基于模糊隨機貝葉斯網(wǎng)絡(luò)的意圖估計方法

范瀚陽，高睿源，金興華

（中國電子科技集團第二十八研究所，南京210007）

0 引言

隨著信息化戰(zhàn)爭的發(fā)展，認知域的對抗成為決定戰(zhàn)爭走向的核心和關(guān)鍵［1］，而意圖估計正是現(xiàn)代作戰(zhàn)指揮決策的核心技術(shù)之一。意圖估計（Intention estimation）是數(shù)據(jù)融合JDL五級模型中的二級融合［2-3］，即態(tài)勢評估的重要功能之一。意圖估計是通過對各傳感器的信息指標進行融合推理，得到敵方的作戰(zhàn)企圖和打算，輔助指揮員進行戰(zhàn)場決策，在局部戰(zhàn)爭、反恐和國家安全維護等領(lǐng)域均有應(yīng)用。影響意圖估計［4-5］結(jié)果的因素很多：航速、目標身份、高程等。拋開雷達噪聲以及測量誤差的影響，這些指標本身也具有很大的不確定性，如目標的航速時快時慢，對于武器強弱的情報更是模糊易變，隨著這些時刻跳變的戰(zhàn)場信息不斷輸入到分析系統(tǒng)中，一系列變化的估計結(jié)果也在不斷輸出，而只有穩(wěn)定的估計結(jié)果才對輔助決策具有意義。

匹配濾波、模板及圖解等方法是目前比較成熟的意圖推理方法。文獻［6］運用貝葉斯網(wǎng)絡(luò)的方法對空中目標的意圖進行推理，將敵方飛機的大小、航速等指標看作隨機模型，但無法對飛機的火力大小、身份信息等主觀指標進行描述；文獻［7］則引入了模糊貝葉斯網(wǎng)絡(luò)，重點對目標的各項指標進行模糊化，進而確定結(jié)點并推理，但無法推理具有隨機性的戰(zhàn)場因素。

1 意圖估計及要素

1.1 戰(zhàn)場目標意圖估計要素

戰(zhàn)場目標總是通過一系列的行為完成其預(yù)設(shè)的戰(zhàn)斗意圖，例如偵察機通過在某些指定區(qū)域上方的盤旋飛行，完成其偵察意圖；坦克等裝甲車通過向目標區(qū)域行進，執(zhí)行攻擊作戰(zhàn)。因此，對目標進行意圖分析，即是通過對能夠反映目標作戰(zhàn)企圖的各項因素的收集及融合推理的過程。而反映目標意圖的戰(zhàn)場因素繁雜，且不同場景下需考慮的因素差異性也很大，需依據(jù)具體場景參照歷史數(shù)據(jù)并咨詢專家進行確定，故本節(jié)重點在于各項因素的描述及推理。依據(jù)機會理論［8-9］，可以將戰(zhàn)場因素按照隨機性和模糊性進行劃分。隨機性即客觀的不確定性，目標航速、高程等實測數(shù)據(jù)，由于噪聲誤差等影響呈現(xiàn)一定的概率分布；模糊性表征的是主觀的不確定性，例如來襲敵目標的規(guī)模大小、所攜帶武器的強弱信息等。因此，本節(jié)研究了將戰(zhàn)場兩種不確定性統(tǒng)一的模型，即混合模型進行結(jié)點構(gòu)造，是使用模糊隨機貝葉斯網(wǎng)絡(luò)進行推理的基礎(chǔ)。

1.2 混合事件與模糊概率

本節(jié)引入混合事件對戰(zhàn)場目標的各項指標進行描述。

若樣本空間X為Rm連續(xù)的空間：

至此，可使用公式將各戰(zhàn)場因素構(gòu)造為模糊隨機結(jié)點；而對于現(xiàn)有的一些戰(zhàn)場因素，若認為只含有模糊性或隨機性，如目標的身份信息只用攻擊機、偵察機和轟炸機這樣的隨機模型進行分類，可看作混合事件的一種退化描述，依然可以用作模糊隨機貝葉斯網(wǎng)絡(luò)的結(jié)點，進行推理。下面以距離結(jié)點為例，給出結(jié)點構(gòu)造方法示例：

