一種基于數(shù)據(jù)復(fù)用的雷達(dá)對(duì)抗知識(shí)庫(kù)設(shè)計(jì)方法

孫 健，馬 輝， 劉正堂，胡振震

(中國(guó)洛陽電子裝備試驗(yàn)中心，河南 洛陽 471003)

0 引言

數(shù)據(jù)是對(duì)整個(gè)訓(xùn)練過程和效果最直觀最有效的反應(yīng)，通過對(duì)歷史數(shù)據(jù)信息的合理分析和挖掘，一方面可以實(shí)現(xiàn)對(duì)關(guān)鍵信息的查詢索引，另一方面也可以給當(dāng)前訓(xùn)練輔助設(shè)計(jì)提供一定參考。目前的數(shù)據(jù)主要為大量非結(jié)構(gòu)化形式，包括裝備工作參數(shù)、工作圖片以及視頻等。信息量大、存儲(chǔ)方式不規(guī)范、缺乏有效的信息挖掘和分析手段，導(dǎo)致數(shù)據(jù)利用效果并不理想。此外，由于缺乏對(duì)人工智能以及大數(shù)據(jù)思想的利用，現(xiàn)有的組訓(xùn)設(shè)計(jì)以及戰(zhàn)法研究仍以主觀經(jīng)驗(yàn)判斷為主，缺乏客觀的歷史訓(xùn)練數(shù)據(jù)支撐和驗(yàn)證。為此，有必要探索一種合適的知識(shí)庫(kù)體系構(gòu)建方法，提高對(duì)歷史訓(xùn)練數(shù)據(jù)的利用率。

1 雷達(dá)對(duì)抗知識(shí)庫(kù)相關(guān)背景分析

知識(shí)庫(kù)通過對(duì)數(shù)據(jù)挖掘算法、數(shù)據(jù)檢索算法、規(guī)則關(guān)聯(lián)算法以及專家經(jīng)驗(yàn)知識(shí)的集成，將大量原始非結(jié)構(gòu)化的信息梳理為底層子模塊信息，依托層層遞進(jìn)、逐層挖掘的模式，形成金字塔體系，實(shí)現(xiàn)面向決策者需求的信息支持，如圖1所示。

圖1 基于歷史數(shù)據(jù)的知識(shí)庫(kù)信息流向

處理大量非結(jié)構(gòu)化數(shù)據(jù)，需要利用數(shù)據(jù)挖掘算法來實(shí)現(xiàn)，但是目前并沒有一個(gè)可參考的知識(shí)庫(kù)形式和標(biāo)準(zhǔn)來確定具體的要素特征和挖掘準(zhǔn)則[1]；在信息檢索方面，存在檢索量大、檢索速度慢的缺陷，難以滿足用戶需求，因此，需要從索引模式和更新策略綜合考慮，構(gòu)建多維度快速索引方法[2]；建立知識(shí)庫(kù)需要構(gòu)建具體的規(guī)則庫(kù)，將各個(gè)知識(shí)庫(kù)條目信息模塊進(jìn)行鏈路連接，形成決策樹[3]。由于國(guó)內(nèi)科研單位對(duì)此方面研究較少，因此規(guī)則庫(kù)的建立需要結(jié)合具體裝備和訓(xùn)練環(huán)境，綜合考慮多方要素來擬定，以實(shí)現(xiàn)與決策樹節(jié)點(diǎn)的鏈路因子準(zhǔn)確關(guān)聯(lián)組合，將近似的歷史雷達(dá)干擾效果推送給決策人員。

基于此，本文以雷達(dá)對(duì)抗領(lǐng)域?yàn)槔岢鲆环N基于歷史數(shù)據(jù)的知識(shí)庫(kù)設(shè)計(jì)方法，以業(yè)務(wù)需求分析為基礎(chǔ)，采用多庫(kù)結(jié)構(gòu)形式，引入大數(shù)據(jù)與信息交互思想，構(gòu)建雷達(dá)對(duì)抗知識(shí)庫(kù)的基本框架以及子模塊，并對(duì)關(guān)鍵算法進(jìn)行了具體設(shè)計(jì)，為訓(xùn)練數(shù)據(jù)的高效利用提供了一種新的思路，為組訓(xùn)人員進(jìn)行訓(xùn)練輔助設(shè)計(jì)以及相關(guān)戰(zhàn)法研究提供參考。

