,10]，则相应的白化权函数为：

第四级灰类(k=4 )，令灰数⊗4∈[0,2,4]，则相应的白化权函数为：

2）确定灰色评价权向量。计算在各白化权函数下的dij的灰色评价系数，处理得到灰色评价权矩阵：

式（9）中：rik为n位专家给出的指标U在第k等级灰类下的灰色评价权值；fk(dij)表示第k等级灰类下，第j个专家对于第i个评价指标所对应的白化权函数值。

3）建立灰色系统评估模型。根据本文确定的无人机对海上快速小目标取证能力评估指标的权重W和灰色评价权矩阵R，计算出取证能力评估指标的灰色系统评估结果为：

结合制定的评价准则，将取证能力的灰色系统评估结果进行量化得到无人机对海上快速小目标的取证能力值为[17-18]：

式中，F=[9 7 5 2]T为灰度评价的最优值向量。

采用该模型可分别对舰船指控能力、平台出动能力、平台载荷能力、无人机搜索跟踪能力及信息处理能力进行评估分析。

3 算例分析

本文以搭载了3种型号、数量各为2架的海警某型执法船为例进行分析说明。5位专家组成评估小组，通过评审指标体系各指标，应用1～9的比较标度法，给出无人机对海上快速小目标取证能力的比较判断矩阵：

根据式（2）、（3）计算出判断矩阵A的权重向量：

然后，专家根据该执法船现有装备及相关人员的训练情况，对该船运用无人机对海上快速小目标的取证能力进行评分，得各二级指标的评估样本矩阵为：

根据式（5）～（8），计算求得各指标在不同灰类等级下白化权函数值之和，见表4。

表4 各指标在不同灰类等级下白化权函数值之和Tab.4 Sum of function value at different grey class for all indexes

根据式（9）可得无人机对海上快速小目标取证能力评估的灰色评价权向量为：

根据式（10）计算得：

根据式（11）和本文制定的评价准则对灰色评估结果进行定量化得U=E⋅F=7.041 6。

由此可见，该执法船搭载无人机对海上快速小目标的取证能力的灰色估值为7.041 6，对应评估结果为“良好”。

4 结束语

本文提出了运用加载无人机协同舰船进行执法取证的使用方法，根据取证过程和影响因子，运用层次分析法建立了无人机对海上快速移动可疑目标取证能力的评估指标体系。采用专家打分法和熵权法量化评估指标的权重，利用灰色理论对评估样本进行分析处理，确定了评估灰类等级、灰数值及白化权函数，求得灰色评估权向量，进而建立了无人机对海上小目标取证能力评估模型，并通过实例进行了仿真分析。运用该模型不仅能够有效地评估出舰船加载无人机对海上快速小目标的取证能力，为指挥员执行行动计划提供参考依据，还能够进一步量化分析影响其取证能力的主要因素，找出存在短板，为舰船无人机装备的系统建设，提高海上执法能力提供了理论支撑。