距離信息對于判斷敵方目標意圖起著重要的作用，不論是空戰(zhàn)、海戰(zhàn)還是陸戰(zhàn)場景甚至是空天作戰(zhàn)，敵我距離都是需要參考的重要因素。這里，由于不同場景下距離遠近的判斷門限不同，因此，主要考慮敵我距離的變化對目標意圖估計的影響。那么，分別考慮當目標距離我方越來越近、越來越遠，以及敵我距離遠近不斷變化情況。因此，構(gòu)建模糊隨機貝葉斯網(wǎng)絡(luò)的距離結(jié)點時，分為（逐漸遠離，忽遠忽近，逐漸靠近）3個子結(jié)點進行描述，分別對應(yīng)3個模糊子集，使用模糊變量描述。對于敵我距離的遠近變化，定義一個新的變量進行表征，即距離變化率：

其隸屬度函數(shù)u（x）如表1所示：

表1 距離變化率隸屬度表

最終，引入距離變化率的模糊概率描述。由于測量誤差及噪聲等影響，得到的目標位置信息呈現(xiàn)概率分布p（x），則其最終模糊概率可由式（5）得到。例如當目標信息檢測值換算為距離變化率時：

2 模糊隨機貝葉斯網(wǎng)絡(luò)

2.1 結(jié)點推理

為構(gòu)造能夠推理混合事件的貝葉斯網(wǎng)絡(luò)［10-11］，除了需要在對網(wǎng)絡(luò)的結(jié)點進行改造，同時還需要擴展網(wǎng)絡(luò)的推理方法，因為貝葉斯網(wǎng)絡(luò)的概率推理顯然無法滿足混合事件的不確定性推理。由于多個結(jié)點的復(fù)雜情況都可以歸類簡化為3個結(jié)點的擴展，因此，僅給出簡單情況的推理過程作為示例。

圖1 網(wǎng)絡(luò)結(jié)點推理示意圖

那么，當網(wǎng)絡(luò)的結(jié)構(gòu)確定后，就可以根據(jù)上述公式分別確定葉子結(jié)點的模糊先驗概率，以及各結(jié)點間的條件模糊概率。而進行網(wǎng)絡(luò)推理時，由于使用貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)，即使只獲得部分葉子結(jié)點的數(shù)值，依然可以推動網(wǎng)絡(luò)進行推理，得到結(jié)果。并且雖然該方法在可能性領(lǐng)域?qū)⒔Y(jié)點由隨機模型推廣到混合模型，增大了各結(jié)點先驗概率，以及結(jié)點間條件模糊概率的計算復(fù)雜度及量級，但是大部分的計算耗費在網(wǎng)絡(luò)構(gòu)造訓(xùn)練階段，實際使用時推理進行意圖分析的過程計算量并不大，因此，仍然可以實時快速地輸出意圖推理結(jié)果。

2.2 網(wǎng)絡(luò)結(jié)點及結(jié)構(gòu)

雖然意圖估計的主要研究內(nèi)容是敵方目標的態(tài)勢，但敵我關(guān)系以及環(huán)境特性也是考量的重要指標。不同場景下，目標指標的重要程度不同，例如平原地區(qū)考察地面目標的意圖時，目標的高度變化甚小，對其意圖估計結(jié)果影響很小，可忽略不計。而同樣的指標在不同場景下的模糊描述閾值也不同，如對于地面目標，當其時速達到100 km/h，可認為隸屬于速度快的范疇，與攻擊意圖耦合較緊；而如果是空中目標，這樣的速度則隸屬于速度慢的范疇，與偵察意圖更貼合。因此，不同場景目標，應(yīng)當對應(yīng)不同的網(wǎng)絡(luò)結(jié)點及不同的網(wǎng)絡(luò)結(jié)構(gòu)。