2 雷達(dá)對(duì)抗知識(shí)庫(kù)需求分析

雷達(dá)對(duì)抗知識(shí)庫(kù)信息來源于歷史訓(xùn)練任務(wù)中雷達(dá)對(duì)抗雙方數(shù)據(jù)，主要滿足以下三方面業(yè)務(wù)需求：

1)針對(duì)非結(jié)構(gòu)化數(shù)據(jù)，首先進(jìn)行數(shù)據(jù)的分類和要素特征抽取，需要利用數(shù)據(jù)挖掘算法來實(shí)現(xiàn)。通過對(duì)雜亂無章的歷史數(shù)據(jù)信息進(jìn)行合適的挖掘，按照特征及分類標(biāo)準(zhǔn)將大規(guī)模的全文形式的信息分解為多個(gè)具有要素特征的子模塊信息，但是目前并沒有一個(gè)可參考的知識(shí)庫(kù)形式和標(biāo)準(zhǔn)來確定具體的要素特征和挖掘準(zhǔn)則。

2)索引構(gòu)建以及更新策略決定著是否能夠?qū)崿F(xiàn)信息的快速、準(zhǔn)確檢索，傳統(tǒng)的全文檢索方法存在檢索量大、檢索速度慢的缺陷，而倒排索引的模式雖然可以提高檢索效率，但是其檢索更新速度較慢，難以滿足用戶需求[4-5]。因此，需要從索引模式和更新策略綜合考慮，構(gòu)建多維度快速索引方法，在提高檢索效率的同時(shí)，提高檢索的準(zhǔn)確度，滿足教學(xué)訓(xùn)練的需求。

3)建立知識(shí)庫(kù)的主要目的在于基于以往訓(xùn)練的地域、裝備、工作方式、工作參數(shù)、雷達(dá)對(duì)抗干擾等信息，結(jié)合當(dāng)前任務(wù)部署以及參訓(xùn)裝備工作信息，預(yù)測(cè)出此次對(duì)抗可能出現(xiàn)的干擾效果，為導(dǎo)演部以及受訓(xùn)部隊(duì)領(lǐng)導(dǎo)提供決策支持。為了實(shí)現(xiàn)這個(gè)目的，就需要構(gòu)建具體的規(guī)則庫(kù)，將各個(gè)知識(shí)庫(kù)條目信息模塊進(jìn)行鏈路連接，形成決策樹[6]。但是基地以及國(guó)內(nèi)科研單位對(duì)此方面研究較少，如前所述，規(guī)則庫(kù)的建立應(yīng)綜合考慮多方要素來擬定，以實(shí)現(xiàn)與決策樹節(jié)點(diǎn)的鏈路因子準(zhǔn)確關(guān)聯(lián)組合，將近似的歷史雷達(dá)干擾效果推送給決策人員。

3 雷達(dá)對(duì)抗知識(shí)庫(kù)架構(gòu)與子模塊設(shè)計(jì)

3.1 雷達(dá)對(duì)抗知識(shí)庫(kù)設(shè)計(jì)思路

根據(jù)雷達(dá)對(duì)抗知識(shí)庫(kù)需求，本文擬采用“多庫(kù)結(jié)構(gòu)”形式，將歷史任務(wù)信息分為多個(gè)子模塊建立相應(yīng)的庫(kù)信息，利用數(shù)據(jù)挖掘算法，提取裝備信息、地域信息、工作信息、干擾信息、抗干擾信息、環(huán)境信息及干擾效果信息作為要素特征信息，構(gòu)建子信息模塊，形成知識(shí)條目，組建知識(shí)庫(kù)；在此基礎(chǔ)上，從索引模式和更新策略綜合考慮，構(gòu)建多維度快速索引方法，實(shí)現(xiàn)對(duì)歷史知識(shí)條目信息的查詢；依據(jù)要素特征信息之間的關(guān)聯(lián)關(guān)系以及雷達(dá)對(duì)抗理論和經(jīng)驗(yàn)知識(shí)，構(gòu)建規(guī)則庫(kù)，以每條知識(shí)條目中的要素特征信息作為節(jié)點(diǎn)，通過鏈路因子連接，形成決策樹，通過人機(jī)交互，量化當(dāng)前任務(wù)部署以及參訓(xùn)裝備工作信息等關(guān)鍵要素，構(gòu)建基于鏈路因子的索引模式，根據(jù)近似程度輸出歷史訓(xùn)練中干擾效果信息作為預(yù)測(cè)結(jié)果，為指揮員決策提供參考。

