基于徑向基神經(jīng)網(wǎng)絡(luò)的偵察目標(biāo)意圖識(shí)別研究

魏 蔚 王公寶

（海軍工程大學(xué)基礎(chǔ)部 武漢 430033）

1 引言

無(wú)人機(jī)系統(tǒng)（簡(jiǎn)稱無(wú)人機(jī)）是指飛機(jī)平臺(tái)有動(dòng)力但是無(wú)人駕駛，能自主/半自主或者遙控、遠(yuǎn)距離使用、可回收或者一次性使用、可攜帶致命或非致命武器完成任務(wù)的裝備系統(tǒng)［1］。隨著科學(xué)技術(shù)的進(jìn)步，尤其是信息科學(xué)的進(jìn)步，無(wú)人機(jī)正在從過(guò)去執(zhí)行一般的偵察等簡(jiǎn)單任務(wù)逐漸向執(zhí)行警戒、打擊乃至空戰(zhàn)等高級(jí)軍事任務(wù)發(fā)展，逐步成為重要的主戰(zhàn)裝備［2］。其中，無(wú)人機(jī)空中目標(biāo)意圖識(shí)別是防空作戰(zhàn)指揮中的重要步驟，直接影響到指揮員的指揮決策［3］。在當(dāng)前的防空體系中，由于受到技術(shù)的局限性，對(duì)空中目標(biāo)意圖的判斷主要通過(guò)平時(shí)收集的敵情、上級(jí)的敵情通報(bào)或者雷達(dá)測(cè)得的情報(bào)信息進(jìn)行人為分析和判斷，預(yù)測(cè)得到的目標(biāo)意圖往往不準(zhǔn)確、不及時(shí)，造成情報(bào)誤判或延誤戰(zhàn)機(jī)［4］。

隨著信息技術(shù)的進(jìn)步，戰(zhàn)場(chǎng)信息的感知能力逐漸提高，單純依靠人來(lái)判斷空中目標(biāo)意圖已經(jīng)不適應(yīng)現(xiàn)代戰(zhàn)爭(zhēng)的需要。利用計(jì)算機(jī)技術(shù)和智能算法進(jìn)行空中目標(biāo)意圖的判斷是當(dāng)前研究的熱點(diǎn)［5～6］。其中如何構(gòu)建反應(yīng)迅速、判斷準(zhǔn)確的空中目標(biāo)意圖識(shí)別模型是需要解決的關(guān)鍵問(wèn)題?？罩心繕?biāo)意圖識(shí)別模型的核心問(wèn)題是如何快速、準(zhǔn)確地確定雷達(dá)探測(cè)到的目標(biāo)信息與目標(biāo)意圖之間的關(guān)系，本質(zhì)上屬于模式識(shí)別問(wèn)題。

本文采用徑向基神經(jīng)網(wǎng)絡(luò)建立空中目標(biāo)意圖識(shí)別模型，運(yùn)用案例庫(kù)分析來(lái)訓(xùn)練網(wǎng)絡(luò)模型參數(shù)，利用雷達(dá)測(cè)試數(shù)據(jù)驗(yàn)證了基于徑向基神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)意圖識(shí)別模型具有更高的準(zhǔn)確性。

2 空中目標(biāo)意圖識(shí)別

空中目標(biāo)意圖可理解為目標(biāo)為完成某種作戰(zhàn)目的而采取的行動(dòng)計(jì)劃［6］。目標(biāo)意圖識(shí)別是指利用戰(zhàn)場(chǎng)上的雷達(dá)等傳感裝置，將探測(cè)到的目標(biāo)信息進(jìn)行分析，進(jìn)而對(duì)目標(biāo)的作戰(zhàn)設(shè)想、作戰(zhàn)打算、作戰(zhàn)計(jì)劃等進(jìn)行判斷、預(yù)測(cè)或者解釋［7］?？罩心繕?biāo)意圖識(shí)別是指綜合空中態(tài)勢(shì)、戰(zhàn)場(chǎng)環(huán)境、空中目標(biāo)的各種狀態(tài)屬性等進(jìn)行分析并判斷其作戰(zhàn)企圖［8］，其中，空中目標(biāo)的狀態(tài)屬性主要包括：航向、飛行速度、雷達(dá)反射面積、飛行高度、機(jī)型等［9～10］。

空中目標(biāo)意圖識(shí)別一般流程如圖1所示。通過(guò)雷達(dá)等戰(zhàn)場(chǎng)傳感器獲得空中目標(biāo)的飛行參數(shù)，構(gòu)成信息源；從信息源中提取空中目標(biāo)的各種狀態(tài)屬性，作為特征參數(shù)；將提取出的特征參數(shù)輸入到經(jīng)過(guò)案例知識(shí)庫(kù)訓(xùn)練好的目標(biāo)意圖識(shí)別模型中，得到目標(biāo)識(shí)別結(jié)果。

