基于“黑箱”理论的直升机多传感器协同管理效能评估

张宏斌，齐 驰，杨 杰

(陆军航空兵学院，北京 101123)

0 引言

随着传感器技术、信号处理技术及计算机技术的快速发展和战争形态的不断演变，通过多传感器协同管理提高目标探测的有效性和目标识别的准确性与可靠性已成为提升装备作战能力的一项关键技术[1]。通过多传感器协同管理可以实现在有限的传感器资源条件下，满足对多个目标的搜索、跟踪等需求。为此，传感器协同管理技术得到了深入和广泛的研究。罗开平等[2]梳理和总结多传感器协同管理方法如下：基于滤波技术和协方差技术，基于数学规划和智能优化技术，基于信息论，基于多Agent的方法等。以上方法从不同角度出发，对多传感器管理进行了研究。但是，在以上传感器管理方法实施过程中，其效能的评估均是依据各自方法的特点提出相应的衡量指标和方法，存在一定的片面性。目前，尚未有一种通用的直升机多传感器协同管理效能评估方法。

作为探讨，本文提出一种基于“黑箱”理论的直升机多传感器协同管理效能评估方法。该方法以直升机多传感器协同管理的目的为出发点，将具体的传感器管理方法作为一个“黑箱”，以使用传感器的数量和特性作为“黑箱”输入，以探测到的目标数量和特性作为“黑箱”输出；然后，采用层次分析法对输入和输出进行指标量化，并确定各评估指标权重；最后以输出与输入的比值作为效能评估值。算例证明该方法简单、有效，是一种通用的直升机多传感器协同管理效能评估方法。

1 直升机多传感器协同管理方法分析

直升机多传感器协同管理是基于单传感器的在复杂网络环境下的传感器资源规划与协调，在管理过程中需考虑各种影响因素，如传感器参数、量测时机、传感器-目标配对、传感器-传感器搭配等[3]。其管理流程如图1所示。首先，各传感器获取目标信息，经数据处理后送综合信息数据库；综合信息数据库对各传感器数据信息融合后形成战场态势，依据战场数据需求抽取战场态势中的目标信息通过外部接口输出。与此同时，传感器管理模块接收战场数据需求，对传感器进行协同管理。

图1 直升机多传感器协同管理流程

由上可见，直升机多传感器协同管理过程中要经过传感器-目标分配、时空配准、信息融合等多个步骤，因此针对不同的问题可以提出不同的解决方案，从而形成各类传感器协同管理方法，并由此产生不同类型的多传感器协同管理效能评估方法。

2 “黑箱”模型建立

“黑箱”理论是指对特定的系统开展研究时，将系统内部看作一个不透明的黑箱子，研究过程中不涉及系统内部结构和相互关系，仅从输入、输出的特点来了解和掌握该系统的规律[4]。在此，信息的输入就是黑箱施加的影响；信息的输出就是黑箱对其他事物的反作用。因此，完全可以通过“黑箱”法来实现多传感器协同管理效能评估。

由直升机多传感器协同管理方法分析可见，虽然直升机多传感器协同管理方法多种多样，但其最终实现的目标始终是不变的，即利用有限的传感器资源获取最多的目标信息。因此，从一种通用评估方法的角度出发，可以不考虑所采取的直升机多传感器协同管理方法，将其视为“黑箱”，而仅以传感器资源作为输入，获得的目标信息作为输出，对直升机多传感器协同管理的效能进行评估。具体流程如图2所示。

图2 “黑箱”建模流程

由“黑箱”建模流程可见，通过“黑箱”将直升机多传感器协同管理方法自身的影响去除，仅考虑整个系统的输入和输出，并以输入和输出之间的关系来确定多传感器协同管理的效能评估值。在此过程中，“黑箱”的输入量和输出量必须是可观和可控的[5]。因此，“黑箱”输入和输出信息的确定至关重要。下面，结合直升机多传感器协同管理的过程和目的对输入、输出信息进行分析。

直升机多传感器协同管理中，传感器信息主要包括传感器数量和传感器类型。传感器数量可以直接获得，而传感器类型需区分主动传感器和被动传感器。主动传感器与被动传感器相比，探测效能更高，但其暴露概率更大，即主动传感器使用越多意味着占用的传感器资源就越多，即系统的输入就越大。目标信息也是通过目标数量和目标特性进行衡量。目标数量可以直接获得，目标特性则需区分动目标和静目标，跟踪目标和搜索目标。相较而言，动目标的获取难度更大，意味着系统输出更大。同样，跟踪目标精度较搜索目标精度要求更高，其获得的系统输出也就更大。除此之外，对于目标信息，还需考虑目标误差率的问题，即可能会出现目标数量较多，但虚假目标也较多的问题，其系统性能必然降低。因此，对于目标信息，还要增加虚假目标数。综上，最后形成的“黑箱”模型如图3所示。