3.2 雷達(dá)對(duì)抗知識(shí)庫(kù)基本架構(gòu)

雷達(dá)干擾知識(shí)庫(kù)基本架構(gòu)主要包含歷史信息模塊、信息挖掘模塊、子信息模塊、庫(kù)信息模塊、規(guī)則模塊、快速索引模塊、決策鏈路模塊、人機(jī)交互模塊，其基本架構(gòu)如圖2所示。

圖2 雷達(dá)對(duì)抗知識(shí)庫(kù)基本框架

3.3 雷達(dá)對(duì)抗知識(shí)庫(kù)子模塊設(shè)計(jì)

1)歷史信息模塊。該模塊主要是以Excel表格形式存儲(chǔ)歷史任務(wù)籌劃文檔和裝備數(shù)據(jù)采集文檔，其中任務(wù)籌劃文檔包括裝備部署信息表(包含經(jīng)度、緯度信息)、參訓(xùn)裝備列表、裝備工作方式表、雷達(dá)對(duì)抗裝備干擾方式表、電磁環(huán)境設(shè)置計(jì)劃表。裝備數(shù)據(jù)采集文檔主要包括裝備實(shí)際訓(xùn)練所采集的數(shù)據(jù)。

2)信息挖掘模塊。該模塊主要是對(duì)非結(jié)構(gòu)化信息的分層次挖掘，具體包含兩方面內(nèi)容：第一，作為歷史信息轉(zhuǎn)化為子信息的中間橋梁，根據(jù)歷史信息模塊大量的非結(jié)構(gòu)化數(shù)據(jù)，提取要素特征，從受訓(xùn)方關(guān)心因素綜合考慮，擬定裝備、地域、工作、干擾、抗干擾、環(huán)境、干擾效果等作為要素特征，采用數(shù)據(jù)挖掘算法，分別挖掘相應(yīng)的要素特征信息，導(dǎo)入子信息模塊；第二，作為子信息轉(zhuǎn)化為庫(kù)信息的紐帶，采用二次挖掘算法，根據(jù)時(shí)間要素等匹配條件，將子信息中各要素特征信息整合為知識(shí)條目，分條存儲(chǔ)至庫(kù)信息模塊。

3)子信息模塊。該模塊是構(gòu)建知識(shí)庫(kù)的關(guān)鍵所在，是提煉出知識(shí)條目信息的直接前提。該模塊包含7個(gè)要素特征信息庫(kù)，分別是裝備信息庫(kù)、地理信息庫(kù)、工作信息庫(kù)、干擾信息庫(kù)、抗干擾信息庫(kù)、環(huán)境信息庫(kù)、干擾效果信息庫(kù)。

①裝備信息庫(kù)，即參訓(xùn)雙方雷達(dá)裝備以及雷達(dá)對(duì)抗裝備。

②地理信息庫(kù)，即根據(jù)裝備部署圖以及GIS地理關(guān)系，獲取所有裝備的距離和方位關(guān)系。

③工作信息庫(kù)，對(duì)于雷達(dá)裝備而言，包括工作方式、信號(hào)樣式、頻率、重頻、脈寬；對(duì)于雷達(dá)對(duì)抗裝備而言，主要包括工作方式。

④干擾信息庫(kù)，主要是針對(duì)雷達(dá)對(duì)抗裝備而言，包括干擾方式、中心頻率、帶寬、距離拖引、角度欺騙、假目標(biāo)數(shù)量等。