以空中目標為例，需要考慮的目標指標很多：首先是目標的高度信息，轟炸機在到達作戰(zhàn)區(qū)域后，其總是在一定的高度釋放炸彈；其次目標的高度變化信息也是重要的指標，戰(zhàn)斗機進行作戰(zhàn)時往往先拉升一定高度占據(jù)太陽的方位，再進行俯沖，此時目標的高度就會呈現(xiàn)一定的規(guī)律性，而偵察機進行偵察任務(wù)時，往往在固定高度盤旋；目標在雷達照射下的RCS信息表征了目標的大小，如其該項指標更接近無人機大小，則其執(zhí)行轟炸任務(wù)的意圖幾乎為零。因此，咨詢空戰(zhàn)領(lǐng)域?qū)＜也⒔Y(jié)合歷史數(shù)據(jù)資料，總結(jié)出空中目標的意圖估計主要考慮的因素包括：目標的速度、目標滯后角、目標大?。≧CS）、機動特性及敵我距離等，具體如圖2所示。將這些基本的影響因素作模糊劃分，再根據(jù)其測定值的概率描述，根據(jù)式（1）～式（3）描述為混合變量，即可確定網(wǎng)絡(luò)葉子結(jié)點。限于篇幅不給出具體數(shù)值，確定方法參見1.2節(jié)距離因素的模糊隨機描述示例。

圖2 模糊隨機貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

本文設(shè)計的簡單空戰(zhàn)場景模糊隨機貝葉斯網(wǎng)絡(luò)拓撲圖如圖2所示。貝葉斯網(wǎng)絡(luò)［12］的拓撲結(jié)構(gòu)的確定往往使用海量數(shù)據(jù)的測試樣本，結(jié)合智能算法進行多次迭代得到。這里考慮到戰(zhàn)場環(huán)境的特異性，歷史數(shù)據(jù)較少，復(fù)現(xiàn)性低，而作戰(zhàn)裝備的更新快，因此，難以獲得同裝備場景下充分的歷史數(shù)據(jù)用于網(wǎng)絡(luò)訓(xùn)練與構(gòu)建。故采用過往數(shù)據(jù)與咨詢領(lǐng)域?qū)＜蚁嘟Y(jié)合的方法，參考了文獻［13-15］等，給出了初始拓撲關(guān)系，并在咨詢相關(guān)專家后，進行了調(diào)整，如增加了RCS結(jié)點以及調(diào)整了結(jié)點間關(guān)系等，最終形成了圖2所示的網(wǎng)絡(luò)拓撲圖。

依據(jù)現(xiàn)有的少量過往真實數(shù)據(jù)，利用重點實驗室現(xiàn)有模擬器，給定意圖進行場景模擬，記錄場景下各指標數(shù)據(jù)作為樣本數(shù)據(jù)進行訓(xùn)練，進而得到訓(xùn)練成熟的網(wǎng)絡(luò)，如表2所示。這里限于篇幅，僅給出部分樣本數(shù)據(jù)作為示例。

這樣，隨著場景不斷深入，各傳感器不斷得到目標的各項指標信息，將其分別轉(zhuǎn)換即計算其各結(jié)點模糊先驗概率，輸入到圖2所示的網(wǎng)絡(luò)中，即可推理得到一系列目標在不同時段的意圖輸出。

3 仿真分析

為驗證模糊隨機貝葉斯網(wǎng)絡(luò)進行意圖估計的有效性及穩(wěn)定性，本文根據(jù)文獻的研究結(jié)果，結(jié)合專家的指導(dǎo)，在Matlab平臺下，利用貝葉斯網(wǎng)絡(luò)工具箱（Bayesian Network Toolbox，BNT）為基礎(chǔ)，建立了目標意圖模糊隨機貝葉斯網(wǎng)絡(luò)模型，并結(jié)合多種場景進行了驗證，這里給出一個場景作為示例。

圖3 戰(zhàn)場想定示意圖

如圖3（a）所示，假設(shè)我方有基地A和基地B分別在（6 000，1 000，0）和（7 000，5 000，0）位置，考慮敵方有一批空中目標向我方靠近，作攻擊態(tài)勢并作出相應(yīng)機動隱藏意圖：