图3 效能评估“黑箱”模型

3 输出指标层次分析

层次分析法是对一些较为复杂、较为模糊的问题做出决策的建议方法，特别适用于那些难于定量分析的问题[5]。本文中，“黑箱”的输出指标包含多个因素，因此需要采用层次分析法对输入和输出进行衡量。

1)层次结构模型

依据前述提出的目标信息，建立层次结构模型如图4所示。

图4 目标信息的层次结构模型

需要说明的是，层次结构模型确定的是各因素权值，最终计算结果应为各因素数量与权值的乘积并求和。如式(1)所示。

(1)

2)构造判断矩阵

判断矩阵是层次分析法的基本参数之一，也是进行相对重要度(权值)计算的重要依据。根据层次结构模型，对同一层次的各元素关于上一层次元素的重要性进行两两比较，构造两两比较判断矩阵。因素两两比较时，相对重要性判读的九级标度如表1所示。

表1 相对重要性判断的九级标度

根据九级标度指标，对层次结构模型中的各指标元素相对上一层次的重要性进行两两比较，构造两两比较判断矩阵，如表2所示。

表2 A-B判断矩阵

3)一致性判断

为了检验判断矩阵构造是否合理，需要对判断矩阵进行一致性检验，即计算矩阵的一致性指标CI和检验系数CR，如式(2)、(3)所示。

(2)

(3)

式(2)中，λmax为矩阵的最大特征值，n为矩阵阶数；式(3)中，RI为平均随机一致性指标。平均随机一致性指标是根据足够多的随机判断矩阵计算的一致性指标的平均值。对于1-9阶判断矩阵，RI的值如表3所示。

表3 不同阶数的平均随机一致性指标RI值

采用规范列平均法计算判断矩阵特征向量及最大特征根，W=(0.2150，0.4779，0.0322，0.0600，0.2150)，λmax=5.1825。

运用式(2)和式(3)进行一致性检验，得到各矩阵的CI、RI和CR值如表4所示。CR值小于0.1，具有满意的一致性。因此，判断矩阵构造合理，计算得到的结果可作为权值。

表4 矩阵CI、RI和CR值

4)效能计算

对于输出指标，即传感器信息，依据专家赋值确定权重矩阵为：W1=(0.7，0.3)；目标信息权重矩阵为：W2=(0.2150，0.4779，0.0322，0.0600，0.2150)。则传感器信息值为S=(n主，n被)·W1T，目标信息值为T=N·W2T，其中N为目标个数矩阵。需说明的是，虚假目标数作为反向指标，计算过程中应按负值计算。

效能评估值：E=S/T。

4 算例验证

首先设定一个基准条件：如使用主动传感器1个，被动传感器2个；完成2个动目标搜索，1个动目标跟踪，4个地面静目标搜索，2个地面静目标定位，虚假目标数1。计算该基准条件下多传感器管理效能评估值为：

S=(1，2)·(0.7，0.3)T=1.3，T=(2，1，4，2，-1)·(0.2150，0.4779，0.0322，0.0600，0.2150)T=0.9415。

效能评估值为：E1=0.9415/1.3=0.7242。

然后，假设采用任何一种直升机多机传感器协同管理方法，其“黑箱”效能评估方法中各因素数值发生改变，应用该方法进行效能评估，并进行比较，从而验证该方法的有效性和可信性。具体计算比较如表5所示。

表5 效能评估比较表

由表5可见，当主动传感器数量增加，其他条件不变时，管理效能大幅降低；当被动传感器数量减少，其他条件不变时，管理效能提升；当目标数量减少，其他条件不变时，管理效能降低，且跟踪动目标影响最大；当虚假目标数量减少，其他条件不变时，管理效能提升。通过以上算例对比，应用该方法得到的直升机多传感器协同管理效能评估值符合客观规律，证明该方法有效、可行。

5 结 语

本文应用“黑箱”理论对直升机多传感器协同管理效能评估进行了研究。依据直升机多传感器协同管理的过程及目标，建立了效能评估的“黑箱”模型，并以传感器信息作为“黑箱”输入，目标为“黑箱”输出。同时，应用层次分析法，针对传感器和目标特性，选取主动和被动作为传感器衡量指标，选取动、静、跟踪、搜索作为目标的衡量指标，分别进行量化。最后以“黑箱”模型的输出与输入比值作为直升机多传感器协同管理的效能评估值。该方法避免了针对某一个具体直升机多传感器协同管理方法进行评估的局限性，且简单、易用，对直升机多传感器协同管理技术的改进和发展具有一定参考价值。但是，由于直升机多传感器协同管理技术的复杂性和影响因素的多样性，本文确定的“黑箱”模型输入量和输出量，以及指标权重矩阵存在一定的局限性，仍需进一步开展研究。