⑤抗干擾信息庫(kù)，主要是針對(duì)雷達(dá)裝備而言，包括抗干擾方式。

⑥環(huán)境信息庫(kù)，主要是背景電磁環(huán)境的構(gòu)設(shè)，分為輕度環(huán)境、中度環(huán)境和重度環(huán)境。

⑦干擾效果信息庫(kù)，主要是針對(duì)雷達(dá)裝備，包括直接干擾效果信息和采取抗干擾措施后干擾效果信息兩部分，需要關(guān)聯(lián)歷史任務(wù)信息中的多媒體文檔信息。

4)庫(kù)信息模塊。該模塊是整個(gè)雷達(dá)干擾知識(shí)庫(kù)的核心所在，它將數(shù)據(jù)挖掘所得到的知識(shí)條目信息一一存儲(chǔ)，不僅包含參數(shù)信息，還包含圖片信息，能夠從多個(gè)角度、多個(gè)層面完整地反映任一對(duì)抗雙方在不同情況下的訓(xùn)練效果，而且還支持后續(xù)任務(wù)信息錄入，能夠不斷地補(bǔ)充完善，以便形成完備的知識(shí)庫(kù)。

5)規(guī)則模塊。該模塊主要涉及各種規(guī)則信息，包括索引要素匹配規(guī)則和決策要素匹配規(guī)則，是知識(shí)庫(kù)信息模塊與快速索引模塊和決策鏈路模塊的中間連接環(huán)節(jié)。對(duì)于索引要素匹配規(guī)則，按照字、詞以及語句的遞進(jìn)關(guān)系，構(gòu)建與知識(shí)條目中要素特征信息的關(guān)聯(lián)規(guī)則，同時(shí)量化要素權(quán)重關(guān)系以及字、詞以及語句和要素特征的相似度，定義合適的規(guī)則，引導(dǎo)快速索引模塊完成對(duì)知識(shí)條目關(guān)鍵要素信息的查詢工作；對(duì)于決策要素匹配準(zhǔn)則，將當(dāng)期任務(wù)關(guān)鍵信息進(jìn)行量化，提取要素特征信息，與知識(shí)條目中的要素特征信息進(jìn)行匹配，制定合適的關(guān)聯(lián)規(guī)則，引導(dǎo)決策樹依據(jù)知識(shí)條目節(jié)點(diǎn)的鏈路因子進(jìn)行干擾效果要素的搜索，輸出與當(dāng)前任務(wù)信息最為近似的結(jié)果。

6)人機(jī)交互模塊。該模塊是雷達(dá)干擾知識(shí)庫(kù)的人機(jī)交互模塊，根據(jù)決策員的需求，在訓(xùn)練擬定過程中輸入裝備要素、地理要素、工作要素、干擾要素、抗干擾要素、環(huán)境要素和干擾效果要素中的幾項(xiàng)或全部，一方面用于對(duì)所需歷史信息的快速索引，另一方面用于獲取近似歷史信息條件下的干擾效果，包括受干擾等級(jí)和受干擾圖片以及相關(guān)干擾效果指標(biāo)，為決策員制定訓(xùn)練設(shè)計(jì)方案提供參考。

4 知識(shí)庫(kù)關(guān)鍵算法設(shè)計(jì)

4.1 信息挖掘算法設(shè)計(jì)

涉及到對(duì)歷史數(shù)據(jù)的一次和二次挖掘，考慮到要素特征信息的重要性，該部分?jǐn)M采用回聲狀態(tài)網(wǎng)絡(luò)ESN，作為挖掘和分類提取要素特征信息的關(guān)鍵工具。

ESN是一種全新的遞歸型神經(jīng)網(wǎng)絡(luò)，采用儲(chǔ)備池作為內(nèi)部網(wǎng)絡(luò)，能夠激發(fā)復(fù)雜多樣的非線性狀態(tài)空間，大大提高了非線性映射能力，且在模型訓(xùn)練過程中，儲(chǔ)備池內(nèi)部的連接權(quán)值保持不變，顯著降低了運(yùn)算復(fù)雜度，有效避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)易陷入局部極小的現(xiàn)象[7-8]。

