地面?zhèn)刹炖走_目標(biāo)威脅度評估方法研究

史小斌，顧紅，蘇衛(wèi)民，董天琦，陳緒龍

（1.南京理工大學(xué)光電學(xué)院，江蘇南京210094；2.西安電子工程研究所，陜西西安710100）

地面?zhèn)刹炖走_目標(biāo)威脅度評估方法研究

史小斌1，2，顧紅1，蘇衛(wèi)民1，董天琦2，陳緒龍2

（1.南京理工大學(xué)光電學(xué)院，江蘇南京210094；2.西安電子工程研究所，陜西西安710100）

根據(jù)目標(biāo)狀態(tài)參數(shù)和身份識別結(jié)果，對目標(biāo)的威脅度進行評估是地面?zhèn)刹炖走_急需解決的問題。基于地面?zhèn)刹炖走_的目標(biāo)屬性集，利用隸屬度函數(shù)、專家知識和貝葉斯網(wǎng)絡(luò)構(gòu)建了地面?zhèn)刹炖走_動態(tài)威脅度貝葉斯評估模型。經(jīng)仿真驗證，目標(biāo)威脅度評估數(shù)據(jù)變化特征符合人的推理過程，對于多功能相控陣?yán)走_，可根據(jù)目標(biāo)威脅度自適應(yīng)調(diào)度波束實現(xiàn)對目標(biāo)的跟蹤。

系統(tǒng)評估與可行性分析；目標(biāo)威脅評估；地面?zhèn)刹炖走_；動態(tài)貝葉斯模型

0 引言

地面?zhèn)刹炖走_工作環(huán)境復(fù)雜，目標(biāo)類型多樣、運動特征多變，根據(jù)目標(biāo)狀態(tài)參數(shù)和身份識別結(jié)果，對目標(biāo)的威脅度進行評估是地面?zhèn)刹炖走_急需解決的關(guān)鍵問題之一?；谀繕?biāo)威脅評估的結(jié)果，可實現(xiàn)傳感器資源有效合理的分配，從而提高系統(tǒng)資源的效能［1］。

目前常用的目標(biāo)威脅評估方法主要包括模糊邏輯［2-5］、神經(jīng)網(wǎng)絡(luò)和多屬性決策方法以及證據(jù)、貝葉斯網(wǎng)絡(luò)理論［6-7］等。這些方法大多需要引入專家知識構(gòu)建規(guī)則或者推理網(wǎng)絡(luò)，從認知學(xué)角度上講，它們是根據(jù)已知戰(zhàn)場信息以及數(shù)據(jù)的融合處理，形成對目標(biāo)威脅度評估過程的思維。貝葉斯網(wǎng)絡(luò)類似神經(jīng)元網(wǎng)絡(luò)，能夠描述人類的推理過程，適用于復(fù)雜環(huán)境下目標(biāo)的威脅度評估；相對模糊邏輯而言，貝葉斯理論有嚴(yán)格的數(shù)學(xué)和統(tǒng)計學(xué)基礎(chǔ)，其推理模型具有通用性，可有效地將先驗和后驗信息統(tǒng)一起來，使得評估結(jié)果具有時間連續(xù)性和累計性，便于動態(tài)延伸［8］。

