基于人工智能的区域反导作战指控中心系统研究

曲成华　张程　吴金海　史新虎

【摘 要】随着弹道导弹技术的扩散，我国面临了来自多个方向的弹道导弹威胁，迫切需要构建区域性的反导作战指控中心；此篇论文梳理了构建反导作战指控中心需要解决的关键技术，提出了反导指控中心的功能划分，设计了反导作战流程和信息流程，并探讨了人工智能技术应用于反导作战的作用和方向。

【关键词】反导作战；指控中心；人工智能

中图分类号： U674.703 文献标识码： A 文章编号： 2095-2457（2018）14-0001-004

DOI：10.19694/j.cnki.issn2095-2457.2018.14.001

0 引言

TBM是战术弹道导弹的英文短语 Tactical Ballistic Missile字头缩写。当今战略导弹的应用受到了限制，但TBM却在世界范围内迅速扩散。在2018年的也门胡塞武装和沙特的冲突中，胡塞民兵频频发射战术导弹袭击了沙特首都利雅得、吉赞和奈季兰等城市，造成了极大的军事和政治影响。朝鲜在2017年频频试射中程导弹和战术导弹，给朝鲜半岛局势增添了许多不确定因素。这些事实表明，在当前和未来的局部常规战争中，由于TBM射程远、速度快、突防能力强和破坏力大，使用常规弹头的TBM实施首次攻击和摧毁预定的高价值军事目标，达到突然袭击的目的，已是不可逆转的潮流，被列为威胁性最强的攻击性武器之一。因此研制具备反导作战的武器和指控系统迫在眉睫，但是反导作战涉及要素多，作战单元关系复杂，如何规范地进行需求描述，展开分析并进行反导系统设计，已经成为亟需解决的问题。

近年来，人工智能技术取得了突破性进展，深度学习的进化已经使人类赋予机器通过学习已有的知识和分析的积累数据，通过反复进行特征提取、自主学习应用效果和不断的反馈训练，推导或预测出未知的事物。这些理论和思想都是可以应用于反导作战的指挥控制中，特别是用于解决作战规划、目标自动分配等疑难问题，本文将探讨应用人工智能的相关成果和理论来解决反导作战中的难题。

1 区域反导作战指挥系统关键技术

区域反导作战指挥系统是区域性反导预警系统的数据处理和指挥控制中心，通过通信系统与各传感器、武器系统进行信息交互，对各传感器送来的预警、跟踪和目标分类识别等信息进行融合处理，形成统一的预警态势；对来袭的弹道导弹目标进行分类识别和威胁评估，在进行拦截决策后，向拦截武器系统提供高质量的目标引导信息并下达拦截控制指令，在拦截打击后进行拦截效果评估并决定是否启动二次拦截。

1.1 联合一体化的指挥控制体系

战术弹道导弹由使得现代战场环境异常复杂，拦截TBM战机稍纵即逝，靠传统指挥方式几乎是不可能的，只有依靠计算机实施自动化指挥才能有效缩短战斗周期，抓住战机。

反导作战指挥系统指挥对象多种多样，组织协同指挥关系结构复杂，因此反导作战的指挥理念、方式以及手段和辅助决策支持等方面都发生了深刻的变化，联合一体化指控是反导系统应对TBM的必然选择。反导作战指挥系统从对TBM的探测、识别、威胁判断、目标分配、火力拦截和拦截效能评估等诸多控制环节进行一体化设计，以信息网络技术为支撑，通过高速数据链将整个战场不同武器平台的传感器联网并进行融合与识别，可为处于网络环境下的各个作战平台提供统一的战场态势。

1.2 反导预警雷达优化部署技术

反导预警雷达部署要考虑的因素较多，而且部分因素存在冲突，例如雷达配置点离TBM发射点较近，可得到較大的发现目标概率，但对敌方的监视面积变小。因此，选择适当的评价指标体系对传感器部署方案进行评价，是反导预警雷达部署过程中的一个重要问题。

早期预警雷达、跟踪识别雷达都属于反导预警体系的重要组成部分，二者相互配合一起承担反导预警的探测跟踪任务。因此，反导预警雷达部署方案评价应从体系角度对二者进行综合评估。考虑的因素包括目标概率、预警时间、落点预报精度、最大发现距离、目标指示精度等。