作為ESN的核心網(wǎng)絡(luò)，儲(chǔ)備池中包含大量隨機(jī)生成的神經(jīng)元，這些單元往往具備記憶能力，以稀疏的方式相互連接。ESN的拓?fù)浣Y(jié)構(gòu)如圖3所示。

圖3 ESN網(wǎng)絡(luò)結(jié)構(gòu)圖

如圖3所示，u(k)為輸入層輸入向量，x(k)為儲(chǔ)備池狀態(tài)向量，y(k)為輸出層狀態(tài)向量。ESN的狀態(tài)更新方程為：

x(k+1)=f(Winu(k+1)+Wx(k)+Wbacky(k))

(1)

式中，f(·)表示神經(jīng)元的激勵(lì)函數(shù)，x(k)和y(k)分別表示第k時(shí)刻的狀態(tài)向量和輸出向量，u(k+1)為第k+1時(shí)刻的輸入向量，Win、Wback分別表示輸入連接權(quán)值矩陣和反饋連接權(quán)值矩陣，W表示儲(chǔ)備池內(nèi)部的連接權(quán)值矩陣。ESN的輸出方程為：

y(k+1)=f(Wout(u(k+1),x(k+1),y(k)))

(2)

式中，Wout為輸出權(quán)值矩陣。ESN在訓(xùn)練及預(yù)測(cè)過程中僅改變Wout，其它權(quán)值矩陣固定不變，能夠大大降低模型的訓(xùn)練量，提高運(yùn)算速度。通過狀態(tài)更新方程以及輸出方程，ESN能夠利用儲(chǔ)備池中的神經(jīng)元激發(fā)出復(fù)雜多樣的非線性空間，減少了局部極值現(xiàn)象的出現(xiàn)，提高數(shù)據(jù)分類和關(guān)鍵信息提取的能力。

4.2 快速索引算法設(shè)計(jì)

不同于傳統(tǒng)的索引方法，快速索引對(duì)索引形式以及索引更新策略同時(shí)具有更高的要求。為了實(shí)現(xiàn)對(duì)知識(shí)庫(kù)信息中大量非結(jié)構(gòu)化歷史數(shù)據(jù)的快速索引，可以采用基于理解與規(guī)則量化要素的索引形式和動(dòng)態(tài)哈夫曼樹索引更新策略相結(jié)合的方式。

基于理解與規(guī)則量化要素的索引形式，通常是根據(jù)關(guān)鍵詞的語法以及相應(yīng)的規(guī)則對(duì)詞進(jìn)行詳細(xì)的分析和判斷，對(duì)不同詞要素的重要性進(jìn)行量化，以此進(jìn)行逐層多維度索引。工作流程基本上由以下部分組成，即在獲取關(guān)鍵詞的過程中，系統(tǒng)會(huì)通過模擬人腦學(xué)習(xí)的機(jī)理，推理有關(guān)詞的句法以及語義信息，分析詞與詞之間的關(guān)聯(lián)度，調(diào)用索引規(guī)則信息庫(kù)中的規(guī)則信息，引導(dǎo)其量化不同詞的優(yōu)先程度，從而提高搜索效率。

動(dòng)態(tài)哈夫曼樹[9](DHT)是一顆k叉樹，利用哈夫曼樹的構(gòu)造方式來進(jìn)行索引的合并，樹中所有的節(jié)點(diǎn)構(gòu)成倒排索引的數(shù)據(jù)集合，樹中的每個(gè)節(jié)點(diǎn)代表一個(gè)子索引，從樹的最底部到樹的根節(jié)點(diǎn)把樹的高度分成H層，同時(shí)滿足下述規(guī)則：

規(guī)則1：第m層(0≤m≤H)節(jié)點(diǎn)的數(shù)目大于0或者小于k(k≥2)；

規(guī)則2：引入一個(gè)參數(shù)p(p≥k)，定義每一層節(jié)點(diǎn)容量大?。?/p>

規(guī)則3：不在同一層的索引節(jié)點(diǎn)不能進(jìn)行合并；

規(guī)則4：設(shè)Vm,j為第m層中節(jié)點(diǎn)j(0≤j≤k-1)的容量，則在第m層的節(jié)點(diǎn)要素信息數(shù)量限制為：

pm≤Vm,j/s≤pm+1

(3)