當(dāng)前關(guān)于空中目標(biāo)威脅度評估的文獻較多［9-11］，但也沒有相對成熟的方法。地面?zhèn)刹炖走_目標(biāo)威脅度評估的文獻少，也很難直接借鑒空中目標(biāo)威脅度評估的研究成果，這是由于地面?zhèn)刹炖走_和防空雷達應(yīng)用方式不同，地面目標(biāo)和空中目標(biāo)的運動特征、對抗方式也區(qū)別很大。如地面?zhèn)刹炖走_可用于對重點區(qū)域防護，也可抵進敵方陣地偵察，防空雷達主要進行空域防護且要和其他防空傳感器相互支撐。地面目標(biāo)主要指武裝坦克、裝甲車輛、武裝單兵和集結(jié)部隊等，空中目標(biāo)則指轟炸機、直升機和巡航導(dǎo)彈和反艦導(dǎo)彈等。目前，國內(nèi)研制的地面戰(zhàn)場偵察雷達和國外同類型雷達相比較，技術(shù)水平還存在著一定的差別，這主要體現(xiàn)在目標(biāo)分類識別技術(shù)、目標(biāo)多特征參數(shù)提取技術(shù)（如目標(biāo)極化信息）和目標(biāo)數(shù)據(jù)融合技術(shù)。本文是基于現(xiàn)有地面戰(zhàn)場偵察雷達可獲得的目標(biāo)參量（如距離、速度、目標(biāo)雷達散射截面（RCS））基礎(chǔ)上，根據(jù)雷達監(jiān)視區(qū)域的敵我態(tài)勢分布，采用專家知識、模糊數(shù)學(xué)方法得到目標(biāo)先驗決策知識和目標(biāo)屬性的隸屬概率，構(gòu)建貝葉斯動態(tài)模型，進行目標(biāo)威脅度評估，從而給出地面戰(zhàn)場偵察雷達目標(biāo)威脅評估的一種可行方法和思路，同時也可根據(jù)目標(biāo)威脅度更加有效地管理地面?zhèn)刹炖走_資源，從而提高系統(tǒng)資源的效能。

1 地面目標(biāo)靜態(tài)威脅度評估

1.1 地面目標(biāo)威脅屬性集

威脅度評估的首要問題是確定決策屬性集。由于地面?zhèn)刹炖走_的主要任務(wù)是監(jiān)視敵方動態(tài)，保護我方安全，因此地面?zhèn)刹炖走_威脅度評估是根據(jù)我方陣地具體分布，對敵方目標(biāo)形成的威脅度預(yù)先做出判斷，給我方指揮員提供決策支持。在跟蹤情況下，地面?zhèn)刹炖走_可獲得目標(biāo)坐標(biāo)、速度（位移速度和徑向速度）、回波幅度和干擾能力等參數(shù)，進而依據(jù)目標(biāo)位移速度變化量計算目標(biāo)的機動性，依據(jù)回波幅度和速度估計目標(biāo)的大小或類型。則目標(biāo)威脅度評估屬性集設(shè)為:目標(biāo)類型｛T1:裝甲車輛，T2:中型車輛，T3:武裝單兵｝、距離｛R1:遠，R2:中，R3:近｝、面向速度（朝向我方目標(biāo)的速度）｛v1:高，v2:中，v3:低｝和干擾能力｛G1:強，G2:中；G3:弱｝。

1.2 地面目標(biāo)參數(shù)威脅隸屬度

設(shè)一部地面?zhèn)刹炖走_架設(shè)于坐標(biāo)原點（0，0），監(jiān)視著我方指揮所、兵營和戰(zhàn)略物資儲備區(qū)等重要場所周邊情況，其坐標(biāo)分別為（x0，y0）、（x1，y1）、（x2，y2）.某時刻，偵察雷達發(fā)現(xiàn)并跟蹤了4批可疑目標(biāo)，敵、我態(tài)勢分布如圖1，表示目標(biāo)。其中，目標(biāo)1和目標(biāo)2類型不同，目標(biāo)3已進入我方兵營防護區(qū)域，目標(biāo)4同時威脅我方指揮所和戰(zhàn)略物資儲備區(qū)。分析敵、我態(tài)勢可得:目標(biāo)1和目標(biāo)2距我方指揮所、兵營和戰(zhàn)略物資儲備區(qū)較遠，構(gòu)成的威脅度較低；目標(biāo)3已對兵營形成很高的威脅，需調(diào)度武器平臺應(yīng)對；目標(biāo)4同時威脅指揮所和戰(zhàn)略物資儲備區(qū)，具有較高的威脅度；由于指揮所、兵營和戰(zhàn)略物資儲備區(qū)重要度不同，也應(yīng)分層次看待目標(biāo)對其的威脅度。上述目標(biāo)威脅度的評估是基于人的主觀判斷，且模糊度很高。數(shù)據(jù)融合的數(shù)學(xué)方法是利用概率描述模糊證據(jù)，威脅隸屬度函數(shù)是以概率的觀點描述目標(biāo)參數(shù)的聚類特征，其包括高斯隸屬度、三角隸屬度等函數(shù)。例如:目標(biāo)距指揮所10 km時，其對指揮所的高威脅隸屬度H、中威脅隸屬度M和低威脅隸屬度L概率分別為:0.001，0.425、0.581.