1.3 多源多要素的信息融合技术

要实现一体化指挥控制的首要前提就是需要多情报源多要素统一印证的情报信息，这就需要能够在网络支撑下实时实现一致性理解的多情报源多要素的信息融合技术。信息融合技术需要情报源的时间时延、空间不统一的技术难点，同时更需要多种信息源在要素、属性等方面的深度融合技术。

在敌情分析方面，需要网络支撑下的雷达情报源融合技术、成像侦察情报源融合技术、电抗情报源融合技术、气象情报源融合技术以及多类情报源深度融合技术等，以便实时分析、聚类、处理、印证，全方位多视角地获取战场态势。在我方情报分析方面，需要不同空间同型武器平台情报源融合技术、不同类型武器平台情报源融合技术等，实现我航空兵、地面防空导弹、高炮等武器装备、战斗状态、作战进程、作战态势的即时掌握。

1.4 反TBM目标群目标分配技术

依据弹道导弹的飞行阶段和武器系统的部署，区域反导作战指挥系统作战对象为陆基的中段、末段高层、末段低层的拦截平台拦截打击远程、中程、近程的TBM，采用蚁群算法等对TBM目标群进行分配。

目标拦截排序是目标分配的基础，本系统将目标拦截排序引入目标分配过程中，以更加符合实际作战需求。采用改进的TOPSIS 法确定目标拦截的顺序，需具体考虑目标的属性有TBM类型、TBM 威力等级、再入速度、拦截剩余时间和航路捷径等。

1.5 基于层次分析法的威胁估计技术

威胁评估模型是区域反导作战指挥系统必不可少的重要模型之一。本系统采用层次分析法搭建威胁评估模型。层次分析法（ AHP） 能够有效地结合专家经验，把定性分析和定量分析结合，把复杂的决策系统层次化，通过逐层比较各种相关因素的重要性进行决策分析。它适用战场上复杂多变的多准则决策问题，是解决目标威胁评估排序的一种行之有效的算法。也是当前已经获得普遍认可的可信度较高的算法之一，同时简洁性、有效性和易实现性的特点也决定了该算法在反导作战威胁评估模型中具有很好的应用前景。

本系统主要分为是否具有攻击意图、威胁要地的重要度和拦截难度三层，同时考虑目标RCS、再入速度与导弹射程、航路捷径与拦截交会角、拦截剩余时间、目标突防能力、TBM 技术水平、弹头的种类以及是否被上级指定等因素。

1.6 多特征综合目标识别技术

随着弹道导弹突防技术的发展，中段目标群总体上趋于复杂，这给识别带来了极大的挑战。中段目标群主要包括：发射碎片、无源诱饵、有源干扰和多弹头。在弹道导弹飞行中段，雷达识别目标一般采用窄、宽带交替的工作方式，观测数据经数据处理后，传送给识别系统。识别系统收到的数据包括窄带数据和宽带数据，窄带数据即目标的RCS，宽带数据为目标的一维像。识别系统利用两部分数据进行综合识别。选取的窄带特征包括：RCS均值、RCS方差和RCS调制频率等。选取的宽带特征包括：目标长度、长度变化周期和长度变化幅度。

1.7 统一的数据链格式

弹道导弹的预警信息包括：实时探测信息、估计的发射点和发射时间、目标的预测弹道、目标的识别参数、估计的落点和落地时间、目标的威胁估计和分配、拦截决策和其他信息。

为了保证各军兵种的互连、互通、互操作，必须制定统一的消息标准和通信协议，但又要兼顾各军兵种内部数据链使用的独立性。反导数据链分发的用户和信息流量不尽相同，因此信息分发系统应该能随着报文类型、数据量要求和抗干扰能力要求的改变而自主选择不同的反导数据链格式。

2 区域反导作战指挥系统设计

一个区域反导作战指挥系统需要从多个传感器接收信息并进行融合处理，控制范围内的所有雷达、光电等传感器资源，并向武器系统下发引导信息和控制指令，同时具备作战训练一体化模式。