1）0 s～9 s，目標在6 000 m高度向我方勻速飛來；

表2 距離變化率隸屬度表

2）9 s～30 s，目標為躲避我方巡航機作迷惑性機動，向左上方緊急機動；

3）30 s～45 s，目標回到正常航行高度，向我方繼續(xù)移動，作攻擊態(tài)勢；

為模擬真實的測量誤差及噪聲影響，對目標的軌跡加上隨機噪聲作為測試樣本，如圖3（b）所示。驗證使用2.2節(jié)所述的模糊隨機貝葉斯網(wǎng)絡(luò)進行推理，得到的目標意圖估計結(jié)果如圖4所示。

圖4 目標意圖估計仿真結(jié)果圖

由圖4可見，在多個觀測點，本文算法均能作出準確有效的意圖估計，而在b-c-d航段，由于目標觀測軌跡較短且目標當前機動未完成，故作出攻擊基地B及偵察的預(yù)測，也符合其當時態(tài)勢趨勢；而當目標意圖清晰后，在航跡的d-e-f段，亦即目標欺騙性機動的后半段，本算法即能作出正確穩(wěn)定的意圖估計。

為驗證本文算法在穩(wěn)健性方面的優(yōu)勢，以圖3戰(zhàn)場想定為基礎(chǔ)，圖2所示各結(jié)點及其關(guān)系為基礎(chǔ)，構(gòu)造簡單貝葉斯網(wǎng)絡(luò)進行推理，其結(jié)點只具有隨機性。如考慮距離指標時，僅將目標實時距離作為輸入。最終得到的針對圖3場景的估計結(jié)果如表3所示：

表3 意圖估計結(jié)果比較表

從表中可見，普通的貝葉斯網(wǎng)絡(luò)輸出結(jié)果是不斷變化的，無法采用。并且在該小型場景的尾期，目標的欺騙性機動已經(jīng)完結(jié)，意圖明顯，該方法的輸出結(jié)果仍在跳變，甚至作出錯誤的目標意圖估計。

這是因為普通的貝葉斯網(wǎng)絡(luò)使用簡單的隨機模型進行推理，對于戰(zhàn)場的模糊變量難以描述。當獲得一個指標觀測值需要輸入網(wǎng)絡(luò)時，使用硬性門限進行判決，當某一指標接近門限值時，則易被歸入錯誤的分類，導(dǎo)致推理出現(xiàn)巨大誤差。而模糊隨機貝葉斯網(wǎng)絡(luò)使用的混合事件模型，規(guī)避了這一問題；同時，并未使用模糊隨機變量的形式，還使得觀測誤差及噪聲造成意圖結(jié)果波動，如在航跡f-g段，目標的欺騙機動已完成，攻擊基地A的意圖明顯，但是受到噪聲的影響，使得目標的實時航向及速度等即時信息發(fā)生波動，從而造成普通貝葉斯網(wǎng)絡(luò)的意圖估計結(jié)果產(chǎn)生偏差，且在多個意圖估計結(jié)果間跳變，并不穩(wěn)定。

為驗證本文算法，通過增加敵我目標個數(shù)、增加我方空中目標，以及各目標間距離分布等方法構(gòu)造了不同場景，在類似場景下修改目標速度、高程等指標的方法，進行了多次實驗驗證。綜合結(jié)果表明，當目標的意圖穩(wěn)定后，本文算法均能給出類似上例的穩(wěn)定正確的意圖估計結(jié)果。綜上所述，本文算法既能弱化噪聲的影響，又能夠完備地描述戰(zhàn)場各因素，隨著戰(zhàn)場信息逐步輸入，輸出穩(wěn)健的推理結(jié)果。

4 結(jié)論

有效穩(wěn)健的意圖估計結(jié)果能夠作為輔助決策的參考，本文研究了利用模糊隨機貝葉斯網(wǎng)絡(luò)的方法提高意圖估計，并通過空戰(zhàn)場景的仿真，對該方法進行了驗證。本文方法通過定義描述戰(zhàn)場因素的混合事件模型，構(gòu)造網(wǎng)絡(luò)結(jié)點，進而推理輸出的目標作戰(zhàn)企圖估計結(jié)果在穩(wěn)健性方面有很大優(yōu)勢，提高了意圖推理結(jié)果在實際輔助決策過程中的可參考性。