圖1 敵、我雙方目標(biāo)態(tài)勢假象圖Fig.1 Situation illusion view of the enemy and friend targets

地面?zhèn)刹炖走_以高斯模糊度函數(shù)作為威脅隸屬度函數(shù)，表達式為

式中:c和δ為威脅隸屬度函數(shù)參數(shù)。

1.2.1 距離威脅隸屬度

設(shè)指揮所、兵營和戰(zhàn)略物資儲備區(qū)有遠區(qū)、中區(qū)和近區(qū)3種威脅距離，分別用R1、R2和R3表示，其中遠區(qū)以外威脅度為0，近區(qū)以內(nèi)威脅度為1.不同類型目標(biāo)的攻擊和機動能力不同，其威脅臨界距離也應(yīng)不同。依據(jù)裝甲車輛、中型車輛和武裝單兵目標(biāo)運動特點，遠區(qū)、中區(qū)和近區(qū)威脅距離如表1所示。

表1 不同類型地面目標(biāo)的威脅距離Tab.1 Threat distances of different ground targets

根據(jù)不同類型目標(biāo)的威脅距離，可得到目標(biāo)距離威脅隸屬度函數(shù)

敵方目標(biāo)（x，y）和我方目標(biāo)（xj，yj）距離

式中:dj是敵方至我方距離；dj，max是低威脅度距離，即低威脅度時的最大距離，當(dāng)敵方目標(biāo)距離大于該距離時，fH（dj）→0，fM（dj）→0，fL（dj）→1；dj，min為高威脅度距離，即高威脅度時的最小距離，當(dāng)敵方目標(biāo)距離小于該距離時，fH（dj）→1，fM（dj）→0，fL（dj）→0；j為目標(biāo)類型，表示為裝甲車輛、中型車輛和武裝單兵。當(dāng)目標(biāo)距離在dj，min和dj，max之間時，敵方目標(biāo)距離對應(yīng)的高、中、低威脅度由（1）式高斯隸屬度函數(shù)決定，在（2）式中表示為fX=｛H，M，L｝（dj）.如圖1所示，我方據(jù)點的外線圈為低威脅臨界距離，點劃線小圈為高威脅距離。

根據(jù)高斯隸屬度函數(shù)，可得如圖2目標(biāo)距離高、中、低高斯威脅隸屬度曲線。

圖2 距離高斯威脅隸屬度模型（裝甲車、中型車輛）Fig.2 Gauss membership model of distance（armoured vehicle and medium sized vehicle）

1.2.2 速度威脅隸屬度

依據(jù)經(jīng)驗，武裝單兵最大行進速度約為10 km/h，裝甲車輛和中型車輛最大行進速度約為100 km/h；由于裝甲車輛和中型車輛相對武裝單兵的攻擊能力更強，因此速度范圍主要考慮30 km/h～100 km/h.當(dāng)敵方目標(biāo)進入我方近區(qū)威脅距離時，速度高威脅隸屬度為1，此時認為敵方目標(biāo)所做的任何機動均為攻擊我方的動作。計算速度威脅度時采用的參數(shù)為面向速度（敵方目標(biāo)面向我方目標(biāo)的速度），計算目標(biāo)面向速度是防止敵方目標(biāo)迂回運動攻擊我方。