2.1 功能设计

区域反导作战指挥系统主要包括信息处理功能、作战决策功能、作战控制功能和通信联网功能，具体的功能划分如图1所示。

2.1.1 信息处理功能

区域反导作战指挥系统接收各传感器的预警信息、跟踪识别信息等，完成信息预处理、信息融合、轨道解算、落/发点推算、目标识别等功能。

信息预处理功能，对点迹、航迹进行时空统一、误差修正等预处理；

信息融合功能，将多传感器的信息进行融合，形成统一的系统航迹信息；

轨道解算功能，根据航迹信息解算目标的轨道；

落/发点推算功能，根据轨道信息推算TBM的落点和发点；

目标识别功能，从弹头群、彈体群、诱饵中识别出真弹头。

2.1.2 作战决策功能

区域反导作战指挥系统根据系统航迹形成统一的预警态势，完成态势评估、威胁估计、拦截决策、目标分配和拦截评估等功能。

态势评估功能，根据系统航迹形成统一的预警态势，并进行评估；

威胁估计功能，对来袭的TBM目标进行威胁估计并排序；

拦截决策功能，根据目标的威胁等级、拦截武器状态、保护要地的重要性制定拦截策略；

目标分配功能，把来袭的TBM分配给不同的拦截武器系统进行拦截打击；

拦截评估功能，对拦截效果进行评估，已决定是否启动二次拦截。

2.1.3 作战控制功能

在战前筹划阶段，进行传感器、拦截武器的优化部署，并对部署的效果进行评估；根据不同的任务选择不同的部署方案；在反导作战过程中，利用系统的融合航迹对拦截武器提供引导，帮助拦截武器捕获TBM目标和在干扰条件下引导拦截弹打击敌方TBM目标；根据战场的态势，实时对各传感器和拦截武器进行调度和控制，最大发挥作用。

传感器部署与控制功能，对指挥控制中心所辖的传感器进行优化部署评估和管理控制；

武器部署与控制功能，对指挥控制中心所辖的拦截武器进行优化部署评估和管理控制；

拦截弹引导功能，利用指挥控制中心的融合航迹对拦截武器提供位置、速度等引导信息；

作战调度功能，根据战场态势，动态地调度各传感器协同工作，共同完成预警、探测和跟踪识别功能。

2.1.4 通信管理功能

完成网络数据加密/解密处理、路由转发和网络防火墙以及监视和控制链路状态、内外网的协议转换和数据转发等功能。

信息接收功能，通过网络、串口等设备接收各传感器和拦截武器发送的情报信息；

信息分发功能，按照要求把引导信息、指挥控制信息、拦截控制命令等分发到指定节点；

链路维护功能，监视整个反导预警体系中所有节点与指挥控制中心的连接状态，执行建立链接、流量与速度控制、断开连接等功能；

系统防护功能，安装杀毒软件和系统防护软件，防止网络攻击和泄密事件。

语音通信功能，为指挥控制系统内部和整个反导预警体系建立可视电话通信服务。

2.2 反导作战流程设计

（1）在作战开始前搜集关于潜在威胁目标属性的情报数据；

（2）对大量的想定进行作战仿真评估，以便获得敌方各种攻击方案的可能效果；

（3）按照最优原则部署各种传感器和拦截武器；

（4）敌方TBM目标升空后，红外预警系统如预警卫星探测到目标，并将粗略的导弹位置信息传输给区域反导作战指挥系统；

（5）区域反导作战指挥系统发出导弹发射警报，同时将接收到的目标情报进行分析、识别，处理后的引导信息被传送至反导预警雷达和多目标跟踪雷达，并引导其搜索、探测敌目标；

（6）反导预警雷达和多目标跟踪雷达确认导弹预警后，进行更精确的导弹跟踪，并将跟踪信息传送给区域反导作战指挥系统进行目标信息融合、目标轨道解算、目标识别、威胁估计等处理；

（7）区域反导作战指挥系统依据精确的目标信息，制定出作战计划，做出拦截决策，指定实施拦截作战的反导武器平台，并将导弹的飞行弹道数据传送给反导武器平台的目标拦截指挥控制系统，由系统来引导拦截弹对目标进行拦截；