圖1 空中目標(biāo)意圖識(shí)別流程

3 徑向基神經(jīng)網(wǎng)絡(luò)介紹

徑向基神經(jīng)網(wǎng)絡(luò)具有收斂速度快、能夠以任意精度逼近任意非線性函數(shù)、沒(méi)有局部最小值、泛化能力強(qiáng)等優(yōu)點(diǎn)，被廣泛應(yīng)用于模式識(shí)別問(wèn)題中［11］。

徑向基神經(jīng)網(wǎng)絡(luò)是一種包括輸入層、隱藏層和輸出層的前向神經(jīng)網(wǎng)絡(luò)。徑向基神經(jīng)網(wǎng)絡(luò)輸入層到隱藏層的映射是非線性的，而隱藏層的神經(jīng)元數(shù)目確定后，隱藏層到輸出層的映射是線性的［12］。假設(shè)輸入向量為 X=(x1,x2,? ? ?,xj,? ? ?,xn)T，輸入層到隱藏層的閾值為θi，連接權(quán)值為ωij，則輸入層到隱藏層的輸入為

yi=f(ui)為隱藏層的輸出，其中 f(?)稱為神經(jīng)元的激勵(lì)函數(shù)。徑向基神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)通常采用高斯函數(shù)：

式中，fi(x)表示第i個(gè)隱藏層的輸出；x是輸入向量，ci是第i個(gè)高斯函數(shù)的中心；σi是第i個(gè)基函數(shù)的歸一化因子，表示該基函數(shù)圍繞中心點(diǎn)ci的寬度；m為隱藏層的節(jié)點(diǎn)個(gè)數(shù)。

4 案例分析

4.1 目標(biāo)意圖識(shí)別案例

在某海域執(zhí)行偵察任務(wù)的無(wú)人機(jī)發(fā)現(xiàn)前方有12批可疑的空中目標(biāo)，從t時(shí)刻起，雷達(dá)測(cè)得的目標(biāo)位置信息、雷達(dá)探測(cè)面積以及目標(biāo)意圖見表1（表1中的數(shù)據(jù)來(lái)源于2015年全國(guó)研究生數(shù)學(xué)建模競(jìng)賽題目中的有關(guān)資料）。t時(shí)刻，無(wú)人機(jī)位置為北緯15°41′7″，東經(jīng)112°42′10″，航向200°（以正北為0°，順時(shí)針?lè)较颍?，航?6節(jié)（即每小時(shí)16海里）。（說(shuō)明：表中作戰(zhàn)時(shí)間為time_t格式，即從1970年1月1日0時(shí)起到某一時(shí)刻的秒數(shù)；目標(biāo)位置經(jīng)緯度的單位為弧度；目標(biāo)高度的單位為m）。

4.2 基于徑向基神經(jīng)網(wǎng)絡(luò)的目標(biāo)意圖識(shí)別模型

基于徑向基神經(jīng)網(wǎng)絡(luò)的目標(biāo)意圖識(shí)別模型主要包括數(shù)據(jù)預(yù)處理、特征提取、目標(biāo)意圖識(shí)別三部分?；趶较蚧窠?jīng)網(wǎng)絡(luò)的空中目標(biāo)意圖識(shí)別模型如圖2所示。

圖2 空中目標(biāo)意圖識(shí)別模型

空中目標(biāo)意圖識(shí)別的具體步驟為

1）通過(guò)雷達(dá)等戰(zhàn)場(chǎng)傳感器獲得空中目標(biāo)的飛行參數(shù)，構(gòu)成信息源；

2）從信息源中提取空中目標(biāo)的各種狀態(tài)屬性，作為特征參數(shù)；

3）將提取出的特征參數(shù)輸入到經(jīng)過(guò)案例知識(shí)庫(kù)訓(xùn)練好的目標(biāo)意圖識(shí)別模型中，得到目標(biāo)識(shí)別結(jié)果。

具體方法如下：

表1 雷達(dá)探測(cè)空中目標(biāo)原始參數(shù)

表2 數(shù)據(jù)預(yù)處理后的空中目標(biāo)參數(shù)