面向速度的計算公式:

dj，min和dj，max之間時，敵方目標(biāo)速度對應(yīng)的高、中、低威脅度由（1）式高斯隸屬度函數(shù)決定，表示為

根據(jù)高斯隸屬度函數(shù)，可得如圖3不同速度的目標(biāo)高、中、低威脅隸屬度曲線。其中當(dāng)目標(biāo)速度為40 km/h時，可看到該目標(biāo)的高威脅度為（H:0.000 6），中威脅度為（M:0.306），低威脅度為（L:0.744）。

圖3 速度高斯威脅隸屬度模型Fig.3 Gauss membership model of velocity

1.2.3 目標(biāo)電磁干擾能力隸屬度

電磁干擾可提高敵方目標(biāo)的生存能力。在地面戰(zhàn)場相控陣?yán)走_設(shè)計中，會預(yù)留一部分駐留時間用于探測偵察區(qū)域內(nèi)敵方目標(biāo)對雷達工作帶寬頻率的干擾情況。敵方干擾的目的是致盲我方雷達設(shè)備，因此可用偵察雷達偵察到的干擾信號幅度和該雷達接收機飽和信號幅度的比值來量化干擾程度，其公式表示為

式中:Ai為目標(biāo)i的干擾信號幅度；ARmax為接收機飽和幅度。表示干擾高、中、低威脅隸屬度高斯函數(shù)。當(dāng)目標(biāo)在近區(qū)時高威脅度最大，；目標(biāo)在遠區(qū)時低威脅度最大，

根據(jù)高斯隸屬函數(shù)，可得如圖4目標(biāo)干擾幅度比高、中、低威脅隸屬度曲線。例如當(dāng)為0.7 dB時，干擾目標(biāo)的高威脅度為0.787，中威脅度為0.271，低威脅度為0.000 5.

1.2.4 目標(biāo)類型隸屬度

目前，地面戰(zhàn)場偵察雷達實現(xiàn)目標(biāo)識別和分類難度很大。但目標(biāo)類型又是目標(biāo)威脅度很重要的特征數(shù)據(jù)，因此可針對地面戰(zhàn)場典型目標(biāo)，如武裝單兵、中型車輛和裝甲車輛的統(tǒng)計RCS特性，進行目標(biāo)初步分類，在目標(biāo)分類過程中還需考慮目標(biāo)速度信息。

雷達作用距離公式:

圖4 干擾信號高斯威脅隸屬度模型Fig.4 Gauss membership model of interference signal

式中:Pt為雷達發(fā)射功率；Gt、Gr分別為發(fā)射天線和接收天線增益；λ為雷達工作頻率波長；F為方向圖傳播因子；（4π）3k為常數(shù)；Ts為雷達系統(tǒng)溫度；Bn為雷達接收信號帶寬；Ls為系統(tǒng)損耗；σ為目標(biāo)RCS；為信噪比。

因此，得到目標(biāo)RCS估計:

由于目標(biāo)RCS起伏和雷達的參數(shù)不同，因此需要對裝甲車輛、中型車輛和武裝單兵進行RCS測試訓(xùn)練。根據(jù)RCS訓(xùn)練結(jié)果，估計目標(biāo)類型。表2中的數(shù)據(jù)是基于經(jīng)驗知識所得。

表2 地面目標(biāo)的RCS估計和目標(biāo)類型Tab.2 RCS estimation and types of ground targets

根據(jù)高斯隸屬度函數(shù)，可得如圖5目標(biāo)類型隸屬曲線。其中當(dāng)目標(biāo)RCS為13 m2，武裝單兵、中型車輛和裝甲車輛隸屬度分別約為2.7×10-7、0.84、0.04.