（8）对拦截效果进行评估，以决定是否启动二次拦截；

（9）总结作战经验和教训，用于下一次作战。

2.3 反导作战的信息交互设计

区域反导作战指挥系统接收的信息包括：

（1）红外预警系统发现目标警报信息，包括：发现目标信息，目标特征信息等；

（2）远程预警雷达发送的目标跟踪信息，包括：目标位置、速度、方向、RCS等数据；

（3）远程跟踪搜索雷达发送的目标跟踪精确信息，包括精确的目标位置、速度、方向数据和诱饵分离信息以及成像识别信息；

（4）拦截武器系统发送的作战单元准备状态信息，包括：兵器参数状态等；

（5）远程跟踪搜索雷达发送的拦截效果评估信息。

区域反导作战指挥系统发出的信息：

（1）发送给作战单元级指控中心的警报信息；

（2）发送给远程预警搜索雷达的大致引导搜索信息，包括：TBM目标位置，属性和参数等；

（3）发送给远程搜索跟踪雷达的较精确引导搜索信息，包括：TBM目标位置，属性和参数等；

（4）发送给拦截武器系统的目标精确信息，包括： TBM 来袭方向，真假弹头及诱饵的识别情况；

（5）发送给拦截武器系统的拦截命令。

3 人工智能在反导作战中的应用

3.1 人工智能技术的发展现状

人工智能（Artificial Intelligence，简称AI）就是研究、模拟、扩展人的意识、思维，从而替代人类实现识别、认知、分析和决策等功能。首次提出“人工智能”是在1956年Dartmouth学会上。在60多年的发展历程中，AI经历了几次高潮和低谷。2006年，Hinton提出“深度学习”的神经网络，直到2013年，深度学习算法在语音和视觉识别上取得了巨大成功。随着深度学习算法的运用，AI迎来了新的发展高潮。除了算法方面的突破，数据资源和计算能力的增長对AI的发展起着关键的作用。人工智能可以应用到计算机视觉处理、语音技术处理、自然语言处理、决策系统和大数据应用等方面。

3.2 人工智能技术的在反导作战中的应用

人工智能应用于作战领域特别是反导作战必将带来新的军事革命。2014年美军提出“第三次抵消战略”，以人工智能技术为核心，融合生物、信息、空间、网电等技术领域，形成相较于对手的绝对军事优势。

反导作战需要处理海量的信息，包括多雷达数据、光学数据、谍报信息、敌方的国情、兵力部署等信息，很多需要进行人工判读， 这直接导致信息的处理速度和利用效率极低，指挥员淹没在“海量信息”中。因此，智能态势感知理解和智能自主决策是目前人工智能应用于反导作战的最佳切入点，实现人与人工智能深度融合，让机器的精准、高速和人类的可塑性有机结合，来提升反导作战的认知速度和精度， 利用人工智能产生的辅助决策信息快速有效地形成战斗决策，完成对来袭导弹的探测、发现、识别、拦截和评估。

4 结束语

目前，随着弹道导弹的持续扩散，我国面临的导弹威胁越来越严重，迫切需要构建面对不同作战方向的区域反导作战指控中心来应对不同方向的导弹来袭威胁，本文介绍了构建指控中心需要解决的关键技术，并设计了指控中心的功能模块、作战流程和交互信息流程；人工智能的理论和方法应用到反导作战的研究尚处于起步和探索阶段，在将来的研究中还要加强智能态势感知理解和智能自主决策研究，为反导作战的指挥员提供高效、可靠和快速的作战支撑。

【参考文献】

[1]王刚.反导作战管理技术研究[J].现代防御技术2012，40（1）：26-30.

[2]蒋充剑.靶场试验指挥控制中心系统及其应用[J].舰船电子工程，2009，29（2）：43-46.

[3]刘亚辉，严冬.战区导弹防御（TMD）作战管理系统[J].情报指挥控制系统与仿真技术，2003（7）：10-16.

[4]蓝羽石，梁维泰.反弹道导弹指挥控制系统的特征和功能[J].现代电子工程，2008（6）：24-30.

[5]蔡曙山.人工智能与人类智能—从认知科学五个层级的理论看人机大战[J].北京大学学报，2016，53（4）：146-154.

[6]陶九阳.AlphaGo技术原理分析及人工智能军事应用展望[J].指挥与控制学报，2016，2（6）：114-120.

[7]文孟飞.一种基于深度学习的异构多模态目标识别方法.

[8]中南大学学报（自然科学版），2016，5：1580-1587.

[9]刘建伟，刘媛，罗雄麟.深度学习研究进展[J].计算机应用研究，2014，31（7）：1921-1930.