式中，s為樹節(jié)點(diǎn)的衡量因子。

規(guī)則5：當(dāng)?shù)趍層中節(jié)點(diǎn)合并而產(chǎn)生的新節(jié)點(diǎn)進(jìn)入第m+1層，會(huì)導(dǎo)致第m+1層出現(xiàn)碰撞進(jìn)而再需要合并，這種情況下2次合并一次進(jìn)行。

通過分析可知，規(guī)則4可以確保大小相差不大的節(jié)點(diǎn)都落在樹中的同一層上，參數(shù)k能夠有效控制參加合并的子索引的個(gè)數(shù)；規(guī)則5能使那些原本需要多次才能合并完成的節(jié)點(diǎn)能夠一次合并完成，從而可以減少合并過程的次數(shù)。在沒有數(shù)據(jù)刪除的情況下，第m層上的節(jié)點(diǎn)合并后產(chǎn)生的新節(jié)點(diǎn)有可能會(huì)直接進(jìn)入第m+1層或停留在第m層(由p決定)，當(dāng)存在數(shù)據(jù)刪除的情況時(shí)，多個(gè)子索引合并后產(chǎn)生的新節(jié)點(diǎn)的所占空間大小可能會(huì)比合并之前要小，合并完成后產(chǎn)生的新節(jié)點(diǎn)至少要下推一層，通過上述條件形成的這種結(jié)構(gòu)完全可以通過動(dòng)態(tài)增刪操作，進(jìn)一步提高檢索效率和檢索準(zhǔn)確性。

4.3 決策鏈路預(yù)測(cè)算法設(shè)計(jì)

與快速索引模塊相比，決策鏈路模塊是知識(shí)庫(kù)高階應(yīng)用層次，體現(xiàn)了知識(shí)庫(kù)信息的人工智能操作層面。該模塊的原理流程如圖4所示。

工作原理具體可描述為：通過對(duì)人機(jī)交互輸入的當(dāng)前任務(wù)關(guān)鍵信息的分析和索引，從知識(shí)庫(kù)中提取要素特征信息，作為一個(gè)個(gè)的知識(shí)節(jié)點(diǎn)，根據(jù)小世界網(wǎng)絡(luò)理論[10]可知，世界上任何信息節(jié)點(diǎn)之間都有直接或間接的關(guān)系，這些關(guān)系可形成一種拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)，圖4中節(jié)點(diǎn)間的虛線即表示了二者間可能存在的關(guān)聯(lián)關(guān)系，綜合考慮規(guī)則庫(kù)中的匹配信息、各要素的主成分貢獻(xiàn)信息以及專家經(jīng)驗(yàn)信息，定義鏈路因子，作為同一層級(jí)兩類信息節(jié)點(diǎn)的決策依據(jù)，經(jīng)過決策樹的層層決策，最終得到?jīng)Q策鏈路，將與之近似的歷史干擾發(fā)送至人機(jī)交互模塊。

圖4 決策鏈路模塊工作原理流程圖

5 結(jié)束語

針對(duì)目前訓(xùn)練數(shù)據(jù)使用效率不高、缺乏智能分析與挖掘手段的問題，本文引入大數(shù)據(jù)思想，探索了一種基于歷史訓(xùn)練數(shù)據(jù)的雷達(dá)對(duì)抗知識(shí)庫(kù)設(shè)計(jì)方法。從訓(xùn)練任務(wù)實(shí)際出發(fā)，系統(tǒng)地分析梳理了雷達(dá)對(duì)抗知識(shí)庫(kù)設(shè)計(jì)的業(yè)務(wù)需求；采用多庫(kù)結(jié)構(gòu)形式，設(shè)計(jì)了雷達(dá)對(duì)抗知識(shí)庫(kù)總體框架、相關(guān)子模塊以及信息挖掘和處理的關(guān)鍵算法；為歷史訓(xùn)練數(shù)據(jù)的有效利用探索了一種新思路、新方法，可為訓(xùn)練設(shè)計(jì)和電子對(duì)抗戰(zhàn)法研究提供一定參考。