1.3 威脅度靜態(tài)評估

進行威脅度評估時，專家系統(tǒng)基于目標(biāo)參數(shù)形成威脅概率轉(zhuǎn)移矩陣，轉(zhuǎn)移概率可根據(jù)實際試驗數(shù)據(jù)進行修正。專家系統(tǒng)轉(zhuǎn)移概率矩陣如表3.

圖5 目標(biāo)類型高斯隸屬度模型Fig.5 Gauss membership model of target type

表3 轉(zhuǎn)移概率矩陣Tab.3 Transition probability matrix

圖6為目標(biāo)威脅度靜態(tài)評估模型。根據(jù)目標(biāo)參數(shù)隸屬度和轉(zhuǎn)移概率（見表3），即可對目標(biāo)進行威脅度靜態(tài)評估。

圖6 目標(biāo)威脅度靜態(tài)評估模型Fig.6 Static evaluation model of target threat degree

目標(biāo)威脅度靜態(tài)評估的概率公式:

式中:X為目標(biāo)威脅狀態(tài)集｛H，M，L｝中某一狀態(tài)，p（X|R）、p（X|v）、p（X|G）、p（X|T）分別為距離、速度、干擾能力和目標(biāo)類型對不同威脅等級狀態(tài)的概率值。

當(dāng)某目標(biāo)至指揮所10 km，距離威脅隸屬度:R1: 0.001、R2:0.425、R3:0.581；面向速度為40 km/h，速度威脅隸屬度:v1:0.000 6、v2:0.306、v3:0.744；干擾信號幅度和接收機飽和幅度比為0.7，干擾威脅隸屬度:G1:0.787、G2:0.271、G3:0.000 4:目標(biāo)RCS為13 m2，目標(biāo)類型威脅隸屬度:T1:2.699×10-7、T2:0.835、T3:0.044.該目標(biāo)的高（H），中（M）、低（L）的威脅度概率為

根據(jù)計算結(jié)果可得該目標(biāo)中等威脅度概率較大。

2 貝葉斯威脅度動態(tài)評估

靜態(tài)威脅評估數(shù)據(jù)僅反映了當(dāng)前時刻的威脅度，卻沒有考慮過去時刻目標(biāo)威脅度對當(dāng)前時刻威脅度的動態(tài)影響，這從人的邏輯上來講是不合理的。動態(tài)貝葉斯網(wǎng)絡(luò)（DBN）基于當(dāng)前和過去時刻的信息進行綜合推理，可有效反映目標(biāo)威脅度的變化［7］。目前，貝葉斯網(wǎng)絡(luò)和估計已應(yīng)用于戰(zhàn)場多傳感器管理，多目標(biāo)、多類型數(shù)據(jù)融合。

如圖7，X1是時刻1通過靜態(tài)評估所得的目標(biāo)威脅度，X2是根據(jù)時刻1目標(biāo)威脅度X1和時刻2所得的威脅度變化綜合估計的目標(biāo)威脅度，同樣Xk+1是基于k時刻目標(biāo)威脅度Xk和k+1時刻所得的變化威脅度變化綜合估計的目標(biāo)威脅度。

圖7 貝葉斯動態(tài)網(wǎng)絡(luò)模型Fig.7 Dynamic Bayesian network model

為反映先驗信息的影響，同時確保動態(tài)模型對新息信息的靈敏度，威脅度狀態(tài)轉(zhuǎn)移概率采用了較低的條件轉(zhuǎn)移概率，具體如表4所示。

表4 威脅度條件轉(zhuǎn)移概率矩陣p（Xk|Xk-1）Tab.4 Condition transition probability matrix of threat level p（Xk|Xk-1）

威脅等級轉(zhuǎn)移概率公式如下:

在初始時刻，由于目標(biāo)威脅度的不確定性，因此假設(shè)初始目標(biāo)威脅度先驗信息為π（X0）=｛H（0.3），M（0.4），L（0.3）｝，下一時刻的測量參數(shù)產(chǎn)生的新息威脅度分別為