表3 案例知識(shí)庫(kù)中用于網(wǎng)絡(luò)訓(xùn)練的15批空中目標(biāo)數(shù)據(jù)［5］

表4 徑向基神經(jīng)網(wǎng)絡(luò)目標(biāo)意圖識(shí)別結(jié)果

表5 BP神經(jīng)網(wǎng)絡(luò)目標(biāo)意圖識(shí)別結(jié)果

表6 支持向量機(jī)（SVM）目標(biāo)意圖識(shí)別結(jié)果

1）數(shù)據(jù)預(yù)處理。表1所給數(shù)據(jù)為發(fā)現(xiàn)目標(biāo)的時(shí)刻、目標(biāo)經(jīng)緯度、目標(biāo)高度以及雷達(dá)反射面積等原始參數(shù)，表1中的數(shù)據(jù)來(lái)源于2015年全國(guó)研究生數(shù)學(xué)建模競(jìng)賽題目中的有關(guān)資料。需要將其分別換算成目標(biāo)距無(wú)人機(jī)的距離、方位角、速度、航向角等參數(shù)。如表2所示，表中數(shù)據(jù)為換算后的目標(biāo)參數(shù)。其中，方位角 β（mil）是指從無(wú)人機(jī)到空中目標(biāo)方向的方位角：正北時(shí)β=0，順時(shí)針?lè)较蛞恢芊譃?400mil；距離D（km）是指從我指揮艦位置到空中目標(biāo)的距離；水平速度V（m/s）是指空中目標(biāo)在水平面上的速度；航向角θ（°）是指空中目標(biāo)飛行的方向（正北為0°，順時(shí)針?lè)较蛞恢芊譃?60°）；高度H（km）是指空中目標(biāo)距海平面的垂直距離；雷達(dá)反射面積σ（m2）是指目標(biāo)在雷達(dá)上回波的大?。?≤σ＜2為小目標(biāo)，2≤σ＜4為中目標(biāo)，σ≥4為大目標(biāo)。

2）特征提取。由規(guī)則庫(kù)可知，目標(biāo)大小與目標(biāo)意圖沒(méi)有直接關(guān)系，因此目標(biāo)的雷達(dá)反射面積只是評(píng)價(jià)大小屬性的評(píng)價(jià)標(biāo)準(zhǔn)之一，不能作為意圖的評(píng)價(jià)參數(shù)。選取的目標(biāo)意圖識(shí)別特征參數(shù)包括：目標(biāo)方位角、距離、水平速度、航向角、高度。這些識(shí)別參數(shù)構(gòu)成徑向基神經(jīng)網(wǎng)絡(luò)的輸入向量，其中a1,a2,a3,a4,a5分別代表目標(biāo)方位角、距離、水平速度、航向角、高度。

3）目標(biāo)意圖識(shí)別。首先，將知識(shí)和規(guī)則的樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，提取其用于判別目標(biāo)意圖的5個(gè)參數(shù)作為徑向基神經(jīng)網(wǎng)絡(luò)的輸入向量，輸出向量為目標(biāo)意圖分別表示各目標(biāo)意圖為攻擊、偵察、掩護(hù)、監(jiān)視、其他；然后利用案例知識(shí)庫(kù)中的15組訓(xùn)練數(shù)據(jù)（見表3）［5］對(duì)徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；最后對(duì)測(cè)試用的12批空中目標(biāo)的特征參數(shù)向量進(jìn)行意圖識(shí)別。徑向基網(wǎng)絡(luò)的輸出為各目標(biāo)意圖的概率，按照隸屬度最大原則得到空中目標(biāo)意圖，識(shí)別結(jié)果如表4所示。目標(biāo)意圖識(shí)別的準(zhǔn)確性用準(zhǔn)確率來(lái)表示：

由表4可知，基于徑向基神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)意圖識(shí)別準(zhǔn)確率為83.3%。分別利用BP神經(jīng)網(wǎng)絡(luò)［5］和支持向量機(jī)（SVM）［8］的目標(biāo)意圖識(shí)別模型進(jìn)行空中目標(biāo)意圖識(shí)別，識(shí)別結(jié)果如表5、表6所示，其準(zhǔn)確率分別為75%和58.3%。

5 結(jié)語(yǔ)

本文利用徑向基神經(jīng)網(wǎng)絡(luò)建立了空中目標(biāo)意圖識(shí)別模型。通過(guò)知識(shí)規(guī)則庫(kù)對(duì)模型進(jìn)行訓(xùn)練，將處理后的無(wú)人機(jī)偵察數(shù)據(jù)輸入到訓(xùn)練好的徑向基神經(jīng)網(wǎng)絡(luò)中，得到空中目標(biāo)意圖。案例分析表明，相對(duì)于BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的目標(biāo)意圖識(shí)別模型，基于徑向基神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)意圖識(shí)別模型具有更高的準(zhǔn)確性。