則根據(jù)威脅度條件轉(zhuǎn)移概率矩陣和先驗信息可得

則:

處理后的目標(biāo)威脅度為:H（0.15），M（0.80），L（0.05），結(jié)果和靜態(tài)威脅評估基本一致，這是由于初始時刻先驗信息π（X0）存在較大的模糊度。

3 計算結(jié)果與比較

設(shè)偵察雷達觀測到有一不明目標(biāo)正快速向我方指揮所逼近，該目標(biāo)距離指揮所12 km，根據(jù)目標(biāo)幅度計算目標(biāo)RCS約為10 m2，利用跟蹤數(shù)據(jù)得到該目標(biāo)逼近指揮所的速度約為50 km/h（逼近過程中，目標(biāo)速度在11.7 km處由50 km/h變化為60 km/h，在8 km處速度增加為80 km/h），目標(biāo)在逼近到指揮所8 km處突然釋放干擾信號，干擾信號和接收機飽和幅度比約為0.4，目標(biāo)初始概率為（H:0.4，M: 0.3，L:0.3）.

圖8表示目標(biāo)從12 km處逼近指揮所時，不同等級威脅度概率的變化曲線，其中實線表示貝葉斯動態(tài)概率曲線，點劃線表示靜態(tài)概率曲線。動態(tài)和靜態(tài)曲線的變化趨勢表明:隨著逼近距離的變小，目標(biāo)低等級威脅度逐漸變小，中威脅和高威脅度逐漸增大，其中當(dāng)目標(biāo)逼近指揮所近距威脅區(qū)時，高威脅度快速增加，而中威脅度處于下降趨勢。為了驗證目標(biāo)威脅度評估模型對目標(biāo)新息的靈敏度，仿真時在11.5 km處目標(biāo)速度由50 km/h機動為60 km/h，在8 km處目標(biāo)速度進一步機動為80 km/h，且目標(biāo)釋放了較強的干擾信號。圖8中·表示目標(biāo)在11.5 km處機動時的威脅度概率，★表示目標(biāo)在8 km處機動和電磁干擾我方時的威脅度概率。

圖8 目標(biāo)逼近指揮所時高、中、低威脅度概率曲線Fig.8 High，medium and low threat degree probability curves for a target approaching the command post

在圖8中貝葉斯動態(tài)威脅度概率數(shù)據(jù)曲線和靜態(tài)威脅度概率數(shù)據(jù)曲線相比較，有如下特點:

1）動態(tài)威脅度概率采用了先前時刻的先驗信息，其曲線比靜態(tài)威脅度概率曲線變化平緩。如在11.5 km處目標(biāo)速度由50 km/h機動為60 km/h時，低威脅度動態(tài)概率曲線（實線）下降比低威脅度靜態(tài)概率曲線（點劃線）平緩，中威脅度動態(tài)概率曲線（實線）也比中威脅度靜態(tài)概率曲線（點劃線）上升平緩。采用先驗信息的動態(tài)威脅度概率可防止靜態(tài)威脅度由于某些特征數(shù)據(jù)的畸變而產(chǎn)生威脅度概率誤判現(xiàn)象。

2）先驗信息對動態(tài)威脅度概率曲線變化趨勢具有慣性作用的影響，即先驗動態(tài)威脅度概率在具有增大或減小趨勢時，當(dāng)前威脅度概率變化斜率比靜態(tài)概率變化斜率較陡，如圖8圓形圈和橢圓形圈標(biāo)示。

從表5數(shù)據(jù)可以看到:由于目標(biāo)在12.0 km處速度較低且沒有釋放干擾信號，因此目標(biāo)低威脅等級概率較高（70.4%）；在11.7 km處目標(biāo)速度增加為60 km/h，從而使得目標(biāo)中威脅等級概率增加（55.3%）；在8 km處目標(biāo)速度進一步增加為80 km/h，且目標(biāo)在逼近指揮所時釋放了較強的干擾信號，因此導(dǎo)致目標(biāo)的中威脅和高威脅概率快速增加。動態(tài)目標(biāo)威脅度概率曲線的變化趨勢和目標(biāo)新息信息導(dǎo)致的目標(biāo)威脅度概率數(shù)據(jù)階躍變化的特征合乎人的推理過程。上述仿真過程僅考慮了單目標(biāo)逼近指揮所時的目標(biāo)威脅度，對于多目標(biāo)的情況，各目標(biāo)的威脅度判定過程和單目標(biāo)一樣，但各目標(biāo)對指揮所、兵營和重要戰(zhàn)略場所構(gòu)成的權(quán)系數(shù)是不同的，因此可根據(jù)權(quán)系數(shù)給出不同不明目標(biāo)對我方的威脅態(tài)勢。

表5 部分動態(tài)仿真距離段威脅等級數(shù)據(jù)Tab.5 Simulation distances from threat level data

4 結(jié)論

地面戰(zhàn)場目標(biāo)的威脅度和態(tài)勢評估是數(shù)據(jù)融合需要解決的關(guān)鍵問題之一，本文利用模糊隸屬度函數(shù)和貝葉斯動態(tài)推理方法對不明目標(biāo)的運動特征和屬性進行威脅度概率評估。經(jīng)仿真驗證，數(shù)據(jù)變化特征符合人的推理過程，動態(tài)目標(biāo)威脅度評估模型合理有效，且在工程應(yīng)用上有較強的現(xiàn)實意義；對于多功能相控陣?yán)走_，可根據(jù)目標(biāo)威脅度自適應(yīng)調(diào)度波束實現(xiàn)對威脅度高的目標(biāo)進行精密跟蹤，從而達到相控陣?yán)走_資源的優(yōu)化管理。

（

）

［1］Mahler R P S.多源多目標(biāo)統(tǒng)計信息融合［M］.范紅旗，盧大威，劉本源，等，譯.北京:國防工業(yè)出版社，2013. Mahler R P S.Statistical multisource-multitarget information fusion［M］.FAN Hong-qi，LU Da-wei，LIU Ben-yuan，et al，translated.Beijing:National Defense Industry Press，2013.（in Chinese）

［2］范春彥，韓曉明，王獻鋒.基于最大隸屬度的目標(biāo)威脅評估與排序法［J］.系統(tǒng)工程與電子技術(shù)，2003，25（1）:47-48. FAN Chun-yan，HAN Xiao-ming，WANG Xian-feng.Target threat evaluating and sequencing method on the maximum degree of membership［J］.Systems Engineering and Electronics，2003，25（1）:47-48.（in Chinese）

［3］張銀燕，李弼程，崔家瑋.基于云貝葉斯網(wǎng)絡(luò)的目標(biāo)威脅評估方法［J］.計算機科學(xué)，2013，40（10）:127-131. ZHANG Yin-yan，LI Bi-cheng，CUI Jia-wei.Method of target threat assessment based on cloudy Bayesian network［J］.Computer Science，2013，40（10）:127-131.（in Chinese）

［4］王勤，田宇光，李加祥.基于多因子動態(tài)加權(quán)的反艦導(dǎo)彈威脅判斷方法［J］.戰(zhàn)術(shù)導(dǎo)彈技術(shù)，2013（1）:38-41. WANG Qin，TIAN Yu-guang，LI Jia-xiang.Anti-ship missile threaten estimate based on mutifactor dynamic weighting［J］.Tactical Missile Technology，2013（1）:38-41.（in Chinese）

［5］雷英杰，王寶樹，王毅.基于直覺模糊決策的戰(zhàn)場態(tài)勢評估方法［J］.電子學(xué)報，2006，12（34）:2175-2179. LEI Ying-jie，WANG Bao-shu，WANG Yi.Techniques for battlefield situation assessment based on intuitionistic fuzzy decision［J］. Acta Electronica Sinica，2006，12（34）:2175-2179.（in Chinese）

［6］Bladon P，Hall R J.Information fusion using bayesian multinets［C］∥Multisensor，Multisource Information Fusion:Architectures，Algorithms，and Applications.Bellingham，US:SPIE，2004:91-102.

［7］Okello N，Thorns G.Threat assessment using Bayesian networks［C］∥Proceedings of 6th International Conference of Information Fusion. Cairns，Queensland，Australia:IEEE，2003:1102-1109.

［8］姚躍亭，趙建軍，萬宇.貝葉斯網(wǎng)絡(luò)下考慮攻擊企圖的目標(biāo)威脅評估［J］.火力與指揮控制，2012，37（5）:63-67. YAO Yue-ting，ZHAO Jian-jun，WAN Yu.Threat assessment with attack attempt of target based on Bayesian network［J］.Fire Control&Command Control，2012，37（5）:63-67.（in Chinese）

［9］姜維，李一軍.基于貝葉斯網(wǎng)絡(luò)推理的導(dǎo)彈目標(biāo)類型識別［J］.計算機集成制造系統(tǒng)，2011，17（6）:1264-1270. JIANG Wei，LI Yi-jun.Missile target type identification with Bayesian network［J］.Computer Integrated Manufacturing Systems，2011，17（6）:1264-1270.（in Chinese）

［10］柴慧敏，王寶樹.態(tài)勢評估中的貝葉斯網(wǎng)絡(luò)模型研究［J］.西安電子科技大學(xué)學(xué)報，2009，36（3）:491-495. CHAI Hui-min，WANG Bao-shu，Research on the Bayesian networks model in situation assessment［J］.Journal of Xidian University，2009，36（3）:491-495.（in Chinese）

［11］邸若海，高曉光.模糊離散動態(tài)貝葉斯網(wǎng)絡(luò)的目標(biāo)威脅等級評估［J］.火力與指揮控制，2012，37（4）:14-17. DI Ruo-hai，GAO Xiao-guang.The threaten grade assessment model of target based on fuzzy discrete dynamic bayesian networks［J］.Fire Control&Command Control，2012，37（4）:14-17.（in Chinese）

Study of Target Threat Assessment for Ground Surveillance Radar

SHI Xiao-bin1，2，GU Hong1，SU Wei-min1，DONG Tian-qi2，CHEN Xu-long2
（1.Nanjing University of Science and Technology，Nanjing 210094，Jiangsu，China；2.Xi'an Electronic Engineering Research Institute，Xi'an 710100，Shaanxi，China）

The target threat assessment for ground surveillance radar based on the target state parameters and the identification results is an issue urgently to be solved.Based on the attribute set of targets，a dynamic Bayesian model of target threat assessment for ground surveillance radar is constructed by using membership function，expert knowledge and Bayesian network.Simulation results show that the variation characteristics of the target threat assessment data conform to the reasoning process of human.The dynamic Bayesian model of target threat assessment can be applied practically in the ground surveillance radars.Multifunction phased array radar can track the target in virtue of adaptive scheduling beam with target threat assessment.

system assessment and feasibility analysis；target threat assessment；ground surveillance radar；dynamic Bayesian model

TG156

A

1000-1093（2015）06-1128-08

10.3969/j.issn.1000-1093.2015.06.024

2014-07-03

國家部委基金項目（9140A07010713BQ02025）；教育部博士點基金項目（20113219110018）；國家自然科學(xué)基金項目（61302188、61471198）；江蘇省自然科學(xué)基金項目（BK20131005）

史小斌（1977—），男，博士研究生。E-mail:57027236@qq.com；顧紅（1967—），男，教授，博士生導(dǎo)師。E-mail:guhong666@126.com